The Open Source Economic Index of AI Adoption and Capability
Cet article présente un indice économique en libre accès qui exploite les données de chat publiques entre utilisateurs et LLM ainsi que les tâches O*NET pour mesurer l'adoption de l'IA à travers les professions, tout en évaluant simultanément les capacités de l'IA via un système de référence qui révèle que des modèles comme Kimi-k2.5 peuvent exécuter des flux de travail de haut niveau mais peinent fréquemment sur les détails granulaires.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez l'économie comme une ville géante et bouillonnante. Depuis un certain temps, nous savons que l'« IA » est en train de s'installer, mais nous ne savions pas vraiment qui habite dans quel quartier, quels types de tâches elles accomplissent réellement, ou si elles sont vraiment capables de travailler seules ou si elles ont simplement besoin qu'un humain leur tienne la main.
Ce document, « L'Indice Économique de l'Adoption et de la Capacité de l'IA en Open Source », agit comme un immense recensement de la ville en open source combiné à un entretien d'embauche rigoureux. Les auteurs ont construit deux outils principaux pour répondre à deux grandes questions : Où l'IA est-elle réellement utilisée ? et L'IA est-elle réellement capable de faire le travail ?
Voici une décomposition de leurs conclusions en utilisant des analogies simples :
1. Le « Recensement de la Ville » (Mesurer l'adoption)
Le Problème : Les études précédentes tentaient de deviner à quel point l'IA était utilisée en interrogeant les gens par sondages (ce que les gens oublient souvent de faire ou mentent sur lesquelles) ou en observant les journaux de discussion privés et secrets des grandes entreprises technologiques (que personne d'autre ne peut vérifier).
La Solution : Les auteurs ont construit un « recensement public ». Ils ont pris des millions de conversations publiques et anonymes entre des humains et des IA (provenant d'un ensemble de données appelé WildChat) et ont utilisé un filtre intelligent pour les trier.
- Le Filtre : Ils ont demandé à une IA : « Cette discussion concerne-t-elle le travail ? ». Si la réponse était oui, ils la conservaient. Si c'était quelqu'un demandant une recette ou une blague, ils la jetaient.
- La Carte : Ils ont ensuite fait correspondre ces discussions de travail à un immense dictionnaire officiel des métiers appelé O*NET (considérez cela comme les « Pages Jaunes » de chaque métier en Amérique, listant exactement les tâches requises pour chaque emploi).
Les Résultats :
- Qui l'utilise ? Les « quartiers de l'IA » sont bondés dans la Finance, l'Informatique et les Arts. Si vous êtes un conseiller financier, un programmeur ou un écrivain créatif, vous utilisez probablement beaucoup l'IA.
- Qui ne l'utilise pas ? Étonnamment, les Avocats sont ceux qui l'utilisent le moins parmi les professions intellectuelles.
- Quelle est la profondeur de l'utilisation ? Ce n'est pas aussi profond que ce que suggère le battage médiatique. Bien que l'IA soit utilisée dans de nombreux métiers, elle aide généralement pour certaines tâches, et non pour prendre le contrôle de l'intégralité du poste. Seule une infime fraction des emplois (moins de 1 %) utilise l'IA pour 75 % de ses tâches quotidiennes.
2. L'« Entretien d'Embauche » (Mesurer la capacité)
Le Problème : Ce n'est pas parce que les gens demandent à l'IA de réaliser une tâche qu'elle est réellement capable de la terminer correctement. C'est comme un étudiant qui dit qu'il peut écrire un roman ; cela ne signifie pas qu'il peut réellement en écrire un bon sans aide.
La Solution : Les auteurs ont construit un « lieu de travail simulé ».
- La Configuration : Ils ont créé près de 5 000 scénarios de travail réalistes basés sur les descriptions de postes de l'O*NET.
- Les Outils : Ils ont donné à l'IA un ensemble d'outils numériques (comme une calculatrice, une base de données ou un calendrier) qu'elle devait utiliser pour résoudre le problème.
- Le Test : Ils ont testé un modèle d'IA spécifique (Kimi-k2.5) de deux manières :
- Mode Solo : L'IA devait accomplir tout le travail seule.
- Mode Équipe : L'IA devait travailler avec un « humain simulé » qui posait des questions et donnait des indices.
Les Résultats :
- La Vue d'Ensemble vs Les Détails : L'IA est étonnamment douée pour la « vue d'ensemble ». Elle peut comprendre le flux de travail général (ex: « Je dois embaucher quelqu'un, donc je dois publier une offre, puis mener un entretien, puis embaucher »).
- Les Détails Défaillants : Cependant, l'IA trébuche souvent sur les petits détails. Elle peut appeler le mauvais outil, utiliser le mauvais bouton ou inventer des faits (halluciner) lorsqu'elle doit être précise.
- Le Filet de Sécurité Humain : Lorsque l'IA travaillait avec un humain (Mode Équipe), elle terminait le travail plus souvent. Mais l'humain devait tout de même surveiller de près car l'IA continuait de commettre de petites erreurs avec les outils.
La Grande Conclusion
Considérez l'adoption de l'IA comme l'arrivée d'une nouvelle sorte de perceuse électrique sur un chantier de construction.
- Adoption : Nous voyons que les charpentiers (Artistes, Codeurs, gens de la Finance) saisissent la perceuse et l'utilisent beaucoup.
- Capacité : Mais quand nous les regardons essayer de construire une maison, nous voyons qu'ils sont bons pour percer les gros trous, mais qu'ils ratent souvent le clou ou percent au mauvais endroit.
La Conclusion :
Le document soutient que nous ne devrions pas paniquer à l'idée que l'IA remplace entièrement les humains pour le moment. Bien que l'IA soit adoptée rapidement dans des secteurs spécifiques, elle n'est pas encore assez « autonome » pour accomplir des tâches complexes parfaitement par elle-même. Elle fonctionne mieux comme un copilote qui a besoin d'un humain pour diriger, vérifier les détails et s'assurer que les outils sont utilisés correctement. Le risque de perte totale d'emplois est faible, mais le besoin de supervision humaine reste élevé.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.