New technology has rarely led to less jobs — though it has impacted various types of work that have disappeared over time.

When tech eliminates old ways of doing things — like operating an elevator — it creates new opportunities.

The Canadian government recently announced more than $2 billion for an enhanced AI strategy — to boost productivity and build artificial intelligence capacity.

But what does AI adoption mean for our jobs?

AI has the potential to usher in a new era of proficiency to create value for society, but how Canada supports workers is critical.

To mitigate workforce disruption from AI’s rise, we must invest in skills and education to help ensure a smooth transition to an AI-enabled future.

However, this tech shift has been met with mixed emotions, whether pessimistic or optimistic.

Elon Musk referred to AI as “the most disruptive force in history” and predicted there will come a point when no job is needed.

In a world with decades of rising inequality, AI could enable more people with better tools to do high value work. And in a country that has a productivity challenge, we have an opportunity to reimagine what expertise looks like — because technology doesn’t decide how it will be used, humans determine how it’s applied.

So, how do we prepare ourselves and the workforce for what’s to come?

John Stackhouse is joined by David Autor, economist, public policy scholar and professor at the Massachusetts Institute of Technology (MIT). He wrote the book The Work of the Future Building Better Jobs in an Age of Intelligent Machines and has released groundbreaking research on automation’s impact on jobs, the nuances of skill-bias technological change, and the pivotal role of education and policy in shaping the workforce of tomorrow.

Speaker 1 [00:00:01] Hi, it’s John here. You have to be in the middle of some kind of epic digital detox to not know that this is the year of AI, especially AI adoption. Not a week goes by without one of the platforms unveiling a new AI tool that’s transforming how we live, think, share, and even play in the digital universe. The Canadian government stepped into the fray in its recent budget, announcing $2.4 billion of new funding to support Canadian computing power and help Canadians take advantage of this new age. The goal is clear to spark innovation and boost productivity, and all that money actually may not be enough. I got to spend a weekend in early March, just outside of Silicon Valley, with some of North America’s leading AI thinkers and doers, corporate leaders, investors, techies and regulators who are trying to figure out where all this is going, and also think ahead to a possible convergence of humans and machines that will change, well, pretty much everything. It’s a bit out there, maybe even sci fi ish, but there are plenty of questions about the world of today and what AI is doing to our lives and our jobs. One of the most interesting voices at the retreat is my guest today, David Autor, a renowned labour force economist at MIT who spent his career studying the impact of technology on jobs and the economy. We all may have different views and even emotions on the consequences of AI, ranging from fear to excitement. So spoiler alert, David thinks we’ll be fine if we prepare. So how do we prepare ourselves and the workforce for what’s to come? What does AI mean for white collar work in the middle class? And how do we ensure AI is constructive and not destructive? We’ll have a very human conversation on those questions and much more. This is Disruptors, an RBC podcast. I’m John Stackhouse. If you haven’t heard of David Autor, you should. He’s a brilliant economist, public policy scholar and professor at the Massachusetts Institute of Technology in Cambridge, just outside of Boston. He wrote the book The Work of the Future Building Better Jobs in an Age of Intelligent Machines. He’s released groundbreaking research on Automation’s impact on jobs, the nuances of skill-bias technological change, and the pivotal role of education and policy in shaping the workforce of tomorrow. David, welcome to disruptors.

Speaker 2 [00:02:40] Thanks so much for inviting me on the show.

Speaker 1 [00:02:42] We’re talking about AI, and it’s hard not to start with some words from Elon. So I’m going to quote an interview he had with the British Prime minister not so long ago. And he referred to artificial intelligence as the most disruptive force in history. Even went on to say that there will come a point when no job is needed. True or false?

Speaker 2 [00:03:04] False. We’re going to have lots of jobs. We shouldn’t actually be worried about the quantity of jobs. We should be worried about the quality of jobs, what type of expertise they use, how well they pay, whether they provide economic security. And that’s not simply a function of AI itself, but the way we use it. This is a technology. It’s not a living entity. It doesn’t get to decide how it’s used. And we have a lot of agency about whether we use it mostly to replace workers and automate things, or whether we use it to enhance the value of human expertise and create capabilities that we don’t already have.

Speaker 1 [00:03:38] David, you’re a great student of history, and I’ve been following you for years. In fact, you’ve helped open my eyes to the fact that over a couple of centuries, in fact, technology has never led to less jobs. It’s usually led to more jobs and often better jobs. I work at a bank which our sector invented, the automated teller machine that was supposed to eliminate thousands and thousands of jobs, which of course it did in one respect. But the sector employs more people and arguably with better jobs, better paying jobs, more productive jobs than ever before.

Speaker 2 [00:04:09] That’s not to say that it’s all a win, right? These things are quite disruptive. And the industrial revolution, the Luddites who rose up against the power frames, they weren’t wrong. Technology wiped out the value of their skills, wiped out their livelihoods. And the last 40 years of computerization have also been actually very hard on middle class jobs that displaced a lot of workers from office, clerical, production and administrative support. And I think I will also disrupt. So it’s not that there’s nothing to be worried about. I think people are focused on the wrong thing. If we look around all rich countries right now, they’re short of workers. Not short of jobs. That’s not the question. The question is, what type of work will we be doing?

Speaker 1 [00:04:50] So to the people whose jobs may be disrupted, even eliminated, is that just the price of technological progress, or are there better ways at transitioning and transforming work?

Speaker 2 [00:05:03] There are better ways. And different countries do this much better or worse. For example, during the China trade shock of the 2000, the U.S. lost more than a million manufacturing jobs to China, and people were really damaged by that and communities took a very long time to recover. But in other countries, similar declines in manufacturing don’t have as catastrophic consequences, including in Canada, by the way. And in Denmark, which spends about 3% of GDP on worker training and activation, which is an order of magnitude more than the U.S. spends, there’s very little scarring. So some disruption is almost inevitable. But how we support workers to make those transitions, what new opportunities open? And also the speed at which that change occurs, those things are influenced very strongly by policy and by investment.

Speaker 1 [00:05:54] The Canadian government has just put down more than $2 billion for an enhanced AI strategy, a significant amount of money, especially in tighter fiscal times. A lot of that is going to the tech side of things to compute and supporting research. What do we need to be mindful of to ensure that $2 billion isn’t eliminating jobs, but actually enhancing?

Speaker 2 [00:06:18] I think it’s a question of how that money is directed. If I were in charge of this stuff, and obviously I’m not in charge in either the U.S. or in Canada, I would want to take some moonshots for that. The health care sector is an area that could benefit enormously from AI, not just in the quality of care, but also the type of work. And there’s always an unlimited demand for health care. There’s long waiting lines. It’s expensive. And we could improve the opportunities for workers in this sector, meet consumer demand and there would be no adverse job consequences. And of course, that’s public sector money. So all the more reason to use it well. It helps have a vision of what you’re trying to accomplish. And I do think the Silicon Valley vision and you and I both know this directly, having been at conferences together recently where we saw this firsthand is really about eliminating labor. They keep saying we’re going to eliminate scarcity. Of course they don’t mean all scarcity, right? So all the AI in the world is not going to create more beachfront property in Monterey, California. It’s just going to reduce labour scarcity. But reducing labor scarcity really shouldn’t be our goal. Labour scarcity is actually an achievement. In fact, in most rich countries, labour is paid somewhere between 55 and 65% of all national income. So we should be trying to use labor better, not trying to undermine it. That’s not the type of scarcity we need to get rid of. Because if you said we got rid of all labour scarcity, saying we’d be getting rid of all jobs, I don’t think that’s feasible. But I also don’t think it’s desirable. It’s not the goal we should be shooting for. I think many people think it’s very natural that the way you use the technology is to automate stuff, right? You have a new technology. What can we do that we’re doing by hand that we can now do with a machine? But automation is actually a very small part of what we do with new technology, and not where most of the benefits come from. If we were to go back to ancient Greece and automate everything they did 3000 years ago, that wouldn’t give us modern Ottawa. That would give us ancient Greece without horses, right? Most of the most valuable uses of technology are because it instantiates new capabilities. It simply was infeasible. Without those tools, our lives are utterly transformed by technology, but not so much because of automation, but because of all the capabilities that we produce with it. And AI has certainly lots of that potential that can change the way we research. It can change the set of skills or tasks that people can do. It’s a really great decision support tool. And so that’s what we ought to be using it for. Rather than just thinking of what can we eliminate.

Speaker 1 [00:08:50] I think I’m quoting you here, David, when you said the microscope didn’t eliminate any jobs, like, think of all that it led to.

Speaker 2 [00:08:57] Yeah. Even more specifically, the scanning electron microscope didn’t eliminate the job of looking at subatomic particles. We just couldn’t see them before we had the scanning electron microscope. And yeah, it’s true for flight. Flight didn’t eliminate the way we used to flap our arms and go from place to place. We just didn’t fly before we had planes.

Speaker 1 [00:09:17] There are many AI proponents who say generative AI particularly is different. It will allow machines to replace human activities, including whole job categories. Do you see it differently than previous transformative technologies?

