Aller au contenu principal

Trois textes sur les robots et sur l’intelligence artificielle

29 novembre 2019

J’ai mis de côté trois textes sur les robots et l’intelligence artificielle au cours des dernières semaines (et j’en ai vu bien d’autres qui ne valent pas la peine d’en parler…). Je compte ici en donner un aperçu.

Premier texte

Intitulé Machines and workers: How different technologies affect different workers (Machines et travailleur.euses – Comment différentes technologies affectent différent.es travailleur.euses), ce texte de Sotiris Blanas, Gino Gancia et Tim Lee est un résumé de leur étude Who is Afraid of Machines? (Qui a peur des machines?) d’une soixantaine de pages que je n’ai pas lue. Il vise à déterminer quelles technologies ont eu le plus d’effet de 1982 à 2005 et quels types de travailleur.euses en ont le plus et le moins bénéficié.

Ils arrivent à la conclusion que les tendances sont bien différentes dans le secteur manufacturier et dans les services. Dans le premier, l’utilisation des robots a entraîné une diminution de l’emploi peu qualifié, surtout celui des jeunes et des femmes, tandis que dans les services, elle a entraîné une augmentation de la part du revenu des emplois moyennement qualifiés et masculins, et chez les ingénieur.es et les concepteur.trices de produits. Dans les deux secteurs, leur utilisation a fait augmenter la part des revenus reçue par les travailleur.euses hautement qualifié.es, surtout chez les hommes et chez les travailleur.euses âgé.es.

Le principal apport de l’étude à la base de ce texte semble être l’impact des robots sur l’emploi féminin dans le secteur manufacturier, ce qui est étonnant, car il est composé majoritairement d’hommes. Le reste de ses constats ne font que confirmer des impacts déjà observés par beaucoup d’autres études. Mais dans un domaine où il se produit énormément d’études, c’est déjà pas mal!

Deuxième texte

Intitulé Are Workers Losing to Robots? (Est-ce que les travailleur.euses sont en train de perdre face aux robots ?), ce texte de Sylvain Leduc et Zheng Liu publié par la Federal Reserve Bank of San Francisco (FRBSF), est lui aussi un résumé d’une étude (46 pages) que je n’ai pas lue, intitulée Robots or Workers? – A Macro Analysis of Automation and Labor Markets (Robots ou travailleur.euses? Une macro-analyse des marchés de l’automatisation et du travail). Il porte sur l’impact de l’automatisation sur la baisse de la part du revenu national qui revient aux travailleur.euses au cours des 20 dernières années. Cette part est en effet passée de 63 à 56 % de 2000 à 2018 (je vois pourtant de 63 à 55 % sur le graphique ci-contre) et est demeurée assez stable à compter de 2010, malgré la forte croissance de l’emploi au cours de ces années. La baisse de la part du revenu de travail s’explique par le fait que «les augmentations des salaires réels n’ont pas suivi les améliorations de la productivité du travail au cours des deux dernières décennies».

D’autres études ont attribué la diminution de cette part et son maintien à un bas niveau à la baisse du rapport de force des travailleur.euses due à la faiblesse du taux de syndicalisation, à la croissance de la sous-traitance, à la délocalisation de nombreux emplois dans des pays à bas salaire et aux clauses de non-concurrence qui entravent la mobilité des travailleur.euses. Les auteurs se demandent si un autre facteur n’aurait pas aussi contribué à faire diminuer le rapport de force des travailleur.euses, soit l’automatisation, hypothèse qu’ils examinent dans ce texte (d’autres études ont plutôt mentionné les changements technologiques, ce qui va dans le même sens).

La théorie économique néoclassique ne permet pas de développer des modèles pour estimer le rôle de l’automatisation sur la part des travailleur.euses, car elle repose sur le postulat que toute hausse de la productivité fait automatiquement augmenter les salaires proportionnellement. Or, ce ne fut manifestement pas le cas. Les auteurs ont développé un modèle différent qui tient compte des coûts de la recherche d’emploi pour les travailleur.euses et de l’embauche de travailleur.euses pour les employeurs. Avec cette hypothèse supplémentaire, les décisions des employeurs et des travailleur.euses dépendent davantage de leur rapport de force et les salaires ne varient pas nécessairement en proportion avec l’évolution de la productivité.

