Les compétences en IA peuvent augmenter les salaires de 40 %

La complémentarité est un facteur clé de la valeur économique d'une compétence, selon une étude réalisée par des chercheurs

La main-d'œuvre mondiale est invitée à se recycler en permanence, car l'évolution technologique favorise certaines nouvelles compétences tout en en rendant d'autres superflues. Mais quelles sont les compétences qui constituent un bon investissement pour les travailleurs et les entreprises ? Comme les compétences sont rarement appliquées de manière isolée, nous proposons que la complémentarité détermine fortement la valeur économique d'une compétence. Pour 962 compétences, nous démontrons que leur valeur est déterminée par la complémentarité, c'est-à-dire le nombre de compétences différentes, idéalement de grande valeur, avec lesquelles une compétence peut être combinée. Nous montrons que la valeur d'une compétence est relative, puisqu'elle dépend du bagage de compétences du travailleur. Pour la plupart des compétences, leur valeur est la plus élevée lorsqu'elles sont utilisées en combinaison avec des compétences d'un autre type.

Nous mettons notre modèle à l'épreuve avec un ensemble de compétences liées à l'intelligence artificielle (IA). Nous constatons que les compétences liées à l'IA sont particulièrement précieuses - elles augmentent les salaires des travailleurs de 21 % en moyenne - en raison de leurs fortes complémentarités et de leur demande croissante au cours des dernières années. Le modèle et les mesures de notre travail peuvent éclairer la politique et la pratique de la requalification numérique afin de réduire les inadéquations sur le marché du travail. En coopération avec les fournisseurs de données et d'éducation, les chercheurs et les décideurs politiques devraient envisager d'utiliser ce modèle pour fournir aux apprenants des recommandations de compétences personnalisées qui complètent leurs capacités existantes et s'adaptent à leur contexte professionnel.


Conclusion

L'évolution technologique n'affecte pas toutes les tâches et professions de la même manière. Les nouvelles technologies requièrent de nouvelles compétences tout en rendant d'autres redondantes. En d'autres termes, l'évolution technologique n'est pas "neutre" sur le plan des compétences. Par conséquent, la composition des compétences des professions change. Pour réagir efficacement, les travailleurs doivent se recycler. Toutefois, les compétences précises requises pour les nouveaux emplois et les avantages économiques liés à l'acquisition d'une nouvelle compétence sont souvent incertains et en constante évolution. Il est donc difficile pour les travailleurs, les employeurs et les décideurs politiques de construire des parcours de requalification rentables et durables. Pour remédier à cette incertitude, nous proposons une méthode qui attribue une valeur marchande aux compétences en fonction de l'offre et de la demande du marché, ainsi que de leur complémentarité avec d'autres compétences.

Cette méthode permet de mieux comprendre la formation du capital humain d'au moins deux façons. Tout d'abord, nous révélons la valeur marchande des compétences individuelles afin d'étudier les causes de la variation de la valeur des compétences. Nous constatons que la valeur d'une compétence dépend (évidemment) des forces de l'offre et de la demande du marché, mais qu'elle est également fortement corrélée aux compléments d'une compétence. Les compétences ont tendance à avoir de la valeur si elles sont fréquemment combinées à un ensemble diversifié d'autres compétences utiles. D'après notre analyse, ces compétences comprennent des langages de programmation comme Python ou des compétences juridiques généralistes comme le droit des contrats.

Outre la valeur absolue d'une compétence, nous révélons une valeur relative qui émerge des combinaisons bénéfiques de compétences. Souvent, les compétences sont plus utiles si elles sont combinées avec des compétences d'un autre domaine. Pour un ensemble de compétences en matière d'intelligence artificielle, nous illustrons la manière d'appliquer notre méthode d'évaluation. Nous montrons que les compétences nécessaires à la construction et à la maintenance de l'IA, qui est largement considérée comme une percée technologique majeure, ont une valeur significativement plus élevée que les autres compétences de notre ensemble de données - avec une prime de 21 %, les compétences en IA ont beaucoup plus de valeur que la compétence moyenne de notre échantillon (8 %). Les compétences en IA ont un nombre supérieur à la moyenne de compléments d'une grande diversité, car les technologies de l'IA entrent dans de plus en plus de domaines de travail de la connaissance. En outre, nous suivons l'évolution de la valeur des compétences au fil du temps et constatons que les compétences en IA, telles que Deep Learning et Python, ont gagné en valeur de manière significative au cours des dernières années. Notre modèle nous permet d'attribuer ces changements à une augmentation de la demande par rapport à l'offre.