Speaker 2 [00:09:34] Well, first of all, generative AI is different from other technologies, and in fact, all technologies are different from one another. Generative AI certainly can do things that previous technologies couldn’t do. Computerization prior to was extremely good at carrying out formal rules and procedures in a way that used to require a lot of education. It was very good for people who are decision makers and professionals who have. Having access to information and analysis is extremely beneficial. It was obviously not particularly helpful to people whose primary job was, you know, typing and filing and copying or doing repetitive assembly line procedures. So generative AI will certainly complement and substitute for a different set of activities. What it’s really good for is weaving together information, rules and kind of judgment experience to support decision making, right? Whether it’s reading x rays, doing some types of writing, or even a skilled repair, having a kind of a copilot in many things you do could be quite valuable. So it certainly will eliminate some work. I don’t mean to suggest otherwise. There’s no question that certain types of decision-making tasks of managerial tasks, judgmental tasks, will be automated, right? So it’s reasonable. Amazon no longer uses people to do inventory projection. That used to be kind of a task where you combined information plus judgment and sort of intuition to make those decisions. The machines are really good at that. That’s true. On the other hand, I’d like to think, and I think this is true, that we can use these same tools to enable people to do some of that hard work. So if you think about what is expert work, expert work is using judgment to face high stakes, one off problems. So your figuring out how to treat this cancer patient, or you’re architecting a piece of software, or you are rewiring a house, or you’re landing a plane under challenging conditions, right? All these things, you have some formal knowledge. Obviously you need that. Then you have lots of experience and you have to apply. You have to translate from that formal knowledge and your experience to this one case to make the right decision. And there’s very high upside and very low downside or a high cost to making the wrong decision. If you a skilled trades person, that’s what you’re paid a lot for. If you’re paid a lot as a roofer, for example, it’s not because you’re good at pounding nails, right? It’s because you know how to put on a roof that doesn’t leak. AI is very good at supporting expert work. It doesn’t necessarily always make the right decisions, but it can help guide decisions. So, for example, a medical setting, it could say. This set of symptoms would be consistent with the following. Had you consider these diagnoses and could also say, hey, don’t prescribe those two drugs together, they have a negative interaction. That doesn’t mean you don’t want a nurse practitioner or a doctor doing that work, but having them guide it in this way could enable more people to do that work.

Speaker 1 [00:12:21] Some would suggest that that supports the idea that this will create mass expertise. And if there is mass expertise, maybe there’s no expertise. We’re all experts at everything, right? Is this the end of expertise?

Speaker 2 [00:12:34] No, I don’t think so. But it is a different era of expertise. So let’s define what we mean by expertise. So expertise is the specific know-how or competence to do something valuable that needs to be done. So you need two things for it to really count in the labor market. One is it’s got to be useful for something else that’s valuable. Right. So it’s got to be data science not card tricks. Two, it needs to be scarce. As you just said in a second ago, if everyone’s expert, no one’s expert. Consider the job of air traffic controller and crossing guard. These are basically the same job. The goal is to prevent things from colliding with one another. But in the United States, air traffic controllers are paid more than four times what crossing guards are paid. And it’s not mysterious why, but it’s not about social value. If we had to pay crossing guards like air traffic controllers to prevent our kids from being run over on the way to school, we certainly would do that, right? So what they’re doing is valuable, but it requires no licensure or training in almost any U.S. state. Whereas becoming air traffic controller takes years of training. You have to go to an air traffic control college and then spend hundreds or thousands of hours apprenticing. Right? So that’s expertise. In some areas, I will directly eliminate the need for that expertise. Right. So I imagine actually I will do air traffic controller, most of it in ten years time. But in many other cases that’s not true. It’s going to supplement judgment. It’s not going to make it unnecessary, many of us. Right. And let’s just stipulate most people are not good at writing and never have been. Writing is hard, but most people are asked to write things. If this can enable more people to communicate more effectively, it doesn’t eliminate the need for them to communicate, but enables them to do that work more efficiently. So I think there are certain forms of expertise that will be stranded. They were valuable and now they’re not because they’re no longer scarce. Used to be to be a London taxi driver, you literally had to spend years memorizing stuff. Now it’s all done by Waze and you’re just a driver and lots of people can drive. But again, it partly depends on the vision that we pursue. This technology does not decide how it will be used, and we have lots of agency in this.

Speaker 1 [00:14:36] How do we as a society help ensure that that is the direction of travel for this new technology? So you’ve mentioned a couple of times the opportunity in health care and all the public good that would come from that. But others have noted that for all the powers of social media and all the good that it could have done in the world, what it’s really meant is a lot more amateur photographs being taken, sorted and shared.

Speaker 2 [00:15:01] That’s the good scenario.

Speaker 2 [00:15:04] Yes, and a lot of misinformation.

Speaker 1 [00:15:05] Yeah. So and that’s just the market at work I agree.

Speaker 2 [00:15:09] And I don’t think the market gets us all the way where we want to go. And I don’t think the incentives are correctly aligned. And that’s why when you ask me about Canada’s dramatic investment in this, I say I want to direct it. Right? So partly comes from government. It doesn’t mean the government has to do all the technology. It just needs to say we’re going to put out grants or contracts to develop certain things or to incentivize. It comes from universities, it comes from NGOs. You know, labour is very involved in negotiations of how technology will be used, and that affects what technologies are actually developed. It also depends on the private sector. But I also think it’s really affected by the vision of who’s doing the technology development. Your vision of what you’re trying to accomplish does affect what you do, because you may not accomplish what you set out to accomplish, but you generally won’t accomplish what you don’t set out to accomplish. I believe at the conference, you and I are both out. We saw Sebastian Thrun. He’s the originator of the Google car and self-driving vehicles, and he was sort of berating some of the people in the room saying, you know, you’re talking about get a robot to wash dishes, get a Royces. You’re thinking so small. Like, why do you want to do exactly what you do already? Think big, right? Don’t think about just putting a robot to do what a person does. Let’s just make a new capability. So I thought that was actually an inspiring point.

Speaker 1 [00:16:25] I want to ask you about the middle class, because you’ve written a lot and a lot of profound insights on what this means for the middle class. You mentioned the China shock and what that did to a lot of blue collar communities in the US, manufacturing communities. What risk is there that AI does something similarly to the middle class and particularly to white collar jobs?

Speaker 2 [00:16:49] Yeah. So the degree to which AI competes with workers is actually much more in the professions. And I actually don’t think that’s so terrible. Professionals are the highest paid people in our society, other than a few entrepreneurs, and a lot of the work they do is decision making work, and they’ve become very valuable. Understandably, computing has actually made them much more valuable because they can make better decisions. And the people who supported them, many of them in automated, but they become more and more expensive as a result. Part of the rise of inequality is the rise of the pay of college educated and post college educated workers. Now, I don’t resent anyone’s high pay. That’s great. However, their high pay is everyone else’s cost, right? It’s the cost of legal services, the cost of medical services. It’s the cost of education. And those things have had very slow productivity growth. A lot of our rising prosperity after the Second World War had to do with getting much more efficient at producing stuff. Televisions, home appliances, cars and those things are much, much cheaper than they used to be, right? You can buy televisions by the yard very cheaply. However, the cost of medical services, of legal services, of education, and we spend an enormous share of our budgets on education and health. Those have risen. They haven’t fallen because they involve a lot of expensive decision makers whose productivity isn’t rising. So if technology can one make those people more efficient, but two enable a larger set of people to do that work, it may indeed bid down the wages, a bit of very highly paid workers like myself. However, if it lowers the cost of those services and enables more people to do that viable work, that would be a very positive thing.

Speaker 1 [00:18:28] So it sounds like you’ll have a bidding up as well as a bidding down. If a lot of frontline workers, salespeople and the like become experts or have access to all the expertise that we were talking about earlier, they bring more value to their jobs.

Speaker 2 [00:18:41] That’s what I would like to see. I would like to see more valuable work done by people without college degrees. That’s the majority of working adults in our countries, and they have actually had a rough 40 years because they’ve been so pushed out of the middle and increasingly a large fraction of them do in person services, food service, cleaning, security, entertainment, recreation. Those crossing guards we were talking about earlier, that’s all valuable work, but it’s poorly paid because it’s not expert work, because it’s just abundant set of people who can do it. It doesn’t require much credentialing or training. So what would be great in a way we can know we’re succeeding is if we see more people without four year college degrees doing high value work, enabling more people to do valuable work with better tools would be a very valuable development, in a world that is seeing more than four decades of rising inequality.

Speaker 1 [00:19:35] And then all those elites that feed off that producer. Yeah, the the lawyers, the accountants not to pick on them, but those start to they don’t maybe not disappear, but start to diminish in terms of the economic rent that they gain from that front line producer.

Speaker 2 [00:19:50] Exactly. Maybe a little bit less economic rent. You know, it’s not they can become less valuable. They just might have a few more competitors.

