Les travailleurs peuvent débloquer la révolution de l’intelligence artificielle

L’intelligence artificielle (IA) a le potentiel d’augmenter la productivité du travail au niveau des entreprises de trois à quatre pour cent, et donc d’avoir un impact significatif sur la croissance économique en Europe. Cependant, seulement quatre entreprises européennes sur dix ont jusqu’à présent adopté une technologie d’IA, le plus souvent dans des domaines tels que la détection des fraudes ou la gestion des entrepôts.

L’une des raisons pour lesquelles l’adoption de l’IA dans les entreprises européennes pourrait être plus lente qu’elle ne pourrait l’être est l’hésitation des travailleurs à accepter l’IA et d’autres technologies intelligentes au travail. La sous-utilisation de la technologie par les employés est considérée comme un facteur crucial pour expliquer le « paradoxe de la productivité », ou le phénomène de stagnation de la productivité malgré une adoption technologique considérablement accrue, car le simple fait de fournir une nouvelle technologie ne conduit pas nécessairement à son adoption par les travailleurs. Le pourcentage d’Européens à l’aise avec l’aide d’un robot au travail est passé de 47 % en 2014 à 35 % en 2017, une statistique qui semble en partie motivée par des préoccupations en matière d’emploi : 74 % des Européens s’attendent à ce que l’IA détruise plus d’emplois qu’elle n’en crée, et 44% des travailleurs pensent que leur travail actuel pourrait au moins en partie être effectué par un robot ou une IA (Figure 1). Cette inquiétude est plus grande chez les ouvriers peu qualifiés et les cols blancs, confirmant les recherches selon lesquelles les personnes exerçant des professions à risque d’automatisation ont plus peur de l’avenir.

Les données européennes reliant l’adoption de l’IA au niveau de l’entreprise et l’acceptation de l’IA au niveau des travailleurs sont rares, mais l’Eurobaromètre fournit des preuves de l’acceptation des travailleurs et de l’adoption des nouvelles technologies au travail. Les travailleurs des pays où l’acceptation des robots au travail est plus élevée signalent également une plus grande exposition à l’adoption de robots sur le lieu de travail (Figure 2). La causalité fonctionne probablement dans les deux sens (car l’exposition aux robots augmente également l’acceptation par le biais d’effets d’apprentissage au fil du temps), mais ces données indiquent que l’acceptation des travailleurs et l’adoption par les entreprises des nouvelles technologies sont étroitement liées (avec une corrélation de 0,47).

Pour tirer le meilleur parti de l’IA, les employeurs et les travailleurs doivent être en mesure de voir son potentiel. La littérature sur l’acceptation de la technologie sur le lieu de travail peut guider les décideurs et les entreprises pour aider les travailleurs à accepter l’IA et d’autres technologies intelligentes sur le lieu de travail.

Accepter la technologie au travail : qu’ai-je à gagner et combien cela me coûtera-t-il ?

La décision d’un travailleur d’utiliser ou non une nouvelle technologie dépend de deux facteurs : l’utilité perçue de la technologie et sa facilité d’utilisation perçue. L’utilité perçue est définie comme « le degré auquel une personne pense que l’utilisation d’un système particulier améliorerait son rendement au travail » et la facilité d’utilisation perçue est définie comme « le degré auquel une personne pense que l’utilisation d’un système particulier serait sans effort ». Si un travailleur pense que la technologie offre beaucoup pour peu d’efforts, il sera plus enclin à l’utiliser. Les premières études ont montré que l’utilité est un prédicteur plus fort de l’adoption que la facilité d’utilisation : « Les utilisateurs sont souvent prêts à faire face à certaines difficultés d’utilisation dans un système qui fournit des fonctionnalités essentielles”. Cependant, aucune facilité d’utilisation ne peut compenser un système inutile.

Les travailleurs jugent le premier facteur, l’utilité perçue, en comparant les capacités du système à leurs fonctions sur le lieu de travail. Un travailleur valorise davantage une technologie lorsqu’elle est pertinente pour ses tâches, produit des résultats de qualité et que ses résultats peuvent être facilement démontrés. Les processus sociaux influencent également l’utilité perçue. Si la technologie semble améliorer son statut ou si des collègues ou des superviseurs s’attendent à ce qu’une personne utilise la nouvelle technologie, la perception du travailleur de l’utilité du système augmentera.

