Remodeler la main-d’œuvre européenne en tenant compte de l’IA
Des recherches récentes indiquent qu’environ un tiers des heures de travail dans le monde pourraient être automatisées d’ici la fin de la décennie. Face aux progrès de l’intelligence artificielle (IA), de nombreux aspects monotones et répétitifs du travail actuellement effectué par les humains pourraient être réalisés par des ordinateurs. «Les tâches qui se prêtent le mieux à l’IA et à l’automatisation sont généralement routinières, répétitives et basées sur des règles», explique Meltem Ucal, professeure d’économie à l’université Kadir Has. Il s’agit d’activités telles que la saisie et la validation de données, la classification et le traitement de documents, l’établissement de rapports normalisés, la programmation et la coordination, les tâches répétitives de contrôle ou de triage, et les premières réponses aux questions prévisibles des clients. «Les systèmes d’IA peuvent accélérer ces processus, réduire les erreurs et libérer les travailleurs humains pour qu’ils se concentrent sur les tâches, la créativité et les compétences interpersonnelles», explique Meltem Ucal. C’est pourquoi, dans le cadre du projet AI4LABOUR(s’ouvre dans une nouvelle fenêtre), financé par le programme Actions Marie Skłodowska-Curie(s’ouvre dans une nouvelle fenêtre), Meltem Ucal et son équipe ont tenté de prévoir les professions émergentes et la formation requise pour réussir dans ces emplois. Le projet a recouru à un nouveau modèle d’IA pour créer un cadre intégré qui relie les emplois, les tâches, les compétences et les parcours de formation, et a créé une série de recommandations ouvertes.
Analyse des métiers de demain
D’un point de vue méthodologique, AI4LABOUR a combiné plusieurs éléments. En utilisant une modélisation basée sur les tâches et les compétences, les chercheurs ont d’abord analysé les professions au niveau des tâches plutôt qu’au niveau des intitulés de poste. Avec les approches d’apprentissage automatique et d’apprentissage profond, ils ont ensuite pu appliquer des classificateurs et des techniques d’apprentissage profond pour distinguer les tâches routinières des tâches non routinières et estimer les probabilités d’automatisation. Cette démarche a été complétée par une collecte de données basée sur des enquêtes, à l’aide d’enquêtes scientifiquement conçues pour générer des preuves empiriques auprès des employés des organisations partenaires. Les chercheurs ont ensuite validé leur modèle et évalué sa précision avant de mettre en correspondance les résultats du modèle avec les parcours de requalification ou d’amélioration des compétences. Enfin, ils ont créé un portail de recommandation qui traduit les modèles et les ensembles de données en un système de recommandation pratique.
Comprendre l’évolution du marché du travail au niveau des tâches
L’une des conclusions importantes du projet est que l’évolution du marché du travail est mieux comprise au niveau des tâches. «De nombreuses professions ne sont pas simplement en train de “disparaître”, mais de se transformer grâce à la recomposition des tâches», explique Meltem Ucal. «La demande future se situe souvent à l’intersection de l’expertise dans un domaine et de la maîtrise du numérique et de l’IA.» Les résultats spécifiques comprennent: une approche de qualification des tâches basée sur l’IA pour évaluer l’exposition professionnelle à l’automatisation; la validation des modèles d’apprentissage automatique / d’apprentissage profond et des rapports d’évaluation de la précision; une analyse axée sur le genre mettant en évidence les considérations d’équité; et le développement du portail de recommandations basé sur le web. «Le portail de recommandation d’AI4LABOUR est conçu pour être accessible au public, ce qui permet aux personnes et aux parties prenantes de visiter le site web et d’utiliser ses fonctions de recommandation prédictive et de formation», note Meltem Ucal. «Le projet a également généré différents résultats publics, y compris des rapports, des publications, des produits de recherche librement accessibles et une thèse.»
Préparer la main-d’œuvre européenne
Plutôt que de procéder à des ajustements réactifs, AI4LABOUR a cherché à favoriser une adaptation anticipée aux changements à venir. En identifiant les profils de tâches les plus exposés à l’automatisation et en les reliant à des parcours de formation, les travaux peuvent aider les personnes à planifier leur requalification, les entreprises à concevoir des stratégies de main-d’œuvre, les éducateurs à aligner les programmes, et les décideurs à élaborer des politiques ciblées sur le marché du travail. «L’objectif global est de faciliter les transitions, de les rendre plus équitables et d’améliorer l’employabilité», explique Meltem Ucal. Les chercheurs continueront d’affiner les modèles, d’élargir leurs ensembles de données et d’envisager des collaborations ultérieures. «La poursuite du développement et la viabilité à long terme du concept de portail restent des priorités au fur et à mesure que les technologies et les besoins en compétences évoluent», ajoute Meltem Ucal.