L’économie de la connaissance est un concept dans lequel la connaissance contenue dans une entreprise ou même dans un individu est le moteur de l’entreprise, plutôt que sa production physique. Elle s’oppose à une société agraire (agriculture/alimentation) et à une économie manufacturière (produits physiques), et diffère d’une économie de services dans la mesure où ce sont les produits à forte intensité de connaissances qui sont au cœur de la production, et non un service physique. L’économie de la connaissance est souvent considérée comme une composante majeure d’une économie développée moderne.
En règle générale, les économies de la connaissance disposent d’une main-d’œuvre hautement qualifiée et spécialisée et de grandes institutions (qu’il s’agisse d’entreprises ou de centres d’apprentissage) qui capitalisent sur ces connaissances.
Mais l’essor de l’IA menace tout cela.
L’Economie de la connaissance actuelle
À l’heure actuelle, les connaissances sont généralement détenues par des êtres humains. Vous payez quelqu’un pour écrire un article, par exemple, ou pour créer de nouvelles idées pour des campagnes marketing. Vos équipes commerciales sont humaines : elles envoient des emails, répondent aux clients et livrent des produits.
L’ensemble de vos équipes est humain. Vos équipes de développement sont toutes humaines. La comptabilité, la paie, les ressources humaines sont toutes humaines.
C’est parce que la connaissance est cloisonnée au sein de ces personnes. Vous les payez pour la valeur qu’elles apportent à votre organisation, et elles utilisent la technologie pour accroître cette valeur. Elles évaluent les enregistrements, vérifient les données et prennent des décisions. Elles stockent ces résultats dans de grandes bases de données et les entreprises utilisent ces connaissances.
Et c’est là que réside la valeur des personnes : elles prennent des décisions sur la base des connaissances qu’elles possèdent.
Malgré les progrès considérables réalisés dans l’accessibilité des connaissances, nous sommes toujours limités par la façon dont les humains peuvent absorber et réutiliser ces informations. D’autres limites sont la capacité à rejeter les fausses informations (avec plus ou moins de succès), la compréhension de la hiérarchisation des priorités et la capacité à faire des choix aléatoires lorsque cela est nécessaire.
Lorsqu’ils obtiennent leur doctorat, les étudiants se voient souvent dire qu’ils sont désormais les plus grands experts dans leur domaine de compétence, qu’il s’agisse des différences entre les représentations anciennes et modernes des urnes grecques ou de l’utilisation des thioéthers couronnes à base de lanthanide dans les transitions à la limite de la phase (le déplacement de molécules entre l’essence et l’eau).
Pourtant, leurs connaissances ne se traduisent pas automatiquement par un salaire plus élevé. Il y a donc un autre élément à prendre en compte : Quelle est la valeur de leurs connaissances pour l’entreprise ?
Les connaissances d’un chimiste peuvent être extrêmement lucratives parce que ses recherches peuvent déboucher sur de nouvelles façons de créer des médicaments, des catalyseurs ou des pesticides, par exemple. De même, une personne qui a passé 20 ans dans le marketing peut avoir des connaissances plus pertinentes d’un point de vue commercial qu’une personne qui n’a qu’un an d’expérience.
Il y a ensuite la facilité de remplacement : À quelle vitesse pouvez-vous remplacer une personne possédant ces connaissances ? Une personne possédant des connaissances rares et spécialisées peut avoir une valeur supérieure à celle d’une personne disposant d’un ensemble de compétences plus large, car il est plus difficile de la remplacer et cela coûte donc plus cher.
Bien entendu, il s’agit là de grandes généralisations.
Cela signifie toutefois que la rareté de la spécialisation, la difficulté de remplacement et l’attrait financier sont les trois grands principes directeurs qui déterminent la « valeur » d’une personne pour une entreprise dans l’économie de la connaissance.
Les limitations actuelles de l’IA
L’une des principales raisons pour lesquelles les ordinateurs peinent à recréer les schémas de pensée humains est que les humains analysent les informations de manière heuristique.
Demandez à un ordinateur ce qu’est une boîte et il aura du mal à établir des paramètres définissant précisément ce qu’est une boîte.
