Une étude du MIT CSAIL et de la Sloan School of Management, largement relayée, sur l’automatisation par vision informatique revient dans les fils d’actualité IA de dernière minute, alimentant un récit iconoclaste sur l’emploi : l’exposition technique n’équivaut pas au remplacement économique. L’affirmation n’est pas que les caméras sont incapables de voir. C’est que voir ne revient pas à se rentabiliser. Les chercheurs qui ont modélisé les coûts d’installation et d’exploitation ont constaté qu’environ 23 % des salaires américains liés aux tâches de vision semblent rentables à automatiser aujourd’hui. La plupart des entreprises préféreraient encore les humains une fois les caméras, les modèles et la maintenance pris en compte.

C’est tout l’argument, et il suffit à expliquer pourquoi l’article circule de nouveau. Les fils d’actualité IA de dernière minute s’attardent rarement sur les modèles de coûts. Ils s’attardent sur les démonstrations. Cette étude est l’inverse d’une démonstration. Elle demande ce qui se passe lorsqu’une entreprise doit acheter la pile technologique, la maintenir en fonctionnement et continuer à payer le travail que la vision n’a pas touché. La réponse, dans les comptes du MIT CSAIL et de la Sloan, est que la majeure partie de la masse salariale liée au travail de vision ne ressemble pas à une bonne affaire pour les machines aujourd’hui.

L’exposition technique n’est pas le remplacement économique

Un récit sur l’emploi qui refuse le raccourci habituel

Le récit iconoclaste sur l’emploi est énoncé sans fioritures : l’exposition technique n’équivaut pas au remplacement économique. L’exposition technique est la carte familière. Elle demande quelles tâches un système peut accomplir, quels métiers contiennent ces tâches et quels travailleurs semblent donc exposés. Le remplacement économique est une autre carte. Elle demande lesquelles de ces tâches une entreprise retirerait réellement à une personne une fois les coûts d’installation et d’exploitation inscrits dans les comptes.

L’étude du MIT CSAIL et de la Sloan sur l’automatisation par vision informatique se situe sur la deuxième carte. La vision informatique est l’un des domaines les plus mûrs de l’IA appliquée. Les caméras sont peu coûteuses par rapport à une usine. Les modèles peuvent classer, détecter et inspecter. Cette maturité explique précisément pourquoi la conclusion de l’article paraît iconoclaste. Si une catégorie de tâches était censée avoir déjà franchi le seuil du remplacement économique, les tâches de vision figureraient en bonne place. L’étude affirme que ce n’est pas le cas, pas à l’échelle suggérée par les cartes d’exposition, et pas aujourd’hui.

Largement relayée n’est pas un détail anodin dans l’introduction. La recherche n’est pas présentée comme une fuite toute récente. Elle est traitée comme un résultat qui revient chaque fois que le débat sur l’emploi s’intensifie. Les fils d’actualité IA de dernière minute d’un samedi soir correspondent à un mode de circulation particulier : des résumés courts, des contrastes nets et une phrase qui peut voyager. La phrase qui voyage ici est celle qui refuse le raccourci. L’exposition n’est pas le remplacement. La capacité n’est pas un bon de commande.

Ce refus est important pour comprendre comment lire le reste des chiffres. L’étude ne prétend pas que l’automatisation par vision informatique est impossible. Elle ne prétend pas que l’IA ne se substitue jamais au travail humain. Elle affirme que lorsque les coûts d’installation et d’exploitation sont modélisés, seule une minorité de la masse salariale concernée semble rentable à automatiser aujourd’hui. Le reste demeure du côté des humains parce que la facture est supérieure à la ligne salariale qu’une entreprise pourrait supprimer.

Environ 23 % seulement semblent rentables à automatiser aujourd’hui

La part des salaires qui survit au modèle de coûts

Les chercheurs ont constaté qu’environ 23 % des salaires américains liés aux tâches de vision semblent rentables à automatiser aujourd’hui. Ce chiffre représente une part des salaires, et non une part des entreprises ou des professions. Il correspond à la portion de la masse salariale américaine associée au travail de vision qui reste intéressante après que le modèle a chiffré le système. Environ 23 %, ce n’est pas la moitié. Ce n’est pas la majorité. C’est une minorité de la masse salariale liée à la vision.

C’est le complément qui joue le rôle le plus important dans le débat sur l’emploi. Si environ 23 % seulement semblent rentables aujourd’hui, la grande majorité ne l’est pas. C’est pourquoi la plupart des entreprises préféreraient encore les humains. Dans ce cadre, la préférence n’est pas sentimentale. Elle résulte d’une comparaison des coûts. Une entreprise qui préfère les humains est une entreprise qui a examiné les caméras, les modèles et la maintenance, ajouté les coûts d’installation et d’exploitation, puis décidé que le salaire humain restait le moyen le moins cher d’accomplir le travail.