Le deuxième facteur, la facilité d’utilisation perçue, dépend des croyances préconçues du travailleur au sujet d’une technologie et des ajustements de ces croyances au fil du temps en raison de l’acquisition d’une expérience directe avec le système. Un travailleur ancre ses croyances en fonction de ses connaissances en informatique, des ressources de soutien organisationnel existantes, de sa motivation intrinsèque à utiliser des ordinateurs et de toute anxiété informatique. Une fois que le travailleur a fait l’expérience de la technologie réelle, il ajuste ses croyances en fonction du plaisir réel d’utiliser la technologie (en dehors des conséquences sur les performances) et de sa convivialité objective (le niveau réel, plutôt que la perception, de l’effort requis pour accomplir des tâches spécifiques).

L’importance du soutien organisationnel pour l’adoption de la technologie augmente avec le temps, au fur et à mesure que l’infrastructure de soutien disponible est utilisée et que l’aide pour une utilisation concrète sur le terrain devient plus pertinente. Le sexe, l’âge, l’expérience et la volonté d’utiliser ont des effets modérateurs sur les facteurs mentionnés ci-dessus.

Accepter les robots et l’IA sur le lieu de travail

Les algorithmes sur le lieu de travail ne sont pas nouveaux. Ils sont utilisés pour l’optimisation (comme la planification et la gestion des stocks) et la prévision (comme la prévision de la demande, l’analyse du risque de crédit et le marketing personnalisé) depuis plusieurs décennies. Les principales différences entre ces algorithmes à l’ancienne et les applications d’IA actuelles au travail sont : qui interagit avec l’algorithme, et comment et lorsque.

Dans le passé, les algorithmes étaient principalement gérés par des statisticiens ou des informaticiens dans les services de back-office. Les sorties des algorithmes avaient un impact sur les travailleurs de première ligne (par exemple, en déterminant leur horaire mensuel), mais ces travailleurs ignoraient généralement l’existence du système. Désormais, de nombreuses applications d’IA impliquent des travailleurs de première ligne qui interagissent quotidiennement avec des algorithmes sur des ordinateurs, des smartphones et des appareils portables. De plus, dans le passé, les algorithmes agissaient sur des périodes plus longues : la planification et la prévision se faisaient à l’avance et offraient une certaine stabilité aux travailleurs. Désormais, des algorithmes rapides et accessibles peuvent effectuer des ajustements minute par minute et réagir en temps réel à l’environnement des travailleurs (par exemple, l’algorithme de surtension d’Uber).

La recherche sur l’acceptation des robots et de l’IA en est encore à ses balbutiements et se caractérise par des études sur de petits échantillons. Les points de vue des travailleurs sont sous-représentés. Quelques facteurs critiques émergent néanmoins. D’une part, il a été constaté que les travailleurs évitent d’utiliser des systèmes d’IA qui sont lourds, par exemple, en augmentant la charge de travails ou en envoyant des quantités excessives de recommandations et d’alertes.

De même, la nature impénétrable des algorithmes peut être un frein à l’adoption par les travailleurs. Dans le secteur de la santé, ne pas comprendre pourquoi la recommandation d’une IA diffère de sa propre évaluation empêche l’intégration de son utilisation dans les routines quotidiennes. L’incapacité de juger de la justesse de la décision du système conduit à la méfiance et réduit son utilité perçue. Une responsabilité obscure pour les décisions médicales rend les travailleurs mal à l’aise de s’appuyer sur un système avec de faibles niveaux de transparence. Cette question de responsabilité est tout aussi importante lorsque les travailleurs eux-mêmes sont des sources de données, par exemple, avec une gestion algorithmique. Dans ce cas, le scepticisme causé par le manque de transparence du système est renforcé par des problèmes de confidentialité et des doutes sur la sécurité des données, ce qui peut rendre les travailleurs moins disposés à adopter la technologie.

Lorsque des robots sont impliqués, des préoccupations supplémentaires concernant le bien-être physique surviennent. Dans les espaces de travail avec une collaboration homme-robot active, comme dans la fabrication, même des dysfonctionnements mineurs du robot peuvent entraîner de graves blessures humaines. Par conséquent, les considérations de sécurité sont des déterminants cruciaux des attitudes des travailleurs industriels envers la robotique sur leur lieu de travail.

Les préoccupations individuelles en matière de sécurité de l’emploi et les effets négatifs globaux sur le marché du travail sont des facteurs importants dans l’attitude des gens envers les robots au travail. Dans le même temps, les travailleurs fondent leur attitude sur l’impact des robots sur leur travail quotidien. Par exemple, l’interaction homme-robot peut remplacer l’interaction homme-homme, réduisant la communication et la collaboration entre les collègues. Ou les travailleurs peuvent avoir besoin de réaffecter du temps entre des tâches spécifiques à leur travail et la surveillance du robot au travail, ce qui entraîne une déqualification et une dépréciation des connaissances opérationnelles.

