Les perceptions des travailleurs sur l’impact économique de l’intelligence artificielle générative
L’intelligence artificielle générative transforme profondément les fondements économiques de la société. Une étude récente menée en Espagne révèle les facteurs qui influencent la manière dont les travailleurs perçoivent son impact sur le développement économique durable. Les résultats montrent que cette perception repose avant tout sur des éléments cognitifs, notamment l’optimisme technologique, l’insécurité face à la technologie, l’habitude d’utiliser ces outils et le besoin ressenti de régulation.
L’optimisme technologique, qui reflète la conviction que la technologie améliore le contrôle, l’efficacité et la qualité de vie, apparaît comme le principal moteur d’une évaluation positive. À l’inverse, l’insécurité technologique, marquée par la méfiance envers la fiabilité et la sécurité des innovations, freine cette perception. L’utilisation régulière de l’intelligence artificielle générative renforce également une vision favorable, car elle permet aux individus de mieux comprendre ses avantages concrets à travers l’expérience.
Le besoin de régulation, bien que moins influent que les autres facteurs cognitifs, joue aussi un rôle. Une forte demande pour un encadrement strict est souvent associée à une évaluation moins positive, car elle révèle une préoccupation quant aux risques liés à l’absence de transparence, de responsabilité ou de protection des données.
Parmi les caractéristiques sociodémographiques, le genre se distingue comme un élément clé. Les femmes expriment systématiquement des perceptions moins favorables que les hommes, ce qui souligne l’existence d’un écart persistant dans l’acceptation de cette technologie. Les entrepreneurs, quant à eux, ont tendance à adopter une vision plus optimiste, bien que leur influence reste modérée par rapport aux facteurs cognitifs.
Les générations plus jeunes, souvent considérées comme plus familières avec le numérique, n’affichent pas pour autant une perception plus positive. Cela suggère que la simple appartenance à une génération ne suffit pas à expliquer les différences d’opinion. En revanche, l’exposition répétée et l’usage concret de ces outils semblent plus déterminants pour forger une vision favorable.
Les méthodes utilisées pour analyser ces perceptions combinent des modèles avancés d’apprentissage automatique, comme le XGBoost et les Bayesian Additive Regression Trees, avec des techniques d’explicabilité comme les Shapley Additive Explanations. Ces approches permettent de mettre en lumière les relations complexes entre les variables et d’offrir une interprétation claire des résultats.
Les conclusions indiquent que les politiques publiques devraient se concentrer sur la promotion des bénéfices concrets de l’intelligence artificielle générative, tout en répondant aux inquiétudes liées à ses risques. Encourager une utilisation régulière et accessible de ces outils pourrait également contribuer à renforcer une perception positive, en particulier pour les groupes les moins convaincus. Réduire l’écart entre les genres et soutenir les entrepreneurs dans l’adoption de ces technologies pourraient aussi favoriser un développement économique plus inclusif et durable.
Données et sources
Source officielle de l’étude
DOI : https://doi.org/10.1007/s11135-026-02916-6
Titre : Workers’ perceptions of the economic impact of generative AI on sustainable economic development: evidence from ensemble tree models and explainable machine learning
Revue : Quality & Quantity
Éditeur : Springer Science and Business Media LLC
Auteurs : Jorge Andrés-Sánchez; Teresa Torres-Coronas