Skip to content

L’automatisation et la connaissance tacite

12 août 2015

automatisation_autorLe nombre d’études sur le danger de l’automatisation des emplois a explosé depuis quelques années. Par exemple, cette étude est arrivée à la conclusion que 47 % des 702 professions analysées par les auteurs sont menacées de disparaître en raison de l’informatisation, de l’automatisation et de la robotisation. Étant de nature sceptique devant toute étude qui annonce des chambardements d’une telle ampleur, je n’ai jamais pris la peine de parler de cette étude sur ce blogue, ni des autres études du genre.

Plus récemment, j’ai pris connaissance d’une étude intitulée Why Are There Still So Many Jobs? The History and Future of Workplace Automation (Pourquoi y a-t-il encore tant d’emplois? L’histoire et l’avenir de l’automatisation du travail) de David Autor. Même si ce n’est pas indiqué dans le texte de Wikipédia, David Autor est surtout connu pour ses recherches sur la polarisation des emplois, observation que les emplois spécialisés et non spécialisés non routiniers connaissent une bonne croissance, mais que les emplois routiniers, surtout de compétences intermédiaires, perdent en importance. Cela me laissait penser que son analyse serait intéressante.

La menace technologique

Autor montre dès le début de son étude que les inquiétudes des conséquences de l’informatisation, de l’automatisation et de la robotisation sur l’emploi ne datent pas d’hier. Il parle alors des luddites qui avaient détruit des métiers à tisser au début du XIXème siècle car ceux-ci remplaçaient leurs emplois, puis mentionne que le magazine Times avait consacré sa une à cette crainte en 1961. Pourtant, les années suivantes ont été marquées par une des plus fortes croissances de l’emploi de l’histoire des États-Unis, croissance permettant même une entrée massive des femmes sur le marché du travail sans faire augmenter le taux de chômage. Ce que les consommateurs ont épargné en raison de la baisse des prix des produits automatisés a été dépensé ailleurs, créant ainsi d’autres types d’emplois. J’ajouterai que cette période fut aussi celle du développement des emplois dans des secteurs comme ceux de l’éducation et de la santé.

Malgré cette expérience éloquente, on ressort les mêmes craintes, confondant la perte d’emplois spécifiques avec la diminution globale de l’emploi. S’il est vrai que ce type de transition peut faire son lot de perdants, l’État peut (et doit) alors intervenir pour les aider dans la transition, notamment par des programmes de formation.

L’auteur ajoute que la technologie a même permis la création d’emplois dans les secteurs mêmes qui sont touchés. Par exemple, si le nombre de caissiers de banque a stagné après l’implantation des guichets automatiques (et des transactions sur Internet), il n’a pas diminué. On leur a en effet confié de nouvelles tâches, par exemple celle de présenter d’autres produits bancaires (cartes de crédits, types de prêts bien plus variés qu’avant, produits d’investissement, RÉER, etc.), et on a créé de nouveaux postes pour gérer ces produits financiers plus nombreux (cela dit, ce genre d’emploi n’améliore pas nécessairement le bien-être de la population…). Il est certain que ces transferts internes ne sont pas toujours possibles. L’emploi a par exemple chuté dans l’agriculture, mais l’épargne des consommateurs en frais pour la nourriture a permis d’autres achats. Dans d’autres cas, la technologie fait au contraire augmenter les dépenses, comme en santé ou en produits électroniques, et entraîne la création de nouveaux postes, voire de nouvelles professions (techniciens en informatique, webmestre, etc.).

Par contre, on ne peut nier que les avancées technologiques ont permis une plus forte augmentation des revenus de capital que de la rémunération des salariés. L’auteur prétend que ce déséquilibre pourrait très bien être compensé par des impôts plus élevés sur le capital. Mais, pour que cela se réalise, cela prendrait une volonté politique, malheureusement pas là…

Le paradoxe de Polanyi

Pour expliquer les limites des possibilités d’automatisation, Autor présente le paradoxe de Polanyi (conçu par Michael Polanyi, le frère de Karl). Polanyi a en effet développé le concept de connaissance tacite qui fait en sorte que «nous connaissons plus que nous ne pouvons dire». Il s’agit généralement «de compétences innées ou acquises» difficiles à formaliser, donc à programmer.

