Alors que le projet Future of Work and Inclusive Growth (FWIG) de Bruegel touche à sa fin cette année, nous souhaitons présenter ses principaux résultats de recherche dans une série de synthèses. Ce résumé se concentre sur le volet de travail 1 : Nouvelles technologies sur le lieu de travail. Cette équipe de travail a documenté l’impact de l’adoption lente mais régulière de l’intelligence artificielle (IA) en Europe sur la quantité, la qualité et la nature des emplois ainsi que sur le bien-être des travailleurs.
Adoption : l’adoption et l’acceptation de l’IA sur le lieu de travail
Dans une note d’orientation (30 novembre 2021) et un article sur le blog Bruegel (6 décembre 2021), Mia Hoffmann et Laura Nurski ont écrit sur la niveau et les conducteurs de Adoption de l’IA par les entreprises européennes. Bien que eles estimations varient considérablement en raison d’une collecte de données inégale et de l’absence d’une définition et d’une taxonomie standardrecherche, développement et adoption de l’IA en L’Europe est faible par rapport à les États-Unis et la Chine. Les entreprises européennes rencontrent des obstacles à l’adoption en termes de capital humain, de disponibilité des données et de financement. Pour accélérer le déploiement de la technologie de l’IA dans l’Union européenne, les décideurs politiques devraient atténuer ces barrièrestant dans le contexte environnemental – marché du travail, marché financier et réglementation – que dans le contexte technologique – disponibilité des données, numérisation de base des entreprises et incertitude technologique.
Source : reproduit de Hoffmann & Nurski (2021)
Pour remédier à l’absence de définition standard et de taxonomie de l’IA sur le lieu de travail, Mario Mariniello et Mia Hoffmann ont proposé une taxonomie basée sur l’utilisation des technologies biométriques au travail dans leur note d’orientation du 17 novembre 2021. Ils ont défini les technologies biométriques comme des technologies d’IA qui s’appuient sur sur les données biométriques pour tirer des conclusions sur la personne dont les données sont collectées. La taxonomie proposée classe les technologies en quatre grandes catégories en fonction de leur fonction principale : 1) sécurité, 2) recrutement, 3) surveillance et 4) sécurité et bien-être. La réglementation européenne de l’IA sur le lieu de travail devrait intégrer davantage de détails sur l’utilisation de la technologie et les décideurs politiques devraient concevoir des mécanismes d’incitation pour encourager l’adoption des technologies ayant le plus grand potentiel pour bénéficier aux travailleurs. Les grandes entreprises qui utilisent la biométrie devraient être tenues d’évaluer l’effet de l’adoption de l’IA avec la participation active de leur personnel.
Source : reproduit à partir de Mariniello & Hoffmann (2021)
La participation active des travailleurs à la mise en œuvre de l’IA sur le lieu de travail est également nécessaire pour une intégration harmonieuse de l’IA dans les tâches et les processus de travail, comme Mia Hoffmann et Laura Nurski ont argumenté dans un article de blog du 30 juin 2021. Lorsque les nouvelles technologies ne sont pas perçues par les utilisateurs comme étant faciles à utiliser ou utiles pour leurs tâches quotidiennes, elles ne seront pas pleinement acceptées et adoptées par les travailleurs. Les employeurs, les développeurs d’IA et les régulateurs doivent veiller à ce que les nouvelles technologies fonctionnent pour les employés avant et après leur mise en œuvre. Même si la formation post-mise en œuvre ne peut aller jusqu’à un certain point, les interventions préalables essentielles à la mise en œuvre comprennent l’augmentation de la transparence et de l’équité du système, la personnalisation et les tests par l’utilisateur final, ainsi que l’alignement des incitations entre l’utilisation de la technologie et les exigences du poste.
L’étude de cas de Laura Nurski, publiée le 16 mars 2023, examine les facteurs déterminants et les obstacles liés à l’adoption de l’intelligence artificielle dans le secteur public. En examinant l’acceptation de l’IA par les organisations et les travailleurs, l’étude révèle l’importance d’une approche centrée sur l’humain pour une adoption réussie de l’IA. Cela implique une implication précoce des travailleurs dans les phases de développement, l’alignement des ressources humaines, de l’informatique et des processus commerciaux, ainsi que des mécanismes de soutien aux subventions ciblés. Cependant, les défis d’adaptation des processus de travail existants et des systèmes informatiques existants, ainsi que l’utilité variable de l’IA basée sur la routine des tâches et l’expérience des travailleurs, soulignent la nécessité d’investir davantage dans le capital organisationnel pour un déploiement réussi de l’IA en Europe.
