Le travail à l'ère du digital, de la data et de l'IA : réelles opportunités ou effet de mode ?

Le 11 juillet dernier se tenait à Casablanca une table ronde sur le thème du travail à l’ère du digital, "Réelles opportunités ou effet de mode", à l’occasion de la remise du Diplôme d’Université "Big Data Engineer", délivré par l’Université de technologie de Troyes, en partenariat avec Africa Data Lab.

Un effet de mode, assurément non

L’impact du digital, de la data et de l’IA sur le travail n’obéît pas à un effet de mode, mais au mouvement profond de transformation numérique qui affecte l’ensemble des organisations, et en leur sein, l’ensemble des métiers.

La distribution et le secteur du retail sont impactés de manière frontale par le développement du e-commerce, que permet internet (pour l’usager) et l’optimisation de chaînes étendues d’approvisionnement, de production et de distribution (pour les opérateurs).

Le secteur de la banque et de l’assurance est confronté à l’émergence d’opérateurs 100% en ligne (HelloBank, Orange Bank, Direct Assurance…) et au développement de services en ligne pour les clients, conduisant inéluctablement à une contraction des réseaux de distribution. La fermeture d’agences en est la manifestation la plus visible.

Le mouvement de transition numérique n’épargne pas les entreprises industrielles, engagées dans des stratégies de digitalisation des chaînes de production, donnant naissance au concept de "smart factory" ou usine connectée : les technologies de l’information, les capteurs, les objets connectés (IoT), les outils logiciels de simulation et de traitement de l’information et de pilotage ou encore les robots aux performances les plus élevées permettent aujourd’hui de repenser les chaînes logistiques et les chaînes de production et réinterrogent ainsi les modèles d’usine.

Risques ou opportunités ?

Est-ce à dire pour autant que l’IA, le Big Data sont uniquement porteurs d’opportunités en termes d’emploi et d’évolution du travail, et plus spécifiquement de son contenu ?

En d’autres termes, ou en creux de cette question, le développement du Big Data et de l’IA peuvent-ils conduire à des destructions massives d’emploi et à un appauvrissement du travail ? Oui, des emplois sont voués à disparaître du fait des transformations numériques, que ce soit dans l’industrie (processus largement engagé depuis la fin du siècle dernier, avec le développement massif des robots et l’automatisation des chaînes de production) ou dans le secteur du commerce, pour celles et ceux en relation directe avec la clientèle au sein de réseaux de points de vente, agences… Pour autant, d’autres emplois sont créés, portés par le développement exponentiel de nouvelles activités comme le e-commerce, ayant un impact positif sur les emplois liés au transport et à la logistique notamment.

A ce titre, le parallélisme des annonces faites récemment par Conforama et Amazon en France était édifiant : alors que Conforama annonçait le 1er juillet la fermeture de 32 magasins en France et la suppression de 1 900 emplois en 2020, le leader mondial du e-commerce, Amazon, annonçait le même jour la création dans les prochains mois de 1 800 emplois en CDI en France, principalement dans le domaine de la logistique, sur les 20 sites français du géant américain.
Si substitution d’emplois il y a du fait du développement de l’IA, elle porte plutôt sur des postes à faible valeur en termes de contenu (de travail), en ce sens où les IA excellent dans l’exécution autonome de tâches répétitives, éloignant d’ailleurs la menace d’un Skynet (pour les adeptes de la saga "Terminator") en capacité de prendre le pouvoir sur le genre humain. Autour de la data et de l’IA, émergent en revanche de nouveaux métiers, mobilisant des connaissances et compétences plurielles dans les domaines des mathématiques, statistiques, développement informatique, machine learning, maîtrise des architectures de projets et applications Big Data, ou encore maîtrise du risque et du cadre légal lié à la sécurité et la protection des données… Ces métiers sont ceux de CDO, CTO, data scientist, data analyst, big data architect, ou encore big data engineer, métier auquel préparent l’UTT et CCM Benchmark Institut dans le cadre d’un Certificat proposé sur Paris en part time à partir de l’automne 2019. 

Des opportunités... contraintes par les freins liés à la valorisation (des données)

Pour autant, tout (irait-il) pour le mieux dans le meilleur des mondes de la data et de l’IA, pour reprendre la philosophie de Pangloss chère à Voltaire dans son "Candide" ?

Force est de constater que les termes IA et Big data sont devenus depuis quelques années des buzzword, ou encore des attrape-tout marketing, rendant difficile la compréhension de ce que recouvrent ces termes, notamment en termes d’expertise et de compétences associées pour mener à bien des projets IA ou Big Data.

A ce titre, le rapport "State of AI 2019 : Divergence", publié en mars dernier par MMC Ventures, cabinet d’investissement britannique, en partenariat avec Barclays, est éclairant : sur les quelques 3 000 start up de l’écosystème de l’IA de 13 pays européens, seules 60% étaient en capacité d’apporter des preuves de l’utilisation de cette technologie. La logique commerciale et de communication n’est jamais très loin : les investisseurs et firmes de capital – investissement ne sont pas insensibles aux sirènes des startups déclarant déployer des technologies relevant de l’IA…

L’autre réalité est celle d’un décalage entre les stratégies data et IA affichées, consignées dans des plans stratégiques et autres rapports d’activités… et le déploiement effectif de projets Big Data et IA produisant les résultats attendus, notamment en termes de valorisation des données.

Ce décalage peut s’expliquer du fait de freins multiples, dont rendait compte en mars dernier le baromètre "L’Usine nouvelle", "L’Usine digitale", "LSA", "l’Argus de l’assurance", établi en partenariat avec Wavestone, qu’il s’agisse de la complexité des architectures informatiques, de la qualité des données à traiter, du silotage des données ou encore du manque de compétences en interne et / ou de formation des équipes en poste.

Résultat : selon Yann Bougaux, manager expert en data au sein du cabinet Wavestone, les équipes de data scientists consacreraient en fait 80% de leur temps au nettoyage de données en raison de problèmes d’interfaces et d’applications qui ne se parlent pas entre elles.

Pas étonnant que 62% des répondants issus de l’industrie considéraient les données collectées insuffisant analysées ; ils étaient 61% pour ceux issus de la distribution et 54% pour ceux issus du secteur de l’assurance. Quant à la valorisation des données, ces taux étaient encore plus élevés quant au constat de leur insuffisante valorisation : 69% pour l’industrie, 67% dans la distribution, 57% dans l’assurance. 

Les challenges sont donc de taille pour les futurs data scientists et autres data analyst ou big data engineer, pour qui l’avenir, à défaut de ne pas être - parfois - radieux dans l’immédiat, s’annonce très prometteur.