En bref, les humains n’ont pas besoin de connaître toutes les versions possibles d’une boîte pour comprendre que quelque chose est une boîte. Nous prenons note des principaux aspects de la boîte et appliquons ces informations à notre vie. Cela peut donner lieu à d’intéressants débats philosophiques : à partir de quand une boîte devient-elle un plateau, par exemple ? Une boîte peut-elle être à la fois une boîte et un plateau ?
Nous pourrions également rejeter les objets qui ressemblent à des boîtes mais qui n’en sont manifestement pas. Un livre pourrait en être un exemple.
Cette capacité à rejeter les fausses informations sépare fortement les humains de l’IA à l’heure actuelle.
Une solution possible consiste à utiliser Internet comme un immense ensemble de données. Mais si une IA est introduite sur Internet, elle devient souvent la pire représentation d’elle-même. En effet, il est facile de trouver du vitriol sur Internet, et les utilisateurs les plus virulents sont souvent ceux qui y contribuent le plus souvent. Si une IA pondère un contenu en fonction de la quantité de contenu similaire qu’elle trouve, elle peut elle-même produire des informations très racistes. Ce problème s’est posé dans plusieurs domaines, notamment celui du recrutement.
Amazon a ainsi interrompu son outil de recrutement par IA lorsque l’entreprise s’est rendue compte que les données originales utilisées dans son modèle d’IA/apprentissage automatique étaient erronées dès le départ. Il avait identifié la dominance masculine comme étant privilégiée (en raison de la manière dont Amazon avait recruté dans le passé), et il avait déclassé certaines expressions (telles que « women’s » et le nom de deux écoles exclusivement féminines) alors qu’il lui avait été demandé de ne pas se concentrer sur le genre.
Cela signifie que les flux d’informations doivent être séparés pour former une IA. Les lacunes du modèle garantissent que l’IA produira des résultats qui ne sont pas désirés, tout comme les problèmes liés à la formation des humains.
Déchets entrants = déchets sortants
Les nombreuses failles de l’IA
Même dans l’armée, où il faut prendre des décisions en une fraction de seconde, nous hésitons à utiliser l’automatisation pour prendre des décisions encore plus rapidement. Des rapports faisant état d’humains écartés du processus décisionnel ont poussé les Nations Unies à proposer une interdiction de la prise de décision par l’IA au combat. Bien que cette proposition ait échoué en raison des pressions exercées par le Royaume-Uni, les États-Unis et la Russie, il est possible que le prochain incident pousse les nations à s’éloigner davantage de l’IA militaire.
Les véhicules utilisant des technologies d’IA sans conducteur affirment depuis longtemps qu’ils sont plus sûrs que les voitures modernes. Mais ils peuvent être neutralisés par un anneau de sel autour de la voiture. L’IA n’a pas fait que des miracles.
Avec le ChatGPT, par exemple, il est encore possible de repérer les essais rédigés par l’IA en raison de la manière dont les modèles fonctionnent – ils s’appuient sur des formulations standard et leur connaissance des événements postérieurs à 2021 est limitée. Les moteurs de recherche cherchent déjà des moyens d’identifier et d’éliminer du web les contenus rédigés par l’IA, en partant du principe que la plupart des individus chercheront des contenus et des idées rédigés par des humains.
À l’heure actuelle, l’IA ne peut que régurgiter les idées existantes qu’elle trouve. Elle ne peut donc pas créer de nouveaux contenus, tels que des citations ou de nouvelles théories et idées.
L’IA qui travaille de manière plus autonome, comme l’AutoGPT, peut traiter des questions moins structurées pour produire des résultats. Cependant, il n’est pas toujours évident de savoir d’où elle tire ses informations ou comment elle arrive à ses conclusions. Cela peut poser des problèmes à ceux qui exigent de rendre des comptes dans leur domaine. Après tout, si un modèle d’IA vous recommande d’acheter une action et que celle-ci s’effondre, qui est responsable de cette décision ? Ou si l’IA prend une décision en matière de soins de santé et qu’elle se trompe ?
