INTELLIGENCE ARTIFICIELLE : S’ADAPTER OU DISPARAÎTRE

La connaissance représente aujourd’hui une part importante des emplois, en particulier dans les services, mais pas uniquement. Avec les technologies modernes, en particulier les robots et l’intelligence artificielle, cette part ne va certainement pas cesser d’augmenter. Il faudra donc nous adapter et développer certaines capacités du futur, les capacités 2.0 finalement.

 

Les machines intelligentes vont exiger de nous certaines capacités bien précises, comment adapter l’ensemble des salariés à l’apparition de ces nouvelles technologies ? Pour cela nous allons nous inspirer des travaux de Davenport et Kirby du M.I.T (2016). L’idée consiste à développer 5 approches qui sont autant de messages pour affronter les métiers 2.0.

L’approche ascendante, c’est l’exemple de Niven Narain, un chercheur en cancérologie. En 2005, il cofonde Berg, une start-up qui permet d’appliquer l’intelligence artificielle à la découverte de médicaments. Les installations de Berg disposent de spectromètres de masse à haut débit qui tournent en continu et produisent plusieurs milliards de points de données résultant de l’analyse d’échantillons de sang et de tissus, associés à de puissants ordinateurs. En sortie, les données permettent de préciser certaines molécules pour améliorer l’efficacité des soins. Ici, l’approche ascendante permet d’ajouter de la valeur grâce à une utilisation des données qui permet de prendre de la hauteur et donc d’améliorer les soins. D’une certaine manière on peut dire qu’il y a complémentarité parfaite entre l’homme et l’intelligence artificielle. On peut trouver ce type de profil chez les responsables de marques, qui orchestrent toutes les activités nécessaires au bon positionnement et au renforcement des processus très orientés clients (ici patients). Le diplôme idéal est un MBA ou un Ph.D et une grande capacité d’interprétation et d’analyse. À ce niveau, il faut bien comprendre que si nous sommes effectivement moins performants dans l’analyse d’énormes quantités de données, les ordinateurs feront toujours exactement l’inverse de nous : ils excellent dans le traitement efficace de la donnée, mais ont du mal à formuler des jugements élémentaires qui seraient à la portée de n’importe qui. Un ordinateur portable d’entrée de gamme bat le plus intelligent des mathématiciens dans certaines tâches, alors qu’un superordinateur doté de 16 000 processeurs est incapable de battre un enfant, par exemple dans l’identification d’un chat parmi 10 millions de vidéos. Ces exemples sont bien connus, Kasparov etc…mars 1997.

Message 1 : L’humain sera toujours indispensable à l’interprétation des données et à la prise de décision. Hauteur de vue = Création de valeur.

Il y a l’approche parallèle ensuite. Il s’agit ici d’être doté de connaissances codifiables. Il faut être créatif et intuitif. Il faut être capable de manipuler des concepts qui trouveront un écho auprès de clients raffinés. Il faut être capable de développer une intelligence multiple. Le légendaire entraîneur américain D.Wayne Lukas ne saurait expliquer, comment il parvient à évaluer le potentiel d’un Yearling. De même le designer d’Apple Jonatan Ive ne peut demander à un ordinateur de télécharger depuis son cerveau le sens du goût qui fait sa créativité. Ricky Gervais ne fait-il pas rire son public avec des répliques qu’aucune machine ne saurait imaginer ?

Message 2 : Il faut aussi développer une intelligence multiple dont sont incapables les ordinateurs…Science et créativité.