Enfin, dans le tableau de bord de l’adoption technologique du 11 septembre 2023, Giulia Gotti, Duygu Güner et Tom Schraepen ont présenté plusieurs tendances et chiffres clés sur l’adoption technologique en Europe. Le tableau de bord aide les utilisateurs à répondre aux questions relatives à divers aspects de l’adoption des technologies dans les États membres de l’UE, en rassemblant diverses sources de données. Il a fourni des statistiques sur l’adoption de l’IA, des applications Big Data, du cloud computing et des robots, ainsi que les fondements nécessaires à l’adoption de technologies, à savoir la disponibilité des ressources humaines et de la connectivité en Europe.
Quantité : Les effets de l’IA sur l’emploi
Georgios Petropoulos un
et Sybrand Brekelmans (un article du blog Bruegel, 29 juin 2020) évalue l’impact différentiel de l’IA sur l’emploi et l’emploi dans l’ensemble du spectre des compétences. Alors que les révolutions technologiques précédentes (TIC et robots) ont provoqué une polarisation des emplois (le déplacement des emplois des emplois moyennement qualifiés), ils ont constaté que l’IA est très susceptible de modifier de manière significative non seulement les emplois moyennement qualifiés, mais également les emplois peu qualifiés (voir Figure 1). De plus, même si les emplois hautement qualifiés sont relativement moins menacés par la transformation induite par l’IA et l’apprentissage automatique, son impact n’est toujours pas négligeable pour ces emplois.
Source : reproduit de Brekelmans et Petropoulos (2020).
Les mêmes auteurs (dans un article du blog Bruegel du 3 novembre 2020) ont également constaté que la Grande Récession de 2007-2009 a accéléré le processus de polarisation des emplois, dans la mesure où la demande d’emplois moyennement qualifiés a considérablement diminué, tandis que la demande d’emplois hautement qualifiés et les emplois peu qualifiés sont restés relativement stables. Cela a des conséquences importantes sur les inégalités de revenus et la mobilité sociale, dans la mesure où les travailleurs occupant des emplois moyennement qualifiés sont souvent ceux qui ont des niveaux d’éducation et de formation inférieurs. Dans les deux articles, Petropoulos et Brekelmans conseillent aux décideurs politiques de se concentrer sur le soutien au recyclage et au perfectionnement des travailleurs, pour les aider à atténuer les effets négatifs de la polarisation des emplois et de l’IA.
Source : reproduit de Petropoulos et Brekelmans (2020)
Au-delà du remplacement d’emplois, l’IA peut également créer de nouvelles tâches et de nouveaux emplois. Lors d’un événement le 25 mai 2021, David Autor (MIT) a montré qu’en 2018, 63,5 % de l’emploi aux États-Unis concernait des titres d’emploi qui n’existaient pas encore en 1940. Au cours de cette période, l’emploi est passé du travail manuel et de bureau au secteur technique, professionnel. et des services peu rémunérés. Même si l’exposition à l’automatisation ne permet pas de prédire l’émergence de nouveaux titres d’emploi ni la croissance de l’emploi, l’exposition professionnelle à augmentation fait. David conclut que le déplacement et la création de tâches se produisent simultanément, avec des conséquences opposées sur l’emploi et la croissance des salaires. Les intervenants Maarten Goos (Université d’Utrecht) et Barbara Kauffmann (DG Emploi) ont développé les implications politiques de l’augmentation, au lieu du remplacement, des emplois : stimuler et orienter l’innovation technologique, protéger la concurrence et faciliter la mobilité professionnelle et géographique. Enfin, ils ont souligné l’importance de redéfinir les relations de travail pour protéger la qualité de l’emploi, les salaires et le dialogue social dans le nouveau monde du travail.
Dans un podcast publié le 19 juillet 2021, Aaron Benanav et Alexis Moraitis soutiennent dans une opinion quelque peu hétérodoxe que la baisse de la demande de travail n’est pas causée par l’automatisation, mais plutôt par la stagnation de l’économie capitaliste mondiale. La mondialisation du secteur manufacturier d’après-guerre a créé une « surcapacité industrielle », faisant baisser les prix et les taux de profit. Alors que le secteur manufacturier a épuisé son dynamisme, le secteur des services – dont la taille a rapidement augmenté mais dont la croissance de la productivité est moindre – offre pour la plupart des emplois précaires et sous-payés. Les applications de la gestion algorithmique dans le secteur des services exercent une pression supplémentaire sur les travailleurs. Dans ce contexte, Benanav affirme que le revenu de base universel (UBI) n’aura pas un fort effet de levier et que d’autres réponses politiques devraient donc être étudiées.
Dans une note d’orientation du 5 octobre 2021, Rebecca Christie a évoqué la possibilité d’une « taxe sur les robots » pour les entreprises qui remplacent leurs employés par des systèmes automatisés. En tant que concept de ralliement pour des prélèvements ciblés, une taxe sur les robots devrait cibler la finance et d’autres secteurs axés sur les données ainsi que l’automatisation traditionnelle de la fabrication et de l’exploitation minière, où elle peut compenser les distorsions dues au passage d’une production à forte intensité de capital à une production à forte intensité de capital. Il convient de définir des attentes raisonnables quant au montant, au délai et à l’échelle avec lesquels une telle taxe peut générer des recettes. Des dérogations et exemptions pour les petites entreprises les plus innovantes devraient être mises en place pour protéger l’innovation. Enfin, toute nouvelle taxe sur les employeurs doit s’inscrire dans le cadre de discussions plus larges sur la juste part des entreprises.
