Estimating time spent on work tasks
Cet article introduit une méthode rigoureuse pour estimer les parts de temps pour près de 18 000 tâches professionnelles aux États-Unis en combinant les données de fréquence de l'ONET avec des comparaisons par paires de la durée des tâches dérivées de modèles de langage, révélant que pondérer l'exposition des tâches à l'IA par le temps plutôt que par le nombre de tâches modifie considérablement le classement des professions affectées et élargit l'écart entre les emplois les plus et les moins exposés.
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 cuisine géante et animée où chaque métier est une recette différente. Depuis des décennies, les économistes tentent de comprendre comment de nouveaux outils — comme un nouveau mixeur sophistiqué ou un bras robotisé — modifient ces recettes. Ils ont réalisé que les emplois ne sont pas seulement des blocs uniques et incassables ; ce sont en réalité des ensembles de tâches plus petites, comme hacher des oignons, remuer la sauce ou dresser l'assiette. Cette vision « par tâches » est la méthode standard utilisée par les scientifiques pour étudier la façon dont la technologie remodèle le travail. Si un robot peut hacher des oignons plus rapidement, cette tâche spécifique change, et ce changement se répercute sur l'ensemble du métier. Mais voici la partie délicate : lorsque nous additionnons toutes ces petites tâches pour voir comment un métier entier est affecté, comment les comptons-nous ? Doit-on compter chaque tâche comme un vote égal, ou devons-nous les pondérer par le temps qu'un travailleur y consacre réellement ? Il s'avère que cette question de « combien de temps » est l'ingrédient manquant qui pourrait changer complètement notre compréhension des métiers les plus susceptibles d'être transformés par l'intelligence artificielle.
Cet article, écrit par des chercheurs de Stanford et de l'Université de São Paulo, est comme un traqueur de temps massif et méticuleux pour la main-d'œuvre américaine. Les auteurs ont remarqué que les études précédentes tentant de déterminer quels métiers étaient les plus exposés à l'IA avaient deviné, de manière approximative, le temps que les travailleurs consacraient à des tâches spécifiques. Certaines études comptaient simplement le nombre de tâches qu'un métier possédait, tandis que d'autres utilisaient des catégories vagues comme tâches « centrales » ou « supplémentaires », traitant un contrôle rapide de 30 secondes de la même manière qu'une analyse approfondie de 4 heures. Les chercheurs soutiennent que c'est comme juger un film en comptant le nombre de scènes plutôt qu'en mesurant le temps que le public passe à regarder l'intrigue.
Pour corriger cela, l'équipe a élaboré une nouvelle méthode pour estimer la part de temps réelle pour près de 18 000 tâches différentes à travers presque 1 000 professions américaines. Ils ne se sont pas contentés de demander à un ordinateur de deviner ; ils ont décomposé le problème en deux parties. D'abord, ils ont examiné la fréquence à laquelle une tâche se produit. Ensuite, et c'est la partie ingénieuse, ils ont utilisé un modèle de langage (une IA) pour classer les tâches les unes par rapport aux autres afin de déterminer lesquelles prennent plus de temps à réaliser une seule fois. Ils ont ensuite injecté ces classements dans un casse-tête mathématique (un programme linéaire) qui devait tout faire tenir dans une journée de travail réaliste de 7 heures. C'est comme résoudre un puzzle dont les pièces sont les tâches et dont l'image finale est une journée de travail complète.
Les résultats de cette expérience de suivi du temps sont surprenants et modifient le paysage de la discussion. Lorsque les chercheurs ont appliqué leurs nouveaux poids basés sur le temps pour voir quels métiers sont les plus exposés à l'IA, la liste des métiers « les plus à risque » a radicalement changé. Les études précédentes suggéraient que les emplois de bureau et administratifs étaient les plus vulnérables car ils possédaient le plus grand nombre de tâches exposées à l'IA. Cependant, la nouvelle perspective basée sur le temps suggère que, bien que ces métiers possèdent de nombreuses petites tâches exposées, celles-ci ne représentent en réalité qu'une faible partie de la journée du travailleur. En revanche, les métiers impliquant une analyse profonde, de la recherche et de la rédaction — qui peuvent comporter moins de tâches au total — consacrent une part énorme de leur temps de travail à ces tâches spécifiques.
Lorsque les auteurs ont reclassé les 25 professions les plus exposées en utilisant leurs données temporelles, 11 d'entre elles ont changé de place. La liste s'est éloignée des rôles de bureau pour se rapprocher des rôles analytiques. Par exemple, ils ont découvert que pour un masseur thérapeutique, bien que 44 % des tâches répertoriées puissent être techniquement « exposées » à l'IA, ces tâches ne représentent que 16 % du temps de travail réel. À l'inverse, pour un actuaire, les tâches exposées peuvent être moins nombreuses en nombre, mais consomment près de 90 % de son temps de travail. L'article suggère qu'en se concentrant sur la fraction du temps de travail exposée à l'IA, plutôt que sur la simple fraction des tâches, nous obtenons une image beaucoup plus claire, et souvent plus intense, de l'impact sur les rôles les plus vulnérables. Les auteurs précisent avec prudence qu'il s'agit d'une nouvelle façon de mesurer l'exposition, et non d'une prédiction que ces emplois vont définitivement disparaître, mais cela suggère que les métiers « phares » les plus affectés par l'IA pourraient être différents de ce que nous pensions auparavant.
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.