fabernovel loader

Oct 23, 2017 | 11 min de lecture

‎Économie

IA et emploi : surprise ! Jusqu'ici tout va bien

Tom Morisse

Research Manager


FABERNOVEL
Les commentaires ou articles anxiogènes autour de l’intelligence artificielle prennent bien trop souvent pour acquis une disparition prochaine de l’emploi. A tel point que la « charge de la preuve » en est de nos jours inversée : autant un énoncé dystopique peut-il être partagé sans questionnement aucun, autant toute remise en cause de ce nouveau dogme est-elle immédiatement mise en doute. Alors claironnons-le haut et fort, une bonne fois pour toutes : non, il n’y a jusqu’à aujourd’hui aucun signe de recul inéluctable de l’emploi.

La preuve avec un joli graphique, représentant l’évolution du taux d’emploi aux Etats-Unis sur près de 70 ans (source OIT) :

Bilan : aux Etats-Unis, depuis la fin de la Seconde Guerre mondiale, les emplois ont été créés plus vite que la population n’a augmenté. Profitons-en d’ailleurs pour mentionner les 3 grands mouvements qui ont bouleversé le marché du travail : allongement des études et avancement du départ à la retraite qui ont retiré des individus du marché du travail, et entrée en masse des femmes sur ce marché du travail de l’autre côté.

Ce qui fait reculer de manière bien visible le taux d’emploi, ce sont les crises économico-financières (2007-08, par exemple).

 

Mais le chômage dans tout ça ?

 

Vous me direz, la vraie problématique, c’est celle du chômage. Et je vous répondrai que nous souffrons une nouvelle fois de myopie : la situation en France n’étant pas flamboyante, du coup nous avons l’impression qu’avant c’était forcément mieux.

Mais sur les toutes dernières décennies, le taux de chômage n’a pas connu de tendance haussière inéluctable, qui laisserait supposer une disparition des emplois pour ceux qui en chercheraient :

La rupture n’est pas à chercher dans l’irruption d’algorithmes dévastateurs ces dernières années, puisque par-delà les fluctuations conjoncturelles, la situation n’a guère bougé depuis le milieu des années 1980. La vraie rupture était, cela est bien connu, dans l’augmentation soudaine du taux de chômage à la fin des Trente Glorieuses.

 

2 précisions bienvenues pour échapper à la molestation :

  • Je soumets une analyse statistique donc agrégée ; cela ne saurait être lu comme une atténuation de la difficulté du chômage au niveau individuel.
  • Ce n’est pas la manifestation d’un optimisme béat : je ne dis pas que la situation de l’emploi est largement meilleure qu’il y a quelques années, ni qu’elle va s’améliorer. Mon but est seulement de souligner les erreurs que commettent les oracles de l’apocalypse, sans appui sur des faits établis.

Surtout, le taux de chômage n’est pas forcément – et même plutôt pas – le meilleur indicateur autour de l’emploi. Même si le chômage nous parle le plus, parce qu’il est concret et nous fait peur, c’est le taux d’emploi qu’il faut scruter avec rigueur (voir notre article de la semaine dernière).

 

Les dividendes du progrès technique : baisse du temps de travail et hausse des revenus

 

La vénérable banque centrale d’Angleterre a mis en ligne des séries statistiques sur de très longues périodes, certaines remontant à 1 000 ans. Bien sûr, il faut les prendre avec des pincettes – les données les plus lointaines sont des estimations d’économistes, car la statistique étatique est une pratique récente. Et nous n’avons trouvé de telles pépites que pour l’Angleterre. Mais l’étude de ces séries nous paraît extrêmement intéressante.

Je me suis intéressé à l’histoire du PIB par habitant, décomposé de la façon suivante :

PIB par habitant = [nombre d’heures travaillées chaque semaine] x [PIB par heure travaillée] x [taux d’activité] x [1 – taux de chômage dans la population active]

(NB : le PIB par heure travaillée est la variable que nous calculons à partir des autres)

 

Voici comment l’économie anglaise a évolué depuis 1760, juste avant le début de la Révolution Industrielle :

 

 

 

 

 

 

 

 

Verdict : en termes quantitatifs, le progrès technique a eu peu d’impact sur le taux d’activité et le taux de chômage. Car, à l’échelle de la société britannique, on peut voir que sur les 250 dernières années les gains de productivité (x23 pour le PIB par heure travaillée), ont été mis à profit pour (i) augmenter les revenus réels (x14) et (ii) réduire le temps de travail ( / 1,6).

