Au cours de la première moitié du Super Bowl 2 spots publicitaires ont encouragé les téléspectateurs à confier leur feuille d’imposition à des ordinateurs : le premier de H & R Block avec son nouveau partenaire Watson et le second incarné par un bot de l’entreprise TurboTax. Comme le montrent les recherches, l’utilisation de machines est plus adaptée à des tâches prévisibles dès lors que le coût par erreur est faible. Lorsqu’une tâche devient moins prévisible et qu’un robot fait plus d’erreurs, l’automatisation n’a d’intérêt que si ses erreurs sont peu coûteuses. Pour illustrer ce principe, faites l’analogie avec le secteur automobile : les constructeurs automobiles ont graduellement automatisé les décisions de détection, de freinage et d’accélération. Les voitures sont en train de prendre le contrôle de la navigation et vont peu à peu devenir autonomes.
De même, les humains sont susceptibles d’être de plus en plus à l’aise avec le fait que des machines les aident pour leurs impôts. Plus de 2 millions de personnes ont été employées comme comptables ou auditeurs en 2015 aux Etats-Unis. Jusqu’à présent, ces emplois ont résisté à l’automation parce qu’ils nécessitent de pouvoir gérer des données non structurées provenant du monde réel, peser des décisions et traiter avec des gens réels. Mais les capacités perceptives de l’intelligence artificielle (IA) se sont considérablement améliorées. Les machines peuvent maintenant manipuler des images, des sons et du texte. Elles ingèrent et analysent de grands volumes de données, sans faire d’erreurs coûteuses. Entre les métiers de la comptabilité et les chauffeurs, près de 4,5 millions d’emplois humains pourraient être peu à peu confiés à des systèmes d’IA ou à des robots au cours des prochaines années. Dans le passé, lorsque les technologies ont mis fin à des emplois, elles nous ont parallèlement rendu plus productifs. Surtout elles ont créés de nouveaux emplois. Mais cette fois, cela pourrait être différent. Historiquement, les machines ont été conçues pour résoudre des problèmes spécifiques. Elle sont désormais si évoluées que certaines peuvent apprendre de façon autonome, améliorer constamment leur prise de décision tout en interagissant avec le monde réel en recueillant des données via des capacités sensorielles de plus en plus sophistiquées.
