Les ordinateurs num\u00e9riques ont transform\u00e9 le travail dans presque tous les secteurs de l’\u00e9conomie au cours des derni\u00e8res d\u00e9cennies (1). Nous sommes maintenant au d\u00e9but d’une transformation encore plus grande et plus rapide en raison des progr\u00e8s r\u00e9cents en mati\u00e8re d’apprentissage de la machine (ML), qui est capable d’acc\u00e9l\u00e9rer le rythme m\u00eame de l’automatisation. Cependant, bien qu’il soit clair que ML est une \u00ab technologie d’usage g\u00e9n\u00e9ral \u00bb, comme la machine \u00e0 vapeur et l’\u00e9lectricit\u00e9, ce qui engendre une pl\u00e9thore d’innovations et de capacit\u00e9s suppl\u00e9mentaires (2), il n’y a pas d’accord largement partag\u00e9 sur les t\u00e2ches o\u00f9 excellent les syst\u00e8mes ML, et donc peu d’accord sur le sp\u00e9cifique pr\u00e9vu des r\u00e9percussions sur la main-d’\u0153uvre et sur l’\u00e9conomie plus largement. Nous discutons de ce que nous voyons des implications cl\u00e9s pour la main-d’\u0153uvre, dessin sur notre rubrique de ce que la g\u00e9n\u00e9ration actuelle des syst\u00e8mes ML peut et ne peut pas faire [voir les documents compl\u00e9mentaires (SM)]. Bien que certaines parties de nombreux emplois peuvent \u00eatre \u00ab appropri\u00e9s pour ML \u00bb (SML), d’autres t\u00e2ches au sein de ces m\u00eames emplois ne correspondent pas aux crit\u00e8res de ML bien; par cons\u00e9quent, les effets sur l’emploi sont plus complexes que l’histoire simple de remplacement et de substitution soulign\u00e9 par certains. Bien que les effets \u00e9conomiques de ML sont aujourd’hui relativement limit\u00e9es, et nous ne sommes pas face \u00e0 l’imminence de \u00ab fin du travail \u00bb comme il est parfois proclam\u00e9, les cons\u00e9quences pour l’\u00e9conomie et la main-d’\u0153uvre \u00e0 l’avenir sont profondes. Traduit a\u0300 l'aide de Google Translate<\/p>\n","protected":false},"excerpt":{"rendered":"
Les ordinateurs num\u00e9riques ont transform\u00e9 le travail dans presque tous les secteurs de l’\u00e9conomie au cours des derni\u00e8res d\u00e9cennies (1). Nous sommes maintenant au d\u00e9but d’une transformation encore plus grande et plus rapide en raison des progr\u00e8s r\u00e9cents en mati\u00e8re d’apprentissage de la machine (ML), qui est capable d’acc\u00e9l\u00e9rer le rythme m\u00eame de l’automatisation. Cependant, bien qu’il soit clair que ML est une \u00ab technologie d’usage g\u00e9n\u00e9ral \u00bb, comme la machine \u00e0 vapeur et l’\u00e9lectricit\u00e9, ce qui engendre une pl\u00e9thore d’innovations et de capacit\u00e9s suppl\u00e9mentaires (2), il n’y a pas d’accord largement partag\u00e9 sur les t\u00e2ches o\u00f9 excellent les syst\u00e8mes ML, et donc peu d’accord sur le sp\u00e9cifique pr\u00e9vu des r\u00e9percussions sur la main-d’\u0153uvre et sur l’\u00e9conomie plus largement. Nous discutons de ce que nous voyons des implications cl\u00e9s pour la main-d’\u0153uvre, dessin sur notre rubrique de ce que la g\u00e9n\u00e9ration actuelle des syst\u00e8mes ML peut et ne peut pas faire [voir les documents compl\u00e9mentaires (SM)]. Bien que certaines parties de nombreux emplois peuvent \u00eatre \u00ab appropri\u00e9s pour ML \u00bb (SML), d’autres t\u00e2ches au sein de ces m\u00eames emplois ne correspondent pas aux crit\u00e8res de ML bien; par cons\u00e9quent, les effets sur l’emploi sont plus complexes que l’histoire simple de remplacement et de substitution soulign\u00e9 par certains. Bien que les effets \u00e9conomiques de ML sont aujourd’hui relativement limit\u00e9es, et nous ne sommes pas face \u00e0 l’imminence de \u00ab fin du travail \u00bb comme il est parfois proclam\u00e9, les cons\u00e9quences pour l’\u00e9conomie et la main-d’\u0153uvre \u00e0 l’avenir sont profondes. [googletranslate_fr]<\/p>\n","protected":false},"template":"","reference-tag":[],"reference-type":[435],"class_list":["post-125785","reference","type-reference","status-publish","hentry","reference-type-journal-article"],"acf":{"citation":"Brynjolfsson, E. and Mitchell, T. (2017). What can machine learning do? Workforce implications. Science, 358(6370), 1530-1534. Retrieved from https:\/\/science.sciencemag.org\/content\/358\/6370\/1530.","authors":"Brynjolfsson, E. and Mitchell, T.","org":"","year":"2017","title_fr":null,"editors_hidden":"","publication":"Science","publication_fr":null,"volume":"358","issue":"6370","Series":"","SeriesNumber":"","page_range":"1530-1534","publisher_city":"","publisher_state":"","publisher":"","abstract_en":null,"abstract_fr":null,"keywords":"","paywall":"0","doi":"10.1126\/science.aap8062","isbn":"","url":"https:\/\/science.sciencemag.org\/content\/358\/6370\/1530","url_fr":null,"url_amazon":"","TRACK":"0"},"yoast_head":"\n