Comment l’IA générative augmente la productivité des travailleurs du savoir

Les dernières avancées technologiques incessantes et innovantes sont menées par des domaines tels que l’intelligence artificielle (IA), la robotique, la blockchain et la biologie programmable. Ces technologies révolutionnent le commerce de détail, l’automobile, la finance, la fabrication et de nombreuses autres industries à la fois sur les plans macro et micro.

L’IA, en particulier l’IA générative, transforme les modes de vie et les tâches quotidiennes des travailleurs du savoir – des personnes qui sont des experts dans leur domaine avec une éducation et une formation formelles. C’est évident dans des professions telles que la programmation, la conception, l’ingénierie et l’écriture, l’IA générative a amélioré la productivité des travailleurs du savoir.

Mais qu’est-ce que l’IA générative exactement et ce qui la rend critique pour les travailleurs du savoir ? Explorons cette idée plus en détail !

Qu’est-ce que l’IA générative ?

L’IA générative crée du contenu nouveau tel que du texte, des vidéos, de l’audio et des images automatiquement en utilisant des algorithmes d’IA, basés sur des invites écrites par l’homme.

Certains des outils et produits de génération d’IA les plus éminents incluent :

• ChatGPT – Développé par OpenAI, ChatGPT est un chatbot intelligent capable de fournir des réponses extrêmement détaillées et personnalisées en fonction des invites de l’utilisateur.
• DALL-E 2, Stable Diffusion, & Midjourney – Ce sont des outils de génération d’images alimentés par l’IA.
• Meta – C’est un outil de génération de vidéos alimenté par l’IA qui permet aux utilisateurs de générer des vidéos à partir d’invites textuelles.
• Codex – Il permet aux programmeurs de générer du code dans plusieurs langages de programmation en quelques secondes.

Maintenant, voyons comment l’IA générative affecte les travailleurs du savoir !

Comprendre comment l’IA générative augmente la productivité des travailleurs du savoir de différents domaines

Selon le rapport ARK’s Big Ideas 2023, l’IA devrait augmenter la productivité des travailleurs du savoir de plus de 4 fois d’ici 2030. Le rapport suggère également que, avec une adoption de 100 %, l’IA pourrait apporter environ 200 billions de dollars en termes de productivité du travail après une dépense totale en IA de 31 billions de dollars. Si les fournisseurs peuvent extraire seulement 10 % de la valeur créée par leurs produits basés sur l’IA, ils pourraient collecter près de 14 billions de dollars de revenus et 90 billions de dollars de valeur d’entreprise d’ici 2030.

Prévision du marché de l’IA pour 2030. Source : ARK’s Big Ideas 2023

Voyons en détail comment les outils de génération d’IA contribuent à augmenter la productivité des rédacteurs de contenu, des développeurs et des artistes.

1. Travailleurs du savoir : Rédacteurs de contenu & Éditeurs

Les entreprises modernes ont besoin de contenu bien recherché et habilement rédigé pour attirer les publics. C’est là que l’IA générative facilite le travail des rédacteurs de contenu et des éditeurs.

Avec l’émergence de chatbots intelligents tels que ChatGPT, la création de contenu devient de plus en plus facile et économique. Selon le rapport ARK’s Big Ideas 2023, le coût d’inférence par requête de ChatGPT est d’environ 0,01 $ en 2022. Pour un milliard de requêtes, le coût d’inférence total devient de 10 000 000 $. D’ici 2030, ce coût devrait diminuer à seulement 650 $, selon la loi de Wright.

Une baisse de coûts de cette ampleur permettrait l’adoption massive d’outils de contenu basés sur l’IA. Par exemple, d’ici 2030, les applications de style ChatGPT devraient atteindre l’échelle de la recherche Google (GOOGL ) et traiter 8,5 milliards de recherches par jour. Ainsi, il sera plus facile pour les travailleurs du savoir dans le domaine du contenu d’utiliser l’IA générative dans les tâches quotidiennes.

2. Travailleurs du savoir : Ingénieurs logiciels & Développeurs

Étant donné les cycles de développement logiciel complexes et longs, la gestion et le déploiement des logiciels nécessitent une équipe de développeurs et de programmeurs dédiés et qualifiés. Les outils de codage d’IA générative tels que Codex et Copilot facilitent le développement logiciel et le rendent plus productif pour les travailleurs du savoir.

En fait, le rapport ARK’s Big Ideas 2023 indique que les assistants de codage basés sur l’IA réduisent le temps nécessaire pour compléter une tâche de codage de moitié. D’ici 2030, les assistants de codage basés sur l’IA pourraient augmenter la production des ingénieurs logiciels de 10 fois.

Temps nécessaire pour compléter les tâches de codage. Source : ARK’s Big Ideas 2023

3. Travailleurs du savoir : Artistes visuels & Concepteurs

Un autre groupe de travailleurs du savoir classés comme artistes et concepteurs est également influencé par l’IA générative. Leurs tâches incluent généralement la création de concepts visuels, de graphiques, d’illustrations et de interfaces utilisateur créatives en utilisant des outils de conception tels que Adobe Photoshop, Illustrator et Canva pour offrir des expériences utilisateur riches.