Aujourd’hui joue un rôle aussi important qu’environ 23 %. L’étude ne prévoit pas que cette part restera figée. Elle constitue un instantané de ce qui semble rentable aux prix actuels. Les auteurs expliquent ensuite que l’effet d’échelle de l’IA en tant que service ou de fortes baisses des coûts serait nécessaire pour inverser le calcul. Le chiffre d’environ 23 % correspond au calcul avant cette inversion. Il indique que l’automatisation par vision informatique est à la fois techniquement disponible et économiquement limitée.

Les salaires américains liés aux tâches de vision constituent également un objet circonscrit. L’étude ne note pas chaque emploi du pays. Elle évalue la valeur salariale du travail que les systèmes de vision pourraient, en principe, prendre en charge. Même au sein de cette part déjà exposée, environ 23 % seulement ressemblent à un achat qu’une entreprise devrait effectuer aujourd’hui. Le récit iconoclaste sur l’emploi repose sur cet écart : une carte technique étendue, une carte économique étroite et un modèle de coûts entre les deux.

Caméras, modèles et maintenance pris en compte

Pourquoi la plupart des entreprises préféreraient encore les humains

La plupart des entreprises préféreraient encore les humains une fois les caméras, les modèles et la maintenance pris en compte. Ces trois postes sont la manière dont l’étude refuse le fantasme d’un logiciel autonome. Un système de vision n’est pas un modèle. C’est une caméra qu’il faut installer et orienter, un modèle qu’il faut entraîner, régler et mettre à jour, ainsi qu’une charge de maintenance qui ne disparaît pas après la première inspection réussie.

Les coûts d’installation et d’exploitation sont les deux horloges de cette pile. L’installation représente la dépense initiale : le matériel, l’intégration, le premier ajustement des caméras et des modèles à une chaîne ou à un magasin. Les coûts d’exploitation sont les dépenses continues : la maintenance, les mises à jour, les pannes et le personnel qui veille à la fiabilité du système. Les chercheurs ont modélisé les deux. Le résultat en faveur des humains apparaît lorsque les deux sont inclus dans le prix et que la comparaison se fait avec les salaires, et non avec une vidéo de démonstration.

« Pris en compte » est l’expression qui maintient l’argument honnête. Un système qui paraît bon marché lorsqu’on ne compte que le modèle peut sembler coûteux lorsque les caméras et la maintenance entrent dans le bilan. La plupart des entreprises, dans le cadre de l’étude, ne rejettent pas l’automatisation par vision informatique parce qu’elles doutent de la technologie. Elles la rejettent, ou la reportent, parce que son prix total ne l’emporte pas sur les personnes qui accomplissent déjà le travail. C’est l’échec du remplacement économique alors même que l’exposition technique est réelle.

Ces trois éléments expliquent également comment une part nationale des salaires aussi faible qu’environ 23 % peut coexister avec une profusion de produits de vision. Des produits peuvent exister. Des fournisseurs peuvent vendre. Des projets pilotes peuvent fonctionner. La question du MIT CSAIL et de la Sloan est de savoir si la facture d’exploitation et d’installation, y compris les caméras, les modèles et la maintenance, rend la substitution rentable aujourd’hui pour les salaires américains associés aux tâches de vision. Pour la majeure partie de cette masse salariale, la réponse est non, et la plupart des entreprises préféreraient encore les humains.

Une étude de cas dans une boulangerie et une infime part du travail

Le contrôle qualité par vision se rentabilise rarement

Une étude de cas dans une boulangerie montre que le contrôle qualité par vision représente une infime part du travail, de sorte que l’IA se rentabilise rarement. La boulangerie n’est pas une métaphore. C’est l’illustration concrète, sur le terrain, du même modèle de coûts. Les contrôles qualité sont une tâche de vision classique. Dans l’étude de cas, ils représentent également une infime part du travail. Si la tâche que l’IA peut voir ne constitue qu’une petite fraction de la masse salariale, automatiser cette fraction ne permet pas de supprimer suffisamment de salaires pour couvrir les caméras, les modèles et la maintenance.

