Passer au contenu principal Skip to footer
Modèle économique de l'IA générative - Oxford Economics

New work,
new world

Les chiffres sont là. L'IA générative pourrait générer jusqu'à 1 000 milliards de dollars de croissance annuelle d'ici 2032 et impacter près de 90 % des emplois existants. Comment les dirigeants peuvent-ils faire face à un bouleversement d'une telle ampleur et exploiter pleinement le potentiel de cette technologie ?
En investissant dans les talents.

En bref

Depuis son arrivée sur la scène internationale, l'IA générative annonce un changement important pour l'économie, les entreprises, la société et le marché du travail. Mais quel sera son impact réel ? Et auand ce changement aura-t-il lieu ? 

Des réponses commencent à émerger et il est incontestable que la gen AI va bouleverser durablement notre société.

Selon notre étude, d'ici 2032, cette technologie pourrait injecter jusqu'à 1 043 milliards de dollars supplémentaires par an dans le PIB américain, soit une contribution à la croissance supérieure au poids économique du secteur de la construction aux États-Unis.

Nous assisterons à un pic d'adoption de l'IA. Alors que 13 % des entreprises pourraient tirer parti de cette technologie d'ici trois à quatre ans, près de la moitié pourraient l'adopter d'ici dix ans, selon notre scénario le plus optimiste.

Cette projection souligne non seulement la capacité de l'IA générative à améliorer, augmenter et automatiser de nombreuses tâches dans tous les secteurs, mais elle induit également un changement profond de notre approche du travail, de la productivité et de la croissance économique.

1 043 milliards de dollars

Contribution annuelle de l'IA générative au PIB des USA d'ici 2032

13 % dans 3 à 4 ans
46 % dans les 10 ans

Entreprises adoptant l'IA générative

Pour quantifier l'impact de l'IA générative sur la productivité et l'avenir du travail, nous nous sommes associés à Oxford Economics pour créer un modèle économique. Le modèle s'articule autour de trois scénarios reflétant des niveaux d'adoption faible, moyen et élevé.

Bien que de nombreuses études aient été publiées sur ce sujet, nous souhaitions analyser l'impact concret que cette technologie puissante pourrait avoir sur tous les pans de la société que ce soit les individus, l’emploi, les carrières et, plus globalement, sur la productivité des entreprises et l’économie. Notre modèle passe en revue 18 000 tâches qui font tourner l'économie américaine et examine attentivement l'impact que l'IA générative pourrait avoir sur les 1 000 emplois correspondant à ces tâches.

Bien que que cette étude soit basée sur la population active américaine, les résultats qui en ressortent sont transposables à l’échelle mondiale. En effet, les tâches – et la capacité théorique de l'IA générative à les accomplir ou à y contribuer – restent les mêmes malgré une importance de ces tâches et un taux d'adoption de la gen AI différents d'un pays à l'autre. En savoir plus sur la méthodologie.

Notre modèle passe en revue les 18 000 tâches qui font tourner l'économie américaine et examine l'impact possible de l'IA générative sur les 1 000 emplois correspondant à ces tâches.

Ce que nous avons découvert aura des conséquences importantes sur les individus et le marché du travail.  Notre modèle montre qu'au cours des dix prochaines années, la plupart des emplois (90 %) pourraient être bouleversés d'une manière ou d'une autre par l'IA générative. Tout le monde sera concerné, quel que soit le niveau hiérarchique.

Dans certaines catégories d'emplois, le chômage pourrait être élevé alors que les personnes peinent à exploiter leurs compétences existantes dans de nouveaux rôles. Au total, environ 9 % de la population active américaine actuelle pourrait être remplacée par l'IA générative. Sur la base d'une analyse des mutations économiques précédentes, il est possible que 11 % des salariés remplacés, soit près de 1 % de la population active totale, aient du mal à retrouver du travail. 

Si aucune mesure n'était prise, un bouleversement de cette ampleur aurait de graves conséquences non seulement pour les entreprises et les personnes qui y travaillent, mais aussi pour la productivité elle-même.

En effet, pour atteindre le niveau de productivité le plus élevé selon nos prévisions, deux prérequis sont indispensables : un niveau élevé d'adoption de l'IA générative par les entreprises ainsi qu’un certain niveau d’engagement des employés. Et l’importance des entreprises et de leurs dirigeants va être primordiale.

La prise en compte de ces deux facteurs suppose des relations de confiance, entre les fournisseurs d'IA et les utilisateurs, entre les entreprises et les décideurs politiques, entre employeurs et employés et une confiance dans la technologie elle-même. Bien que tous ces éléments soient essentiels, notre étude se concentre principalement sur les deux derniers, car c'est là que les entreprises ont le plus d'influence pour maximiser le potentiel de productivité de l'IA générative.

Alors que l'IA générative se développe, il est temps pour les dirigeants d'établir un nouveau pacte de confiance afin qu'elle soit vue comme un atout soit pour la productivité, mais aussi pour les travailleurs et la société. S'ils y parviennent, une nouvelle ère pleine de promesses pourrait s'ouvrir. Et dans le cas contraire, nous pourrions assister à une longue période d'agitation et d'incertitude.