Speaker 1 [00:19:56] This sounds almost egalitarian.

Speaker 2 [00:19:57] That would be the good scenario.

Speaker 1 [00:19:59] Technology generally doesn’t do that right. It skews it doesn’t converge.

Speaker 2 [00:20:03] Well, you know, it really varies over time, the industrial era, right from kind of 1890 through 1970, really built the world’s middle class. Certainly the middle class in the West, right, allowed people with primarily with high school educations to do a lot of very valuable work in factories and offices. Right.

Speaker 1 [00:20:21] They Left the farm to go to the city and tripled what their forbearers probably made on the farm.

Speaker 2 [00:20:27] Absolutely. And life in the factory and in the office, it’s a lot less physically demanding, a lot safer than working on a farm, a lot more economically secure. So that worked very well. In fact, that was a very good era in many ways. Not everything about it was good, but in terms of the growth of the middle class, the last four decades have not been I think computerization has really contributed to that, although some countries have handled it better than others, and Canada has had less growth of inequality and more social supports than the United States. And so now we’re another era I don’t want to forecast, say, this is what will happen. I’m really talking about what we could do, what the opportunity is. I think this technology has really different properties from conventional computing. Right. If I told you the world’s frontier technology, it’s just so amazing. But it’s not reliable with facts and it can’t do math. You would say that doesn’t sound like any frontier technology I’m familiar with. And the answer is yes, right? Because I is really quite different and used well, it can enable more and better decision making, which is really the valuable work that we do. And. Decision making. I don’t mean just sitting around making decisions, I mean in some vein where it matters.

Speaker 1 [00:21:39] When you look ahead, what might the middle class look like in an AI-enabled economy?

Speaker 2 [00:21:44] Well, if we do it well, we’ll have more people who are not from the most elite educational environments and so on. But they’ll do expert work and they’ll use better tools to do it. The world that we don’t want to live in is a world, not a world without work, but a world where everyone’s a crossing guard again, crossing guard, valuable work. But if we’re doing work that’s non-expert, and anyone who is of sound mind and body can do reasonably well, it won’t pay well. Labour’s share of national income will fall. Now, that doesn’t mean the money gets burned. It just goes to owners of capital, owners of machines. And I don’t think that’s as good a scenario. I think a world in which a lot of income comes from labour, which is the world in which we currently live, is a very good world, because in a democracy, you want people to be participants. Part of the way participation happens is people have an ownership stake in society. A lot of that comes from the ability to generate resources. They have incomes. Strong labor markets and democratic governments go well together. And without a solid middle class, it’s actually hard for democracy to work well. If all the money is in the hands of a few people who are then giving it away in the form of UBI, we’re really at their mercy.

Speaker 1 [00:22:57] What are the skills that you think people will need to hold on to and enhance to thrive in this sort of transformation?

Speaker 2 [00:23:05] So let me give two answers at a foundational level, the world is very different from when I went to high school in that period. Facts were scarce, information was scarce, and ownership of information was very key. Now, young people live in a world that’s a wash in information. Their information is unreliable. It’s very uncertain. It’s not facts, it’s conjecture, it’s conspiracy. And so a very foundational skill is to be able to work in a information rich but uncertain environment and draw valid conclusions, make the right inferences, use analytical, statistical, and scientific thinking to work in that very complex environment. But then I think at a more specific level, in almost every area of work, to be really good at, you need to develop judgment. Judgment comes from experience and from immersion, right? Most jobs that are professional jobs are jobs for which you apprentice. We just don’t call it apprenticeship. So if you’re a medical resident, if you’re an assistant professor, if you’re a junior lawyer, you’re an apprentice. And then of course, we have lots of apprenticing in the trades and so on. And so people develop that judgment when they work with AI, they’re still going to need that judgment. You want to think of AI as a quite fallible assistant. It’s always sounds confident. It’s not always right. And I don’t think that’s going to fundamentally go away. I do not think AI is going to become infallible. I do not think the hallucination problem goes away. And so it’s going to take judgment to use this tool. For example, we know my colleagues Nikhil Agarwal and Tobias Salz, among others, did a really amazing study of the use of AI by radiologists. This is reading scans as a kind of task for which I is really well-suited, because there aren’t really bright line rules. You just get the kind of the overall image and you try to focus on things and say, what do I think is likely here? So the AI is about as good as 65% of radiologists just working from scans. But it turns out that when the doctors and the radiologists work together, the doctors do worse. And the reason they do worse is because they haven’t been trained in using this tool. The tool has uncertainty, just like doctors do, and it reports uncertainty. So it will say, I’m 55% confident that this is an edema or that this is pneumonia or I’m not. So it turns out when the AI is uncertain, usually the doctors are uncertain. And when the AI is very confident, usually doctors are very confident. And what tends to happen is when the AI and the doctor are uncertain, the doctor will defer to the AI. And when the doctor and the AI are both confident, the doctor will override the AI if they differ, and neither of those appears to be the right decision. In fact, when it’s not very certain, it’s probably not very reliable. Your judgment is probably better. When it’s very confident, you should at least ask yourself why this AI that has seen millions of scans has a different opinion than you do, and at least take that into account. So that doesn’t mean that this tool can’t be helpful to radiologists, but it means it takes a training about how to use it, and b it takes judgment. So we’re going to be seeing these machines as fallible, just like any colleague you would work with. You need to know when to rely on their judgment and when to rely on your own. And so I think our interactions with the AI, we’re going to have to be very good at staying alert, remain in the loop and listening, but not uncritically.

Speaker 1 [00:26:20] David, I wonder if I can ask two quick questions in closing. One is to take you back ten years and the other to throw you forward ten years. If you go back ten years and see where we are today, what surprises you? What didn’t you get right about the world of work in the mid 2020s?

Speaker 2 [00:26:36] So two things. One is I thought the inequality would keep rising as it has been, but in fact it’s plateaued in the United States, it’s come down significantly since the pandemic. I was surprised I didn’t predict that. The others, I didn’t think that I would get as good as it has as fast as it has. I was aware of AI because I’ve been writing about technology labour markets for a long time, and I spent a lot of time with my colleagues at MIT who do AI work. And they were very divided a decade ago about where things were going. Some people were like, wow, these predictive models are really improving so fast. And others say, oh yeah, now it gets it right on average, gets it wrong in every relevant case. This is a dead end. Diminishing returns, not going anywhere. It turns out the first group was right. It was really evolving very rapidly. So that was quite surprising. And I think it’s quite destabilizing. We have less certainty about the future now than we did ten years ago, not more.

Speaker 1 [00:27:26] Take us ahead ten years. We’re in the mid 2030s. How is work? How is labour different?

Speaker 2 [00:27:33] So if we do this well, more people will find the scope of their job responsibilities expanded, not contracted. People who work in insurance. They will work with a broader variety of products. People who are doing writing, they will use better tools. People in medicine. There will be more people doing more diagnostic and support work, not simply just processing. And then if that all works out, we’ll also have higher productivity and higher productivity fixes many ills. It could enable somewhat shorter workweeks in rich countries. We have large populations who are over the age of 65, who’ve earned a retirement, and a smaller number of workers supporting them. So if we have higher productivity, it’ll be easier for us to meet that care responsibility. Now, I want to say there are a lot of things that I will do and not all of them in labour markets. So when I worry about I don’t primarily worry about elimination of jobs. Although I do worry about that. I worry much more about disinformation, weapons development, control of critical systems. But I’m a labour economist, and I think fundamentally the health of society depends on a well-functioning labour market. And I think there’s opportunity to do well in this era.

Speaker 1 [00:28:45] We’ll leave those other topics for a future episode of Disruptors. But David, this has been a great conversation. Thank you for being on Disruptors.

Speaker 2 [00:28:52] It’s a pleasure talking with you, John. Thanks for inviting me.

Speaker 1 [00:28:57] Throughout history, technology has rarely led to less jobs, although it’s certainly impacted a lot of jobs that have disappeared over time. That’s because when technology eliminates old ways of doing things, operating an elevator, for instance, it creates new opportunities. But to get it right, we need to invest in our people to enhance the value of expertise and enable valuable work. And whether you’re optimistic or pessimistic about AI, remember technology doesn’t decide how it will be used. That’s on all of us. Those listening know that AI and the promise of productivity has been a recurring theme this season. And for a country with a productivity challenge, to put it mildly, we need to figure out these challenges and turn them to Canadian opportunities. And fast. Before I let you go, one other tech note. You probably listened to our show today on your mobile device, but Disruptors is now also available as in-flight entertainment on Air Canada so you can listen in the sky as well as on the ground. I’m John Stackhouse and this is Disruptors, an RBC podcast. Talk to you soon.

Speaker 3 [00:30:11] Disruptors and RBC podcast is created by the RBC Thought Leadership Group and does not constitute a recommendation for any organization, product or service. For more disruptors content, visit our and leave us a five-star rating if you like our show.