À quoi ressemblerait la destruction de l’économie de la connaissance ?
Le danger existe qu’au fur et à mesure que l’IA s’implante, l’accent soit mis non pas sur ce que les individus savent, mais sur les outils d’IA qu’ils peuvent utiliser.
Cela commencerait à détruire la construction de l’économie de la connaissance en transférant progressivement des bases de connaissances très complexes vers des algorithmes. Au lieu d’embaucher un développeur, vous embaucherez un programme d’IA pour obtenir un code précis et adapté à l’objectif visé. Au lieu d’engager un rédacteur de contenu, vous insérerez vos exigences dans une base de connaissances, qui créera un sujet pour vous.
L’utilisation de l’IA rend l’accès à la connaissance équitable, en théorie.
Ce qui risque en fait de se produire, c’est que le savoir devienne encore plus distillé dans les grandes entreprises, et qu’il devienne de plus en plus difficile d’acheter ces grandes entreprises et de les remettre en question. Les nouveaux fournisseurs d’IA seront évalués par d’autres IA, et si leurs connaissances sont jugées utiles, ils seront rapidement acquis. Dans le cas contraire, ils feront l’objet d’un examen minutieux et s’éteindront progressivement.
L’utilisation de l’IA risque d’éroder progressivement la capacité de l’homme à exprimer sa créativité et à faire preuve d’instinct. Nous avons déjà des logiciels qui prétendent juger de la qualité d’une publicité ou d’un contenu sur la base des mouvements oculaires et de l’emplacement préféré. Nous avons des algorithmes qui proposent des contenus en fonction des préférences de l’utilisateur (« vous pourriez aussi aimer »). Certains algorithmes peuvent vous aider à planifier vos repas ou à gérer votre emploi du temps.
À terme, l’IA commencera peut-être à juger des employés qu’il est bon de conserver. Les managers deviendront superflus et le retour d’information des employés pourrait être automatisé. À terme, l’IA pourrait gérer tous les aspects d’une entreprise, des véhicules automatisés aux services de livraison, en passant par les caisses et la sécurité.
Est-ce une cause perdue ?
Nous dressons peut-être un tableau trop sombre de la situation.
L’IA a certainement eu un impact, mais disposons-nous d’une puissance de traitement suffisante pour gérer des milliers de milliards d’interactions dans le monde entier pour chaque entreprise ?
Probablement pas.
Pour l’instant, nous produisons des puces informatiques (AMD, Intel) sous le nœud de 3 nanomètres. Cela ne ressemble pas vraiment à la taille d’un transistor, mais il s’agit d’une convention de dénomination. Il existe des plans pour un nœud de 2 nanomètres et, au-delà, un nœud de 1,4 nanomètre. Au-delà, on ne sait pas très bien comment ils pourront poursuivre le processus.
Notre technologie actuelle ne peut pas aller plus loin avant de rencontrer d’énormes problèmes avec les effets quantiques (l’effet tunnel quantique, pour être précis). Ces effets constituent déjà un problème, et ils s’aggraveront à mesure que la technologie se réduira.
La seule façon de s’appuyer davantage sur l’IA est donc d’augmenter progressivement le nombre de processeurs dont elle dispose. Mais cela nécessite d’énormes quantités d’énergie, et nous sommes déjà confrontés à une crise énergétique due à l’épuisement des stocks de pétrole et à un manque flagrant de carburant disponible pour alimenter tout le réseau.
Nous ne pouvons donc pas vraiment justifier l’augmentation de la consommation d’énergie pour vendre plus de produits à l’heure actuelle. Nous ne pouvons pas non plus justifier les coûts supplémentaires liés au coût de la vie. Nous ne pouvons pas non plus justifier le coût des outils d’IA qui pourraient un jour forcer les individus à perdre leur emploi.
Par conséquent, l’IA plus avancée est exclue du marché. Les emplois axés sur la connaissance sont donc probablement en sécurité pour l’instant.
Peut-être …
Pour plus de conseils marketing, inscrivez-vous pour recevoir gratuitement notre magazine !