90 %

des emplois pourraient être plus ou moins affectés par l'IA générative

1 000 milliards de dollars de gains de productivité, à une condition

Trois scénarios de productivité, un acteur principal : l'Homme

L'IA générative représente une prouesse technologique à couper le souffle, qui pourrait avoir un impact considérable sur la société et l'économie. Mais son impact dépendra de facteurs humains. Allons-nous y résister ou l'accueillir ? Nous adapter ou ne rien changer ?

L'ampleur de cet impact dépendra du taux d'adoption par les entreprises et de la rapidité avec laquelle les gens s'adapteront aux nouvelles méthodes de travail. Ces facteurs ont toujours ralenti les innovations augmentant la productivité. Les microprocesseurs, par exemple, sont apparus au début des années 1970, mais il a fallu deux décennies pour que les ordinateurs personnels soient largement adoptés et que les gains de productivité se concrétisent.

C'est pourquoi nous avons collaboré avec Oxford Economics pour élaborer trois scénarios d'adoption.

Avec une adoption de l’IA générative faible par les entreprises, l'augmentation annuelle de la productivité aux États-Unis pourrait atteindre 1,7 % d'ici à 2032. Même cette estimation basse représente une hausse significative, sachant que la croissance annuelle moyenne à long terme des États-Unis oscille autour de 2 %. Et dans le cas d'une adoption très forte, ce chiffre pourrait atteindre 3,5 % d'ici 2032 (voir figure 1). Du point de vue de la production économique totale, cela signifie que le PIB américain pourrait augmenter de 477 milliards à 1 000 milliards de dollars dans dix ans.

Trois scénarios d'impact de la gen IA sur le PIB américain

L'IA générative pourrait injecter entre 477 milliards et 1 000 milliards de dollars dans l'économie américaine d'ici 2032, en fonction de son niveau d'adoption par les entreprises.

Graphique 1

Source : Oxford Economics et Cognizant
Figure 1

Comprendre les bouleversements du marché du travail

Les scores d'exposition et de friction révèlent l'ampleur du changement

Le bouleversement des emplois et du marché du travail représente un autre facteur clé d'augmentation ou de diminution des gains de productivité liés à l'IA. Plus les bouleversements sont importants, plus il sera difficile aux personnes de s'adapter à de nouvelles méthodes de travail. Pour savoir à quoi ressembleront ces bouleversements, nous avons analysé près de 1 000 professions et les tâches qui y sont associées et avons calculé un « score d'exposition maximal théorique » pour chacune d'entre elles (appelé « score d'exposition » dans le présent rapport).

Un score faible signifie que peu de tâches à haute valeur ajoutée peuvent être automatisées. L’emploi des personnes concernées sera donc relativement peu impacté. Par exemple, un technicien spécialiste de l’entretien de systèmes de chauffage et de climatisation aura un score d’exposition de 5 % car l'IA générative ne pourra pas (ou très peu) automatiser leurs tâches. À titre de comparaison, le taux d'exposition d'une équipe IT est de 62 % : les personnes qui exercent ces fonctions seront confrontées à des changements majeurs.

Comprendre le score d'exposition

Ce score reflète l'impact de l'IA générative sur une profession. Le score d'exposition tient compte du nombre de tâches d'un emploi qui pourraient être entièrement automatisées par l'IA générative, du nombre de tâches qui pourraient être assistées et de l'importance relative de ces tâches.

Dans la majeure partie du rapport, sauf indication contraire, nous utilisons le « score d'exposition maximal théorique », qui suppose l'adoption immédiate et unanime de l'IA générative, par opposition au « score d'exposition prédit », qui est calculé à l'aide du scénario d'adoption médian. 

Exemple du médecin généraliste

  • L'IA générative pourrait automatiser de nombreuses tâches administratives comme la collecte et la mise à jour des informations sur les patients.
  • Elle pourrait également assister le médecin sur des tâches de diagnostic à plus haute valeur ajoutée.
  • Mais elle serait moins efficace pour toute une série de tâches à très haute valeur ajoutée, comme aider un patient atteint d'une maladie chronique à modifier son mode de vie.

Score d'exposition obtenu : 33,3 % d'ici 2032

D'ici 2032, peu d'emplois seront épargnés par l'IA générative

Un impact relatif :
score d'exposition supérieur ou égal à 5 %

Graphique 2a

Un impact important :
score d'exposition supérieur ou égal à 25 %

Graphique 2b

Peu d'impact :
score d'exposition inférieur ou égal à 5 %

Graphique 2c
La plupart des emplois subiront l'impact de l'IA générative et plus de la moitié pourraient être fortement touchés.

Source : Oxford Economics et Cognizant
Figure 2

Historiquement, les progrès technologiques et l'automatisation ont eu un impact important sur le travail manuel et le travail « intellectuel » centré sur les processus. Cette fois, c'est différent. avec une inversion du scénario. Au cours de la prochaine décennie, l’IA générative va fortement impacter le travail « intellectuel », que ce soit le codeur junior ou le manager expérimenté. 

En réalité, notre étude montre même que les PDG pourraient atteindre un score d’exposition de 25 % d’ici à 2032 du fait de leur utilisation grandissante de l’IA générative, que ce soit pour la prise de décision stratégique ou l’analyse concurrentielle. Même certains domaines comme la réduction des coûts ou les changements de politique de l’entreprise seront de plus en plus « automatisables ».

