Le crowdsourcing est la pratique qui correspond à faire appel au grand public ou aux individus à l'extérieur de l'entreprise. C’est une forme d'externalisation, voire de collaboration possible avec des individus à l'extérieur de l'entreprise. Il constitue une alternative aux autres formes de production comme la réalisation en interne, l'externalisation classique ou l'innovation en réseaux.
Dans le cadre du crowdsourcing, les prestataires professionnels ou amateurs peuvent alors être récompensés, rémunérés ou parfois uniquement valorisés lorsque leurs créations sont choisies par l'annonceur ou parfois simplement pour leur effort de participation.
Les chercheurs Fabrizio Gilardi, Meysam Alizadeh et Maël Kubli ont examiné comment le grand modèle de langage ChatGPT d'OpenAI traitait l'annotation de texte - l'ajout d'étiquettes au texte pour aider les modèles d'apprentissage automatique à mieux le comprendre - par rapport à la plateforme de crowdsourcing Amazon Mechanical Turk (MTurk).
Amazon Mechanical Turk
Amazon Mechanical Turk (MTurk) est une place de marché pour la réalisation de tâches virtuelles nécessitant une intelligence humaine. Le service Mechanical Turk permet aux entreprises d'accéder à une main-d'œuvre diversifiée, à la demande et évolutive, et offre aux travailleurs une sélection de milliers de tâches à accomplir au moment qui leur convient.
« Amazon Mechanical Turk a été créé parce que nous savons qu'il y a beaucoup de choses que les êtres humains font beaucoup plus efficacement que les ordinateurs, comme l'identification d'objets dans une photo ou une vidéo, la déduplication de données, la transcription d'enregistrements audio ou la recherche de détails sur des données. Les clients demandeurs peuvent confier ces tâches à la main-d'œuvre de Mechanical Turk. Traditionnellement, ces tâches étaient accomplies en recrutant une importante main-d'œuvre temporaire (ce qui prend du temps, coûte cher et est difficile à faire évoluer) ou n'étaient pas réalisées », précise Amazon.
L'IA générative, expliquée
Les chercheurs de Goldman Sachs ont examiné l'état actuel du développement de l'IA et ses principales capacités. Le tableau ci-dessous donne un aperçu de l'IA générative, en comparaison avec les méthodes d'apprentissage automatique qui l'ont précédée, parfois appelées IA étroite ou analytique.
Vue d'ensemble de l'IA générative
Selon leur évaluation, les technologies d'IA générative actuellement à l'étude, telles que ChatGPT, DALL-E et LaMDA, se distinguent par trois caractéristiques principales :
- leurs cas d'utilisation généralisés plutôt que spécialisés ;
- leur capacité à générer des nouveaux résultats, de type humain, plutôt que de se contenter de décrire ou d'interpréter des informations existantes ;
leurs interfaces accessibles qui comprennent le langage naturel, les images, le son et la vidéo et y répondent. Les deux premières avancées sont essentielles pour élargir l'ensemble des tâches que l'IA peut accomplir, tandis que la troisième est déterminante pour le calendrier de son adoption.
Tout comme la migration de la programmation en ligne de commande (par exemple, MS-DOS) vers des interfaces utilisateur graphiques (par exemple, Windows) a permis le développement de programmes (par exemple, Office) qui ont mis la puissance de l'ordinateur personnel à la portée du plus grand nombre, les interfaces intuitives de la génération actuelle de technologies d'IA pourraient accélérer de manière significative leur adoption. Par exemple, ChatGPT a dépassé les 1 million d'utilisateurs en seulement 5 jours, ce qui est la première fois qu'une entreprise atteint ce niveau de référence.
ChatGPT
ChatGPT a pris le monde d'assaut depuis son lancement en novembre, avec son habileté à écrire des essais, des articles, des poèmes et du code informatique en quelques secondes seulement.
ChatGPT est un robot à grand modèle de langage (ils permettent de prédire le mot suivant dans une série de mots) développé par OpenAI et basé sur GPT-3.5. Il a une capacité remarquable à interagir sous forme de dialogue conversationnel et à fournir des réponses qui peuvent sembler étonnamment humaines.
L'apprentissage par renforcement avec retour d'information humain (RLHF) est une couche supplémentaire de formation qui utilise le retour d'information humain pour aider ChatGPT à apprendre à suivre des instructions et à générer des réponses satisfaisantes pour les humains. ChatGPT a été créé par OpenAI, une société d'intelligence artificielle basée à San Francisco, connue pour son célèbre DALL-E, un modèle d'apprentissage profond qui génère des images à partir d'instructions textuelles appelées "prompts".
