Notre pays connaît sa plus faible croissance de la productivité dans 60 ans, selon le Comité pour le développement économique de l'Australie. Et ça ralentissement se reflète dans la plupart des économies avancées du monde.

Il n'est donc pas surprenant que certains voient l'essor de l'intelligence artificielle (IA) comme le sauveur de la productivité. Articles de presse annoncent une nouvelle ère de productivité élevée rendue possible par l'IA, et en particulier par les outils d'IA générative tels que ChatGPT et DALL-E.

De même, les meilleures revues du monde sont remplies de comptes rendus sur la façon dont l'IA a permis des sauts transformateurs dans la recherche. L'apprentissage automatique a été utilisé, par exemple, pour prédire la forme des protéines à partir d'informations ADN, ou à contrôler la forme de plasma surchauffé dans une réaction de fusion nucléaire. Une équipe au CSIRO conçu un système autonome basé sur l'IA qui peut fabriquer et tester 12 000 conceptions de cellules solaires en 24 heures.

Cela signifie-t-il que nous pouvons appuyer sur l'interrupteur, le laisser en mode automatique et aller à la plage ? Pas assez.

Pas une panacée de productivité

Même si les exemples ci-dessus donnent de l'espoir, ils détournent également l'attention des nombreuses applications d'IA qui n'ont pas tout à fait fonctionné. Ce sont les cas, souvent non rapportés dans les revues et les médias, où l'utilisation de l'IA a été coûteuse et chronophage et n'a pas réussi à générer le résultat souhaité.

En 2021, la communauté de l'IA a dû faire une pause lorsque 62 études publiées qui utilisaient l'apprentissage automatique pour diagnostiquer le COVID-19 à partir d'examens thoraciques se sont révélées peu fiables et inutilisable en milieu clinique, principalement en raison de problèmes avec les données d'entrée. C'était un rappel brutal que l'IA est faillible.

Cela ne veut pas dire que l'IA ne peut pas être utilisée pour augmenter la productivité, mais simplement qu'elle n'est pas une panacée prête à l'emploi à nos problèmes de productivité. L'IA ne peut pas résoudre comme par magie les problèmes liés à des processus inefficaces, à une mauvaise gouvernance et à une mauvaise culture.

Si vous déposez une IA avancée dans une organisation stupide, cela ne la rendra pas intelligente. Cela aidera simplement l'organisation à faire des choses stupides plus efficacement (en d'autres termes, plus rapidement). Cela ne conduira guère à un gain de productivité.

Où fonctionnent les applications d'IA

Un étude récente par le National Bureau of Economic Research des États-Unis a constaté une augmentation de 14 % de la productivité des agents du service client qui ont utilisé un outil d'IA pour aider à guider les conversations. En Australie, Westpac dit qu'AI a fourni un Augmentation de la productivité de 46 % pour ses ingénieurs logiciels, sans perte de qualité de travail.

À bien des égards, ces exemples ne sont pas surprenants. Il est évident que l'IA peut augmenter la productivité lorsqu'elle est utilisée efficacement ; Google Maps est clairement plus efficace pour amener quelqu'un de A à B qu'un vieil atlas routier.

Alors, qu'y a-t-il de commun dans les situations où l'IA fonctionne bien ?

Les applications réussies de l'IA ont tendance à être caractérisées par un besoin et une fonction clairs pour le système d'IA. Ils sont bien intégrés dans les processus plus larges de l'entreprise ou de l'organisation et n'interfèrent pas avec les autres tâches des employés.

Ils ont également tendance à avoir des ensembles de données de haute qualité, adaptés à l'usage et organisés utilisés pour former les algorithmes, et sont appliqués en toute sécurité et conformément à principes éthiques.

Là où les applications d'IA échouent

Cependant, il est difficile d'obtenir des avantages de productivité de l'IA dans toute une organisation, sans parler de toute une économie. De nombreuses organisations sont encore aux prises avec une transformation numérique beaucoup plus basique.

Cabinet de conseil Deloitte estime que 70 % des efforts de transformation numérique des organisations échouent. Peut-être que la véritable solution au dilemme de la productivité réside moins dans l'utilisation de l'IA que dans la gestion des inefficacités organisationnelles associées à l'adoption de nouvelles technologies.

Les bureaux modernes regorgent d'e-mails inutiles, de réunions inutiles et de processus bureaucratiques qui sapent l'énergie et la motivation des travailleurs. La recherche a établi que la productivité diminue lorsque les travailleurs sont confrontés à cet assaut de travail occupé et de distractions.

Il est peu probable que l'IA résolve ce problème. La devise des temps modernes est l'attention ; une IA conçue pour nous protéger des tâches inutiles peut finir par nous harceler. Nous pourrions même voir un avenir où les outils d'IA conçus pour nous protéger de la distraction sont en concurrence avec les outils d'IA conçus pour nous distraire.

L'économiste de l'Université de Leeds, Stuart Mills, souligne que si des outils tels que ChatGPT automatisent simplement les inefficacités bureaucratiques, ils n'augmenteront pas du tout la productivité.

Une fois, nous avons demandé à un ami, cadre supérieur dans une société d'ingénierie mondiale, s'il utilisait ChatGPT pour son travail. "Oh oui," s'exclama-t-il avec enthousiasme.

"Je l'utilise pour générer tous ces rapports que la direction ne cesse de me demander. Je sais que personne ne le lira jamais, il n'a donc pas besoin d'être de haute qualité."

Vers des gains de productivité à long terme

Il semble très probable que l'IA améliorera la productivité au niveau sociétal à long terme, et certaines de ces améliorations pourraient être transformatrices.

Depuis septembre 2022, la recherche a trouvé 5,7 % de toutes les recherches évaluées par des pairs publiées dans le monde portaient sur le thème de l'IA, contre 3,1 % en 2017 et 1,2 % en 2000.

Il est clair que les innovateurs du monde entier explorent comment l'IA peut augmenter leur productivité et peut-être les aider à faire des découvertes. Nous pouvons nous attendre à ce que des solutions efficaces qui résolvent véritablement les problèmes s'auto-sélectionnent et atteignent le sommet de manière organique.

Une mise en œuvre réussie de l'IA nécessite de comprendre le contexte dans lequel la technologie est appliquée. Cela nécessite de choisir le bon outil pour la tâche à accomplir et de l'utiliser de la bonne manière. Et même avant cela, cela nécessite de travailler sur des questions de processus, de gouvernance, de culture et d'éthique.

Cet article est republié de La conversation sous licence Creative Commons. Lis le article original.