Pour certains, le changement induit par l'IA est déjà une réalité. Les emplois liés au contrôle de solvabilité, à la programmation informatique, au développement web, à l'administration de bases de données et au design graphique ont déjà un score d'exposition d'environ 50 %. D'ici 2032, à mesure que la technologie progressera, les scores d'exposition pour certains de ces emplois atteindront 80 %.

D'autres professions seront fortement bouleversées au fil du temps, à mesure que la maturité et la confiance dans l'IA génèreront un plus grand nombre d'applications (voir figure 3). Par exemple, alors que les employés de service client ont actuellement un score d'exposition de 11 %, ce chiffre devrait dépasser 63 % d'ici 2032.

Le degré d'automatisation des tâches des dirigeants pourrait leur valoir un score d'exposition de plus de 25 % d'ici 2032.

L'impact sur l'emploi augmentera avec le temps

De 2023 à 2032, le pourcentage d'emplois avec un score d'exposition élevé (supérieur ou égal 25 %) pourrait passer de 8 % à 52 %, soit une hausse de 550 %.
Graphique 3

Les données du graphique reflètent les scores « d'exposition maximaux théoriques ». Voir la méthodologie pour plus d'informations sur le calcul de ces scores.
Source : Oxford Economics et Cognizant
Figure 3

Comme le montrent les scores d'exposition, l'IA générative affectera certains emplois plus que d'autres. Certaines personnes devront apprendre à travailler avec l'IA générative, qui les assistera dans des tâches, tandis que d'autres verront leur rôle remplacé par la technologie.

Pour comprendre la difficulté à retrouver un emploi pour les personnes remplacées par l'IA, nous avons calculé le « score de friction » de différentes catégories professionnelles. Ce score représente la facilité ou la difficulté à trouver un nouvel emploi avec ses compétences existantes (Voir la méthodologie pour plus d'informations sur le calcul du score de friction). Il est intéressant de noter que certaines des catégories professionnelles les plus durement touchées (celles dont les scores d'exposition sont élevés) ont des scores de friction relativement faibles, ce qui signifie que leur parcours vers un nouvel emploi est moins complexe.

Comprendre le score de friction

Score de friction élevé = davantage de difficultés à trouver un nouvel emploi

Score de friction faible = facilité à trouver un nouvel emploi

Certaines des catégories professionnelles les plus durement touchées (celles dont les scores d'exposition sont élevés) ont des scores de friction relativement faibles, ce qui signifie que leur parcours vers un nouvel emploi devrait être moins complexe.

Pour mieux comprendre cette dynamique, nous avons représenté différentes catégories d'emploi en fonction de leurs scores d'exposition et de friction (voir figure 4). Dans ce cas, cependant, nous avons utilisé le « score d'exposition estimé », qui tient compte d'un taux d'adoption plus progressif de l'IA générative, comme le montre notre scénario médian. Par conséquent, ces scores d'exposition estimés sont inférieurs aux scores d'exposition maximaux théoriques utilisés dans l'ensemble du rapport, qui supposent une adoption unanime et immédiate.

La combinaison des scores de friction et des scores d'exposition prédits nous donne une vision claire des bouleversements à venir. Par exemple, les développeurs de logiciels et les administrateurs de bases de données (avec des scores d'exposition estimés relativement élevés de 8 %) ont des scores de friction relativement faibles d'environ 40, ce qui signifie que leur parcours vers un nouvel emploi est moins compliqué, probablement en raison de leurs compétences très recherchées.

Mais nombreux sont ceux qui pourraient être confrontés à des bouleversements plus importants et plus longs du fait de l'IA générative. Les fonctions administratives (comme les assistants administratifs et les réceptionnistes) ont un score d'exposition estimé de 4 %, mais obtiennent un score de friction de 80, ce qui induit une recherche d'emploi très compliquée.

Les données du US Census Bureau, qui alimentent notre modélisation, indiquent que cette vague de turbulences sur le marché du travail va perdurer. Lors des précédentes périodes de grands changements, environ 11 % des personnes dont l'emploi a été supprimé ont eu du mal à trouver du travail, avec une moyenne de 10 mois pour retrouver un emploi. Un tel bouleversement, à ce rythme et à cette échelle, est significatif et, s'il n'est pas maîtrisé, pourrait entraîner des niveaux de chômage et d'instabilité économique qui ébranleraient la confiance d'une grande partie de la population active.

Quel impact sur l'emploi et les travailleurs à cinq ans ?

Nous avons cartographié les emplois qui seront les plus touchés et ceux pour lesquels il sera le plus difficile ou le plus facile de retrouver un emploi.

Figure 4
Les données de ce graphique représentent les scores d'exposition estimés par rapport aux scores d'exposition maximaux théoriques. Voir la méthodologie pour le calcul de ces scores.
La taille des bulles représente le nombre relatif de travailleurs dans la catégorie d'emploi.
Le code couleur des bulles correspond au quintile de salaire en 2022, le bleu le plus foncé représentant le cinquième quintile et le plus clair le premier.
Source : Oxford Economics et Cognizant

  1. Management
  2. Opérations financières et métiers
  3. Informatique et mathématiques
  4. Architecture et ingénierie
  5. Sciences de la vie, sciences physiques et sociales
  6. Services sociaux et collectifs
  7. Légal
  8. Enseignement et documentation
  9. Arts, design, divertissement, sports et médias
  10. Praticiens et techniciens de la santé
  11. Soins de santé
 12. Service de protection
 13. Préparation des repas et services associés
 14. Nettoyage et entretien des bâtiments et des terrains
 15. Soins et services aux particuliers
 16. Ventes et activités connexes
 17. Soutien administratif
 18. Agriculture, pêche et sylviculture
 19. Construction et extraction
 20. Installation, entretien et réparation
 21. Production
 22. Transport et logistique

