Prothèse humaine

Avec l’IA générative, les entreprises ont à disposition une technologie à la fois prodigieusement capable de produire des contenus vraisemblants et désespérèment dénuée de sens commun.  Tant et si bien qu’en dépit des efforts des ingénieurs, des erreurs, absurdités et inventions imprévisibles se glissent au hasard de ses réponses. Ce phénomène persistant fait que les organisations rechignent à lui confier intégralement des tâches critiques où la fiabilité compte - les réponses aux clients données par des chatbots ne semblent pas en faire partie…

Pour pallier ces manquements de l’IA générative, le monde a trouvé un remède: la collaboration humain-machine. C’est ce que nous voyons tous les jours, du développement applicatif au journalisme, des personnes évaluent, vérifient, valident, éditent l’output algorithmique. La formule semble résoudre le problème en même temps qu’elle répond aux craintes de suppressions d’emplois.

Malgré leurs efforts et investissements dans cette «automatisation intelligente», de nombreuses organisations peinent cependant à convertir l’essai et les gains de productivité promis ne sont pas au rendez-vous. Des économistes réputés doutent également de l’impact de l’IA générative sur la croissance.

Les hypothèses ne manquent pas pour expliquer ces difficultés: mauvais choix des cas d’usage, bénéfices profitant davantage aux collaborateurs qu’à l’organisation, manque de formation des collaborateurs, ou encore «ironie de l’automatisation». Il apparaît en effet que la transition d’un travail de production de contenus à un travail de supervision des contenus générés est loin d’être une sinécure. Et l’on peut se demander si, au lieu d’augmenter les humains, l’automatisation actuelle ne consiste pas surtout à augmenter les machines.