De manière étonnante, le progrès technique a laissé relativement inchangés les taux de taux de chômage et d’activité. En 2016 comme en 1760, nous nous appuyons toujours sur la moitié de la population pour faire tourner l’économie. Même si le « portrait-robot » du travailleur moyen, en ce qui concerne l’âge et le sexe, a bien sûr des traits fort différents.

Si le boom de l’IA venait à modifier radicalement taux de chômage et/ou taux d’activité, ce serait donc une révolution radicale dans l’histoire de l’humanité.

 

Les mécanismes de destruction et de création de l’emploi

 

Le débat sur l’emploi souffre d’une asymétrie évidente : il est beaucoup plus facile d’envisager quels métiers pourraient disparaître que d’imaginer ceux susceptibles d’être créés, et les études économiques s’attardent essentiellement sur le thème des destructions.

Reculons d’un siècle et mettons-nous à la place de nos aïeuls, quand la majorité de la population travaillait dans l’agriculture. Si l’on vous annonçait que quelques décennies plus tard, les agriculteurs se feraient rares, et plus encore qu’à la place on trouverait commerciaux, designers et sophrologues, vous auriez bien du mal à y croire. Eh bien nous sommes les paysans du 21e siècle.

Comment envisager que malgré des gains de productivité évidents, qui permettent de réaliser des tâches données en un temps plus court, le taux d’emploi peut-il progresser, ou à tout le moins se maintenir ?

En nous inspirant d’un excellent papier de Deloitte sur les mécanismes par lesquels une nouvelle technologie influe sur l’emploi, de manière directe comme indirecte, nous pouvons en distinguer 5 :

  1. Emergence d’emplois dans les secteurs producteurs de la nouvelle technologie (ex : concepteurs de robots industriels, data engineers en machine learning)
  2. Substitution de travailleurs dans certains secteurs utilisateurs de la nouvelle technologie – la productivité augmente mais on maintient la production fixe à court terme (ex : des robots industriels requièrent moins d’heures de travail pour assembler 1 voiture)
  3. Complémentarité de la nouvelle technologie avec d’autres métiers, ce qui accroît leur demande (ex : professions de conseil)
  4. Démocratisation des produits initialement touchés par la Substitution : cette dernière permet de réduire les coûts, ce qui peut se répercuter sur les prix et au final aboutir à une augmentation de la demande… avec des créations d’emploi à la clé
  5. Expansion de secteurs de l’économie extrêmement divers mais dont la demande est tirée par les gains de pouvoir d’achat permis par la Démocratisation (ex : biens culturels)

En une image :

3 commentaires :

  1. La Substitution n’est pas le seul impact. En fait, elle forme le seul impact négatif sur l’emploi.
  2. A travers les mécanismes de Complémentarité et d’Expansion, on voit qu’une nouvelle technologie peut générer des emplois dans des secteurs largement éloignés de son « épicentre ». Aussi les critiques du type « mais nous n’aurons jamais besoin de 5 millions de data scientists » passent-elles à côté d’une bonne partie de la question de l’emploi.
  3. Bien sûr, on me fera remarquer que l’évolution de l’emploi dépend du dosage entre ces différentes forces. Mon avis est optimiste, pour la simple et bonne raison que si l’on souhait produire les mêmes choses avec moins de facteurs de production, nous aurions pu nous arrêter de travailler il y a bien longtemps, avec quelques agriculteurs et puis c’est tout. C’est ce que l’économiste américain David Autor nomme le « never-get-enough principle » : si vous pensez que l’emploi va disparaître, c’est qu’in fine vous pariez que l’humanité a épuisé son stock de nouveaux problèmes à résoudre.