Parallèlement, nous prévoyons également certaines retombées positives de l’IA générative pour la population active, notamment en matière de pénurie de main-d’œuvre. Dans le secteur de la santé, par exemple, le manque de personnel croissant détériore la qualité des soins tout en augmentant les coûts. Nos scores d'exposition indiquent qu’un tiers des tâches effectuées par les médecins urgentistes seront automatisées au cours de la prochaine décennie – améliorant ainsi les services de soin, sans avoir besoin d’augmenter les effectifs.

Un autre impact potentiellement positif de l'IA générative sur les défis liés au marché du travail est sa capacité à « augmenter » les compétences déjà acquises par un collaborateur, tout en soulageant ses faiblesses, ce qui lui permet de se positionner sur des rôles jusqu’alors non envisagés. Armé des bons outils, par exemple, un analyste financier n'aura pas besoin d'être un expert en mathématiques car l’IA générative compensera cette partie du travail. En revanche, il pourra utiliser ses compétences en communication pour apporter de la valeur directe à l’entreprise. Grâce à l'IA générative, certains postes jusqu’alors inaccessibles deviennent à la portée de tout le monde.

Les effets positifs de l'IA générative sur la population active sont sa capacité à remédier aux pénuries de main-d'œuvre dans des secteurs clés de l'économie comme la santé et sa capacité à accentuer les forces d'un individu tout en atténuant ses faiblesses.

À l'horizon 2032

Comment un pic d'adoption peut conduire à une évolution stratégique

Les changements induits par l'IA générative ne se seront pas tous concomitants et n'auront pas non plus une trajectoire régulière. Selon notre analyse, ils suivront plutôt une courbe en S, semblable à celle d'autres avancées technologiques comme les logiciels d'entreprise : une montée progressive, un pic spectaculaire, puis un plateau où la technologie s'affine et se généralise. Cette progression se poursuivra pour l'IA générative au rythme de l’évolution des entreprises,  des effectifs et des parties prenantes avec l’adaptation de tous suivant l'impact sociétal de cette technologie (voir les figures 5 et 6).

Une adoption rapide

L'adoption de l'IA générative pourrait progresser rapidement au cours de la prochaine décennie.

Graphique 5

Figure 5
Les données du graphique reflètent les taux d'adoption les plus élevés possibles, comme le montre notre scénario d'adoption élevée.
Pour nous assurer que le taux d'adoption soit exact jusqu'en 2032, nous avons inclus l'année 2033 dans le calcul de ce chiffre.
Source : Oxford Economics et Cognizant

Panorama de l'adoption sur 30 ans

Après 15 ans, la montée en flèche ralentit, mais l'adoption continue de croître pendant encore au moins 20 ans.

Graphique 6

Figure 6
Source : Oxford Economics & Cognizant

La différence entre l'IA générative et les précédentes technologies réside dans le rythme, l'échelle et les défis sociétaux uniques qui doivent être relevés. Selon notre analyse, cette croissance se déroulera en trois étapes au cours des dix prochaines années, chacune caractérisée par ses propres moteurs, défis et opportunités. Ces étapes doivent orienter la façon dont les entreprise mettent en œuvre les changements institutionnels majeurs permettant une adoption positive et productive de l'IA générative.

2023-2026 : expérimenter et se préparer

C'est le moment crucial pour les entreprises de lancer une refonte majeure de leurs modèles d'entreprise et opérationnel et d'établir des relations de confiance avec leurs collaborateurs et la société en général.

Nous sommes aujourd'hui dans la phase d'expériementation. Les entreprises tentent de déployer l'IA générative sur des tâches faciles à contrôler et présentant peu de risques, comme la création d'images, la génération de texte pour les rapports et les emails, et les suggestions de code pour les développeurs. Par exemple, nos données montrent que les responsables marketing ont un score d'exposition théorique maximal de 17 %, car l'IA générative aide à exécuter des tâches telles que la génération de contenu et l'analyse de marché.

Bien que notre scénario le plus optimiste prévoie une adoption par les entreprises de seulement 13 % au cours de cette période, l'importance de cette phase ne doit pas être sous-estimée. C'est un moment crucial où les entreprises doivent explorer et s'engager dans une refonte majeure de leurs modèles d'entreprise et opérationnel, et commencer à établir des relations de confiance avec leurs collaborateurs et la société en général. Ce n'est qu'en s'appuyant sur des bases solides que les entreprises pourront augmenter leur productivité et dominer leurs marchés pour les décennies à venir.

image

Expérimentation peu risquée

image

Adoption progressive

image

Prudence et incertitude

image

Adoption par les entreprises (scénario « haut »)

2026-2030 : l'adopter en toute confiance

À cette étape, le rôle de la gen AI aura considérablement augmenté dans de nombreux emplois. Les scores d'exposition des dirigeants et des directeurs des opérations passeront de 18 % aujourd'hui à 52,7 % d'ici à 2032, l'essentiel de la croissance se produisant au cours de cette période.