Au-delà de ces changements, l'augmentation exponentielle de la puissance de calcul disponible a permis des progrès rapides dans la complexité des tâches que l'IA peut effectuer et dans la précision avec laquelle elle peut les exécuter. Par exemple, la dernière itération du modèle GPT d'OpenAI - GPT-4, publié en mars 2023, environ un an après la fin de la formation du modèle GPT-3.5 qui sous-tend actuellement ChatGPT - obtient 150 points de plus au SAT que son prédécesseur, est 40 % plus susceptible de produire des réponses précises et peut désormais accepter des données visuelles (et non plus seulement du texte).
Comme le montre le tableau Ci-dessus, les algorithmes qui sous-tendent l'IA générative avaient commencé à dépasser les références humaines pour des tâches telles que la classification d'images et la compréhension de la lecture, même avant ces récentes avancées.
ChatGPT ou MTurk
« Nous constatons que pour quatre tâches sur cinq, la précision de ChatGPT est supérieure à celle de MTurk », indique l'article. « De plus, ChatGPT est nettement moins cher que MTurk : les cinq tâches de classification coûtent environ 68 dollars sur ChatGPT (25 264 annotations) et 657 dollars sur MTurk (12 632 annotations).
Par annotation, ChatGPT coûte environ 0,003 dollar, ce qui est vingt fois moins cher que MTurk tout en étant plus précis, affirment les chercheurs.
Fabrizio Gilardi, professeur d'analyse politique au département de sciences politiques de l'université de Zurich et l'un des coauteurs de l'article, a déclaré que les résultats de ChatGPT étaient moins de 50 % exacts pour certaines tâches, mais que c'était toujours mieux que MTurkers.
L'avenir du travail : remplacer parfois, compléter souvent
La capacité de l'IA générative à générer de nouveaux contenus impossibles à distinguer de ceux créés par l'homme et supprimer les barrières de communication entre l'homme et la machine constitue une avancée majeure susceptible d'avoir des effets macroéconomiques considérables.
Pour évaluer l'ampleur de ces effets, les chercheurs de Goldman ont examiné l'impact probable de l'IA générative sur le marché du travail si elle tient ses promesses. En particulier, ils utilisent les données de la base de données O*NET sur le contenu des tâches de plus de 900 professions (étendues à plus de 2000 professions dans la base de données européenne ESCO) pour estimer la part du travail total exposée à l'automatisation par l'IA permettant d'économiser de la main-d'œuvre, par profession et par secteur d'activité.
Sur la base de leur examen de la littérature existante sur les cas d'utilisation probables de l'IA générative, ils classent 13 activités professionnelles (sur 39 dans la base de données O*NET) comme exposées à l'automatisation par l'IA et supposent que l'IA est capable d'accomplir des tâches d'une difficulté allant jusqu'à 4 sur l'échelle de "niveau" de 7 points de l'O*NET. Ils prennent ensuite une moyenne pondérée en fonction de l'importance et de la complexité des tâches essentielles pour chaque profession et estiment la part de la charge de travail totale de chaque profession que l'IA est susceptible de remplacer.
Ils supposent en outre que les professions pour lesquelles une part importante du temps des travailleurs est passée à l'extérieur ou à effectuer un travail physique ne peuvent pas être automatisées par l'IA. Dans l'ensemble, les résultats des travaux des chercheurs de l'université de Zurich semblent indiquer que les travailleurs humains désireux d'obtenir ce type d'emploi n'ont plus rien à perdre. Toutefois, Gilardi met en garde contre une interprétation trop large de ces résultats.
« Il est trop tôt pour dire comment ChatGPT pourrait remplacer les travailleurs bénévoles », a déclaré Gilardi dans un communiqué. « Notre article démontre le potentiel de ChatGPT pour les tâches d'annotation de données, mais des recherches supplémentaires sont nécessaires pour comprendre pleinement les capacités de ChatGPT dans ce domaine. »
Gilardi a ajouté qu'il était important de recueillir davantage de données en utilisant différentes tâches, différents types de données et différentes langues, et a ajouté que les MTurkers effectuaient d'autres tâches telles que la recherche par sondage, l'annotation d'images, la transcription audio et vidéo, les tests d'utilisabilité. Il y a peut-être des scénarios dans lesquels les annotateurs humains peuvent être plus productifs avec l'aide d'un modèle comme ChatGPT, a-t-il suggéré.