Intervenant 1 [00:00:01] Bonjour, ici John. À moins que vous soyez passablement coupé du monde parce que vous êtes en train de faire une sorte de cure de désintoxication numérique, vous seriez censé savoir que l’année en cours est celle de l’IA, et plus particulièrement de l’adoption de l’IA. Il ne se passe pas une semaine sans que l’une des plateformes dévoile un nouvel outil d’IA appelé à transformer notre façon de vivre, de penser, de partager, et même de jouer dans l’univers numérique. Le gouvernement du Canada s’est joint au bal dans le cadre de son budget récent en annonçant de nouveaux investissements totalisant 2,4 milliards de dollars afin de soutenir la puissance de traitement du pays et d’aider les Canadiens à tirer profit de cette nouvelle ère. L’objectif visé est clair : stimuler l’innovation et la productivité, et en fait, il se pourrait que tout cet argent ne suffise pas. Au début de mars, j’ai passé une fin de semaine dans un endroit très près de la Silicon Valley en compagnie de certains des penseurs et des acteurs les plus influents du secteur nord-américain de l’IA : des chefs d’entreprise, des investisseurs, des spécialistes de la technologie et des responsables de la réglementation qui tentent de comprendre où tout cela mène, ainsi que d’entrevoir une convergence possible entre les humains et des machines qui sont appelées à changer, pourrait-on dire, pratiquement tout. Tout cela peut sembler un peu farfelu, ou même relever de la science-fiction, mais cela touche une foule de questions relatives au monde d’aujourd’hui et à la façon dont l’IA influe sur notre vie et nos emplois. L’une des voix les plus intéressantes que j’ai entendues lors de cette retraite est celle de mon invité d’aujourd’hui, l’économiste réputé David Autor, spécialiste de l’économie du travail au MIT, qui a consacré sa carrière à l’étude de l’incidence de la technologie sur l’emploi et l’économie. Les opinions, voire les émotions, suscitées par les conséquences possibles de l’IA sont variées, allant de la crainte à l’enthousiasme. Qu’en pense David ? Selon lui, tout ira bien à condition que nous nous préparions. Comment pouvons-nous nous préparer et préparer la population active ? Quel effet l’IA aura-t-elle sur le travail des cols blancs et la classe moyenne ? Et comment pouvons-nous nous assurer que les effets de l’IA seront positifs plutôt que destructeurs ? Ce ne sont là que quelques-unes des questions que nous comptons aborder, d’un point de vue très humain, dans notre conversation. Bienvenue au balado « Les innovateurs », de RBC. Mon nom est John Stackhouse. Si vous n’avez pas entendu parler de David Autor, vous devriez remédier à cette lacune. C’est un économiste brillant qui est chercheur et professeur en politique publique au Massachusetts Institute of Technology, à Cambridge, dans la banlieue immédiate de Boston. Il a écrit le livre The Work of the Future : Building Better Jobs in an Age of Intelligent Machines. Il a publié des recherches révolutionnaires ayant trait à l’impact de l’automatisation sur l’emploi, aux nuances du changement technologique influencé par les compétences, ainsi qu’au rôle vital de l’éducation et des politiques dans la création de la main-d’œuvre de demain. Bienvenue aux Innovateurs, David.

Intervenant 2 [00:02:40] Merci beaucoup de m’accueillir à votre émission.

Intervenant 1 [00:02:42] Comme nous allons discuter d’IA, il est difficile de ne pas commencer par parler un peu de ce qu’a dit Elon. Je vais donc mentionner certaines choses qu’il a dites lors d’une entrevue avec le premier ministre britannique il n’y a pas très longtemps. Il a parlé de l’intelligence artificielle comme de la force perturbatrice la plus importante de l’histoire. Il a même dit qu’un moment viendrait où aucun emploi ne serait nécessaire. Est-ce vrai ou faux ?

Intervenant 2 [00:03:04] C’est faux. Nous aurons beaucoup d’emplois. En fait, nous ne devrions pas nous inquiéter au sujet de la quantité d’emplois. Notre inquiétude devrait porter sur la qualité des emplois, sur le type d’expertise que les emplois utiliseront, sur la qualité de la rémunération, et sur la possibilité d’avoir un emploi offrant une sécurité économique. Et tout cela ne dépend pas simplement de l’IA elle-même, mais plutôt de la façon dont nous l’utilisons. C’est une technologie. Pas une entité vivante. Elle n’a pas le pouvoir de décider de la façon dont elle sera utilisée. Et nous avons beaucoup de pouvoir en ce qui a trait à la décision d’utiliser l’IA principalement pour remplacer des travailleurs et automatiser des choses, ou plutôt pour rehausser la valeur de l’expertise humaine et créer des capacités que nous n’avons pas encore.

Intervenant 1 [00:03:38] David, vous êtes un extraordinaire étudiant de l’histoire, et je vous suis depuis des années. En fait, vous m’avez aidé à ouvrir les yeux sur le fait que, depuis deux siècles, la technologie n’a jamais entraîné une diminution du nombre d’emplois. Elle a habituellement mené à une augmentation du nombre d’emplois, et souvent à de meilleurs emplois. Je travaille pour une banque, et notre secteur a inventé le guichet automatique, une innovation qui, croyait-on, était censée éliminer des milliers d’emplois. Et effectivement, d’un certain point de vue, cela s’est concrétisé. Mais le secteur emploie aujourd’hui plus de gens, et cela, pourrait-on dire, dans de meilleures conditions et pour faire un travail mieux rémunéré et plus productif que jamais auparavant.

Intervenant 2 [00:04:09] Cela ne veut pas dire qu’il y a eu des gains sur tous les plans, n’est-ce pas ? De telles évolutions ont un effet perturbateur important. Durant la révolution industrielle, les « luddites » qui se sont révoltés contre l’utilisation de métiers à tisser mécaniques n’avaient pas tort, car la technologie détruisait la valeur de leur expertise, leur enlevait leur moyen de subsistance. De façon similaire, le processus d’informatisation des 40 dernières années a frappé très durement des emplois des classes moyennes, déplaçant un grand nombre de travailleurs qui occupaient jusque-là des emplois de bureau, de production ou de soutien administratif. Je crois que l’IA aura elle aussi un effet perturbateur. Il serait faux de croire qu’il n’y a pas lieu de s’inquiéter. Mais je pense que les inquiétudes des gens sont orientées vers la mauvaise cible. À l’heure actuelle, si nous regardons autour de nous, nous voyons dans tous les pays riches qu’il y a un manque de travailleurs – pas un manque d’emplois. Le problème, ce n’est pas l’emploi, mais plutôt de savoir quel type de travail nous ferons.

Intervenant 1 [00:04:50] Qu’en est-il des gens dont l’emploi pourrait être perturbé ou même éliminé ? Est-ce qu’il s’agit simplement du prix à payer pour le progrès technologique ? Ou existe-t-il de meilleures façons d’effectuer la transition et de transformer le travail ?

Intervenant 2 [00:05:03] Il existe de meilleures façons. Et certains pays s’en tirent beaucoup mieux que d’autres dans ce genre de contexte. Par exemple, durant la période marquée par le choc commercial chinois dans les années 2000, les États-Unis ont perdu plus d’un million d’emplois manufacturiers au profit de la Chine. Les gens ont énormément souffert de cette situation et les collectivités ont mis beaucoup de temps à s’en remettre. Toutefois, dans d’autres pays, un déclin similaire du secteur manufacturier n’a pas des conséquences aussi catastrophiques. Le Canada est l’un de ces pays, soit dit en passant. On peut aussi mentionner le cas du Danemark, où les investissements dans la formation des travailleurs et l’activation des compétences se chiffrent à environ 3 % du PIB – soit dix fois plus qu’aux États-Unis –, et où l’on n’observe que très peu de conséquences négatives durables. En somme, il est presque inévitable qu’il y ait certaines perturbations. Mais de quelle façon soutenons-nous les travailleurs qui vivent ces transitions ? Quelles sont les nouvelles possibilités qui s’ouvrent ? Et à quelle vitesse le changement se produit-il ? Tout cela dépend largement des politiques publiques et des investissements.

Intervenant 1 [00:05:54] Le gouvernement du Canada vient d’affecter plus de 2 milliards de dollars à une stratégie d’IA améliorée. C’est une somme substantielle, particulièrement en période de restrictions budgétaires. Une bonne partie de cet argent sera affecté à la technologie, aux capacités de traitement et au soutien de la recherche. À quoi devons-nous être attentifs si nous voulons nous assurer que ces 2 milliards de dollars contribueront non pas à supprimer des emplois, mais bien à améliorer les choses ?