Au cours de la prochaine phase, nous prévoyons une accélération de l'adoption. Selon nos prévisions les plus optimistes, le taux d'adoption passera de 13 % à 31 % en seulement quatre à huit ans. Si l'on se réfère à des exemples historiques, comme la diffusion progressive des logiciels d'entreprise dans des secteurs fortement réglementés, on peut s'attendre à ce que l'adoption se développe avec une plus grande clarté réglementaire, une gestion des compétences plus solide, une demande publique plus forte et une meilleure compréhension de la manière dont la technologie résout les problèmes des entreprises.

Cette étape verra une augmentation notable du rôle de l'IA dans toute une série de professions. Par exemple, les scores d'exposition des directeurs généraux et des directeurs des opérations passeront de 18 % aujourd'hui à 52,7 % d'ici 2032, alors que l'essentiel de la croissance se produira au cours de cette période.

En outre, l'environnement réglementaire de l’IA générative sera plus clair. Au cours de cette étape, la gen AI dépassera la simple automatisation des tâches pour devenir un élément central des stratégies de transformation opérationnelle. Les entreprises les plus avancées auront mis en place des infrastructures technologiques solides et une culture qui non seulement accepte, mais encourage l'innovation continue.  

image

Clarté de la réglementation

image

Réduction des barrières à l'entrée

image

Refonte des business models et des modèles opérationnels

image

Adoption par les entreprises (scénario avec une adoption élévée)

2030-2033 : collaboration organisationnelle intégrée

Lorsqu’elle suscitera un niveau de confiance suffisant, l’IA générative pourra assister des fonctions où l’expérience humaine et l’intuition ont toujours été de mise. Par exemple, notre score d'exposition pour les législateurs atteint 37 % d'ici 2032.

À mesure que l'IA générative évoluera, nous assisterons à une accélération encore plus forte de son adoption. Selon nos prévisions les plus optimistes, 46 % des entreprises auront adopté la technologie de manière significative, annonçant une nouvelle ère de partenariat entre la gen AI et les décideurs. 

Lorsqu'elle suscitera une réelle confiance grâce à une utilisation cohérente et une fiabilité éprouvée, l'IA générative apportera une assistance dans des fonctions traditionnellement réservées à l'intuition et à l'expérience humaines. Par exemple, notre score d'exposition pour les législateurs atteint 37 % d'ici 2032.

Dans cette phase, la technologie n'est pas un simple outil mais un véritable copilote qui offre des analyses stratégiques nuancées. Cette collaboration repose sur la fiabilité et la sophistication des systèmes d'IA, qui ont évolué pour comprendre et anticiper les besoins complexes des entreprises. Les données, la stratégie et la culture de l'innovation développées au cours des phases précédentes permettent à l'IA générative de contribuer de manière significative à la prise de décision au sein de la direction, en travaillant aux côtés des dirigeants pour faire face à la complexité du monde des affaires moderne.

image

Exemples d'utilisation très répandus

image

Une fiabilité éprouvée

image

Rôle significatif dans la prise de décision et l'analyse stratégique

image

Adoption par les entreprises (scénario avec une adoption élevée)

Adopter un nouveau pacte de confiance

Quatre recommandations pour atteindre une productivité maximale

Bien que cette recherche s'étende sur plus d'une décennie, les dirigeants n'ont pas de temps à perdre pour se préparer, s'ils veulent tirer le meilleur parti de l'IA générative.

Si l'IA générative promet de booster la productivité, l'atteinte de son plein potentiel n'est pas pour autant automatique. Les incertitudes liées à la technologie peuvent ralentir son adoption et son impact. En outre, ses effets sur le marché du travail pourraient nuire à son image et à la confiance qui lui est accordée au niveau mondial. Des aspects à ne pas négliger pour tirer pleinement parti de ses avantages.

Nous avons identifié quatre domaines dans lesquels les entreprises peuvent agir, en instaurant la confiance nécessaire pour optimiser la productivité afin que les entreprises, les collaborateurs et la société puissent prospérer à l'ère de l'IA générative.

1 : Prendre soin de ses talents

L'intégration de l'IA générative dans le monde professionnel est sur le point de transformer le travail tel que nous le connaissons. Beaucoup de fonctions seront impactées, obligeant les invididus touchés à s'adapter. De l'importance de l'apprentissage continu. Cependant, la crainte des licenciements ne doit être ni minimisée ni ignorée. Il est essentiel de répondre à cette préoccupation pour cultiver la confiance entre employeurs et employés, grâce à des mesures proactives majeures.

Aucune entreprise ne peut garantir qu'il n'y aura pas de licenciements. Cependant, toutes les organisations ont le pouvoir de lancer de nouveaux de programmes de requalification à grande échelle. Plutôt que d'être un aspect tactique et optionnel de la vie professionnelle d'un employé, ces programmes devraient faire partie intégrante de la journée de travail.

Les programmes de requalification peuvent prendre diverses formes. Dans certains cas, les entreprises pourraient s'associer à des établissements d'enseignement supérieur pour revoir en permanence les programmes de formation dans certains domaines de compétence. Dans d'autres cas, les organisations pourraient collaborer avec les législateurs, les services publics, les régulateurs et même différents secteurs d'activité pour créer des systèmes d'académies partagées, qui non seulement enseigneraient les compétences en matière de gen AI, mais créeraient également de nouvelles filières d'emploi, pour les personnes occupant des postes très exposés ou présentant des scores de friction élevés.

