À l’image de l’économie industrielle fondée en France vers 1820, l’économie de la connaissance prend forme aujourd’hui, reposant sur l’utilisation et la gestion des connaissances. Cette nouvelle économie inclut les secteurs qui produisent et offrent des services basés sur des activités qui requièrent beaucoup de connaissances. On les identifie souvent en examinant certains indicateurs, tels que les dépenses en recherche et développement (R&D), le taux d’emploi de travailleurs hautement qualifiés, et l’utilisation intensive des technologies de l’information.
Table des matières
Histoire de l'innovation et de l'économie
Historiquement, les secteurs spécialisés dans le traitement de l’information comme l’informatique ont été les premiers à développer des activités intensives en connaissances. Cependant, ce type d’activité se retrouve maintenant dans divers secteurs de production et de service. L’innovation est au cœur de cette économie, dictée par le besoin constant d’innover pour proposer régulièrement de nouveaux produits et services sur le marché global et pour faire face à l’obsolescence rapide des savoirs et technologies.
Les principales forces motrices de cette économie incluent une base technologique solide favorisant l’innovation, des conditions de concurrence spécifiques, et des institutions adaptées. Ces facteurs mettent l’innovation au centre de l’activité économique dans de nombreux secteurs, suggérant que les capacités intellectuelles sont plus déterminantes que les ressources naturelles ou physiques (limitées par définition) pour la performance économique.
L’économie de la connaissance s’exprime aussi à travers l’intégration de toutes les étapes de production, de la R&D à la fabrication des produits et la relation client, avec une participation accrue des consommateurs dans la conception des produits. De plus, cette économie se manifeste par une accélération de la création de connaissances et une plus grande dispersion et décentralisation des activités de recherche et d’innovation.
En résumé, l’économie de la connaissance repose sur des secteurs qui utilisent intensivement la science et la technologie, comme la pharmacie, les réseaux sociaux, ou l’aéronautique. Elle se développe aussi selon les territoires qui parviennent à concentrer des ressources caractéristiques de ce type d’économie, telles que les personnels hautement qualifiés et les laboratoires de recherche.
L’économie de la connaissance représente une évolution majeure, non seulement comme discipline scientifique avec ses propres défis théoriques et empiriques, mais aussi comme une nouvelle ère dans la structure de l’économie mondiale, caractérisée par une croissance basée sur le capital intangible et une innovation continue.
Transition vers l'économie d'allocation par l'IA
Avec l’avènement de l’intelligence artificielle, l’économie de la connaissance, c’est fini. Bienvenue dans l’économie de l’allocation.
Que vient après l’économie de la connaissance ? Dans un monde colonisé par l’IA, il y a fort à parier que la compétence la plus importante à maîtriser sera l’allocation — gérer les ressources pour accomplir votre travail.
Le temps n’est pas aussi linéaire que vous le pensez. Il a des ondulations et des plis comme de la soie lisse. Il se replie sur lui-même et si vous savez où regarder, vous pouvez voir le futur scintiller dans le présent.
(C’est une image, mais c’est peut-être ce que les gens ne comprennent pas à propos des visionnaires : ils n’ont pas besoin de prédire l’avenir. Ils apprennent à le saisir dans les plis du temps et à le porter autour de leur corps comme un manteau fluide.)
ChatGPT, un synthétiseur de connaissance ?
Bien employé ChatGPT, peut-être vu comme un synthétiseur de la connaissance et la mémoire humaine globale. Dès lors qu’on a conscience de cela, on voit des résumés partout dans le code d’un bouton à modifier sur son site, dans les e-mails que j’envoie (résumés des réunions que j’ai eues), et les articles que j’écris (résumés des livres que j’ai lus).
