Le rapport relatif au cas du Royaume-Uni indique que cette première vague d'adoption de l'intelligence artificielle met déjà des emplois en danger alors qu'un nombre croissant d'entreprises introduisent la technologie. Toutefois, une deuxième vague pourrait conduire à l'automatisation d'un plus grand nombre d'emplois grâce aux progrès rapides de l'IA.
En analysant 22 000 tâches dans l'économie, couvrant tous les types d'emplois, l'IPPR a déclaré que 11 % des tâches actuellement effectuées par les travailleurs étaient menacées. Ce chiffre pourrait toutefois atteindre 59 % des tâches au cours de la deuxième vague, à mesure que les technologies se développent pour gérer des processus de plus en plus complexes.
Les tâches cognitives de routine - notamment la gestion de bases de données, la planification et l'inventaire - sont déjà menacées, ce qui pourrait entraîner le déplacement d'emplois de débutants et d'emplois à temps partiel dans les domaines du secrétariat, de l'administration et des services à la clientèle.
Toutefois, la deuxième vague d'adoption de l'IA pourrait avoir un impact sur les tâches non routinières impliquant la création de bases de données, la rédaction et la conception graphique, ce qui affecterait des emplois de plus en plus rémunérateurs.
Les femmes seraient nettement plus touchées, car elles sont plus susceptibles d'occuper les emplois les plus exposés, tels que les secrétariats et les emplois administratifs, selon l'IPPR.
Dans le pire des scénarios de la deuxième vague d’adoption de l'IA, 7,9 millions d'emplois pourraient être supprimés, selon le rapport, et tout gain de productivité pour l'économie serait annulé par une croissance nulle du PIB dans les trois à cinq ans à venir.
L’intelligence artificielle menace les emplois en col blanc dans divers secteurs. C’est ce qui ressort d’une enquête de The Burning Glass Institute qui liste le développement de logiciels parmi les métiers concernés.
« Comme le montre la figure 4, les précédentes vagues d'automatisation ont surtout touché les professions à bas salaires (indiquées par des barres bleues). La vague d'automatisation par l’IA générative est unique en ce sens que les cols bleus pourraient être les moins touchés. Cela s'explique à la fois par l'augmentation de la demande de ces travailleurs en raison de la croissance des catégories de biens et de services haut de gamme et l'incapacité de l’intelligence artificielle générative à effectuer des tâches physiques. En fait, les professions les plus exposées à l'intelligence artificielle générative sont les professions libérales à haut salaire (illustrées par des barres jaunes) », soulignent les résultats de l’enquête.
Les résultats de cette enquête font suite à la publication des résultats d’une étude de l’OIT sur la question et selon laquelle « Environ 21 millions d’emplois occupés par des femmes et 9 millions d’emplois occupés par des hommes sont susceptibles d’être remplacés par l’intelligence artificielle. » Ce dernier précise pour ce qui est de la filière des technologies de l’information les programmeurs d’applications font partie des professions menacées par l’automatisation.
Des rapports qui arrivent dans le contexte de la disponibilité d’intelligences artificielles spécialisées en développement de logiciels et de nature à entraîner une réduction des effectifs des équipes de développement
L'IA d'ingénierie logicielle Devin de la startup américaine Cognition alimente un grand débat sur l'avenir des développeurs depuis son lancement. L'assistant d'IA Devin est présenté comme « la première IA ingénieur logiciel au monde. » Devin promet d'automatiser des flux de travail de programmation entiers, d'accroître l'efficacité et de redéfinir potentiellement le rôle des ingénieurs logiciels humains. Il est capable de planifier, de concevoir et de construire des projets logiciels de manière autonome. Il analyse les besoins, génère du code, identifie et corrige les erreurs, et s'intègre même aux flux de travail existants. Selon Cognition, cette automatisation se traduit par des avantages significatifs :
- Efficacité accrue : les tâches répétitives telles que la génération de code et la correction des bogues sont automatisées, ce qui permet aux développeurs humains de se consacrer à la résolution de problèmes plus complexes ;
- Réduction des coûts de développement : la rationalisation des flux de travail et l'automatisation permettent d'accélérer les cycles de développement et de réduire les coûts globaux ;
- Amélioration de la qualité : la capacité de Devin à analyser méticuleusement le code peut conduire à une réduction des erreurs et à une amélioration de la qualité globale du code ;
- Démocratisation du développement logiciel : Devin pourrait permettre à des non-programmeurs de créer des applications de base, ce qui élargit le champ d'application du développement logiciel.
Andrew Kean Gao, étudiant à l'université de Stanford, a partagé des captures d'écran de son interaction avec Devin. Il a demandé à Devin de créer un site Web permettant de jouer aux échecs contre un adversaire basé sur un grand modèle de langage (LLM), plus précisément l'API GPT-4. « La première tâche que je lui ai confiée était un site Web sur lequel vous jouez aux échecs contre un LLM. Vous jouez un coup, le coup est communiqué à GPT-4 via une invite, GPT-4 répond, et la réponse est convertie en un coup qui est reflété sur l'échiquier. Il y a donc beaucoup de pièces en mouvement », explique Gao.