Intervenant 2 [00:06:18] Tout dépend selon moi de la façon dont les fonds seront utilisés. Si j’étais responsable des décisions – ce qui n’est pas le cas, bien sûr, ni aux États-Unis ni au Canada –, je voudrais me tourner vers certains défis d’envergure. Le secteur de la santé est un secteur où l’IA pourrait avoir des effets bénéfiques énormes, non seulement en ce qui a trait à la qualité des soins, mais aussi au type de travail qui se fait. Et il y a toujours une demande illimitée de soins de santé. Les listes d’attente sont longues. Les soins coûtent cher. Nous pourrions améliorer les perspectives offertes aux travailleurs de ce secteur tout en répondant aux exigences des consommateurs, et il n’y aurait aucune conséquence négative sur l’emploi. Et bien sûr, il s’agit d’argent du secteur public. C’est une raison supplémentaire pour l’utiliser judicieusement. Il est bon d’avoir une vision de ce que l’on cherche à accomplir. Et selon moi, la vision de la Silicon Valley – comme vous et moi l’avons constaté directement au cours des colloques auxquels nous avons participé ensemble récemment – est une vision essentiellement centrée sur la suppression de main-d’œuvre. Les tenants de cette vision disent constamment qu’ils vont éliminer la rareté. Bien sûr, ils ne veulent pas dire éliminer la rareté à tous les points de vue. Même avec toute l’IA du monde, on ne créera pas plus de propriétés au bord de la mer à Monterey, en Californie. On réduira simplement la rareté de la main-d’œuvre. Cependant, réduire la rareté de la main-d’œuvre ne serait pas censé être notre objectif. La rareté de la main-d’œuvre est en fait une réalisation. Dans la plupart des pays riches, la rémunération de la main-d’œuvre représente environ de 55 % à 65 % de l’ensemble du revenu national. Et donc, nous devrions nous efforcer de mieux utiliser la main-d’œuvre, et non chercher à l’affaiblir. Ce n’est pas un type de rareté que nous devrions chercher à éliminer. Parce que dire qu’il faut éliminer toute rareté de main d’œuvre, cela voudrait dire qu’il faut éliminer tous les emplois. Je ne pense pas que ce soit faisable. Et je ne pense pas non plus que ce soit souhaitable. Ce n’est pas l’objectif que nous devrions chercher à atteindre. Je crois que beaucoup de gens pensent – c’est une attitude très naturelle – que l’utilisation de la technologie vise à automatiser des choses. Quand une nouvelle technologie apparaît, on se demande : quelles sont les choses que nous faisions manuellement jusqu’ici et qui pourront maintenant être confiées à une machine ? Mais en fait, l’automatisation n’est qu’une très petite part de ce que nous faisons avec une nouvelle technologie. Et ce n’est pas là que se situent la plupart des avantages. Si nous pouvions retourner à l’époque de la Grèce ancienne et automatiser tout ce que les gens faisaient il y a 3 000 ans, cela ne nous donnerait pas l’équivalent de la ville d’Ottawa d’aujourd’hui. Cela nous donnerait la Grèce ancienne sans chevaux. La plupart des utilisations de la technologie qui procurent de la valeur tiennent aux nouvelles capacités qui sont créées – et qui permettent de faire des choses qui n’étaient tout simplement pas possibles sans ces outils. Notre vie est transformée en profondeur par la technologie. Toutefois, cette transformation tient moins à l’automatisation qu’à toutes les capacités que nous créons grâce à la technologie. L’IA présente clairement une large part de ce potentiel. Elle peut transformer notre façon de faire des recherches. Elle peut transformer l’éventail des aptitudes à posséder ou des tâches pouvant être accomplies. C’est un formidable outil de soutien à la décision. Voilà la façon dont nous devrions l’utiliser, plutôt que de simplement penser à ce que nous pourrions éliminer.

Intervenant 1 [00:08:50] Je crois que je vais citer ici ce que vous avez dit, David, lorsque vous avez mentionné que le microscope n’avait éliminé aucun emploi, et qu’il faut plutôt songer à tout ce qu’il a rendu possible.

Intervenant 2 [00:08:57] Oui. Et on peut même dire que le microscope électronique à balayage n’a pas éliminé la tâche consistant à observer les particules subatomiques, puisque nous ne pouvions tout simplement pas voir ces particules avant d’avoir des microscopes électroniques à balayage. C’est aussi vrai pour la capacité de voler. L’invention de l’aéronef n’a pas éliminé notre façon de voler en agitant les bras pour nous déplacer d’un endroit à l’autre. Nous ne volions tout simplement pas avant l’aéronef.

Intervenant 1 [00:09:17] Beaucoup de ceux qui plaident en faveur de l’IA disent que l’intelligence artificielle générative, en particulier, est différente. Celle-ci permettra à des machines de remplacer diverses activités humaines, y compris des catégories d’emploi entières. Voyez-vous cette technologie différemment des technologies transformatrices qui l’ont précédée ?

Intervenant 2 [00:09:34] D’abord, l’IA générative est différente des autres technologies ; en fait, chaque technologie est différente de toutes les autres. Il est clair que l’IA générative peut faire des choses que les technologies précédentes ne pouvaient pas faire. Avant l’IA, l’informatisation était extrêmement efficace pour appliquer des règles et des procédures rigoureuses d’une façon qui, auparavant, aurait exigé un niveau de formation poussé. C’était excellent pour les décideurs et les professionnels, pour qui il est extrêmement utile d’avoir accès à de l’information et à des analyses. Et de toute évidence, ce n’était pas particulièrement utile pour les gens dont le travail consistait principalement à taper, classer ou copier des documents, ou à effectuer un travail répétitif sur une chaîne de montage. Par conséquent, l’IA générative aura sûrement pour fonction de compléter ou de remplacer différents ensembles d’activités. Elle excelle particulièrement pour ce qui est de créer un lien entre des renseignements, des règles, et aussi, en quelque sorte, le jugement et l’expérience afin de soutenir la prise de décision. Qu’il s’agisse de lire des radiographies, de rédiger certains types de documents, ou même d’effectuer une réparation spécialisée, le fait d’avoir accès à une sorte de copilote peut être très utile dans de nombreuses tâches. En somme, cette technologie éliminera sûrement certaines tâches. Je ne conteste pas cela. Il est clair que certains types de tâches de prise de décision, de tâches de gestion et de tâches faisant appel au jugement seront automatisées. Par exemple, Amazon ne confie plus à des employés la tâche de faire les projections d’inventaire. Traditionnellement, c’était un type de tâche pour lequel on se servait à la fois de renseignements, de son jugement et, pourrait-on dire, de son intuition pour prendre des décisions. Les machines excellent dans ce genre de tâche. C’est vrai. En revanche, j’aime penser – et je crois avoir raison de le faire – que nous pouvons utiliser les mêmes outils pour permettre à des gens de faire une partie de ce travail difficile. Si on réfléchit un instant à la définition du travail d’expert, on réalise qu’il s’agit de travail faisant appel au jugement pour s’attaquer à des problèmes uniques liés à des enjeux élevés. Par exemple, cela peut signifier réfléchir à la façon de procéder pour traiter un patient atteint de cancer. Ou concevoir un logiciel. Ou refaire l’installation électrique d’une maison. Ou faire atterrir un avion dans des conditions difficiles. Pour toutes ces tâches, vous devez évidemment posséder certaines connaissances formelles. Vous devez aussi avoir une solide expérience. Et vous devez appliquer ces connaissances formelles et cette expérience dans ce cas précis afin de prendre la bonne décision. Et il y a d’importants avantages à prendre une bonne décision, et d’importants désavantages à prendre une mauvaise décision, autrement dit un coût élevé. Si vous êtes un ouvrier professionnel compétent, c’est cette capacité qui justifie vos honoraires élevés. Par exemple, si vous êtes très bien payé en tant que couvreur, ce n’est pas parce que vous êtes habile pour planter des clous. C’est parce que vous savez comment installer une toiture qui ne fuira pas. L’IA est très efficace pour soutenir le travail d’expert. Elle ne prend pas nécessairement toujours les bonnes décisions, mais elle peut contribuer à guider les décisions. Par exemple, dans un contexte médical, elle pourrait dire : « Cet ensemble de symptômes peut être associé aux problèmes de santé suivants. Avez-vous envisagé la possibilité de ces diagnostics ? » L’IA pourrait aussi dire : « Attention. Évitez de prescrire ces deux médicaments ensemble ; leur interaction produit un effet négatif. » Cela ne signifie pas que vous ne devez pas confier ce travail à une infirmière praticienne ou à un médecin. Cela signifie cependant que d’autres personnes seraient elles aussi en mesure de faire ce travail si elles étaient guidées de la sorte.

Intervenant 1 [00:12:21] Certains diront que cette approche va dans le sens de l’idée de créer une expertise « de masse », et que s’il y a une expertise de masse, peut-être qu’il n’y a pas d’expertise : nous sommes tous experts en tout. Est-ce la fin de l’expertise ?

