Naviguer dans la révolution de l'IA
Les membres de TRAES, en tant que chefs de file des entreprises et des établissements d'enseignement supérieur au Canada, sont à l'avant-garde de la gestion des risques et des possibilités de la révolution de l'IA.
De l'adoption de la technologie aux retards de productivité, des collaborations public-privé à l'innovation à l'ère des perturbations, et des compétences humaines nécessaires pour compléter l'IA à la façon de former, recruter et retenir les talents possédant ces compétences, les membres de TRAES ont non seulement une idée précise de ce qui est important, mais aussi de ce qui doit être fait ensuite.
En octobre 2023, nous avons réuni des dirigeants d'entreprises et d'établissements postsecondaires de premier plan à travers le pays et nous avons appris qu'ils étaient passionnés par ces questions clés :
- Le retard d'adoption de l'IA commerciale au Canada est une occasion de croissance, mais seulement si nous parvenons à surmonter ce qui en est la cause. Les obstacles intersectoriels à l'adoption et à la productivité de l'IA comprennent la méfiance à l'égard de la fiabilité de la technologie, la faible tolérance au risque de la part des clients, le pouvoir dépassé des monopoles américains, les préoccupations éthiques et le manque de collaboration précoce entre la recherche et le secteur privé. Relever ces défis est une priorité. Il en va de même pour la définition des limites que nous ne pouvons pas changer (p. ex. nos engagements envers l'équité et la protection des renseignements personnels, ce qui nous rend moins concurrentiels à l'échelle internationale) et la création de politiques pour les respecter.
- Les entreprises et les établissements postsecondaires (EPS) doivent collaborer plus tôt, davantage et entre les différents secteurs. Les ISP joueront un rôle majeur dans la formation de la main-d'œuvre technologique, mais à mesure que le développement technologique s'accélère, les chercheurs universitaires, les créateurs et les utilisateurs devraient également collaborer bien avant l'étape de la production. L'accélération dépassera la vitesse à laquelle les établissements peuvent enseigner des connaissances techniques spécifiques en classe, ce qui rendra l'apprentissage pratique et expérientiel plus important que jamais. Les chefs de file de l'industrie considèrent l'IA moins comme une diminution des emplois et davantage comme une augmentation de la capacité de chaque travailleur.
- Les compétences humaines complexes sont les moins susceptibles d'être touchées par l'IA, ce qui signifie que nous ne pouvons pas nous permettre de perdre des départements de sciences humaines. Les dirigeants de l'enseignement postsecondaire savent que la poussée à investir dans les STIM a laissé les services des arts et des sciences humaines à la traîne dans de nombreux établissements. Les compétences que l'IA ne peut remplacer — créativité, esprit critique, prise de décision — sont à la base de la formation en arts et en sciences humaines. Année après année, les compétences humaines figurent en tête de liste de l'Enquête sur les compétences de BHER lorsque nous demandons aux employeurs quelles compétences ils recherchent le plus lors de l'embauche.
- L'apport humain est toujours nécessaire dans les processus d'IA. Les technologies d'IA générative actuelles ne sont pas parfaitement fiables, et personne ne peut prédire si elles le seront un jour. Les dirigeants clairvoyants craignent que, même si la main-d'œuvre actuelle est capable de détecter les erreurs aggravantes dans les données au fil du temps, nous risquons de perdre la capacité de remettre en question ce qui sort de la machine en raison d'une dépendance excessive. Au-delà du renforcement des compétences que l'IA ne peut remplacer, les entreprises et les institutions devraient s'assurer que les travailleurs comprennent quelque peu les processus qui sous-tendent ce que l'IA reproduit.
Notre groupe a également lancé des appels à l'action :
- Co-création précoce et collaboration entre les secteurs public et privé, non seulement dans la conception de produits, mais aussi dans les études de marché, les politiques et l'éthique, afin de maximiser l'adhésion, les solutions pratiques aux problèmes du monde réel et l'impact. Vous ne pouvez pas créer un produit pour un client sans travailler en étroite collaboration avec le client pour identifier les problèmes, les réalités vécues et les angles morts. Historiquement, les chercheurs des ISP et de l'industrie du Canada sont restés cloisonnés, mais la prochaine étape importante consistera à convaincre les deux parties de reconnaître la valeur de la collaboration.
- Accroître l'apprentissage intégré au travail (AIT), au premier cycle et pour les étudiants des cycles supérieurs. De nombreux doctorants ont du mal à entrer sur le marché du travail canadien et/ou à quitter le pays après l'obtention de leur diplôme, ce qui signifie que le Canada sous-utilise ou manque de talents hautement qualifiés. AIT aide les étudiants de premier cycle à acquérir une formation sur les compétences appliquées et à accéder à l'industrie plus tôt, c'est-à-dire avant qu'ils obtiennent leur diplôme, et elle peut également aider à former et à retenir les étudiants des cycles supérieurs. Nous ne pouvons pas nous permettre de sous-préparer ou de perdre des talents qualifiés à l'ère de l'IA.
- Plus de sciences humaines. Le mot clé des grands modèles linguistiques (LLM) est la langue. L'avenir du travail exige des personnes plus équilibrées qui peuvent tirer le meilleur parti de l'IA grâce à des compétences humaines qui complètent ce que l'IA peut accomplir. Si nous créons autant de voies permettant aux étudiants non artistiques de suivre un cours de linguistique de base que pour les étudiants non informatiques de suivre un cours d'introduction au codage, nous créerions une main-d'œuvre capable d'utiliser les technologies de l'IA de manière plus productive.
- Restez vigilants au sujet des préjugés et des inégalités que l'IA peut perpétuer. L'enthousiasme à l'égard de la façon dont l'IA peut uniformiser les règles du jeu pour les compétences d'entrée de gamme doit être tempéré par la prudence au sujet des inégalités existantes reflétées dans les données utilisées pour former l'IA. L'enquête menée par Deloitte auprès des entreprises canadiennes a révélé que 86 % sont préoccupés par les implications éthiques de l'IA, en particulier en ce qui concerne les préjugés et la diversité, l'équité et l'inclusion (DEI). Alors que l'IA générative prend une plus grande charge de travail, le fait de se concentrer sur l'évaluation, la validation et l'interrogation critique de ce que l'IA produit aidera à protéger à la fois l'exactitude factuelle et les questions éthiques plus profondes.