C’est pourquoi l’IA se rentabilise rarement dans le contexte de la boulangerie. Le système peut être précis. Le système peut être installé. Il doit néanmoins dépasser une infime part du travail après les coûts d’installation et d’exploitation. Une infime part constitue un dénominateur sévère. Les économies possibles en remplaçant le contrôle qualité sont faibles, car ce travail n’a jamais représenté l’essentiel de ce que la boulangerie paie ses employés pour faire. Le mélange, le déplacement, l’emballage, la vente et le reste du travail demeurent. La part liée à la vision est celle qui semble automatisable, mais elle n’est pas assez importante pour absorber la facture.

La boulangerie illustre donc un schéma plus vaste de l’étude du MIT CSAIL et de la Sloan. L’automatisation par vision informatique est souvent évoquée comme si la tâche visible constituait le métier. Le contrôle qualité par vision est visible. Dans cette étude de cas, il est également limité. Lorsque les chercheurs comparent les coûts d’installation et d’exploitation à cette petite cible salariale, la substitution échoue au test de rentabilité. L’IA se rentabilise rarement, non pas parce que les boulangeries ne peuvent pas utiliser de caméras, mais parce que des caméras attachées à une infime part du travail ne suppriment pas assez de salaires.

L’étude de cas permet également de rattacher le résultat d’environ 23 % à un lieu de travail concret. Les salaires américains associés aux tâches de vision constituent un agrégat. Une boulangerie est un lieu. Dans ce lieu, le travail de vision consiste à contrôler la qualité, sa part dans le travail est infime et le résultat économique est que l’IA se rentabilise rarement. Si l’on reproduit cette structure dans les entreprises où la vision ne représente qu’une partie du métier, il devient plus clair pourquoi la plupart des entreprises préféreraient encore les humains, même lorsque la technologie fonctionne.

Un remplacement progressif et ce qui pourrait inverser le calcul

L’effet d’échelle de l’IA en tant que service ou de fortes baisses des coûts

Les auteurs estiment que le remplacement sera progressif, et que l’effet d’échelle de l’IA en tant que service ou de fortes baisses des coûts serait nécessaire pour inverser le calcul. Progressif est la conclusion concernant l’emploi qui découle d’une part de 23 % aujourd’hui et d’une boulangerie où la vision représente une infime part du travail. Si une minorité seulement des salaires liés à la vision semble rentable à automatiser aujourd’hui, la vague de remplacements n’est pas un interrupteur. C’est un processus qui dépend de l’évolution des prix.

L’effet d’échelle de l’IA en tant que service est une façon de faire évoluer ces prix. Au lieu que chaque entreprise achète des caméras, entraîne des modèles et assume la maintenance, un service pourrait répartir ces coûts d’installation et d’exploitation entre de nombreux clients. Dans cette perspective, l’effet d’échelle ne consiste pas en un modèle plus grand. Il s’agit d’un moyen moins coûteux de fournir la même automatisation par vision informatique, afin qu’une plus grande part de la masse salariale commence à sembler rentable. Tant que cette échelle n’est pas atteinte, le calcul de l’étude pour aujourd’hui demeure valable.

Les fortes baisses des coûts constituent l’autre voie. Si les caméras, les modèles et la maintenance deviennent beaucoup moins chers, une plus grande part des salaires américains liés aux tâches de vision franchirait le seuil entre préférer les humains et automatiser. Les auteurs ne considèrent pas ces baisses comme déjà acquises. Ils les présentent comme la condition nécessaire pour inverser le calcul. Sans effet d’échelle de l’IA en tant que service ni fortes baisses des coûts, la part d’environ 23 % demeure celle qui ressemble à un achat, et le remplacement sera progressif.

Le remplacement progressif est aussi une question de temps. L’exposition technique peut bondir lorsqu’un nouveau modèle est lancé. Le remplacement économique évolue lorsque les coûts d’installation et d’exploitation diminuent suffisamment, ou lorsque l’effet d’échelle des services change la personne qui les assume. Les auteurs du MIT CSAIL et de la Sloan affirment que c’est la seconde horloge qui régit l’emploi. La première explique pourquoi les fils d’actualité IA de dernière minute s’attendent sans cesse à une rupture soudaine. La seconde explique pourquoi le récit iconoclaste sur l’emploi de l’étude affirme que cette rupture n’est pas là aujourd’hui.

Du temps pour les politiques publiques et la reconversion

Ce qu’une facture lente laisse au calendrier

Les mêmes auteurs affirment que cette trajectoire progressive laisse du temps pour les politiques publiques et la reconversion. Cette clause constitue la conséquence publique du modèle de coûts. Si le remplacement sera progressif parce qu’environ 23 % des salaires américains liés aux tâches de vision semblent rentables à automatiser aujourd’hui, les gouvernements et les entreprises ne sont pas face à une disparition immédiate du travail lié à la vision. Ils font face à une fenêtre de temps.