Intervenant 2 [00:12:34] Non, je ne pense pas. Mais c’est une ère différente pour ce qui concerne l’expertise. Définissons ce que nous entendons par expertise. L’expertise, c’est le savoir-faire ou les compétences spécifiques qui permettent d’accomplir une tâche importante qui doit être accomplie. Pour qu’une caractéristique compte véritablement comme expertise dans le marché du travail, deux conditions doivent être réunies. En premier lieu, il faut que cette caractéristique soit utile pour faire une autre chose qui a de la valeur. Donc, cela peut être des connaissances en science des données, mais pas un talent pour les tours de cartes. En second lieu, il doit y avoir une rareté. Comme vous l’avez dit il y a un instant, si nous sommes tous des experts, personne n’est un expert. Pensons aux emplois de contrôleur aérien et de brigadier scolaire. Essentiellement, le travail est le même dans les deux cas. Le but est de prévenir des collisions. Toutefois, aux États-Unis, les contrôleurs aériens touchent un salaire plus de quatre fois supérieur à celui des brigadiers scolaires. La raison de cet écart n’a rien de mystérieux, mais elle ne concerne pas la valeur sociale du travail. Si nous devions verser aux brigadiers scolaires le même salaire qu’aux contrôleurs aériens pour empêcher que nos enfants se fassent frapper sur le chemin de l’école, nous le ferions sûrement. Ils font un travail qui a une valeur élevée. Toutefois, on peut travailler comme brigadier scolaire dans pratiquement n’importe quel État américain sans devoir obtenir un permis d’exercice ou suivre une formation. Par comparaison, il faut des années de formation pour devenir contrôleur aérien. Il faut étudier dans un collège où l’on forme les futurs contrôleurs aériens, puis travailler comme apprenti pendant des centaines ou des milliers d’heures. Voilà ce qu’est l’expertise. Dans certains domaines, l’IA éliminera directement la nécessité de l’expertise. J’imagine que dans dix ans, l’IA effectuera le travail des contrôleurs aériens, ou la majeure partie de celui-ci. Mais dans beaucoup d’autres domaines, ce ne sera pas le cas. L’IA viendra compléter le rôle du jugement, mais n’aura pas pour effet de le rendre inutile. Parmi nous, beaucoup de gens écrivent. Et précisons simplement que la plupart des gens ne sont pas doués pour l’écriture et ne l’ont jamais été. Écrire est difficile. Mais la plupart des gens se font demander d’écrire des choses. Si cette technologie peut faire en sorte que plus de gens puissent communiquer plus efficacement, elle n’élimine pas le besoin qu’ont ces gens de communiquer, mais elle leur permet d’effectuer ce travail plus efficacement. En somme, je crois que certaines formes d’expertise perdront leur pertinence. Il s’agit d’expertise qui avait une valeur jusqu’ici, et qui perd maintenant cette valeur parce que la rareté de cette expertise a disparu. À une époque, pour être chauffeur de taxi à Londres, il fallait littéralement passer des années à mémoriser des choses. Maintenant, tout ce travail est fait par Waze, et le chauffeur peut se contenter de conduire, de sorte qu’une foule de gens peuvent faire ce travail. Cela dit, l’évolution des choses dépend en partie de la vision qu’on se donne. Cette technologie ne décide pas de la façon dont elle sera utilisée, et nous avons beaucoup de pouvoir à cet égard.

Intervenant 1 [00:14:36] Comment, en tant que société, pouvons-nous faire en sorte que l’orientation qui sera prise relativement à cette nouvelle technologie soit celle que nous désirons ? Vous avez mentionné à quelques reprises les possibilités qui s’offrent dans les soins de santé, en faisant référence aux vastes retombées positives qui en résulteraient pour la société. Toutefois, d’autres observateurs ont noté que malgré toute la puissance des médias sociaux et tout le bien qu’ils auraient pu faire dans le monde, ce qui en a résulté, en fait, est une forte augmentation du nombre de photographies d’amateur qui ont été prises, classées en catégories et partagées.

Intervenant 2 [00:15:01] (rires) C’est le scénario positif.

Intervenant 2 [00:15:04] Et beaucoup d’information fausse.

Intervenant 1 [00:15:05] Oui, et c’est seulement le marché à l’œuvre.

Intervenant 2 [00:15:09] Je suis d’accord. Et je ne pense pas que le marché puisse nous emmener véritablement jusqu’où nous voulons aller. Et je ne pense pas que les incitatifs soient correctement alignés. C’est la raison pour laquelle, lorsque vous m’interrogez au sujet de l’investissement majeur du Canada dans cette technologie, je dis que je souhaite qu’on oriente cette évolution. C’est en partie le rôle du gouvernement. Cela ne signifie pas que le gouvernement doit créer toute la technologie. Il doit simplement indiquer qu’il compte offrir des subventions ou des contrats en vue du développement de certaines choses ou en guise d’incitatifs. C’est aussi le rôle des universités, ainsi que des ONG. Vous savez, le monde du travail participe de près aux négociations qui concernent les façons dont la technologie sera utilisée, et cela a une incidence réelle sur les types de technologies qui sont développés. C’est également le rôle du secteur privé. Mais je pense aussi que l’évolution est fortement influencée par la vision des acteurs du développement technologique. La vision de ce qu’on essaie d’accomplir a un effet réel sur notre action. Définir un objectif ne signifie pas nécessairement qu’on l’atteindra ; toutefois, en général, les objectifs que l’on ne définit pas ne sont jamais atteints. Je crois que vous vous rappellerez que lors du colloque auquel nous avons participé tous deux, nous avons vu Sebastian Thrun, qui est à l’origine des véhicules sans conducteur et de la voiture Google. Il a en quelque sorte adressé des reproches à certaines personnes présentes dans la salle qui parlaient d’utiliser des robots, par exemple, pour laver la vaisselle. Pourquoi se limiter à une vision aussi étroite ? Pourquoi rester centré sur des tâches précises telles qu’on les fait déjà ? Il faut voir plus grand, n’est-ce pas ? Il ne s’agit pas simplement de mettre un robot à la place d’un humain pour certaines tâches. Il faut créer de nouvelles possibilités. J’ai trouvé cette approche inspirante.

Intervenant 1 [00:16:25] J’aimerais vous interroger au sujet de la classe moyenne, car vous avez beaucoup écrit et dégagé de profondes conclusions au sujet de ce que signifie cette évolution pour la classe moyenne. Vous avez mentionné le choc chinois et l’impact qu’il a eu dans de nombreuses collectivités ouvrières des États-Unis, dans les collectivités manufacturières. Quel est le risque que l’IA touche de façon similaire la classe moyenne, et en particulier les emplois de col blanc ?

Intervenant 2 [00:16:49] Les professionnels sont de loin les travailleurs les plus touchés par la concurrence de l’IA. Et en fait, selon moi, ce n’est pas une situation particulièrement terrible. Les professionnels sont les gens les mieux payés dans notre société, si l’on fait abstraction de quelques entrepreneurs. Une bonne partie de leur travail consiste à prendre des décisions et leur travail est considéré comme ayant une valeur très élevée, ce qui est compréhensible. L’informatisation a considérablement accru la valeur de ce qu’ils font, car ils peuvent maintenant prendre de meilleures décisions – sans oublier que dans bien des cas, les emplois des gens qui les soutenaient ont été automatisés, ce qui a eu comme conséquence que la valeur du travail des professionnels est devenue de plus en plus élevée. L’accroissement des inégalités est en partie le reflet de la hausse de la rémunération associée au fait d’avoir étudié dans un collège ou une université. Cela dit, je ne reproche à personne d’être bien payé. C’est une excellente chose. Cependant, la rémunération élevée de ces gens est un coût pour tous les autres, n’est-ce pas ? Ce coût est celui des services juridiques, celui des services médicaux. C’est le coût de l’éducation. Et la croissance de la productivité dans ces secteurs a été très lente. L’augmentation de notre prospérité à la suite de la Seconde Guerre mondiale tient dans une large mesure au fait que nous sommes devenus beaucoup plus efficaces en matière de production de biens : téléviseurs, appareils ménagers, voitures. Et ces biens coûtent beaucoup moins cher de nos jours. On peut maintenant acheter un téléviseur à un prix très bas. Cependant, le coût des services médicaux, des services juridiques et de l’éducation a augmenté – et une part énorme de nos budgets est affectée à l’éducation et à la santé. Ces coûts n’ont pas diminué parce qu’ils concernent un grand nombre de décideurs qui coûtent cher et dont la productivité n’augmente pas. Par conséquent, si la technologie peut, d’une part, rendre ces gens plus efficaces, mais aussi, d’autre part, permettre à un plus large éventail de personnes de faire ce travail, cela pourrait effectivement faire en sorte de diminuer un peu la rémunération des gens qui, comme moi, sont très bien payés. Cependant, si cela abaisse le coût de ces services et permet à plus de gens d’effectuer un tel travail ayant une grande valeur, ce sera un résultat très positif.

Intervenant 1 [00:18:28] Cela semble indiquer qu’il y aura à la fois une augmentation de valeur sur certains plans, et une diminution sur d’autres. Si un grand nombre de travailleurs de première ligne, de vendeurs, etc., deviennent des experts ou ont accès à toute l’expertise dont nous avons parlé plus tôt, ils pourront insuffler plus de valeur dans leur travail.