Il y a ensuite l’approche inclusive. Ici, la compétence clé est celle de maîtriser les logiciels et plus particulièrement leur décision automatique. L’expert est l’expert en politique de taux qui va s’appuyer sur l’innovation et l’ordinateur. La formation à ce niveau devra être axée sur les sciences, les technologies, la veille. Un exemple est cité par les auteurs. C’est l’histoire rapportée en 2014 par le « NewYork Times » à propos d’un homme qui venait de changer de travail et qui avait déposé une demande de refinancement de son emprunt immobilier. Alors qu’il avait occupé un poste dans la fonction publique gouvernementale pendant huit ans et connu une situation stable dans l’enseignement les vingt années précédentes, son dossier d’emprunt a été retoqué. Le système automatisé qui avait évalué sa requête avait reconnu que les nouveaux remboursements prévus étaient largement couverts par son niveau de revenu, mais le système automatisé était suffisamment intelligent pour réagir à un nouveau facteur de risque qui était précisément l’instabilité de son nouvel emploi. Le système était-il si intelligent que cela ? Car en réalité cet homme était Ben Bernanke, ancien président de la réserve fédérale américaine. Il venait juste de signer un contrat de publication de plus d’un million de dollars et s’apprêtait à entamer une tournée de conférences pour le moins lucrative.

Message 3 : Il s’agit là d’une illustration-type de notre capacité de supervision. Il faudra maîtriser les logiciels, mais nous aurons toujours besoin de capacités d’analyse des scores et des signaux et d’une relation client forte. Les trois côtés d’un triangle.

Une autre approche possible est l’approche hyperspécialisée. A Boston, non loin du siège de la chaîne de café Dunkin’Donuts, un reporter a pu récemment pénétrer dans le monde des rois de la franchise Dunkin’Donuts. L’un d’eux, Gary Royal, gagne bien sa vie en mettant en relation des vendeurs et des acheteurs de la franchise. Il utilise sa connaissance encyclopédique des franchisés et souvent même de leur situation familiale, de leur portefeuille de revenus et de leurs aspirations patrimoniales pour s’imposer comme un interlocuteur indispensable. La question est la suivante : les connaissances des franchisés pourraient-elles être encodées dans un logiciel ? Très probablement, mais personne n’en tirerait de quoi s’offrir une Rolls, ce qui fut le cas de Gary Royal !

Message 4 : en réalité c’est la connaissance du réseau qui prime, ce d’autant plus que le domaine est très ciblé. Connaissance précise des clients sur domaine ciblé.

Il y a enfin la démarche anticipatoire. Il s’agit ici de déterminer les prochaines machines intelligentes. Un exemple est celui de l’innovateur du numérique qui saisit les nouvelles manières d’utiliser les données afin d’optimiser certaines décisions clés comme l’achat d’espaces publicitaires, des chaines videos câblées etc…on trouve ici des postes de l’informatique et de l’intelligence artificielle pour déceler les prochains points susceptibles d’être automatisés. L’exemple qui est cité par les auteurs, est celui de Steve Lohr. Dans son ouvrage intitulé « data-ism » « il raconte les histoires de personnes qui font ce travail. Par exemple au sein de l’entreprise vinicole E.&J. Gallo Winery, un cadre dénommé Nick Dokoozlian s’est associé à Hendrik Hamann, un membre de l’équipe de recherche d’IBM afin de rassembler et exploiter les données nécessaires à une agriculture de précision à grande échelle. Ils cherchent à automatiser l’art d’apporter méticuleusement à chaque pied de vigne les soins et les nutriments dont il a besoin pour prospérer au mieux ».

Message 5 : Une approche anticipatoire signifie que l’on participe à l’avènement du prochain niveau d’empiétement des machines, mais implique un travail qui est lui-même augmenté par les logiciels. Science et anticipation.

Chacun doit choisir son approche. Les individus qui sauront choisir leur approche seront s’adapter. Chacun doit savoir comment choisir sa relation au marché. La bonne nouvelle, c’est qu’une grande part du travail cérébral ne peut être codifiée. L’empathie est aussi une qualité précieuse. Moyennant un choix précis dans la façon dont nous voulons « vivre avec les robots », nous parviendrons à faire en sorte que les « robots vivent avec nous ».

(Source : Pascal de Lima, dans Linkedin)

Add Comment

Your email address will not be published. Required fields are marked *

%d blogueurs aiment cette page :