L’impact de l’IA sur le travail : une évaluation sur mes tâches

Pour analyser l'impact potentiel de l'IA sur mon emploi, j'ai utilisé le cadre méthodologique ("framework") 'emploi-activités-tâches'*. Ce cadre permet de décomposer les activités professionnelles en tâches spécifiques, afin d'identifier celles qui peuvent être automatisées ou augmentées grâce à des outils d’IA comme les grands modèles de langage (ou "LLMs").

➡ Quelle est la différence entre "augmentation" et "automatisation"? 

L’augmentation consiste à utiliser l’IA pour aider les humains dans l’accomplissement de leurs tâches, via par exemple des mécanismes de suggestion (ex. typiques: Youtube, Amazon, Netflix etc.). D’un autre côté, l’automatisation consiste à utiliser l’IA pour qu’elle prenne en charge l’exécution entière d’une ou plusieurs tâches.

1) J'ai commencé par identifier mes tâches professionnelles principales, en m'appuyant sur ma description de fonction et une analyse personnelle de mon poste. L'objectif était de cibler les tâches avec le potentiel le plus haut d’automatisation ou d’augmentation, pour maximiser les gains potentiels d'efficacité.

📝 J'avais déjà proposé une variante de l'exercice dans ce post.

2) Pour cela, j'ai évalué chaque tâche à l'aide de deux axes** :

• La faisabilité technique (l’IA peut-elle réaliser cette tâche?)
• La valeur apportée par l’IA sur chacune des tâches (quel(s) bénéfice(s) l’IA apporte-t-elle en automatisant ou augmentant cette tâche?).

➡ La faisabilité technique a été évaluée sur base de cette question clé : "Un jeune diplômé pourrait-il réaliser cette tâche en suivant des instructions précises fournies dans un prompt ?".

Pourquoi cette question? 🤔

Tout simplement parce qu’elle permet de traduire, de manière très schématique c’est vrai mais rapidement, les capacités actuelles des LLMs.

3) Les réponses ont ensuite été organisées en deux catégories : les tâches potentiellement automatisables et celles non automatisables, accompagnées d’une réflexion sur la plus-value de l’IA sur chaque activités. Par la suite, je me suis aperçu qu’une troisième catégorie était envisageable comprenant les tâches qui se situent à la frontière entre automatisation et intervention humaine.

4) Pour chacune des réponses, j’ai noté toutes les raisons pour lesquelles, selon moi, un LLM pourrait prendre en charge (ou non) ces tâches.

Par exemple, le développement d’outils méthodologiques a été identifié comme une tâche partiellement automatisable, car les LLMs excellent dans le traitement de textes à condition que le contexte et les prompts soient bien formulés. À l'inverse, des tâches comme la rédaction entière de procédures n’est pas considérée comme automatisable par un LLM. Ce type de tâche implique notamment, un nombre parfois élevé d’interactions humaines afin de parvenir à un alignement entre plusieurs acteurs.

Ce type d'analyse montre comment les outils d'IA peuvent alléger la charge de travail en automatisant ou en augmentant certaines tâches répétitives, tout en libérant du temps pour des activités nécessitant réflexion, intéractions et expertise humaine.

Dans mon expérience, j’ai trouvé que les grands modèles de langages (LLMs) pouvaient m’être utiles en augmentant mon expérience dans certaines de mes tâches les plus récurrentes : rédaction de communications, transformation d’un texte existant dans des formats variés, aide à la rédaction pour certaines parties de notes. Ainsi, le champ d’action des LLMs reste essentiellement limité aux tâches clairement définies et répétitives.

Et vous, quelles tâches dans votre quotidien pourraient être augmentées ou automatisées grâce à un LLM ? Quelle est votre expérience à ce sujet ?

📖Lire aussi : Comment l'IA m'a aidé à repenser une mission essentielle de mon service?

* Ce framework est décrit de manière limpide dans la formation "Generative AI for Everyone" disponible gratuitement sur Coursera (et en particulier le module 3 "Generative AI in Business and Society").

** Idem.