Dans ce modèle, l’automatisation devient une option pour les employeurs pour éviter les coûts d’embauche et peut entraîner une stagnation des salaires même lorsque la productivité augmente, et donc une baisse de la part du revenu de travail dans le revenu national. Pour estimer l’impact de l’automatisation sur la baisse de la part des travailleur.euses, les auteurs utilisent des données sur le chômage, les postes vacants et la croissance réelle des salaires et de la productivité de 1985 à 2018. Le résultat de ce modèle est illustré dans le graphique ci-contre.

La ligne bleue est la même que dans le graphique précédent, soit l’évolution de la part du revenu de travail. La ligne rouge est cette évolution s’il n’y avait eu aucun recours à l’automatisation. La différence entre les deux courbes est l’impact de l’automatisation sur la part du revenu de travail. Ainsi, l’automatisation expliquerait environ 40 % de la baisse de cette part, soit la totalité de la baisse depuis environ 2008. Les auteurs ajoutent que, dans leur modèle, les employeurs recourent davantage à l’automatisation au cours des périodes de faible chômage que de chômage élevé (utilisation dite procyclique), ce qui est logique. Leur modèle postule aussi que l’automatisation ne fait pas perdre d’emplois, car «si l’automatisation élimine certains types d’emplois, elle en crée aussi de nouveaux». Ils précisent que cette conclusion est cohérente avec celle d’autres études.

Je ne suis pas friand de ce genre d’estimations trop précises à mon goût et reposant sur des hypothèses qui déterminent pratiquement les résultats, mais il demeure que les hypothèses de ce texte ressemblent davantage à la réalité que celles de l’économie néoclassique. Je resterai par contre sceptique sur le mécanisme du choix entre l’automatisation et l’embauche, car, si une technologie est disponible et coûte moins cher que le travail, je ne vois pas pourquoi un employeur ne l’utiliserait pas même en période de fort chômage. À l’inverse, il est douteux qu’une nouvelle technologie rentable devienne disponible par magie dans les périodes de faible chômage (quoiqu’il soit vrai que, si elle existe déjà, les employeurs seront plus enclins à l’utiliser). Cela dit, cette étude a le mérite de s’attaquer à une observation troublante, soit la baisse de la part du revenu national qui revient aux travailleur.euses. C’est déjà beaucoup. Notons que cette part a aussi diminué au Canada de 1990 à 2010, mais qu’elle a augmenté par la suite, retrouvant presque son niveau du début des années années 1980, mais toujours cinq points sous son sommet du début des années 1990.

Troisième texte

Intitulé Des emplois plus nombreux et meilleurs: les multiples effets de l’IA sur le marché du travail, ce texte de Gaël Campan et Luc Vallée publié par l’Institut économique de Montréal (IÉDM) vise à estimer l’impact de l’utilisation des robots sur l’emploi et les salaires. On trouvera peut-être étrange que je présente cette étude publiée par un organisme pas trop reconnu pour la rigueur de ses travaux, mais j’ai décidé de la lire parce que je ne comprenais pas trop un graphique présenté par un des auteurs quand il est passé à RDI économie. En plus, l’image qui accompagne cette étude est très jolie…

Les études sur les effets de l’automatisation et de l’intelligence artificielle (IA) sur l’emploi arrivent à des résultats très différents, certaines prévoyant un effet négatif majeur, d’autres concluant qu’il se créera autant sinon plus de nouveaux emplois bien rémunérés qu’il se perdra d’emplois mal rémunérés. C’est cette conclusion que retiennent les auteurs (tout comme moi), tout en soulignant que des mesures devront être prises «pour limiter le risque de pertes d’emploi causées par l’IA et pour raccourcir les périodes de chômage quand il y en aura», ce qui est très bien en principe.