Comment augmenter l’acceptation de la technologie

Les employeurs peuvent s’assurer que les technologies fonctionnent pour travailleurs, pas contre eux, en les rendant plus faciles à utiliser et plus utiles dans le travail quotidien des employés. Des interventions visant à accroître l’acceptation des utilisateurs peuvent avoir lieu avant et après la mise en œuvre d’une nouvelle technologie.

Les interventions préalables à la mise en œuvre visent à permettre des perceptions précises de l’utilité et de la facilité d’utilisation en fournissant un aperçu réaliste du système. Cela implique d’identifier et de communiquer des cas d’utilisation spécifiques, tels que des problèmes opérationnels ou des opportunités commerciales qui peuvent être traités par l’IA. Il comprend également l’explication du choix spécifique de la technologie avec une évaluation transparente de ses avantages par rapport à d’autres solutions techniques. Améliorer l’interprétabilité des modèles, par exemple en visualisant quelles données influencent la sortie du modèle, peut réduire l’incertitude de l’utilisateur et augmenter la confiance. En plus de l’adhésion de la direction et des normes élevées d’ingénierie logicielle, deux autres facteurs augmentent l’acceptation de la technologie avant la mise en œuvre : la participation des utilisateurs et l’alignement des incitations.

La participation des utilisateurs, ou leur implication dans la conception, le développement et la mise en œuvre du système, aide les utilisateurs à se former des jugements sur la pertinence éventuelle du système pour leur travail, la qualité des résultats et la démontabilité des résultats. Cela peut être réalisé grâce à des activités pratiques, notamment l’évaluation et la personnalisation du système, les tests de prototypes et les initiatives de changement de processus métier. Dans le cas spécifique de l’IA, des travailleurs d’horizons différents pourraient être impliqués dans l’établissement de protocoles anti-discrimination garantissant que le système n’a pas de biais sous-jacent.

L’alignement des incitations garantit que l’utilisation efficace du système, telle qu’envisagée par l’employeur, s’aligne sur les intérêts et les incitations des travailleurs. Ces incitations devraient être considérées plus largement que de simples récompenses monétaires, mais s’étendent à l’adéquation entre une technologie et les exigences professionnelles et le système de valeurs d’un travailleur. Par exemple, si l’utilisation de la technologie ne profite pas à un travailleur ou à ses collègues directs mais profite plutôt à des membres d’autres unités de travail, l’utilisateur percevra un manque d’alignement des incitations qui peut conduire à une faible utilisation du système.

Les interventions postérieures à la mise en œuvre, quant à elles, se concentrent sur le soutien à la transition et à l’adaptation au nouveau système. La formation est l’intervention la plus critique pour une plus grande acceptation des utilisateurs et le succès du système. Pour réduire l’impénétrabilité perçue des systèmes d’IA, les organisations doivent investir dans la maîtrise des données de leurs employés. Les entreprises peuvent soutenir davantage les travailleurs en fournissant l’infrastructure nécessaire à l’utilisation de la technologie, en créant des services d’assistance dédiés et en mettant à disposition des experts en processus métier. Enfin, les pairs des travailleurs peuvent également apporter leur soutien : ils peuvent aider à la formation formelle ou informelle et peuvent aider à la modification directe du système ou des processus de travail.

Les employeurs peuvent intervenir pour apaiser les inquiétudes des travailleurs concernant les effets spécifiques de l’IA sur l’emploi. Bien que le remplacement des travailleurs ne soit pas l’objectif principal de la plupart des entreprises adoptant l’IA, les employeurs peuvent se concentrer davantage sur l’augmentation de la valeur des travailleurs grâce à des connaissances ou à un apprentissage améliorés. Lorsque les pertes d’emplois sont inévitables, les employeurs peuvent investir dans le recyclage de leurs travailleurs pour d’autres opportunités au sein de l’entreprise.

Les interventions politiques pour répondre aux préoccupations concernant la perte d’emploi peuvent inclure : la création de filets de sécurité avec des programmes de reconversion et de transition, des comptes d’apprentissage individuels, des allocations de chômage et un revenu de base universel. Pour accroître la confiance des travailleurs dans les systèmes d’IA, la réglementation de l’IA elle-même et l’accent mis sur l’augmentation de la littératie des données des travailleurs sont tous deux essentiels pour s’assurer qu’ils sont prêts à accepter, adopter et permettre à l’IA d’atteindre son plein potentiel économique.

Citation recommandée :

Hoffmann, M. et L. Nurski « Les travailleurs peuvent débloquer la révolution de l’intelligence artificielle », Blogue Bruegel, 30 juin 2021

Ce blog a été réalisé dans le cadre du projet « Future of Work and Inclusive Growth in Europe », avec le soutien financier du Mastercard Center for Inclusive Growth.