Plus le programme de reskilling sera solide, plus il représentera un avantage concurrentiel et contribuera à la réputation de marque, permettant ainsi d'attirer et de fidéliser les talents clés. Finalement, la requalification pourrait être si importante pour la réputation d'une entreprise qu'elle pourrait faire l'objet d'une surveillance par les actionnaires. Les investissements et les résultats seraient ainsi mis en évidence dans les publications financières de l'entreprise.

En formant même les collaborateurs qui quitteront leurs effectifs, les entreprises augmenteront la productivité globale en donnant aux personnes les outils d'une réussite et d'une évolution fluide entre différents rôles dans ce nouveau monde du travail. Ils renforceront également leur image de marque en tant qu'entreprise qui s'adapte aux impacts socio-économiques considérables de l'IA générative, plutôt que de s'y opposer. Les futures réglementations pourraient même obliger les entreprises à accompagner les personnes licenciées lorsqu'il sera prouvé qu'une perte d'emploi a été directement causée par une automatisation basée sur l'IA générative.

La crainte des licenciements ne doit être ni minimisée ni ignorée. Il est essentiel de répondre à cette préoccupation pour favoriser la confiance entre employeurs et employés.

2 : Innover ou stagner

Si certains collaborateurs se disent qu'ils réfléchiront plus tard à l'IA générative et aux changements nécessaires, ils n'accepteraient pas que leurs employeurs fassent de même. La confiance des collaborateurs dépendra de la capacité de l’entreprise à comprendre et à se préparer aux changements liés à la gen AI.

Pour renforcer la confiance des employés et profiter pleinement de tout ce que l'IA générative a à offrir, les entreprises doivent réfléchir à la manière dont la technologie changera leur façon de travailler et même leur activité. Plutôt que d'adopter une vision à court terme, elles doivent imaginer la manière dont elles fonctionneront et créeront de la valeur dans dix ans.

L'IA générative offre aux entreprises de nouveaux moyens de générer des revenus, d'améliorer leur efficacité opérationnelle, d'innover en matière de produits et de services et, en fin de compte, de redéfinir leurs activités. Par exemple, les sociétés de services d'infrastructure du secteur bancaire pourraient reconsidérer leurs activités : au lieu de faire de « la plomberie » pour la finance mondiale, elles se refocaliseraient sur la mise à disposition de données pour les grands modèles de langages de leurs clients. Les entreprises pharmaceutiques peuvent également se démarquer en développant un engagement direct avec les patients grâce à des interfaces d’IA générative.

Ce type d'évolution nécessitera à la fois l'adoption progressive de nouvelles technologies et une refonte fondamentale des pratiques commerciales, des structures d'entreprise et de la nature même du travail.

À tous les niveaux de l’entreprise, des équipes multidisciplinaires devront identifier les dysfonctionnements au sein des processus qui bloquent la mise en place de nouvelles sources de revenus. De nouvelles façons de prendre des décisions seront nécessaires pour avancer.

Pour mettre en œuvre les nouveaux modèles d'entreprise, les organisations auront besoin d'un socle technologique solide, conçue pour s'adapter au rythme rapide du développement de l'IA générative. Par ailleurs, de nouvelles politiques de gouvernance, de nouvelles structures organisationnelles et de nouveaux processus opérationnels seront nécessaires pour s'adapter à des opérations beaucoup plus rapides, dynamiques et autonomes. Les entreprises qui se démarqueront seront celles qui utiliseront pleinement le pouvoir de transformation de l’IA générative, en l’intégrant comme un pilier indispensable de leur planification stratégique.

La confiance des employés dépendra de la capacité de leurs employeurs à comprendre et à anticiper le changement.

3 : Renforcer la confiance grâce à la transparence

De nombreuses technologies ont bouleversé le monde du travail et toutes ont suscité une certaine méfiance. Mais aucune technologie n'a fait naître autant de craintes et de doutes que l'IA générative. Qu'il s'agisse de la logique de boîte noire de la technologie ou de sa propension aux biais et aux erreurs, l'IA générative ne fait tout simplement pas l'unanimité.

Pour instaurer la confiance dans l'IA générative, il faut un engagement clair et concret à atténuer les effets néfastes de la technologie sur les personnes, la société et l'entreprise elle-même. Les entreprises doivent faire preuve de transparence sur la manière dont les systèmes d'IA sont développés et déployés, sur les valeurs qu'ils sont censés défendre et sur les mesures mises en place pour y parvenir. Cette transparence doit montrer concrètement comment les décisions de l'IA générative sont prises et comment les résultats servent les objectifs plus larges de l'entreprise et le bien-être des clients.

Il existe de nombreuses façons d'établir la confiance dans les décisions et la production d'un système d'IA générative. Par exemple, les indicateurs de confiance peuvent être intégrés dans l'application elle-même en fournissant une visibilité sur les données utilisées par le modèle pour prendre ses décisions. En outre, le système pourrait produire un indice de confiance dans la décision elle-même. Au fur et à mesure que la conception de ces systèmes s'affinera, leur fonctionnement interne deviendra moins mystérieux et la confiance générale dans le contenu et les décisions générés par l'IA augmentera.

