par Le Rapport Microsoft 2023 sur le Futur du Travail offre une vision de l’intégration de l’intelligence artificielle, en particulier des modèles de langage à grande échelle (LLM), dans le monde du travail. Cet article détaillé plonge dans les conclusions clés du rapport et explore comment les LLM transforment les pratiques de travail, de la collaboration humain-IA à la gestion des connaissances.
Transformation des tâches d’information
Cette section du rapport Microsoft 2023 Future of Work met l’accent sur l’impact significatif des modèles de langage à grande échelle (LLM) sur l’amélioration de la productivité dans les tâches d’information courantes.
Cela est particulièrement notable dans les domaines où la rapidité et la qualité de l’information sont essentielles. Par exemple, une étude citée dans le rapport indique que les individus ont pu accomplir des tâches d’écriture courantes 37% plus rapidement en utilisant des outils d’IA générative. En outre, une autre étude montre que des consultants du Boston Consulting Group (BCG) ont obtenu une amélioration de plus de 40% de la qualité de leur travail sur un projet de conseil simulé grâce à l’utilisation de ces technologies.
Ces résultats soulignent le potentiel des LLM à transformer non seulement la vitesse, mais aussi la qualité du travail dans divers secteurs professionnels.
Copilot pour Microsoft 365 (O365)
Copilot pour M365 a montré des économies de temps substantielles pour une variété de tâches dans des études de laboratoire et des sondages. Les trois axes majeurs sont :
- Gain de temps : l’utilisation de Copilot a permis de réaliser des tâches de 26 à 73% plus rapidement. Cette gamme reflète une amélioration significative de la vitesse d’exécution dans diverses activités.
- Perception des utilisateurs : une majorité impressionnante, 73% des utilisateurs, ont estimé que Copilot accélérait leur travail. Cette perception positive souligne l’apport pratique de l’outil dans le milieu professionnel.
- Efficacité dans la rédaction de premiers jets : 85% des utilisateurs ont rapporté que Copilot les aidait à produire un premier jet plus rapidement, mettant en avant son utilité dans la phase initiale de création de contenu.
Collaboration humain-IA et microproductivité
La création de prompts optimaux pour les modèles de langage à grande échelle (LLM) est essentielle pour une collaboration fructueuse. Cela requiert une approche centrée sur l’homme où le dialogue et l’interaction entre l’utilisateur et l’IA sont cruciaux. Le concept de « microproductivité » joue un rôle important ici, où les tâches complexes sont décomposées en sous-tâches plus simples. A cette fin, lire l’article « Il n’est pas nécessaire d’être poli avec l’IA, mais de savoir lui « parler » – Comment prompter en 2024 ?« .
Cette décomposition, assistée par l’automatisation des LLM, permet une réalisation plus efficace et ciblée des tâches, améliorant ainsi la productivité globale.
A ce titres les études réalisées met en lumière des impacts importants de Copilot d’après Microsoft :
- Précision pour les novices en sécurité : Les novices dans le domaine de la sécurité étaient 44% plus précis dans leurs réponses aux questions sur les incidents de sécurité lorsqu’ils utilisaient Copilot.
- Amélioration perçue de la qualité : 68% des utilisateurs ont estimé que Copilot améliorait la qualité de leur travail, soulignant l’apport qualitatif de cet outil.
- Réduction de l’effort : Les tâches étaient perçues comme 58% moins épuisantes avec Copilot, indiquant une diminution significative de la charge mentale associée aux tâches routinières ou répétitives.
Implications pour le futur du travail et la société
Le rapport prévoit que la plupart des emplois seront probablement affectés à au moins certains de leurs tâches par les LLM. L’innovation est la clé de la création d’emplois avec de nouvelles technologies. Il est essentiel d’aborder les disparités d’adoption qui suivent la fracture numérique traditionnelle et de se rappeler que l’avenir du travail est un choix, pas un destin préétabli.
Il indique aussi deux phénomènes majeurs qui semblent apparaître :
- Risque de mauvaise utilisation : Il existe un risque que les étudiants / les employés utilisent les LLMs comme des « stéroïdes » plutôt que comme des « coaches ». Cela signifie qu’au lieu d’utiliser ces outils pour approfondir leur compréhension et développer leurs compétences, les étudiants pourraient les employer pour obtenir des réponses ou des solutions rapides sans engagement intellectuel… c’est là un travers majeur à éviter (notamment avec des règles d’utilisation claires)
- Avantages pour les travailleurs novices : L’IA générative est particulièrement bénéfique pour les travailleurs novices et peu qualifiés. Dans le contexte du travail, cela suggère que les LLMs peuvent être un outil précieux pour soutenir les travailleurs débutants ou ceux qui manquent de compétences spécifiques, en leur fournissant des orientations, des explications, et en facilitant leur apprentissage.
