Les humains sont sous-estimés. En avril 2018, Elon Musk reconnaît en ces termes que la tentative d’automatisation totale d’une usine produisant des automobiles Tesla avait échoué.
En réalité, les travailleurs humains y effectuaient une multitude de tâches imprévisibles qui apparaissaient constamment dans une usine, sans faire partie d’aucune définition de poste. Ainsi, ils pouvaient ramasser une pièce tombée ou signaler un dysfonctionnement observé ailleurs que sur leur propre poste. Les robots n’étaient par définition programmés que pour réaliser la séquence d’action à laquelle ils étaient destinés. Or, sans les initiatives quotidiennes des travailleurs humains, apparemment insignifiantes à l’échelle du site industriel, l’ensemble perdait sa cohérence et cessait de fonctionner, comme une marionnette que l’on aurait privée d’un d’une partie, si infime soit-elle, de ses fils.
Il semblerait donc que la meilleure ligne de production automatisée du monde ne peux pas assurer qu’une usine tourne correctement. De même le plus beau data pipeline disposant des data lakes et data management systems dernier cri ne suffit pas à développer des insights significatifs. Comprendre les logiques et les motifs de l’action humaine suppose des leaps et des effets de pensée transversale, de jouer sur les parallèles et les coïncidences.
Ce type de procédés est généralement réuni dans les notions d’intuition ou d’inspiration. La culture au sens de l’érudition n’est qu’une pièce de ce puzzle. Seul cet aspect de notre culture est actuellement accessible à une AI qui dispose d’une capacité sans égal à se souvenir et mobiliser un volume important de connaissances. Toutefois, si importante soit-elle, l’érudition ne suffit pas pour créer des connexions heureuses de manière répétée et prévisible. Certes, les réseaux de neurones peuvent produire des intuitions, au sens où les étapes séparant l’accumulation de faits de la conclusion y sont confinées dans une boîte noire, mais le paramétrage nécessaire pour que l’intuition soit juste autrement que par hasard représente un volume important de travail qualifié par un humain capable de distinguer une bonne intuition d’un délire de la machine.
Un régime d’interaction s’impose donc entre les intelligences humaine et artificielle. Selon Thomas Malone, fondateur du Centre de l’intelligence collective du MIT (Future of work est le titre d’un de ses livres), ces interactions peuvent être de trois types : substitution, augmentation et collaboration. En effet, si la machine intervient en relais de l’humain, pour apporter les capacités de son propre type d’intelligence, il est possible de développer des visions plus nuancées et approfondies de l’audience, en utilisant de larges volumes de données. Pour cette raison, les protocoles d’étude à nos mots sont particulièrement adaptés à des communautés de grande échelle, composées d’une pluralité de groupes aux motifs et intérêts parfois divergents, dans un contexte où il est plus important d’entendre chaque composante que de faire émerger un consensus.