Les économistes développent une méthode pour estimer l’automatisation des emplois par les robots

Une équipe de roboticistes de l’Ecole Polytechnique Fédérale de Lausanne et d’économistes de l’Université de Lausanne ont développé une nouvelle méthode pour calculer quels emplois existants sont plus à risque d’être automatisés par les machines dans un avenir proche.

L’étude a été publiée dans Science Robotics.

L’équipe a également développé une méthode pour suggérer des transitions de carrière vers des emplois moins susceptibles d’être automatisés et avec les efforts de recyclage les plus faibles.

Le prof. Dario Floreano est directeur du Laboratoire des systèmes intelligents de l’EPFL et auteur principal de l’étude.

« Il existe plusieurs études qui prédisent combien d’emplois seront automatisés par les robots, mais elles se concentrent toutes sur les robots logiciels, tels que la reconnaissance de la parole et des images, les conseillers financiers robotiques, les chatbots, etc. », déclare le prof. Floreano. « De plus, ces prédictions varient considérablement en fonction de la manière dont les exigences des emplois et les capacités des logiciels sont évaluées. Ici, nous considérons non seulement les logiciels d’intelligence artificielle, mais également les robots très intelligents qui effectuent des travaux physiques et nous avons développé une méthode pour une comparaison systématique des capacités humaines et robotiques utilisées dans des centaines d’emplois. »

Développement de la méthode

L’équipe a pu cartographier les capacités des robots sur les exigences des emplois, ce qui a été la principale avancée de l’étude. Ils ont examiné la feuille de route multi-annuelle pour la robotique H2020 (MAR) de la Commission européenne, qui est un document stratégique périodiquement révisé par des experts en robotique. Le MAR détaille les capacités requises pour les robots actuels ou qui pourraient être requises pour les robots futurs. Ces capacités sont organisées en catégories telles que la manipulation, la perception et l’interaction avec les humains.

L’équipe a analysé de nombreux articles de recherche, brevets et descriptions de produits robotiques pour évaluer le niveau de maturité des capacités des robots. Ils ont utilisé le « niveau de préparation technologique » (TRL), qui est une échelle pour mesurer le niveau de développement technologique.

Lorsqu’il s’agissait de capacités humaines, les chercheurs ont utilisé la base de données O*net, qui est une base de données de ressources largement utilisée sur le marché du travail américain. Elle classe environ 1 000 professions tout en détaillant les compétences et les connaissances nécessaires pour chacune.

L’équipe a d’abord associé de manière sélective les capacités humaines de la liste O*net aux capacités des robots du document MAR, ce qui leur a permis de calculer la probabilité que chaque emploi existant soit effectué par un robot dans le futur. Si un robot est bon dans un emploi, le TRL est plus élevé.

Classement des emplois

Après avoir effectué cette analyse, le résultat a été un classement de 1 000 emplois. L’un des emplois les plus bas de la liste était « Physiciens », tandis que « Préparateurs de viande » était l’un des plus élevés. Les emplois dans le traitement des aliments, la construction et la maintenance, et la construction avaient le risque le plus élevé.

Le prof. Rafael Lalive a co-dirigé l’étude à l’Université de Lausanne.

« Le défi clé pour la société aujourd’hui est de devenir résiliente face à l’automatisation », déclare le prof. Lalive. « Notre travail fournit des conseils de carrière détaillés pour les travailleurs qui font face à des risques élevés d’automatisation, ce qui leur permet de prendre des emplois plus sûrs tout en réutilisant de nombreuses compétences acquises sur l’ancien emploi. Grâce à ces conseils, les gouvernements peuvent soutenir la société pour devenir plus résiliente face à l’automatisation. »

Les auteurs ont créé une méthode pour trouver un emploi alternatif avec un risque d’automatisation significativement plus faible pour tout emploi donné. Ces emplois étaient également proches de l’original en termes de capacités et de connaissances requises, ce qui aide à minimiser les efforts de recyclage.

Cette nouvelle méthode pourrait être utilisée de nombreuses manières différentes. Les gouvernements pourraient l’utiliser pour mesurer combien de travailleurs pourraient faire face à l’automatisation dans le futur. Cela aiderait à adapter les initiatives de recyclage et les politiques en conséquence. Les entreprises pourraient également l’utiliser pour analyser les coûts associés à l’automatisation.

Tout ce travail a été traduit en un algorithme qui peut prédire le risque d’automatisation pour des centaines d’emplois tout en suggérant des transitions de carrière.

Vous pouvez trouver l’algorithme accessible au public ici.