Intervenant 2 [00:18:41] C’est ce que j’aimerais voir. J’aimerais voir plus de travail ayant une valeur élevée être effectué par des gens qui ne sont pas des diplômés universitaires, ce qui, dans nos pays, est le cas de la majorité des adultes qui travaillent. Ces gens ont été confrontés à d’importantes difficultés ces 40 dernières années, car leur position dans la classe moyenne a été soumise à de sérieuses pressions. Et de plus en plus, bon nombre d’entre eux travaillent dans les services en personne, les services d’alimentation, le nettoyage, la sécurité, le divertissement, les loisirs. Ou ce sont les brigadiers scolaires dont nous avons parlé plus tôt. Tous ces gens font un travail qui a une grande valeur. Mais leur rémunération est faible parce qu’il ne s’agit pas d’un travail d’expert, parce qu’une foule de gens peuvent le faire et parce que ce travail n’exige pas beaucoup de qualification professionnelle ou de formation. Ce qui serait extraordinaire – car cela nous permettrait de savoir que nous réussissons – serait de voir plus de gens faire un travail ayant une valeur élevée même s’ils n’ont pas de baccalauréat. S’il devient possible pour plus de gens de faire un travail ayant une valeur élevée, en se servant de meilleurs outils, il s’agira d’une évolution extrêmement positive dans un monde qui a connu plus de quatre décennies de croissance des inégalités.

Intervenant 1 [00:19:35] Ainsi, toutes ces élites dont la prospérité est tributaire de l’activité de production – comme les avocats et les comptables, et ce n’est pas une critique à leur égard –, ces élites ne disparaîtraient peut-être pas, mais on commencerait à voir diminuer la rente économique que leur procurent les travailleurs de production de première ligne.

Intervenant 2 [00:19:50] Exactement. Cette rente économique diminuerait peut-être légèrement. Ça ne veut pas dire que ces élites auraient moins de valeur. Elles auraient tout simplement un peu plus de concurrents.

Intervenant 1 [00:19:56] Cela semble presque égalitaire.

Intervenant 2 [00:19:57] Ce serait le scénario positif (rires).

Intervenant 1 [00:19:59] La technologie n’a pas ce genre d’effet en général, n’est-ce pas ? Elle fait surgir des divergences plutôt que des convergences.

Intervenant 2 [00:20:03] En fait, cela varie avec le temps. L’époque industrielle, à partir d’environ 1890 jusqu’à 1970, a véritablement suscité l’apparition de la classe moyenne dans le monde. Ça a clairement été le cas pour la classe moyenne en Occident. Cela a permis à des gens ayant pour la plupart une éducation de niveau secondaire d’effectuer de nombreux types de tâches ayant une grande valeur dans des usines et des bureaux.

Intervenant 1 [00:20:21] Ils sont partis de la ferme et se sont installés en ville, où ils ont sans doute gagné trois fois plus d’argent que les générations qui les avaient précédés sur la ferme.

Intervenant 2 [00:20:27] Exactement. Et travailler à l’usine ou dans un bureau, c’est beaucoup moins exigeant physiquement, et beaucoup plus sécuritaire, que travailler sur une ferme. Et ça offre beaucoup plus de sécurité économique. Et donc, cela a très bien fonctionné. En fait, cela a donné lieu à une époque très fructueuse sur divers plans. Pas à tous les points de vue, mais certainement en ce qui a trait à la croissance de la classe moyenne. Les quatre dernières décennies n’ont pas été de ce type, et je crois que l’informatisation a contribué à cela. Toutefois, certains pays ont géré la situation mieux que d’autres, et le Canada n’a pas vu croître les inégalités autant que les États-Unis, et a également mieux maintenu les soutiens sociaux. Et donc, maintenant, nous sommes entrés dans une autre époque. Je ne veux pas faire de prédictions du genre : voici ce qui va arriver. Je parle essentiellement de ce que nous pourrions faire, de la possibilité qui s’offre à nous. Et je pense que cette technologie a des caractéristiques qui sont vraiment très différentes de celles de l’informatique conventionnelle. Si je vous disais : la technologie qui est à la fine pointe dans le monde est absolument extraordinaire, mais elle n’est pas fiable pour ce qui concerne les faits et elle n’est pas efficace en mathématiques. Vous répondriez : ça ne ressemble à aucune des technologies de pointe que je connais. Et vous auriez raison, car l’IA est vraiment une technologie très différente. Si on l’utilise bien, elle peut nous permettre de prendre des décisions à la fois meilleures et plus nombreuses. Or, de toutes nos tâches, la prise de décision est nettement celle qui a le plus de valeur. Et quand je parle de prise de décision, je ne parle pas de décisions sans conséquences, mais bien de décisions sur des questions importantes.

Intervenant 1 [00:21:39] Si vous regardez vers l’avenir, à quoi la classe moyenne que vous entrevoyez pourrait-elle ressembler dans une économie fondée sur l’IA ?

Intervenant 2 [00:21:44] Si nous faisons bien les choses, il y aura plus de gens qui n’auront pas étudié dans les environnements les plus élitistes, mais qui feront un travail d’expert et utiliseront pour cela de meilleurs outils. Le monde dans lequel nous ne voulons pas vivre est non pas un monde sans travail, mais un monde où il n’y a que des brigadiers scolaires. Je le répète, le travail d’un brigadier scolaire a une grande valeur. Mais si nous faisons un travail de non-expert – un travail que toute personne saine de corps et d’esprit peut faire relativement bien –, il ne sera pas bien rémunéré. La part du travail dans le revenu national chutera. Cela ne veut pas dire que l’argent serait brûlé. Il irait simplement aux propriétaires de capitaux, aux propriétaires de machines. Et je ne pense pas qu’un tel scénario soit aussi attrayant. Selon moi, un monde dans lequel une part importante du revenu provient du travail – ce qui est le cas dans le monde où nous vivons à l’heure actuelle – est un monde très intéressant. Dans une démocratie, on veut que les gens participent, et l’un des aspects de la participation est le fait de jouer un rôle actif dans la société. Et une bonne partie de cela tient à la capacité de générer des ressources. Les gens ont des revenus. Des marchés du travail robustes et des gouvernements démocratiques vont bien ensemble. Et sans une classe moyenne robuste, la démocratie a de la difficulté à bien fonctionner. Si tout l’argent est dans les mains de quelques personnes, qui le distribuent ensuite sous la forme d’un revenu universel de base, nous sommes essentiellement à la merci de ces personnes.

Intervenant 1 [00:22:57] Selon vous, quelles sont les aptitudes que les gens devront posséder et développer davantage pour prospérer dans une telle transformation ?