Les entreprises doivent également mettre en place des garde-fous pour minimiser le risque de partialité, d'erreur et de décisions éthiquement problématiques de l'IA. Grâce à un ensemble d'agents d'IA générative, de modèles de machine learning prédictifs de substitution, de modèles de décision explicables et de supervision et d'intervention humaines, les entreprises peuvent s'assurer que leurs systèmes fournissent des réponses et des décisions non biaisées et responsables sur le plan éthique.

Susciter la confiance dans la technologie sera la clé de l'adoption par les entreprises, ce qui, selon notre étude, est nécessaire pour atteindre les niveaux de productivité attendus.

4. IA « for good »

Comment les entreprises vont-elles mettre à profit les gains de productivité réalisés grâce à la gen AI ? 99 personnes sur 100 douteront de leur volonté de réinvestir, en se fondant sur les leçons de l’histoire. Mais l’IA générative apporte des changements radicaux pour le monde du travail et la société ; il n’est plus question de se référer au passé pour définir le futur.  

La confiance entre employés et employeurs ne sera instaurée que lorsque les entreprises s'intéresseront au moins à la manière dont les bénéfices de l'IA seront redistribués à l'échelle de la société, sans entraver l'innovation et l'investissement. Il s'agit là, selon nous, du prochain front du « capitalisme des parties prenantes ». De la même manière que les programmes de neutralité carbone actuels redistribuent les bénéfices entre parties prenantes, pour prendre soin de la planète, les gains générés par l'IA demain pourraient être redistribués avec les employés et la société.

Pour changer de paradigme, les entreprises peuvent repenser la manière dont les bénéfices générés par l’IA sont partagés. C’est d’ailleurs le cas de certaines entreprises engagées pour la RSE qui participent à la lutte contre les effets du changement climatique, par exemple, en faisant don d’un pourcentage de leurs bénéfices à des associations.  

Une autre solution possible serait que ceux qui profitent le plus des avancées de la gen AI contribuent proportionnellement à un fonds dédié aux bénéfices sociétaux. Par exemple, des investissements pourraient être réalisés dans la formation afin de soutenir davantage les programmes de reskilling. Les fonds pourraient également être affectés à la recherche sur les technologies durables ou à l'amélioration de la santé, jetant ainsi les bases d'une société non seulement plus efficace, mais aussi plus saine et plus résiliente.

La richesse créée par l’IA pourrait également servir à l’amélioration de la qualité de vie au travail, par la réduction du temps de travail par exemple, comme la semaine de quatre jours, déjà mise en place ou expérimentée par certaines entreprises.

Ces idées sont des pistes de réflexion et de discussion pour les dirigeants avec, pour chacune, des pour et des contre qu’il est nécessaire d’évaluer avant toute mise en œuvre. 

Tout comme pour la mise en place de programmes de reskilling, les entreprises qui réinvestissent les bénéfices de l’IA au profit de la société susciteront d’avantage la confiance.

La confiance entre employés et employeurs ne sera instaurée que lorsque les entreprises s'intéresseront au moins à la manière dont les bénéfices de l'IA seront redistribués à l'échelle de la société, sans entraver l'innovation et l'investissement.

Conclusion

Au début de nos recherches, l’IA générative laissait sceptique un grand nombre d’acteurs. Mais aujourd’hui, la curiosité suscitée a laissé place à l’urgence de la mettre à l’ordre du jour au sein des entreprises.

Malgré toutes les possibilités qu'elle offre, l'IA générative – comme de nombreux outils d'IA avant elle – intrigue autant qu'elle suscite l'aversion, attire autant qu'elle provoque le rejet.  En réalité, les personnes qui adoptent l'IA générative dans leur vie quotidienne sont aussi nombreuses que celles qui redoutent les inconvénients de cette technologie, comme sa propension à creuser les écarts, à diffuser des informations erronées et à transformer ce que nous avons toujours considéré comme l'essence même de notre humanité.

Les questions autour de l'IA générative sont nombreuses. Pouvons-nous faire confiance à une intelligence artificielle pour prendre des décisions complexes à la place des humains ? Ferions-nous confiance à un algorithme pour défendre nos intérêts ? Nous sentirions-nous en sécurité en interagissant avec une entité si nous ne savions pas s'il s'agit d'une personne ou d'un système d'intelligence artificielle sophistiqué ?

Un modèle économique ne permet pas toujours de répondre à ces questions. Il faudra du temps, de l'expérimentation et la confiance de tous ceux qui pourraient être touchés, pour le meilleur ou pour le pire, par l'IA générative. Personne ne voudra, ou ne devrait adopter, un moteur de croissance, s'il porte préjudice à une grande partie de l'humanité, à son sentiment d'utilité et au fondement même de ce que signifie gagner sa vie.

Le monde peut entrer dans une nouvelle ère de productivité, très positive pour l'économie, la population active et la société. Cela nécessitera une collaboration entre les secteurs public et privé pour définir et faire respecter des normes d'éthique et de gouvernance mondiales, rassurer au sujet des menaces de disruption numérique perçues, former et donner à tous les membres de la société civile les moyens de profiter de ces nouvelles possibilités.

Si ceux qui prennent les décisions, élaborent les politiques, les systèmes et les programmes savent quelles questions se poser et y répondent en gardant à l'esprit l'intérêt supérieur de l'humanité, le potentiel de l'IA générative ne sera pas un simple calcul, mais une réalité vivante qui profitera à tous.