«[traduction] Quand nous cassons un œuf sur le bord d’un bol, identifions une espèce distincte d’oiseaux d’un seul regard rapide, écrivons un texte d’opinion, ou développons une hypothèse pour expliquer un phénomène mal compris, nous nous engageons dans des tâches qui exigent des actions dont nous ne connaissons pas vraiment la teneur. Conformément à l’observation de Polanyi, les tâches qui se sont révélés les plus difficile à automatiser sont celles exigeant de la souplesse, du jugement et du bon sens – mettant en œuvre des compétences que nous ne comprenons que tacitement.»

Certaines compétences qui semblent à première vue plus complexes, comme le calcul, les mathématiques et les déductions logiques, sont plus faciles à programmer que celles, souvent innées ou acquises par l’expérience, qui exigent des capacités motrices, de l’intuition, du jugement, des compétences en résolution de problèmes, de la persuasion ou de la créativité. Il en est de même des tâches qui exigent de s’adapter aux situations et aux relations interpersonnelles, comme la cuisine, le service en restauration, le nettoyage, l’entretien ménager, le maintien à domicile, la coiffure, etc. Ces tâches difficiles à programmer peuvent aussi bien exiger un niveau élevé que faible de compétences.

Peut-on surmonter le paradoxe de Polanyi?

Le paradoxe de Polanyi explique bien pourquoi certaines tâches n’ont pas jusqu’à maintenant été automatisées, mais ne peut nous fournir que des indices sur ce qui pourra ou ne pourra pas l’être un jour. Selon Autor, malgré les avancées récentes (comme les automobiles sans conducteur de Google, l’analyse de documents juridiques, la reconnaissance vocale, etc.), il n’y a que deux méthodes qui peuvent permettre à automatiser de nouvelles tâches. La première est liée au contrôle de l’environnement de travail et la deuxième repose sur les machines apprenantes.

Autor explique qu’il est possible d’automatiser des tâches lorsqu’on peut contrôler l’environnement, mais presque impossible quand on ne le peut pas. Par exemple, la pose de pare-brise sur une automobile sur une chaîne de montage se fait depuis des décennies, mais pas son remplacement. Il en est de même des entrepôts robotisés d’Amazon, où il est possible de placer et enlever des boîtes de façon automatisée dans cet environnement fermé et contrôlé, mais on a toujours besoin d’humains pour les tâches non routinières. Même l’automobile de Google ne sait pas quoi faire si son environnement change sans que cela soit prévu par son programme (accident, routes en réparation, etc.).

Les machines apprenantes peuvent de leur côté décortiquer les gestes que les humains accomplissent sans connaître toutes les actions qu’ils entreprennent. Cela dit, cette méthode est bien limitée. Pour le constater, on n’a qu’à utiliser les logiciels de traduction (et même d’aide à la rédaction) qui peuvent aider mais se trompent fréquemment dès que les mots portent à interprétation.

Et, même si certains de ces obstacles disparaissaient et qu’on trouvait des solutions rentables (ce qui est un autre obstacle dont je n’ai pas parlé), ces automatisations permettraient des baisses de coûts qui entraîneraient des déplacements de consommation. Autor conclut que les possibilités actuelles d’automatisation demeurent limitées, dans une économie de plus en plus centrée sur les services. Que ce soit dans les professions de la santé, dans celles de l’entretien et de la réparation, dans les métiers de la construction, dans les professions administratives ou autres, il reste peu de tâches routinières faciles à automatiser de façon rentable.

Et alors…

Quand on essaie de prévoir l’avenir, surtout lointain, il est bien difficile d’en arriver à des conclusions fermes. Il n’empêche que, si on veut quand même s’essayer, il est préférable de le faire comme David Autor, soit en examinant les leçons du passé et en déterminant les conditions à satisfaire pour que ces prévisions se réalisent, plutôt que de se baser sur des définitions théoriques des tâches (comme l’a fait l’étude dont je parlais au début de ce billet).

Quoiqu’il en soit, il y a bien d’autres questions touchant le marché du travail (et encore plus sur d’autres sujets) qui me préoccupent davantage que la menace de pertes d’emplois dues à l’automatisation. Mais, c’est quand même bon de pouvoir mettre ce problème de côté et de se concentrer sur le reste!

Advertisements
One Comment leave one →
  1. Frédéric Lalande permalink
    12 août 2015 9 h 29 min

    Merci pour ce partage. Sur le même sujet, s’il vous intéresse encore un peu, on peut lire Nicolas Carr, par ex.: http://www.roughtype.com/?p=6172

    Aimé par 1 personne

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s

%d blogueurs aiment cette page :