31 / 05 / 2017
#Explication

De 47 % à 9 % : pourquoi les chiffres de l'automatisation des emplois diffèrent-ils tant ?

  • Linkedin
Les robots vont-ils remplacer les employés ? Comment prévoir l’avenir du travail ? Quels seront les métiers de demain ? Pour répondre à ces questions, il faut s’intéresser à l’impact de l’automatisation et de l’intelligence artificielle sur le marché de l’emploi et au pourcentage d’emplois automatisés à un horizon proche. Mais d’une étude à l’autre, les chiffres sont multipliés ou divisés par cinq. Quelles sont les raisons d’un tel écart ?

La discussion autour de « l’automatisation intelligente » (l’utilisation conjointe de machines plus performantes et de l’intelligence artificielle pour remplacer le travail humain) sort de plus en plus de la sphère spécialisée des économistes et scientifiques pour pénétrer l’espace public. Des percées qui se font à l’occasion de la parution d’études allant du cabinet d’audit à l’université d’Oxford.

Cependant, il est parfois difficile de suivre, tant les chiffres diffèrent d’une étude à l’autre. Et sur un sujet qui traite d’enjeux sociétaux et économiques majeurs, à un horizon de plus en plus proche, il est crucial de s’entendre sur les chiffres qui alimentent le débat. Qu’est-ce qui fait que les emplois risquant une automatisation aux Etats-Unis à horizon 2030 passent de 47 % à 9 % d’une étude à l’autre ?

Pour commencer, il faut comprendre de quoi il est question. Ces chiffres sont tous une estimation du nombre de métiers à fort risque d’automatisation (où 70 % des tâches qui le composent sont automatisables) rapportée aux emplois existant.

47 % des emplois automatisables aux Etats-Unis en 2030 : l’approche par métier

Ce chiffre est le fruit d’une étude conduite par Carl Benedikt Frey et Michael A. Osborne, deux chercheurs à l’université d’Oxford, en septembre 2013. Premier travail sérieux sur la question, elle se fonde sur les données du service O*NET du département du travail aux Etats-Unis (« US Department of Labour »).

  • A partir de ces données, des experts en machine learning ont désigné parmi 70 métiers lesquels étaient automatisables ou pas (valeur 1 et 0).
  • Ces 70 métiers tests ont été divisés en tâches standardisées.
  • Ces données, analysées ensuite par du machine learning, ont pu être projetées sur les 632 autres métiers répertoriés, déterminant une probabilité d’automatisation variant entre 1 et 0.
  • 47% est donc obtenu en rapportant ces chiffres à la part de ces métiers sur le marché du travail.

Cette méthodologie a été par la suite déclinée sur d’autres pays par McKinsey notamment. Résultats : 43 % pour la France, 48 % en Allemagne et 56 % au Japon, un des pays les plus automatisables selon cette étude.

9 % des emplois automatisables aux Etats-Unis en 2030 : l’approche par tâche

C’est le fruit d’une étude conduite pour l’OCDE en juin 2016 par Melanie Arntz, Terry Gregory et Ulrich Zierahn. Elle part du postulat que les métiers ne seront pas remplacés dans leur totalité, mais seulement des tâches les composant. Et considère également que le même métier peut être plus ou moins automatisé selon le lieu de travail.

  • L’étude part des mêmes fondements mathématiques que celle des chercheurs d’Oxford, mais utilise des données plus récentes sur les composantes de chaque métier et les caractéristiques de chaque travailleur.
  • Elle pondère les résultats en tenant compte d’un effet de compensation des tâches automatisées par les salariés.

Cette adaptation pondérée mathématiquement fait faire un bond en arrière aux chiffres. La France plafonne à 8,5 %, l’Allemagne aux alentours de 12 % et le Japon, qui risquait d’être le plus automatisé, n’est finalement plus qu’à environ 6 % d’emplois automatisables.

38 % des emplois automatisables aux Etats-Unis en 2030 : l’approche « entre-deux »

Ce chiffre est le résultat d’une étude du cabinet d’audit PwC sortie en mars 2017 à l’occasion d’un article prospectif sur l’économie britannique. Cette étude compile et ajuste les deux méthodes dans une gymnastique mathématique complexe :

  • Les économistes et mathématiciens de PwC partent du principe que l’approche par tâche reste la bonne.
  • Mais le facteur « effet de compensation » conduit à un ajustement trop fort des variables.
  • Ils réajustent leur prédiction en passant par plusieurs phases de calculs et un algorithme reconçu pour l’occasion.

On retrouve les équilibres de l’étude de l’OCDE : le Japon et ses 21 % restent moins automatisables que le Royaume-Uni (30 %) et l’Allemagne (35 %). Mais l’ordre de grandeur se rapproche de l’étude d’Oxford. Les chiffres pour la France ne sont pas communiqués.