 

 

Au-delà de la matrice classique de l’automatisation

 

Si vous tenez à évaluer tout particulièrement les risques de Substitution, que ce soit dans votre entreprise, dans votre secteur ou dans l’économie en général, nous avons réfléchi aux critères pouvant informer sur les possibilités d’automatisation de tâches ou même de métiers entiers.

Cette distinction entre tâches et métiers est cruciale : les études considèrent souvent les métiers entiers qui risquent de disparaître, mais chaque métier est un ensemble de tâches. Ainsi, il est plus probable que des métiers soient transformés par suppression ou ajout de nouvelles tâches, plutôt qu’ils disparaissent purement et simplement – ce qui impliquerait que d’une part toutes leurs tâches sont automatisées, et que l’employeur ne voit aucune nouvelle tâche à leur confier à la place.

Un exemple souvent mobilisé est celui des conseillers bancaires : l’une de leurs tâches importantes était il y a quelques décennies de remettre des espèces aux clients. Cela s’effectue désormais via les distributeurs automatiques, mais les conseillers n’ont pas disparu pour autant ; ils se sont tournés vers des tâches d’accompagnement et de vente.

 

Dans les travaux des économistes s’interrogeant sur l’automatisation, une matrice fait la quasi-unanimité pour classer métiers ou tâches :

  • Axe « routinier / non routinier »
  • Axe « manuel / cognitif »

Avec comme conclusion que les emplois routiniers sont menacés, que les emplois manuels non routiniers continueront à croître, et que surtout les emplois cognitifs non routiniers ont de beaux jours devant eux.

Néanmoins, cette matrice est critiquable pour au moins deux raisons. Premièrement parce qu’il n’est pas toujours aisé de faire la distinction entre routinier et non routinier. Prenez l’exemple de la conduite d’un bus : les situations sur la route varient de jour en jour, mais les gestes du conducteur eux ne changent pas. Ou le diagnostic médical : tous les cas ne sont pas uniques, et au minimum les grands schémas de réflexion sont relativement stables.

Deuxièmement car l’opposition de ce qui est considéré comme manuel routinier d’un côté et cognitif non routinier de l’autre est totalement inversée dans la pratique. C’est ce que les chercheurs en intelligence artificielle appellent le paradoxe de Moravec (du nom de son auteur) : ce qui nous paraît si simple – comme saisir des objets dans une étagère – est difficile à réaliser (c’est pourquoi Amazon fait venir les étagères robotisées à ses employés) – et inversement ce qui nous paraît excessivement exigeant – comme devenir champion du monde d’échecs ou de go – parvient à être automatisé.

Pour se faire une idée des potentialités d’automatisation des tâches et de transformation des métiers, à la place de chercher à les classer objectivement, nous ferions mieux de partir de la perception des acteurs directement concernés – les employés.

 

Notre grille d’analyse du risque d’automatisation des emplois

 

Notre réflexion s’articule en 3 étapes successives : Possibilité => Volonté => Capacité d’automatisation. Ce qui évite l’identification hâtive entre risque d’automatisation et décision d’automatisation.

Et au sein de la Possibilité, nous faisons bien la part entre les tâches qui pourraient être faciles à automatiser, et celles vers lesquelles le temps économisé pourrait être réalloué. Dans cette « équation », un emploi ne peut disparaître que si ses tâches sont automatisables sans que de nouvelles soient envisageables. Enfin, l’évaluation des critères de Possibilité reposent sur des questionnaires recueillis auprès des salariés – en nous inspirant en fait de ce qui fait en France par la Dares, la direction statistique du ministère du Travail.

 

1/ POSSIBILITÉ (jauger le potentiel de tâches automatisables… et le potentiel de redéploiement du travail vers de nouvelles)

  • Contraintes sur le travail
    • Contraintes machiniques / techniques
    • Application stricte des consignes
    • Impossibilité d’organiser son travail
    • Travail répétitif
  • Compétences à redéployer (seule catégorie de notre grille qui s’oppose à l’automatisation)
    • Polyvalence sur les postes
    • Abandon fréquent d’une tâche pour une autre
    • Penser à trop de choses à la fois
    • Inutilisation de certaines compétences

2/ VOLONTÉ (jauger les incitations conduisant à une décision d’automatisation)