Lors des Assemblées annuelles Bruegel du 6 septembre 2022, Laura Nurski a discuté de l’impact de l’IA sur le marché du travail avec Brando Benifei (Parlement européen), William Carter (Google), Katya Klinova (Partenariat sur l’IA). Étant donné que les résultats de l’innovation en matière d’IA sur le marché du travail sont façonnés à la fois au cours de la R&D et lors de sa mise en œuvre au sein des organisations, les politiques devraient soutenir à la fois un développement éthique de l’IA ainsi qu’une utilisation responsable sur le lieu de travail. Katya a fait valoir que l’IA a tendance à se concentrer excessivement sur l’automatisation, mais que les politiques peuvent concevoir des mécanismes pour orienter l’innovation d’une manière complémentaire au travail. Will a parlé des principes d’IA responsable de Google, ainsi que de leur mise en œuvre et de leur gouvernance au sein de l’organisation Google. Enfin, Brando a fait la lumière sur sa proposition les amendements à la loi sur l’IA visaient à protéger les travailleurs non seulement discrimination, mais aussi en termes de salaires, conditions de travail et emploi.
Qualité : les effets de l’IA sur la qualité de l’emploi
Lorsqu’on explore la nature changeante du travail dans le contexte du changement technologique, on ne peut ignorer l’impact de la technologie sur la qualité de l’emploi. Le champ de travail 4 a étudié le concept, la dimensionnalité et la mesure de la qualité de l’emploi ainsi que sa relation avec l’épuisement professionnel. Dans cet axe de travail, nous avons évalué l’impact spécifique de l’IA sur la qualité du travail.
Laura Nurski a exploré pour la première fois le sujet de la gestion algorithmique dans un blog publié le 6 mai 2021. La gestion algorithmique est l’utilisation de l’IA pour attribuer des tâches et surveiller les travailleurs. Cela comprenait la surveillance, l’évaluation et la mise en œuvre automatique des décisions, sans intervention humaine. Bien que conçue pour réduire les coûts et garantir la compétitivité, l’optimisation de l’efficacité se fait au détriment du bien-être des travailleurs. Laura conclut que la gestion algorithmique est la gestion scientifique du XXIe siècle. Pour atténuer ses effets négatifs, des mesures de qualité de l’emploi devraient être explicitement incluses dans les évaluations des risques pour la santé et la sécurité des systèmes d’intelligence artificielle sur le lieu de travail.
Dans des travaux ultérieurs (un document de travail publié le 26 juillet 2022 et un podcast publié le 27 juillet 2022), Laura Nurski et Mia Hoffmann approfondissent le lien entre l’IA et la qualité de l’emploi. Ils identifient quatre cas d’usage de la gestion algorithmique qui impactent la conception et la qualité des emplois : les instructions algorithmiques de méthodes de travail ; planification des quarts de travail et des tâches ; surveillance, évaluation et discipline; et la coordination des tâches. Leur examen des données probantes sur l’automatisation et la gestion algorithmique montre un impact significatif sur la qualité des emplois dans un large éventail d’emplois et de contextes d’emploi. Ils illustrent également comment l’IA reproduit les dynamiques de pouvoir existantes dans la société, risquant ainsi une polarisation accrue de la qualité de l’emploi entre les groupes socio-économiques. Une participation significative des travailleurs à l’adoption de l’IA sur le lieu de travail est essentielle pour atténuer les effets potentiellement négatifs de l’adoption de l’IA sur les travailleurs. Les décideurs politiques devraient donc renforcer le rôle des partenaires sociaux dans l’adoption de la technologie de l’IA.
Source : reproduit à partir de Nurski et Hoffman (2022)
Le FWIG Excellence Network a également contribué au thème de la numérisation et de la qualité de l’emploi dans un document de travail du 22 septembre 2022, un podcast du 18 mai 2022 et un podcast du 24 novembre 2021. Janine Berg, Francis Green, Laura Nurski et David Spencer ont examiné le effets des nouvelles technologies numériques sur la qualité de l’emploi en Europe. Alors que les effets théoriques des nouvelles technologies sont ambivalents dans les nombreux domaines de la qualité de l’emploi, les données sur les chocs robotisés ont montré des effets négatifs significatifs dans trois domaines et un effet positif dans un domaine. Certains effets négatifs sont accentués lorsque les négociations collectives sont inférieures à la médiane. La recherche a avancé l’hypothèse générale selon laquelle la participation des travailleurs est importante pour garantir des emplois de bonne qualité, tant au stade de l’innovation qu’à celui de l’adoption.
