Il y peu, nous avons rapporté les résultats d’une enquête sur les gains de productivité délivrés par l’IA par les grandes multinationales, dans l’horizon 2017-2020.  Nous avions signifié que les gains de productivité était significatif, mais très variables entre firmes, avec le quartile supérieur générant déjà des gains d’ ’environ10 %, alors que l’effet sur le quartile inférieur est de 1,1 %.  Nous en avions conclu qu’ « une telle différence augure d’un déclassement rapide pour les firmes limitées dans leur maitrise des technologies de l’IA » (Bughin, 2023).

Depuis cette enquête, l’intelligence artificielle générative a envahi le monde de l’entreprise à un rythme rapide et automatisent des tâches créatives telles que la génération d’images de contenu , le codage de logiciels, que l’on pensait largement isolées par la première génération d’IA neuronale. Sachant le battage médiatique autour de ces nouvelles avancées de lIA, en particulier chat GPT, il était temps de complémenter notre étude originale par une analyse des gains d’adoption dans l’IA générative. Cette étude ci-dessous ajoute au peu d’études (Noy et Zhang, 2023), portant sur l’amélioration de la productivité des entreprises qui utilisent ces technologies.

L’expérimentation

L’expérience est basée sur l’utilisation des meilleures plateformes externes, à savoir le Chatgpt pour l’information, et Dall-e ou Stable Diffusion pour la génération de contenu. En nous concentrant sur ces plateformes, nous neutralisons les différences dans le choix des outils en tant que facteur de différence de productivité.  Nous avons également examiné trois domaines les plus utilisés : le codage (avec des sous-activités telles que le nouveau codage, l’analyse d’ erreurs,  et la documentation), la production de contenu (pour les médias et la publicité) et les interactions avec les clients (médias sociaux, blog, courrier électronique et service clientèle).

L’échantillonnage est aléatoire dans le cadre des fonctions testées, sur des employés en Europe seulement. L’enquête s’est faite en Mars 2023, pendant 3 les trois dernières, en ligne, et recueilli entre 120-150 réponses par domaine. Ex post, l’analyse des données de l’’échantillonnage est surreprésenté dans les classes d’âge en dessous de 45 ans,  sur les hommes, et les grandes entreprises. Les chiffres ci pares ont été repondérés en fonction des chiffres de la population de Europe de l’Ouest

Résultats

Trois résultats principaux se dégagent des données:

1. Utilisation.  Environ 26 % des personnes interrogées déclarent avoir utilisé la technologie dans le cadre de leur travail, et environ 16 % l’utilisent déjà de manière routinière, au moins une fois par jour.  Ce rythme d’utilisation au niveau de l’entreprise, est relativement soutenu, voire trois à cinq fois plus rapide que la vague précédente de ce que l’on avait appellé l’entreprise 2.0. (Wang et al, 2014).  Deuxièmement, la conversion à une pratique quotidienne est également très forte en quelques mois, -pour ce qui a pris des années pour la plupart des technologies de l’entreprise 2.0, à l’exception de la messagerie et de certains outils de collaboration ( Bughin, 2008).

2. les moteurs de l’adoption. Les professionnels des médias et des logiciels sont plus susceptibles de tirer parti de la technologie, car ces secteurs ont une tradition de perturbation par la numérisation et sont également les plus exposés aux menaces et aux avantages de l’IA générative, selon toute vraisemblance. Par exemple, L’IA est utilisée depuis de nombreuses années pour tenter d’automatiser la génération de code, depuis CodeWhisperer d’Amazon jusqu’à Wisdom d’IBM.

Mais au-delà des domaines, nous estimons que l’âge est également en corrélation négative avec l’utilisation, comme c’est le cas pour la technologie en général (Chuanhao et al, 2021),  tandis que la curiosité est un moteur important de l’utilisation.  Cela signifie qu’un fossé numérique peut se creuser entre les jeunes, les travailleurs natifs du numérique et les autres travailleurs – et les caractéristiques psychographiques des travailleurs : la curiosité pousse à l’expérimentation puis à l’utilisation, tandis que les travailleurs plus conservateurs ont tendance à s’opposer à la technologie, à la fois en raison de la charge d’apprentissage et de la crainte que la technologie puisse avoir un impact négatif sur leur travail et leur statut.

3. Gains de productivité. L’impact sur la productivité est le produit a) des utilisateurs de la technologie, par b)  la part des activités où l’IA est appliquée et c) des gains de temps dans ces activités.

En ce qui concerne b), nous constatons que les outils génératifs d’IA convergent pour représenter environ 1/3 des activités des travailleurs qui utilisent la technologie tous les jours dans leur flux de travail.  En particulier, ce taux se situe entre 12 et 44 % lorsqu’il s’agit d’activités de marketing (notamment le blog, la communication sur les médias sociaux) ; il est d’environ 23 à 36 % lorsqu’il s’agit de codage (notamment pour la documentation, les tests de code et le débogage ; d’ailleurs, le taux d’utilisation correspond au rapport de Github (2023) selon lequel « 46 % des codes dans les langues activées par Copilot sont réalisés par l’assistant AICodex« ). Enfin, nous constatons que le temps consacré à la production de contenu est compris entre 23 et 41 % (en particulier pour les effets spéciaux, le contenu de marque, etc.)

Enfin, nous constatons pour c) que la réduction du temps pour les tâches effectuées avec l’aide de l’IA se situe dans une fourchette de 30 % à 60 %, ce qui est conforme à certaines expériences générales, mais aussi à certaines études spécifiques autour de GithubCopilot.

Si l’on considère ces trois éléments, la productivité totale au niveau de l’entreprise se situe entre 1 % et 4 % dans les domaines couverts par l’enquête.  Ceci est déjà plus élevé que la croissance moyenne de la productivité du travail en Europe au cours des dernières années.

La différence de productivité entre employés utilisateurs de l’IA générative a aussi été testé- il est reconfirmé que le support organisationnel, la curiosité et l’âge, continuent à jouer un rôle clé, et que la distribution des gains de l’IA sera dépendant non seulement de ses compétences techniques, mais d’autres variables socio-psychographiques du monde de l’entreprise (voir note méthodologique).

Conclusion

Nous en concluons que même si nous sommes à l’heure de l’appropriation de l’IA générative dans l’entreprise, ce nouveau moment de l’IA peut sembler un peu chaotique, mais il est certainement en train de trouver des gisements de productivité que le monde de l’entreprise ne peut ignorer. Il n’empêche que si d’autres travaux mettent en exergue les risques actuels de la technologie (Oxford Analytica, 2023), nous voyons aussi le risque d’une dispersion d’utilisation entre employés, et entre firmes, qui devra être géré en tant que nouveau « digital divide ».