Introduction
L'avènement rapide de l'IA génère une vague de recherches mesurant et prévoyant ses impacts sur les marchés du travail. Cependant, les approches passées ont souvent été décevantes, ce qui nous amène à aborder ce sujet avec humilité.
Contexte Technique
Nous présentons une nouvelle approche pour comprendre les impacts de l'IA sur le marché du travail, en introduisant une mesure d'exposition au risque de déplacement par l'IA, appelée exposition observée. Cette mesure combine les capacités théoriques des modèles de langage et les données d'utilisation réelles, en mettant l'accent sur les utilisations automatisées et liées au travail.
Notre approche repose sur trois sources de données : la base de données O*NET, nos propres données d'utilisation et les estimations de l'exposition aux tâches par Eloundou et al. Nous calculons l'exposition observée en fonction de la capacité théorique des tâches à être accélérées par un modèle de langage et de leur utilisation réelle dans les contextes professionnels.
Analyse et Implications
Nos résultats montrent que les professions avec une exposition observée élevée sont prévues pour croître moins jusqu'en 2034, selon les prévisions du Bureau of Labor Statistics. Les travailleurs dans les professions les plus exposées sont plus susceptibles d'être âgés, féminins, plus instruits et mieux rémunérés.
Nous n'avons trouvé aucune augmentation systématique du chômage pour les travailleurs très exposés depuis fin 2022, mais nous avons trouvé des preuves suggérant que l'embauche de jeunes travailleurs a ralenti dans les professions exposées.
Perspective
Notre approche vise à établir un cadre pour mesurer les impacts de l'IA sur le marché du travail et à réexaminer ces analyses périodiquement. Nous espérons que cette approche nous permettra d'identifier les canaux par lesquels l'IA pourrait remodeler le marché du travail et de prévoir les impacts économiques de manière plus fiable.
Il est possible que les impacts de l'IA soient indéniables, mais notre approche est la plus utile lorsque les effets sont ambigus et peuvent aider à identifier les emplois les plus vulnérables avant que le déplacement ne soit visible.