Du temps pour les politiques publiques et la reconversion ne signifie pas que les politiques ont déjà été bien utilisées. Cela signifie que l’économie de l’automatisation par vision informatique, telle qu’elle est modélisée au moyen des coûts d’installation et d’exploitation, n’impose pas le remplacement immédiat de la majeure partie de la masse salariale exposée. La plupart des entreprises préféreraient encore les humains une fois les caméras, les modèles et la maintenance pris en compte. Le contrôle qualité par vision d’une boulangerie représente une infime part du travail, de sorte que l’IA se rentabilise rarement. Pris ensemble, ces résultats laissent du temps.

Le temps consacré aux politiques publiques permet de décider comment traiter une technologie techniquement prête mais économiquement partielle. Le temps consacré à la reconversion permet de déplacer les travailleurs avant que le calcul ne s’inverse. Cette inversion, encore une fois, n’est pas présumée. Elle dépend de l’effet d’échelle de l’IA en tant que service ou de fortes baisses des coûts. Tant que l’une de ces conditions n’est pas remplie, l’étude du MIT CSAIL et de la Sloan affirme que l’effet de l’automatisation par vision informatique sur l’emploi reste plus limité que ne le suggèrent les cartes d’exposition, et que le calendrier des politiques publiques et de la reconversion reste ouvert.

C’est pourquoi un article largement relayé peut revenir dans l’actualité des fils d’actualité IA de dernière minute sans nouveau chiffre sur les effectifs. La nouvelle circulation concerne la forme de la menace. Un récit de remplacement soudain ne laisse aucun temps. Un récit de remplacement progressif, fondé sur un résultat de 23 % aujourd’hui et sur des coûts qui favorisent encore les humains, laisse du temps pour les politiques publiques et la reconversion. Le récit iconoclaste sur l’emploi est au fond un récit sur ce temps restant.

Pour x.com, la facture arrive d’abord

La chute qui s’écrit d’elle-même

Pour x.com, la chute s’écrit d’elle-même : les robots arrivent, mais la facture arrive d’abord. Cette phrase n’est pas un résultat. C’est la version prête à diffuser des conclusions. Les robots arrivent correspond à la moitié consacrée à l’exposition technique. La vision informatique peut accomplir davantage de tâches de perception qu’auparavant. La facture arrive d’abord correspond à la moitié consacrée au remplacement économique. Les coûts d’installation et d’exploitation, les caméras, les modèles et la maintenance apparaissent avant les économies de salaires qui les justifieraient pour la plupart de la main-d’œuvre liée à la vision.

C’est pourquoi l’étude peut être largement relayée tout en ressemblant encore à un sujet de dernière minute. x.com n’a pas besoin d’un nouveau jeu de données pour faire fonctionner la chute. Il lui suffit du contraste : une pile mûre d’automatisation par vision informatique, un modèle de coûts du MIT CSAIL et de la Sloan, environ 23 % des salaires américains qui semblent rentables à automatiser aujourd’hui et la plupart des entreprises qui préféreraient encore les humains. Ajoutez l’étude de cas dans une boulangerie, où le contrôle qualité par vision représente une infime part du travail et où l’IA se rentabilise rarement, et la plaisanterie sur la facture s’ancre dans un lieu concret.

La chute correspond également à l’affirmation plus générale des auteurs. Si le remplacement sera progressif à moins que l’effet d’échelle de l’IA en tant que service ou de fortes baisses des coûts n’inverse le calcul, les robots peuvent continuer à arriver au sens technique tandis que la facture continue d’arriver d’abord au sens économique. Le temps pour les politiques publiques et la reconversion existe dans l’intervalle entre ces deux arrivées. Le récit iconoclaste sur l’emploi consiste à traiter cet intervalle comme le sujet, plutôt qu’à considérer l’exposition comme une destinée.

Rien de tout cela n’exige d’inventer un effondrement plus large ou un essor plus large. L’étude du MIT CSAIL et de la Sloan sur l’automatisation par vision informatique dit ce qu’elle dit. L’exposition technique n’équivaut pas au remplacement économique. Environ 23 % seulement des salaires américains concernés semblent rentables à automatiser aujourd’hui. La plupart des entreprises préféreraient encore les humains une fois les caméras, les modèles et la maintenance pris en compte. Une boulangerie montre pourquoi une infime part du travail ne suffira pas à financer le système. Les auteurs estiment que le reste sera progressif, en attendant l’effet d’échelle ou de fortes baisses des coûts, et que ce délai laisse du temps pour les politiques publiques et la reconversion. Pour x.com, c’est déjà un post complet : les robots arrivent, mais la facture arrive d’abord.