[Tweet] <blockquote class="twitter-tweet"><p lang="en" dir="ltr">My first task I asked it for, was a website where you play chess against an LLM. You make a move, the move is communicated to GPT-4 via a prompt, and GPT-4 replies, and the reply is converted into a move that is reflected on the chessboard.<br><br>So quite a few moving parts.<br><br>I was… <a href="https://t.co/XVLytcPLVs">pic.twitter.com/XVLytcPLVs</a></p>— Andrew Kean Gao (@itsandrewgao) <a href="https://twitter.com/itsandrewgao/status/1767577644688683345?ref_src=twsrc%5Etfw">March 12, 2024</a></blockquote> <script async src="https://platform.twitter.com/widgets.js" charset="utf-8"></script> [/Tweet]
Gao fait remarquer via la plateforme X qu'il s'agit d'une tâche extrêmement complexe, car la plupart des LLM n'ont aucune idée de la manière d'utiliser les API, en particulier l'API GPT-4. Il était également sceptique sur les capacités de Devin à gérer les API en toute sécurité et les erreurs de paquetages associées. Mais Gao a déclaré qu'à sa grande surprise, Devin a suivi une démarche cohérente dans l'exécution de la tâche, notamment en demandant une clé d'API et la traitant en toute sécurité. Il a partagé une capture d'écran de la façon dont Devin a réagi face à ce problème.
Cependant, Gao a souligné quelques limites de Devin, en particulier sa lenteur. Selon son rapport, l'outil a mis près de 19 minutes à traiter avant de demander la clé API. En outre, il travaillait à l'élaboration des plans de jeu à l'aide de chess.js, conformément à la documentation npm et aux erreurs connexes. Il s'agit d'une étape cruciale pour décider des mouvements et des erreurs du jeu. Gao a également partagé une capture d'écran dans laquelle on voit Devin déboguer un problème de rendu et revoir une méthode d'exportation pour corriger la déclaration d'importation de l'environnement de jeu appelé Chess.
Le récent cas de la startup Magic AI est une illustration de ce que les entreprises visent une mise au rebut totale des développeurs humains
La startup Magic AI, basée à San Francisco, a levé 117 millions de dollars en financement de série B pour poursuivre le développement de son système d'IA avancé visant à automatiser le développement de logiciels. La levée de fonds a été menée par NFDG Ventures de Nat Friedman et Daniel Gross, avec une participation supplémentaire de CapitalG et Elad Gil. Cela porte le financement total de Magic à ce jour à plus de 145 millions de dollars.
Fondée en 2022 par Eric Steinberger et Sebastian De Ro, la startup se crée une niche en se concentrant sur le développement d'un ingénieur logiciel IA capable d'aider à des tâches de codage complexes et qui agira plus comme un collègue de travail que comme un simple outil de "copilotage".
Les fondateurs estiment qu'en plus de stimuler la productivité pratique du codage, l'avancement des outils de génération de code intelligents peut également ouvrir la voie à une intelligence artificielle générale plus étendue. Leur vision s'étend même à la création de systèmes d'intelligence artificielle générale largement capables de s'aligner sur les valeurs humaines - des systèmes capables d'accélérer le progrès global en aidant l'humanité à relever les défis les plus complexes. La levée de fonds de 23 millions de dollars en série A l'été dernier a constitué une étape majeure dans la réalisation de cette mission ambitieuse.
Le traitement de fenêtres contextuelles exceptionnellement grandes est au cœur de la stratégie technique de Magic. L'année dernière, l'entreprise a dévoilé son architecture de réseau de mémoire à long terme (LTM Net) et le modèle LTM-1 correspondant avec une fenêtre de contexte de 5 millions. À titre de comparaison, la plupart des modèles de langage fonctionnent sur des contextes beaucoup plus limités, généralement inférieurs à 32k tokens. Le puissant modèle GPT-4 Turbo d'OpenAI est de 128k tokens et Claude 2.1 d'Anthropic de 200k.
Cependant, des modèles avec des fenêtres contextuelles beaucoup plus larges se profilent à l'horizon. Google a annoncé que son nouveau modèle Gemini 1.5 disposera d'une fenêtre de contexte d'un million de tokens et a précisé qu'il avait testé des longueurs de contexte allant jusqu'à 10 millions de tokens dans le cadre de ses recherches. Les capacités contextuelles nettement plus grandes permettent une compréhension plus nuancée du code, ce qui permet au modèle de Magic de raisonner sur des référentiels entiers et des arbres de dépendance afin d'accroître son utilité.
Source : IPPR
Et vous ?
Quelles évolutions du métier de développeur entrevoyez-vous dès 2024 au vu de l'adoption de l'intelligence artificielle dans la filière ?
Voir aussi :
« ChatGPT est appelé à changer l'éducation telle que nous la connaissons, pas la détruire comme certains le pensent », affirme Douglas Heaven du MIT Technology Review
ChatGPT rédige désormais les dissertations des étudiants et l'enseignement supérieur est confronté à un grave problème, la détection des contenus générés par l'IA semble de plus en plus difficile
51 % des enseignants déclarent utiliser ChatGPT dans le cadre de leur travail, de même que 33 % des élèves, et affirment que l'outil a eu un impact positif sur leur enseignement et leur apprentissage
Un professeur surprend un étudiant en train de tricher avec le chatbot d'IA ChatGPT : « je suis terrorisé », il estime que ces outils pourraient aggraver la tricherie dans l'enseignement supérieur