Cette étude présente certaines limites. Tout d'abord, notre enquête n'offre pas de véritable stratégie d'identification. Nous nous efforçons donc d'éviter de faire des déclarations causales tout au long du texte. Nos résultats indiquent seulement une association entre la complémentarité et la valeur des compétences, car il n'existe aucune source de variation exogène de la complémentarité. Deuxièmement, nous mesurons la valeur marchande des compétences les unes par rapport aux autres dans un contexte spécifique. Cela permet de faire des comparaisons entre les compétences, mais il n'est pas possible de faire des déclarations sur la valeur absolue des compétences et, en tout état de cause, il ne serait pas facile de les transférer du contexte particulier de notre ensemble de données à un contexte différent. Cela dit, alors qu'une déclaration telle que "l'acquisition de compétences en apprentissage profond augmentera mon salaire de 27 %" serait problématique, la déclaration selon laquelle "l'apprentissage profond pourrait être une compétence plus utile à acquérir que l'analyse de données" est conforme à notre approche.

La troisième limite concerne les explications. Dans ce document, nous constatons que la valeur marchande d'une compétence est relative, car elle dépend de la manière dont elle est combinée avec d'autres compétences. Bien que cela ait un sens intuitif et soit très pertinent à des fins de requalification, le développement d'un cadre théorique et d'une stratégie empirique pour expliquer le comment et le pourquoi de ces mécanismes sort du cadre de ce document. Enfin, ce travail est basé sur des données provenant du travail indépendant en ligne, qui présente plusieurs avantages, mais aussi un certain nombre d'écueils. Plus particulièrement, le travail indépendant en ligne est limité aux services professionnels entièrement numériques, ce qui signifie que de nombreuses professions (principalement manuelles) ne sont pas prises en compte. En outre, les free-lances en ligne sont des travailleurs indépendants. Ils n'ont pas de rôles organisationnels ni d'interactions avec des collègues, ce qui ajoute certainement des dimensions pertinentes aux complémentarités des compétences, en particulier entre les compétences cognitives, non cognitives et sociales. La discussion sur les complémentarités entre les compétences seules est utile pour les types d'emplois couverts par cet ouvrage, tels que les contrats à court terme dans les domaines de l'informatique, de la création ou de la traduction. Toutefois, dans d'autres contextes, par exemple la R&D ou la conception de produits, les complémentarités entre travailleurs émergent de l'interaction d'un ensemble de travailleurs spécialisés, comme le montre Neffke (2019). Les deux perspectives pourraient être combinées dans de futures études.

À ce stade, il convient de noter que dans l'économie conventionnelle, des restrictions artificielles sur l'offre ou la demande peuvent s'appliquer car, par exemple, les avocats ou les médecins doivent obtenir une certification officielle du gouvernement. Ces restrictions n'existent pas sur le marché observé des freelances en ligne, ce qui doit être pris en considération lorsque l'on tente de généraliser nos conclusions. En outre, par rapport à la taille de l'ensemble de la main-d'œuvre, peu de personnes travaillent via des plates-formes de freelancing en ligne. Comme nous l'avons souligné dans la section Méthode, nous soutenons que les données relatives aux freelances en ligne sont certainement spécifiques au contexte, mais que les dynamiques fondamentales de la demande, de l'offre et de la complémentarité qui déterminent la valeur des compétences ne devraient pas être radicalement différentes dans d'autres segments du marché de l'emploi. Cela dit, avec un accès adéquat aux données, notre méthodologie pourrait être étendue à d'autres sources de données, telles que les offres d'emploi en ligne et les plateformes de carrière en ligne, qui couvrent de grandes parties du marché du travail conventionnel.