  • Incitations concurrentielles
    • Intensité concurrentielle
    • Exposition internationale
    • Peur de la disruption
  • Faisabilité financière
    • Rapport coûts / bénéfices

3/ CAPACITÉ (jauger la compétence d’implémentation de l’automatisation)

  • Maturité numérique
    • Investissement dans les TIC
    • Utilisation des outils numériques
  • Echelle
    • Taille moyenne d’une firme

 

Indice d’automatisation pour la France

 

Nous avons fait une application rapide de cette grille aux 10 grands secteurs français :

  • hors secteurs agricole et financier, traités de manière spécifique dans les statistiques publiques,
  • et sans pouvoir utiliser les critères de peur de la disruption (il faudrait retraiter les investissements dans les startups par secteur), et de rapport coûts / bénéfices (difficulté à le calculer dans l’absolu).

C’est un classement simple et relatif : chaque critère le classement des secteurs de 1 (plus faible probabilité d’automatisation) à 10 (plus haute probabilité d’automatisation) selon le classement de la variable retenue pour ce critère. Puis des moyennes sont faites pour chacun des 3 piliers et pour la note globale.

Si vous souhaitez consulter les chiffres bruts et construire votre propre indice, n’hésitez pas à m’envoyer un email.

 

Un secteur ressort particulièrement de notre indice :  le secteur « transports et entreposage » semble devoir être le plus touché par des suppressions d’emplois. Parce que les risques y sont bien réels sur nos 3 plans :

  1. Possibilité : le travail y est relativement répétitif, normé, sans « réservoir » de tâches capable de prendre le relais de celles qui seront automatisées.
  2. Volonté : les marges y sont les plus faibles de notre panel, et le secteur est plutôt ouvert sur l’international.
  3. Capacité : le numérique y est assez présent.

 

On enfonce le clou : on parle bien ici du mécanisme de Substitution… et celui de Démocratisation pourrait (plus que) compenser les pertes. Dans le cas précis du transport, il semble que dans l’histoire économique l’abaissement des coûts a fait exploser la demande (ex : voiture personnelle, tourisme de masse avec l’avion).

A l’inverse, et en apportant des précisions au tableau, il semble que les secteurs de la construction et de l’hôtellerie-restauration soient relativement plus protégés de l’automatisation des emplois : leurs tâches se prêtent assez bien à l’automatisation a priori, mais leur réalisation reste centrée sur le monde physique – ce qui est notoirement plus délicat à automatiser – et surtout la situation concurrentielle est assez favorable (sans doute parce que la valeur ajoutée est produite localement), et le numérique très peu présent.

 

Et les créations, alors ?

 

On l’a souligné, dans les 5 mécanismes par lesquels les nouvelles technologies impactent l’emploi, les 4 générateurs de nouveaux emplois – mais pas forcément de nouveaux métiers – sont plus difficiles à évaluer. Nous n’avons pas encore la formule magique pour le faire, mais voici quelques pistes à creuser dans le cadre de l’IA :

  • Emergence => suivre les créations d’emploi dans les startups de l’IA, et celles dans les géants du numérique qui creusent ces nouvelles technologies.
  • Complémentarité => partir des métiers ou de divisions sectorielles plus fines, avec les indicateurs de compétences à redéployer suggérés dans notre grille, pour cerner ceux plus à même de bénéficier des outils de l’IA pour augmenter leur productivité.
  • Démocratisation => mesurer l’élasticité de la demande des secteurs touchés par la Substitution : pour 1% de réduction de prix due à la réduction des coûts permise par l’automatisation, quelle est l’augmentation de la demande correspondante ?
  • Expansion => étudier les sondages de valeurs, d’aspirations des individus tels que le World Values Survey pour envisager quels secteurs pourraient bénéficier en bout de chaîne des gains de temps et de pouvoir d’achat permis par l’automatisation.

Vous souhaitez mesurer l'impact de l'IA sur les emplois de votre entreprise ?

Participez à un atelier de notre Lab IA
Cet article appartient à une enquête
logo business unit

FABERNOVEL

Distribute the future. Connect leaders. Change the game. We ignite ventures and transform organizations for the new economy.

à lire