Évolutions de l’intelligence artificielle au travail et collaborations humain-machine
Notice bibliographique
Résumé
L'intelligence artificielle (IA) est de plus en plus présente dans toutes les sphères de la société. Elle est d’ailleurs sur le point de bouleverser radicalement les milieux de travail et la vie quotidienne. Cette évolution imminente suscite cependant de nombreuses inquiétudes, notamment sur le marché du travail. Le déploiement de l'IA pourrait supprimer plus d'emplois qu'il n'en crée et modifier leur nature, y compris dans le cas des emplois qualifiés. En réponse à la pandémie de COVID-19, de nombreuses entreprises à travers le monde ont dû prendre dans l’urgence le virage numérique afin d’assurer leur survie. Cette crise pourrait d’ailleurs constituer un tournant dans l'adoption de nouvelles technologies telles que l'IA. Cette étude explore les grandes tendances associées aux évolutions qu’apporte l’IA au marché du travail et aux nouvelles collaborations humain-machine. Allant bien au-delà de la simple automatisation de processus de tâches répétitives, l’alliance de l’IA à l’humain a le potentiel d’augmenter les capacités humaines, de permettre aux individus de mieux travailler ensemble et ainsi de devenir un puissant levier d’innovation et de créativité.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».