Faire des résumés était une compétence dont tout le monde doit avoir besoin, et précieuse qui plus est. Mais avant, elle était principalement invisible, regroupée dans un ensemble amorphe de tâches que j’appelais « intelligence » — des choses que seulement moi et d’autres humains pouvions faire. Mais maintenant que je peux utiliser ChatGPT pour faire des résumés, j’ai retiré cette tâche de ma palette de compétences et l’ai confiée à l’IA. Maintenant, mon intelligence a appris à être l’instrument qui dirige ou modifie les résumés, plutôt que de faire les résumés moi-même.
l’IA est une couche d’abstraction sur la pensée de niveau inférieur. » Cette pensée de niveau inférieur est, en grande partie, le résumé.
Si j’utilise ChatGPT de cette manière aujourd’hui, il y a de bonnes chances que ce comportement — confier les résumés à l’IA — devienne répandu à l’avenir. Cela pourrait avoir un impact significatif sur l’économie.
C’est ce que je veux dire par attraper le futur dans le présent et la non-linéarité du temps. Si nous extrapolons mon expérience avec ChatGPT, nous pouvons deviner à quoi ressembleront les prochaines années de notre vie professionnelle. Donc tout le monde peut le faire.
Nous vivons dans une économie de la connaissance. Ce que vous savez — et votre capacité à l’appliquer dans n’importe quelle circonstance — crée de la valeur économique pour vous. Cela a été principalement entraîné par l’avènement des ordinateurs personnels, d’internet et plus récemment des réseaux sociaux, commençant dans les années 1970 et s’accélérant jusqu’à aujourd’hui.
De l'économie de la connaissance à l'économie de l'allocation
Mais que se passe-t-il lorsque cette compétence même — connaître et utiliser la bonne connaissance au bon moment — devient quelque chose que les ordinateurs peuvent faire plus rapidement et parfois aussi bien que nous ?
Nous passerons de créateurs à gestionnaires, de l’exécution du travail à l’apprentissage de la manière d’allouer les ressources — choisir quel travail doit être fait, décider si le travail est assez bon, et le modifier lorsqu’il ne l’est pas.
Cela signifie une transition de l’économie de la connaissance à l’économie de l’allocation. Vous ne serez pas jugé sur ce que vous savez, mais plutôt sur votre capacité à allouer et gérer les ressources pour faire le travail.
Il existe déjà une classe de personnes qui effectuent ce genre de travail au quotidien : les managers. Mais il n’y a qu’environ 1 million de managers dans les pays de l’OCDE soit environ 12 % de la main-d’œuvre. Ils doivent savoir comment évaluer les talents, gérer sans microgestion et estimer la durée d’un projet. Les contributeurs individuels – les personnes du reste de l’économie, qui font le travail réel – n’ont pas besoin de cette compétence aujourd’hui.
Mais dans cette nouvelle économie, l’économie d’allocation, ils le feront. Même les employés les plus jeunes devront utiliser l’IA, ce qui les obligera à assumer le rôle de manager / micro manager / model manager. Au lieu de gérer des humains, ils alloueront du travail aux modèles d’IA et veilleront à ce que le travail soit bien fait. Ils auront besoin des mêmes compétences que les managers humains d’aujourd’hui (bien que sous une forme légèrement modifiée).
De créateur à manager
Voici quelques qualités dont les managers d’aujourd’hui ont besoin et dont les contributeurs individuels de demain – les managers de modèles – auront besoin dans le cadre de l’économie d’allocation.
Une vision cohérente
Les managers d’aujourd’hui doivent avoir une vision cohérente du travail qu’ils souhaitent accomplir. Les gestionnaires de ressources humaines doivent élaborer une vision articulée, spécifique, concise et ancrée dans un objectif clair. Les gestionnaires de modèles auront besoin de cette même capacité.
Plus votre vision est bien articulée, plus le modèle aura de chances de la mettre en œuvre de manière appropriée. À mesure que les prompts deviennent plus spécifiques et concises, le travail effectué s’améliorera. Les modèles de langage n’ont peut-être pas besoin, en eux-mêmes, d’un objectif clair, mais les gestionnaires de modèles devront probablement identifier un objectif clair pour leur propre bien et leur engagement dans le travail.