Sous cette réserve, Gilardi a déclaré que, pour les types de tâches étudiés, ChatGPT semble pouvoir remplacer les travailleurs bénévoles, ce qui est tout à fait approprié, car les modèles de ce type sont certainement formés à partir de données annotées par des humains. Les logiciels d'IA qui prennent en charge le travail banal des gens pourraient avoir des effets bénéfiques sur la santé mentale, étant donné que les modérateurs humains ont intenté des procès en raison du traumatisme causé par l'examen de contenus toxiques.
« Cela a des implications pour les tâches d'annotation désagréables et difficiles telles que la détection des discours haineux, qui ont des conséquences psychologiques néfastes pour les annotateurs humains », a déclaré Gilardi. « En d'autres termes, des outils tels que ChatGPT pourraient être des candidats parfaits pour remplacer ou réduire l'annotation humaine pour les tâches qui impliquent des considérations éthiques pour les humains. »
En proposant de s'attaquer à des tâches ennuyeuses et répétitives, les modèles pourraient absorber une partie de cette pénibilité, alors qu'une meilleure solution consisterait à repenser la manière dont nous employons et utilisons les gens de manière efficace et efficiente.
Un récent rapport de Goldman Sachs caractérise l'adoption de l'IA générative comme un stimulant de la productivité plutôt que comme un destructeur d'emplois. Il indique que « l'extrapolation de nos estimations au niveau mondial suggère que l'IA générative pourrait exposer l'équivalent de 300 millions d'emplois à temps plein à l'automatisation ».
- L'émergence récente de l'intelligence artificielle générative (IA) soulève la question de savoir si nous sommes à la veille d'une accélération rapide de l'automatisation des tâches qui permettra de réduire les coûts de main-d'œuvre et d'augmenter la productivité. Malgré l'incertitude qui entoure le potentiel de l'IA générative, sa capacité à générer des contenus impossibles à distinguer de ceux créés par l'homme et à supprimer les barrières de communication entre l'homme et la machine constitue une avancée majeure susceptible d'avoir des effets macroéconomiques considérables ;
- Si l'IA générative tient ses promesses, le marché du travail pourra être fortement perturbé. En utilisant des données sur les tâches professionnelles aux États-Unis et en Europe, nous constatons qu'environ deux tiers des emplois actuels sont exposés à un certain degré d'automatisation par l'IA, et que l'IA générative pourrait remplacer jusqu'à un quart du travail actuel. L'extrapolation de nos estimations au niveau mondial suggère que l'IA générative pourrait exposer l'équivalent de 300 millions d'emplois à temps plein à l'automatisation ;
- La bonne nouvelle, c'est que le déplacement de travailleurs dû à l'automatisation a toujours été compensé par la création de nouveaux emplois, et que l'émergence de nouvelles professions à la suite d'innovations technologiques représente la grande majorité de la croissance de l'emploi à long terme. La combinaison d'importantes économies de coûts de main-d'œuvre, de la création de nouveaux emplois et d'une productivité plus élevée pour les travailleurs non déplacés laisse entrevoir la possibilité d'un boom de la productivité qui augmenterait considérablement la croissance économique, bien que le moment où ce boom se produira soit difficile à prédire ;
- Les chercheurs estiment que l'IA générative pourrait augmenter la croissance annuelle de la productivité du travail sur une période de 10 ans après son adoption généralisée, bien que le coup de pouce à la croissance de la productivité du travail puisse être beaucoup plus faible ou plus important en fonction du niveau de difficulté des tâches que l'IA sera en mesure d'effectuer et du nombre d'emplois qui seront finalement automatisés.
L'augmentation de la productivité mondiale du travail pourrait également être significative sur le plan économique, et nous estimons que l'IA pourrait à terme augmenter le PIB mondial annuel de 7 %. Bien que l'impact de l'IA dépende en fin de compte de ses capacités et de son calendrier d'adoption, cette estimation met en évidence l'énorme potentiel économique de l'IA générative si elle tient ses promesses.
Sources : Fabrizio Gilardi, Meysam Alizadeh et Maël Kubli, chercheurs à l'Université de Zurich, Goldman Sachs
Et vous ?
Les conclusions des recherches présentées sont-elles pertinentes ?
Quel est votre avis sur le sujet ?
Voir aussi :
ChatGPT a réussi de justesse à un examen médical important, un exploit historique pour l'IA, mais elle serait encore mauvaise en mathématiques
« J'ai joué aux échecs contre ChatGPT-4 et j'ai perdu, cet outil d'IA va changer le monde », un récit de Ville Kuosmanen, Ingénieur logiciel
Une étude affirme que les managers exploitent les travailleurs loyaux au détriment de leurs collègues moins engagés, elle ajoute que plus ils travaillent et plus on leur demande d'en faire plus