Intervenant 2 [00:23:05] Permettez-moi de vous donner deux réponses. Fondamentalement, le monde d’aujourd’hui est très différent de ce qu’il était à l’époque où j’ai fait mon cours secondaire. Les faits étaient rares, l’information était rare. Et il était très important de posséder de l’information. Maintenant, les jeunes vivent dans un monde qui est inondé d’information. Mais l’information n’est pas fiable. Elle est très incertaine : on ne parle pas de faits, mais de conjectures, de conspiration. Par conséquent, une aptitude très fondamentale à posséder est la capacité de travailler dans un environnement d’information abondante, mais incertaine, la capacité de tirer des conclusions valides, de raisonner par déduction et d’appliquer une approche analytique, statistique et scientifique dans le travail que l’on effectue dans cet environnement très complexe. Cela dit, je crois qu’à un niveau plus spécifique, dans pratiquement n’importe quel secteur du travail, il faut développer son jugement si l’on veut espérer exceller. Le jugement découle de l’expérience et de l’immersion. La plupart des emplois de professionnel sont des emplois dans lesquels il faut commencer par être apprenti – même si l’on n’emploie tout simplement pas le terme apprentissage pour désigner cette période. Par conséquent, si vous êtes médecin résident, ou professeur adjoint, ou avocat junior, vous êtes un apprenti. Et bien sûr, il y a aussi des périodes d’apprentissage dans de nombreux métiers et domaines. En somme, les gens développent le jugement nécessaire. Lorsqu’ils travailleront avec l’IA, ils continueront d’avoir besoin de ce jugement. Il faut voir l’IA comme un adjoint qui peut facilement se tromper. Cet adjoint semble toujours sûr de lui. Mais il n’a pas toujours raison. Et je ne pense pas que cette caractéristique va disparaître fondamentalement. Je ne pense pas que l’IA va devenir infaillible. Je ne pense pas que le problème d’hallucination va disparaître. En somme, il va falloir exercer du jugement pour utiliser cet outil. Je vous donne un exemple. Mes collègues Nikhil Agarwal et Tobias Salz, entre autres, ont réalisé une étude vraiment extraordinaire portant sur l’utilisation de l’IA par les radiologistes. Cela porte sur l’analyse de radiographies. C’est un type de tâche pour laquelle l’utilisation de l’IA est très pertinente, car il n’y a pas vraiment de règles coulées dans le béton. On est simplement, en quelque sorte, devant un tableau d’ensemble, et l’on essaie de se centrer sur certaines choses et de se demander : qu’est-ce qui me semble probable ici ? Dans ce contexte, l’IA est à peu près aussi efficace que 65 % des radiologistes pour faire une analyse s’appuyant uniquement sur les radiographies. Or, on a constaté que lorsque les médecins et les radiologistes travaillent ensemble, les médecins obtiennent de moins bons résultats. Leurs résultats inférieurs sont dus au fait qu’ils n’ont pas reçu de formation portant sur l’utilisation de cet outil. L’outil a des incertitudes, tout comme les médecins en ont, et il signale ses incertitudes. Il indiquera par exemple : j’ai un degré de certitude de 55 % qu’il s’agit d’un œdème. Ou qu’il s’agit d’une pneumonie. Et ainsi de suite. On constate que lorsque l’IA est incertaine, les médecins le sont habituellement eux aussi – et que lorsque l’IA a un fort degré de certitude, c’est habituellement vrai aussi pour les médecins. Mais ce qui a tendance à se produire, c’est que lorsque l’IA et le médecin sont incertains, le médecin s’en remet à l’opinion de l’IA ; par contre, lorsque le médecin et l’IA ont tous deux un fort degré de certitude, le médecin ne tient pas compte de l’opinion de l’IA si elle diffère de la sienne. Or, il s’avère que ni l’une ni l’autre de ces décisions ne semble être la bonne. En fait, lorsque l’IA n’est pas très certaine, son opinion n’est sans doute pas très fiable. Votre jugement est probablement plus fiable. Lorsque l’IA a un fort degré de certitude, vous devriez à tout le moins vous demander pourquoi un outil d’IA qui a vu des millions de radiographies a une opinion différente de la vôtre. Et vous devriez au moins tenir compte de ce fait. Donc, ça ne veut pas dire que cet outil ne peut pas être utile aux radiologistes. Toutefois, cela signifie, d’une part, qu’il faut avoir reçu une formation portant sur son utilisation, et, d’autre part, qu’il faut exercer son jugement. Nous allons nous habituer à considérer que ces machines peuvent se tromper, tout comme n’importe quelle personne avec laquelle nous travaillons peut se tromper. Nous devons savoir quand il est pertinent de nous fier à leur jugement, et quand il est pertinent de nous fier au nôtre. Par conséquent, je crois que dans nos interactions avec l’IA, nous devrons nous assurer de demeurer vigilants, de demeurer informés, et nous devrons savoir écouter, mais sans perdre notre esprit critique.

Intervenant 1 [00:26:20] David, j’aimerais encore vous soumettre deux questions afin de recueillir brièvement vos commentaires en terminant. La première vise à vous ramener dix ans en arrière ; la deuxième, à vous projeter dix ans dans l’avenir. Si vous vous reportez dix ans en arrière et regardez où nous en sommes aujourd’hui, qu’est-ce qui vous surprend ? Qu’est-ce que vous n’aviez pas entrevu au sujet du monde du travail du milieu des années 2020 ?

Intervenant 2 [00:26:36] Deux choses. L’une est que je pensais que les inégalités continueraient de s’accroître comme elles l’avaient fait jusque-là, mais en fait, elles ont marqué un plateau. Aux États-Unis, elles ont sensiblement diminué depuis la pandémie. Cela m’a surpris. Je ne l’avais pas prévu. L’autre chose est que je ne pensais pas que l’IA deviendrait si rapidement aussi performante. Je connaissais l’IA, car j’écris sur la technologie et les marchés du travail depuis longtemps, et je passe beaucoup de temps avec mes collègues du MIT qui travaillent dans le domaine de l’IA. Et ceux-ci étaient très divisés il y a dix ans au sujet de l’évolution future des choses. Certains étaient renversés de voir avec quelle rapidité les modèles prédictifs s’amélioraient. Par contre, d’autres disaient : non, le modèle a raison en moyenne, mais il se trompe dans chaque cas pertinent. C’est une avenue sans issue. Des rendements qui diminuent. Ça ne va nulle part. Or, il s’avère que le premier groupe avait raison. La technologie évoluait vraiment très rapidement. Donc, ça a été assez surprenant. Et je crois que c’est assez déstabilisant. Nous avons maintenant moins de certitudes au sujet de l’avenir que nous en avions il y a dix ans. Nous n’en avons pas plus.

Intervenant 1 [00:27:26] Transportez-nous dix ans dans l’avenir. Nous sommes au milieu des années 2030. Qu’est-ce qui a changé en ce qui a trait au travail et à la main-d’œuvre ?

Intervenant 2 [00:27:33] Eh bien, si nous faisons bien les choses, un plus grand nombre de gens verront les responsabilités liées à leur travail prendre de l’expansion, plutôt que se resserrer. Par exemple, les gens du secteur de l’assurance, qui travailleront avec une gamme de produits plus diversifiée. Les gens qui écrivent, car ils auront de meilleurs outils. Les gens du secteur de la médecine, où plus de gens effectueront du travail de diagnostic et de soutien, plutôt que de simples tâches de traitement liées aux dossiers. En outre, si tout se passe bien, nous assisterons aussi à une augmentation de la productivité. Et une meilleure productivité permet de régler de nombreux problèmes. Cela pourrait permettre de réduire quelque peu la semaine de travail. Dans les pays riches, nous avons d’importantes populations de gens de plus de 65 ans qui ont mérité de prendre leur retraite, et un plus petit nombre de travailleurs qui les soutiennent. Et donc, si nous avons une meilleure productivité, il sera plus facile d’assumer la responsabilité qui nous incombe de prendre soin de ces personnes. Je tiens à préciser que l’IA fera une foule de choses, et pas seulement dans le marché du travail. Par conséquent, lorsque j’ai des préoccupations relativement à l’IA, ce qui me préoccupe principalement, ce n’est pas l’élimination d’emplois, même si cette question me préoccupe. Je m’inquiète beaucoup plus des risques liés à la désinformation, au développement d’armes et au contrôle de systèmes critiques. Je suis un économiste spécialisé dans l’économie du travail, et je crois que, fondamentalement, la santé de la société passe par le bon fonctionnement du marché du travail. Et je crois qu’il est possible de bien faire les choses à cet égard.

Intervenant 1 [00:28:45] Nous garderons ces autres sujets en mémoire pour un épisode futur des Innovateurs. David, ça a été une conversation extraordinaire. Merci d’avoir participé aux Innovateurs.

Intervenant 2 [00:28:52] C’est un plaisir de discuter avec vous, John. Merci de m’avoir invité.

Intervenant 1 [00:28:57] Au cours de l’histoire, la technologie a rarement entraîné une réduction du nombre d’emplois, même si elle a clairement eu un impact sur une foule d’emplois qui ont disparu au fil du temps. Cela tient au fait que lorsque la technologie rend inutiles certaines façons de faire les choses, par exemple la tâche de faire fonctionner un ascenseur, on voit surgir de nouvelles possibilités. Mais pour que les choses se passent bien, nous devons investir dans les gens afin d’accroître la valeur de l’expertise et de faire en sorte que le travail effectué ait une valeur élevée. Que vous soyez optimiste ou pessimiste relativement à l’IA, rappelez-vous : la technologie ne décide pas de l’usage que nous en ferons. C’est à nous tous qu’il revient d’en décider. Nos auditeurs savent que l’IA et la promesse de la productivité ont constitué un thème récurrent au cours de cette saison. Et dans un pays qui est confronté à un défi de productivité, pour dire les choses sans crainte d’exagérer, nous devons comprendre de tels défis et les transformer en possibilités pour le Canada. Et rapidement. Avant de vous quitter, j’aimerais mentionner un autre point lié à la technologie. Vous avez probablement écouté notre émission d’aujourd’hui sur votre appareil mobile. Cependant, le balado « Les innovateurs » est maintenant aussi disponible dans le cadre des divertissements en vol offerts aux passagers d’Air Canada. Vous pouvez donc nous écouter où que vous soyez : au sol ou dans les airs. Je m’appelle John Stackhouse, et vous venez d’écouter le balado de RBC « Les innovateurs ». À bientôt.

Intervenant 3 [00:30:11] Le balado « Les innovateurs » est produit par le groupe Leadership avisé RBC et ne vise pas à recommander une organisation, un produit ou un service. Pour écouter d’autres balados de la série « Les innovateurs », consultez le site Si vous avez aimé notre balado, n’hésitez pas à nous octroyer une note de cinq étoiles.

This article is intended as general information only and is not to be relied upon as constituting legal, financial or other professional advice. A professional advisor should be consulted regarding your specific situation. Information presented is believed to be factual and up-to-date but we do not guarantee its accuracy and it should not be regarded as a complete analysis of the subjects discussed. All expressions of opinion reflect the judgment of the authors as of the date of publication and are subject to change. No endorsement of any third parties or their advice, opinions, information, products or services is expressly given or implied by Royal Bank of Canada or any of its affiliates.