Articuler une vision concise, spécifique et cohérente est difficile. C’est une compétence qui s’acquiert au fil des années de travail. Cela revient en grande partie à développer le goût des idées et du langage. Heureusement, c’est un domaine où les modèles linguistiques peuvent également aider.
Un sens du goût clair
Les meilleurs managers savent ce qu’ils veulent et comment en parler. Les pires managers sont ceux qui disent : « Ce n’est pas bien », mais lorsqu’on leur demande : « Pourquoi ? je ne peux pas exprimer le problème.
Les gestionnaires de modèles seront confrontés au même problème. Plus leurs goûts seront mieux définis, meilleurs seront les modèles linguistiques capables de créer quelque chose de cohérent pour eux. Heureusement, les modèles linguistiques sont très efficaces pour aider les humains à exprimer et à affiner leurs goûts. C’est donc une compétence qui sera probablement beaucoup plus largement diffusée à l’avenir.
Si vous avez un goût clair et une vision cohérente, la prochaine chose que vous devez faire est d’être capable d’évaluer qui (ou quoi) est capable de l’exécuter.
La capacité d'évaluer les talents
Chaque manager sait que l’embauche est primordiale. Si les employés effectuent le travail, la qualité du résultat sera le reflet direct de leurs compétences et capacités. Être capable de juger adéquatement les compétences des employés et de déléguer des tâches à des personnes capables de les exécuter est un élément important de ce qui fait un bon manager.
Les managers de modèles de demain devront apprendre les mêmes choses. Ils devront savoir quels modèles d’IA utiliser pour quelles tâches. Ils devront être capables d’évaluer rapidement de nouveaux modèles qu’ils n’ont jamais utilisés auparavant pour déterminer s’ils sont suffisamment performants. Ils devront savoir répartir des tâches complexes entre différents modèles adaptés à chaque œuvre afin de produire une œuvre de la plus haute qualité.
L’évaluation des modèles sera une compétence à part entière. Mais il y a des raisons de croire qu’il sera plus facile d’évaluer les modèles que les humains, ne serait-ce que parce que les premiers sont plus faciles à tester. Un modèle est accessible de jour comme de nuit, il est généralement bon marché, il ne s’ennuie jamais et ne se plaint jamais et il donne des résultats instantanément. Les managers modèles de demain auront donc un avantage dans l’apprentissage de ces compétences, car les compétences de gestion d’aujourd’hui sont limitées par le coût relatif qu’implique la mise à disposition d’une équipe de personnes avec qui travailler.
Une fois qu’ils auront rassemblé les ressources dont ils ont besoin pour accomplir leur travail, ils seront confrontés au prochain défi : s’assurer que le travail est bon.
Savoir quand entrer dans les détails
Les meilleurs managers savent quand et comment entrer dans les détails. Les managers inexpérimentés commettent l’une des deux erreurs suivantes. Certains microgèrent les tâches au point qu’ils font le travail pour leurs employés, ce qui n’est pas évolutif. D’autres délèguent des tâches à tel point qu’elles ne sont pas bien exécutées ou ne sont pas réalisées d’une manière qui correspond aux objectifs de l’organisation.
Les bons managers savent quand entrer dans les détails et quand laisser leurs rapports prendre le dessus. Ils savent quelles questions poser, quand s’enregistrer et quand laisser les choses se dérouler. Ils comprennent que ce n’est pas parce que quelque chose n’est pas fait comme ils le feraient que cela n’a pas été bien fait.
Ce ne sont pas des problèmes auxquels doivent faire face les acteurs individuels de l’économie du savoir. Mais c’est exactement le genre de problèmes auxquels seront confrontés les gestionnaires de modèles de l’économie d’allocation.
Savoir quand et comment entrer dans les détails est une compétence qui s’apprend et, heureusement, des modèles linguistiques seront créés pour s’enregistrer intelligemment pendant les périodes cruciales où une surveillance est nécessaire. Ce ne sera donc pas entièrement aux gestionnaires de modèles de le faire.