Les auteurs présentent ensuite les facteurs qui expliquent qu’il se créera, selon les études qu’ils citent, davantage d’emplois qu’il s’en perdra (complémentarité entre les travailleur.euses et les machines, apprentissage plus rapide en raison de l’utilisation de l’IA, nouvelles formes de collaboration avec les machines, hausse de la productivité, etc.). Pour illustrer le résultat des pertes et des gains d’emplois, les auteurs présentent le graphique que je n’ai pas compris lors de l’entrevue à RDI économie (voir ci-contre).

En fait, l’étude n’explique pas ce graphique. J’ai deviné son sens, et mon hypothèse s’est révélée exacte en lisant l’explication contenue sur la page d’une étude de la Banque mondiale qui contient le graphique sur lequel les auteurs se sont basés pour construire le leur. La partie gauche du graphique présente les secteurs en ordre du plus touché par l’automatisation au moins touché, ce qui explique la diagonale montante et le nombre d’emplois perdus moins élevé à droite (le graphique d’origine mentionne dans sa légende du bas que ces secteurs sont présentés par ordre inverse de vulnérabilité à l’automatisation). En fait, il s’agit de proportions d’emplois, pas de nombres d’emplois comme la légende de gauche du graphique l’indique, car sans cela, le graphique signifierait qu’il y avait avant les pertes d’emplois exactement le même nombre d’emplois dans chaque secteur, ce qui n’aurait aucun sens (et ce qui est une des raisons pour lesquelles je ne le comprenais pas). La partie droite du graphique est elle aussi étrange, car elle indique une proportion d’emplois correspondant à la proportion d’emplois restants du secteur le moins touché (n’étant pas vulnérables à l’automatisation, ces nouveaux secteurs devraient être alignés sur le haut de la partie de droite, mais passons). Bref, même en le comprenant, je trouve encore bien nébuleux et pas du tout approprié. On dirait aussi qu’il y aura presque autant de nouveaux secteurs qu’il y en a actuellement, alors que les nouveaux emplois seront créés pour la plupart dans les secteurs existants.

La suite de l’étude porte sur les recommandations des auteurs :

  • réorienter l’éducation et la formation, tant dans le milieu scolaire qu’en entreprise, en renforçant les liens entre les universités et les milieux d’affaires (bien sûr…);
  • supprimer les obstacles au développement des entreprises et au recrutement, tant du côté des lois relatives au travail et aux contrats, de la fiscalité et de la réglementation que des dépenses publiques «excessives», de la taille du secteur public et de l’exécution des contrats (idem);
  • encourager l’entrepreneuriat par des mesures éducatives et fiscales, dans un contexte où l’IA facilitera la création d’entreprises et le travail indépendant.

Si les prévisions d’impact sur l’emploi de cette étude en rejoignent bien d’autres et me semblent possibles (tant qu’on ne dise pas que cela se fera en moins de 10 ans), ses recommandations semblent les mêmes que fait l’IÉDM sur n’importe quel sujet…

Et alors…

Si j’ai présenté les deux premières études pour leur contribution à une meilleure compréhension des effets de l’automatisation (surtout l’impact sur les femmes et sur la part du revenu national qui revient aux travailleur.euses), j’ai choisi de parler de la troisième pour m’amuser. On s’amuse comme on peut! D’une part, j’ai toujours été fasciné par la façon dont les gens conçoivent et construisent des graphiques. J’ai d’ailleurs écrit une série de huit billets sur la façon de produire des graphiques pour l’Institut de recherche et d’informations socio-économiques (IRIS) en 2011 et en 2012. D’autre part, cela faisait longtemps que je n’avais pas lu de texte de l’IÉDM. Mais, n’ayez crainte, je n’en ferais pas une habitude!

No comments yet

Répondre

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 )

Photo Google

Vous commentez à l'aide de votre compte Google. 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 )

Connexion à %s

%d blogueurs aiment cette page :