Intelligence artificielle et transformation des emplois
Notice bibliographique
Résumé
Une littérature de plus en plus abondante est consacrée à la thématique de l’intelligence artificielle en lien avec la transformation des emplois. Dans cet article, les auteurs attirent l’attention d’une part sur le caractère pessimiste ou optimiste des analyses y afférentes, notamment en termes d’importance de la destruction et/ou de la création d’emplois susceptibles d’être engendrées par l’intelligence artificielle et, d’autre part sur la difficulté d’établir des projections fiables en la matière, à partir d’analyses partielles centrées uniquement sur les tâches et qui ne prennent pas en considération les emplois dans leur globalité. Les auteurs soulignent par ailleurs les difficultés inhérentes à l’automatisation des emplois, tels le degré d’acceptation sociale ou encore le rapport coût-rentabilité, susceptibles d’en réduire la vitesse d’introduction. Il est également fait mention à la fois des avancées découlant de l’intelligence artificielle, notamment dans des domaines telles la santé, la mobilité, la sécurité, etc. ainsi que des nouvelles formes d’intelligence artificielle, tout en soulignant l’importance du volet éthique ainsi que du sens de la responsabilité qui devront accompagner les changements liés à l’intelligence artificielle.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».