Perdu dans la jungle de l’inbound marketing ? Growth hacking, SERP, funnel, landing page, KPI, automation, CTA…
Grâce à votre CPF, formez-vous à l’utilisation de ces outils indispensables à la croissance de votre activité.
L’économie d’allocation est-elle une bonne chose pour l’humanité ?
La transition d’une économie de la connaissance vers une économie d’allocation ne se fera probablement pas du jour au lendemain. Lorsque nous parlons de « gestion de modèles », cela revient à remplacer des micro-compétences, comme résumer des réunions dans des e-mails, plutôt que des tâches entières bout à bout, du moins pendant un certain temps. Même si la capacité de remplacer les tâches existe, de nombreux pans de l’économie ne rattraperont pas leur retard avant longtemps, voire jamais.
Après le « nous n’acceptons plus les chèques », un nombre croissant de commerces affiche désormais : « Pas de carte de crédit ici ». Je pense que nous retrouverons un rythme d’adoption similaire pour les modèles de langage : il y aura de nombreux endroits où ils pourraient être utilisés pour augmenter ou remplacer le travail humain là où ils ne le sont pas. Cela s’expliquera par de nombreuses raisons différentes : l’inertie, la réglementation, le risque ou la marque.
Cela, je pense, est une bonne chose. Lorsqu’il s’agit de changement, la dose fait le poison. L’économie est vaste et complexe, et je pense que nous aurons le temps de nous adapter à ces changements. Et le lent passage de la pensée humaine à la pensée machine n’est pas nouveau. Les modèles d’IA générative font partie d’un processus de longue haleine.
Dans son livre de 2013 Average Is Over, l’économiste Tyler Cowen a écrit sur une stratification de l’économie entraînée par des machines intelligentes. Il a fait valoir qu’il existe un petit groupe d’élite de travailleurs hautement qualifiés, capables de travailler avec des ordinateurs et qui en récolteront de grandes récompenses – et que le reste de l’économie pourrait être laissé pour compte :
« Si vous et vos compétences complétez l’informatique, vos perspectives salariales et sur le marché du travail seront probablement encourageantes. Si vos compétences ne complètent pas l’informatique, vous souhaiterez peut-être remédier à cette inadéquation. De plus en plus de personnes commencent à se retrouver d’un côté ou de l’autre du fossé. C’est pourquoi la moyenne est un concept dépassé»
À l’époque, il n’écrivait pas sur les modèles d’IA générative. Il écrivait sur les iPhones et Internet. Mais les modèles d’IA générative prolongent la même tendance.
Les personnes mieux équipées pour utiliser des modèles linguistiques dans leur vie quotidienne bénéficieront d’un avantage significatif dans l’économie. Savoir comment allouer les données et des informations sera extrêmement récompensé.
Aujourd’hui, le management est une compétence que seuls quelques privilégiés connaissent car la formation des managers coûte cher : il faut leur donner une équipe humaine sur laquelle s’entraîner. Mais l’IA est suffisamment bon marché pour que demain, tout le monde ait la chance de devenir manager, ce qui augmentera considérablement le potentiel créatif de chaque être humain
Il appartiendra à notre société dans son ensemble de veiller à ce que, grâce aux nouveaux outils incroyables dont nous disposons, nous emmenons le reste de l’économie dans le même bateau.
FAQ :
L’allocation des ressources en économie fait référence à la manière dont les ressources économiques sont distribuées pour la production de biens et services.
L’allocation optimale des ressources signifie utiliser les ressources de manière à obtenir le meilleur résultat possible, comme maximiser la production ou minimiser les coûts.
L’intelligence artificielle aide les entreprises en automatisant des tâches, en analysant des données pour trouver des informations utiles et en améliorant l’efficacité.
L’impact de l’intelligence artificielle sur l’économie inclut la création de nouveaux emplois, l’amélioration de la productivité des entreprises et la transformation des industries existantes.
Pour aller plus loin :