Télécharger le PDF

À propos des auteurs

Ollie O'Donoghue

Ollie O'Donoghue

Senior Director, Cognizant Research

Ollie O'Donoghue dirige Cognizant Research, en s'appuyant sur plus d'une décennie d'expérience en tant qu'analyste sectoriel et consultant. Il s'attache principalement à comprendre l'impact des nouvelles tendances économiques et technologiques sur les entreprises et les industries.

Tout au long de sa carrière, Ollie a partagé son expertise avec des dirigeants afin de les aider à prendre les meilleures décisions dans un contexte de transformation numérique, d'environnements économiques changeants et de nouveaux business models. Il a également contribué à affiner les messages marketing et à développer des stratégies de commercialisation pour de grandes entreprises de services informatiques et des éditeurs de logiciels.

Duncan Roberts

Duncan Roberts

Senior Manager, Cognizant Research

Duncan Roberts est Senior Manager chez Cognizant Research. Il a rejoint Cognizant en 2019 en tant que consultant en stratégie et transformation digitale cross-sectorielle. Depuis, il aide nos clients à comprendre comment utiliser la technologie pour atteindre leurs objectifs stratégiques et développer leurs capacités l'innovation.

Auparavant, Duncan a travaillé pour l'une des plus grandes maisons d'édition d'Europe, où il a joué un rôle de premier plan dans la révolution de l'édition numérique en contribuant à la transformation de leurs opérations de bout en bout et au lancement de nouveaux produits innovants. Il est titulaire d'un Master en philosophie et lettres classiques de l'université de St Andrews.

Remerciements

Les auteurs tiennent à remercier les personnes suivantes pour leur contribution à ce rapport :

Chez Cognizant :

  • Lynne LaCascia, Head of Brand and Creative Strategy, Content, Thought Leadership & Research
  • Catrinel Bartolomeu, Director of Storytelling and Content
  • Mike Turner, VP, Software and Platform Engineering
  • Naveen Sharma, Global Practice Head, AIA Practice Leadership
  • Mary Brandel, editor

Chez Oxford Economics :

  • Vasilis Douzenis, Lead Economist
  • Henry Worthington, Director
  • Toute l'équipe d'Oxford Economics

Méthodologie

Cognizant s'est associé à Oxford Economics pour évaluer et prévoir l'impact économique de l'IA générative sur les États-Unis au cours des dix prochaines années. Voici une explication détaillée de notre approche et de notre raisonnement.

Le projet a été exécuté en cinq phases principales de travail qui nous ont permis de développer des données supposées pour le modèle économique mondial d'Oxford. Ces données reflètent la manière dont nous prévoyons que l'utilisation de l'IA générative dans les entreprises américaines influencera les leviers structurels de l'activité économique, notamment la croissance de la productivité totale des facteurs (PTF). Pour tenir compte de l'incertitude inhérente à un tel processus, nous avons élaboré trois scénarios afin d'obtenir un éventail de résultats.

Nous avons commencé par utiliser une base de données du ministère américain du Travail contenant des informations détaillées sur les compétences et les exigences d'environ 1 000 professions - avec un historique de données de plus de 20 ans - pour classer les plus de 18 000 tâches spécifiques à ces professions dans des catégories reflétant leur potentiel maximal d'automatisation grâce à l'IA générative. Pour ce faire, nous avons développé et testé un modèle de machine learning, que nous avons utilisé pour générer un « score d'exposition maximal théorique » pour chaque profession.

Pour modéliser les taux d'adoption possibles de l'IA générative, nous avons analysé les précédents en matière de technologies à l'origine de transformations, comme les machines à vapeur, l'électricité, les automobiles et les ordinateurs. Nous avons également appliqué le modèle de diffusion de Bass, un framework couramment utilisé pour prédire le rythme et le type d'adoption de nouveaux produits et technologies arrivant sur le marché. À l'aide de ces données d'adoption, nous avons calculé l'exposition prédite de la profession à l'IA générative en mettant en correspondance les scores d'exposition maximaux théoriques avec les taux d'adoption prédits du secteur d'activité.

Étant donné que l'IA générative en entreprise entraînera inévitablement des bouleversements, il est raisonnable de s'attendre à des coûts de transition. Pour les intégrer dans le modèle, nous nous sommes tournés vers l'enquête sur la population actuelle (Current Population Survey) du US Census Bureau concernant les personnes qui ont été remplacées. Cela nous a permis de comprendre la proportion de travailleurs qui seront définitivement remplacés par l'IA générative et de générer un « score de friction » pour déterminer dans quelle mesure les travailleurs remplacés pourraient avoir du mal à retrouver un emploi.

Ces facteurs, combinés à d'autres données plus détaillées (indiquées dans la méthodologie complète), nous ont permis d'estimer l'impact de l'IA générative sur la PTF et la participation au marché du travail. Les impacts agrégés de l'IA générative sur la productivité et l'emploi ont été modélisés comme des chocs appliqués au modèle économique mondial d'Oxford afin d'estimer la contribution de la technologie à la croissance du PIB américain au-delà des prévisions de base d'Oxford.

Pour consulter la méthodologie complète, cliquez ici.

Découvrez comment nous travaillons avec l'IA générative et les personnes qui l'utilisent pour créer des entreprises modernes et améliorer le quotidien de tous.