Impact de l'IA générative sur la productivité

Une récente étude "Generative AI at Work" par Erik Brynjolfsson, Danielle Li et Lindsey R. Raymond explore les impacts de l'introduction progressive d'un assistant conversationnel basé sur l'IA générative auprès de 5179 agents de support client chez un éditeur de logiciels des Fortune 500. Cette étude met en lumière les effets de l'IA générative sur l'apprentissage, la productivité, et la rétention des employés, ainsi que sur la satisfaction des clients.

Pour rappel, Erik Brynjolfsson était le co-auteur d'une étude de 2018, dont nous recommandons la lecture, sur l'impact de l'apprentissage machine intitulée "What can machines learn and what does it mean for occupations and the economy?".

Introduction

L'émergence de l'intelligence artificielle générative a suscité un grand intérêt en raison de son potentiel à transformer diverses activités professionnelles de nature cognitive, notamment le support client. Toutefois, peu d'études ont examiné son impact économique. Les outils d'IA générative, comme les modèles de langage étendus (LLM), sont capables de générer de nouveaux contenus en analysant des données existantes, ce qui leur permet d'effectuer des tâches non routinières nécessitant expérience et jugement.

Méthodologie

Les auteurs utilisent des données provenant de 5179 agents de support client pour analyser l'impact sur leur productivité d'un assistant conversationnel utilisant l'IA générative. Cet assistant a été introduit de manière progressive, permettant une comparaison entre les agents ayant accès à l'outil et ceux n'y ayant pas accès.

Résultats Clés

1. Augmentation de la Productivité : L'IA a permis d'augmenter la productivité des agents de support client de 14% en moyenne, mesurée par le nombre de problèmes résolus par heure. Cette augmentation atteint 34% chez les travailleurs novices et peu qualifiés, tandis que l'impact est minime pour les travailleurs expérimentés et hautement qualifiés.

2. Diffusion des Meilleures Pratiques : L'IA aide à disséminer les meilleures pratiques des agents les plus performants, souvent tacites, ce qui permet aux nouveaux travailleurs de progresser plus rapidement sur la courbe d'expérience.

3. Amélioration de la Satisfaction des Clients : L'assistance de l'IA a amélioré le sentiment des clients, mesuré par le Net Promoter Score, probablement en raison de réponses plus rapides et plus précises de la part des novices.

4. Rétention des Employés : L'outil d'IA a également contribué à une meilleure rétention des employés, probablement en réduisant les frictions et en augmentant la satisfaction au travail.

Erik Brynjolfsson met en évidence une hétérogénéité significative des effets de l'IA générative en fonction des compétences des travailleurs. Les travailleurs moins expérimentés bénéficient d'avantage de l'outil, tandis que les travailleurs plus expérimentés ne voient pas d'amélioration notable de leur performance. Cette différence s'explique par la capacité de l'IA à capturer et à disséminer des connaissances tacites, connues des travailleurs expérimentés et qui bénéficient donc plus aux novices. Sur ce point, cette étude confirme une précédente étude du BCG intitulée "How People Can Create — and Destroy — Value with Generative AI?".

Implications Économiques

Les outils d'IA générative ont le potentiel d'augmenter la productivité dans divers secteurs en effectuant des tâches complexes qui reposent sur des connaissances tacites. Les entreprises pourraient utiliser ces outils pour accélérer l'apprentissage des nouveaux employés et améliorer globalement la satisfaction client. Cependant, leur adoption pourrait aussi exacerber les tensions salariales en augmentant la productivité des travailleurs moins qualifiés tout en ayant un impact limité sur les travailleurs hautement qualifiés qui verraient leur rémunération baisser, car plus facilement substituables après la contribution de leur production aux outils d'IA.

Le piège de Turing

Sans le mentionner, cette étude suggère le "piège de Turing" qui, en cherchant à répondre à la question de Turing "les machines ont-elles la capacité de penser?", poursuit l'objectif de remplacer l'humain par l'automatisme d'une machine, ce qui provoque la baisse des rémunérations et du pouvoir économique et politique des substitués. Alternativement, l'objectif d'augmenter - au lieu de remplacer - l'humain par l'IA ouvre un champ d'innovation beaucoup plus large, de nature à créer de nouveaux produits et services et de nouveaux métiers.

Le piège de Turing souligne les risques liés à la priorité accordée au développement d’une IA qui imite l’intelligence humaine plutôt qu’au développement d'une IA qui complète et améliore les capacités humaines. En évitant ce piège, la société peut mieux exploiter le potentiel de l’IA pour stimuler l’innovation, la croissance économique et le bien-être social.