Avec des modèles d’images génératives révolutionnaires tels que DALL-E2, Stable Diffusion et Midjourney, la productivité des concepteurs a considérablement augmenté. Par exemple, les conceptions graphiques réalisées par des humains en 5 heures et coûtant 150 $ peuvent désormais être réalisées sans effort en moins d’une minute pour 8 cents en utilisant des modèles d’images génératives.

4. Travailleurs du savoir : Musiciens & Ingénieurs du son

L’IA générative facilite la composition et le mélange d’une piste musicale. Par exemple, AudioLM de Google est un modèle d’audio génératif qui crée de la musique de piano réaliste et complète les tons acoustiques incomplets. Google a également développé un modèle de génération de musique appelé MusicLM qui peut générer de belles mélodies en fonction de descriptions textuelles.

En 2020, Open AI a introduit un outil de génération de musique similaire appelé Jukebox qui génère un nouvel échantillon de musique en fonction du genre, de l’artiste et des paroles en entrée. Auparavant, Open AI avait également publié un modèle basé sur GPT-2 appelé MuseNet qui peut générer des compositions musicales de 4 minutes en utilisant 10 instruments.

Bien que les modèles audio génératifs soient encore en phase embryonnaire, la possibilité d’augmenter la productivité des musiciens et des ingénieurs du son ne fera que croître chaque année avec de meilleurs outils de musique basés sur l’IA générative.

5. Travailleurs du savoir : YouTubers & Créateurs de contenu vidéo

Le contenu vidéo est en plein essor. Il y avait environ 51 millions de chaînes YouTube en 2022. La production de contenu vidéo passe par plusieurs étapes, notamment l’enregistrement, le montage, l’ajout d’illustrations et de sons, ainsi que la pré et la post-production.

Les plateformes de vidéo basées sur l’IA générative facilitent la génération de contenu vidéo pour les travailleurs du savoir. Des outils tels que Synthesia.io et Pictory facilitent la génération de vidéos pour les marketeurs et les experts en branding. Ces plateformes d’IA de pointe permettent aux créateurs de contenu de réaliser des vidéos à partir de scripts. Ils peuvent ajouter un narrateur et un fond de vidéo pour créer des vidéos professionnelles en fonction de ces scripts.

En septembre 2022, Meta AI a publié la plateforme Make-A-Video qui peut générer des clips vidéo de haute qualité en fonction d’invites textuelles. Elle a été formée sur des ensembles de données publics pour apprendre les modèles de vidéo. Elle peut créer des vidéos uniques remplies de couleurs, de personnages et de paysages.

La création de plus de contenu de qualité en peu de temps améliorera la productivité des YouTubers et des créateurs de contenu vidéo à l’avenir.

Avantages et inconvénients de l’IA générative pour les travailleurs du savoir

Voyons maintenant les différents avantages et inconvénients que l’IA générative présente aux travailleurs du savoir.

Avantages de l’IA générative pour les travailleurs du savoir

1. Génération de données synthétiques : La formation de modèles d’IA innovants nécessite d’importants ensembles de données et l’IA générative peut résoudre ce problème. Selon un rapport, l’IA générative devrait représenter 10% de toutes les données produites en 2025, contre 1% en 2023. Ainsi, les scientifiques des données et les experts en IA ne devraient plus faire face aux défis liés à la collecte de données.
2. Coûts réduits : Gartner prévoit que près de 50% des plateformes de développement de code faible/no-code offriront une fonctionnalité « texte en code » d’ici 2024. Pour les développeurs, cela signifie plus de fonctionnalités avec le moins d’efforts et de coûts.

Inconvénients de l’IA générative pour les travailleurs du savoir

1. Détection de contenu synthétique : Bien que l’IA générative augmente la productivité, le problème de détection de contenu généré par l’IA et de distinction deviendra une préoccupation sérieuse dans la recherche et l’académie. D’ici 2024, l’Union européenne adoptera une législation pour exiger la « marquage » des artefacts générés par l’IA.
2. Chômage : Les développeurs peuvent faire face au chômage si l’IA générative devient « trop » intelligente. Gartner prévoit que d’ici 2025, 20% des professionnels de code procédural devraient acquérir de nouvelles compétences car l’IA générative prendra en charge leur ensemble de compétences essentielles.

Le coût de construction des modèles d’IA générative

L’IA générative est de loin la branche la plus innovante de l’IA. Actuellement, le coût de formation d’un modèle d’IA générative est élevé, mais diminue progressivement. Par exemple, le coût estimé de formation de GPT-3 était de 4,6 millions de dollars en 2020. En 2022, il est tombé à 450 000 $.

Coût de formation de GPT-3. Source : ARK’s Big Ideas 2023

Le rapport ARK’s Big Ideas 2023 prévoit que d’ici 2030, les modèles d’IA avec 57 fois plus de paramètres que GPT-3 (175 milliards de paramètres) pourraient être formés pour seulement 600 000 $. Cela sera possible grâce à la diminution des coûts de formation des modèles d’IA. La loi de Wright suggère que les coûts de production d’unités de calcul relatives à l’IA (RCU) et les coûts logiciels devraient diminuer de 57 % et 47 % aux taux annuels, ce qui entraînera une baisse de 70 % des coûts de formation annuels d’ici 2030.

Coût du matériel de formation de l’IA. Source : ARK’s Big Ideas 2023.

Restez à jour avec toutes les technologies d’IA disruptives sur unite.ai.