L’une des caractéristiques que nous associons à l’expertise est le fait qu’une personne dispose d’un trésor de connaissances composées qu’elle peut rappeler, synthétiser et appliquer à de nouvelles situations. Se référant à l’exemple de Warren Buffet, l’auteur Shane Parrish décrit l’ expertise comme le « classeur de connaissances stockées dans le cerveau de Warren Buffett ».
Dans le cas de Buffett, il a passé beaucoup de temps à lire en profondeur les idées et les entreprises qui l’intéressaient et a visité un large éventail d’entreprises pendant des heures afin de tout comprendre, de la production à la gestion. Aujourd’hui encore, il lit des centaines de rapports annuels d’entreprises d’un large éventail de secteurs qu’il ne possède pas. Autant dire qu’il est un consommateur vorace d’informations.
Parrish affirme que Buffet fait quelque chose de différent de ce que beaucoup d’entre nous font : la plupart d’entre nous consomment des « informations qui expirent », alors que Buffet consomme des informations qui ont une « longue demi-vie ». En quoi cela est-il important ? Parce qu’il se concentre sur des informations qui évoluent lentement dans le temps, ce qui lui permet d’enrichir ses connaissances.
Informations qui s’épuisent ou connaissances qui s’enrichissent
Comme le décrit Parrish, les informations périmées ont un cycle de vie très court. Elles sont commercialisées à votre intention. Elles manquent de nuances. Elles sont faciles à digérer.
Elle est également diffusée en grande quantité et de multiples façons, ce qui nous incite à rechercher des informations rapides et bien ficelées. C’est ce que James Gleick a qualifié en 2011 d' »inondation, où l’information est bon marché, abondante et omniprésente ». C’est encore plus vrai aujourd’hui.
Ce n’est pas parce que les gens ont décidé d’être insignifiants dans leurs efforts d’apprentissage. Des contraintes de temps limitent la durée et la fréquence de nos recherches. Le volume d’informations publiées chaque jour est écrasant, tout comme l’est l’éventail des médias. C’est plus facile. Et surtout, nous avons pris l’habitude de nous en remettre à l’ordinateur pour acquérir nos connaissances à notre place.
Les connaissances composées sont associées à l’expertise qu’une personne acquiert grâce à un apprentissage et à un développement constants au fil du temps. Un expert peut combiner ses connaissances dans un ensemble de compétences (par exemple, un analyste qui maîtrise parfaitement les feuilles de calcul et les formules), une profession (par exemple, un ingénieur qui maîtrise plusieurs langages et piles technologiques) ou une compétence (par exemple, un consultant qui accompagne les cadres dans la prise de décision et l’innovation).
Ce type de connaissance est le fruit de la persévérance, de l’apprentissage tout au long de la vie et d’efforts constants sur une longue période. Plutôt que de compter sur les autres pour qu’ils rassemblent rapidement des informations pour nous, nous pourrions creuser les détails nous-mêmes et réfléchir par nous-mêmes. Dans toute nouvelle situation, ce type d’expert adaptatif a l’avantage de disposer d’une flexibilité cognitive et d’une reconnaissance des schémas qui lui permettent de prendre des décisions éclairées.
L’IA fait son apparition
Si GPT signifie Generative Pre-Trained Transformer (transformateur génératif pré-entraîné), il pourrait être utile de conserver une signification plus ancienne et tout aussi valable : General Purpose Technology, comme le préconise Ethan Mollick. Nous pouvons présenter la TPG comme analogue à la révolution industrielle ou à l’internet. Il met en garde contre le fait que de nombreux dirigeants pensent que l’objectif principal de la technologie est l’efficacité, l’IA devenant alors un moyen de réduire les coûts.
Au contraire, tout avantage réel de l’IA « viendra de l’expertise de leurs employés, qui est nécessaire pour débloquer l’expertise latente dans l’IA ». Nous avons besoin d’experts, avec ces connaissances approfondies et composées pour construire et étendre les capacités qui deviennent disponibles grâce à l’IA.
L’IA est encore suffisamment récente pour que nous n’en soyons qu’aux spéculations sur la manière dont les technologies de l’IA affecteront l’apprentissage et l’expertise. En tant que travailleurs du savoir, nous pouvons être confrontés à des défis tels que :
- Des compétences obsolètes. Certaines compétences seront principalement gérées par l’IA, et l’IA sera plus compétente dans ces domaines. C’est à peu près certain.
- Dépendance à l’égard de l’IA. Si nous externalisions déjà la capacité de connaissance vers les ordinateurs, la situation ne fera qu’empirer. L’externalisation de la prise de décision vers l’IA est un sujet de discussion brûlant, car il s’agit de l’un des scénarios futurs potentiels les plus effrayants.
- Biais, données faussées, fausses informations et intentions malveillantes. Toute information sur laquelle nous nous appuyons pour enrichir nos connaissances risque de devenir de moins en moins fiable. Alors que l’on nous demande d’intégrer l’IA dans la pratique, nous devrons également faire face à des considérations éthiques liées à la confidentialité et à l’utilisation des données.
- La concurrence pour l’expertise humaine. Dans la mesure où l’IA aura la possibilité de résoudre des problèmes complexes, d’arbitrer des options et de prendre des décisions stratégiques.
Une voie à suivre
Bien que les outils évoluent et que davantage de diligence soit requise, les experts continueront à jouer un rôle important au travail et dans la société. Certains aspects de leur relation avec l’acquisition de connaissances seront améliorés par l’IA :
- Automatisation des tâches. Quel que soit le domaine, il existe des tâches pour lesquelles l’IA sera plus performante. Il y a deux considérations à prendre en compte ici. C’est une bonne chose en ce sens qu’il y aura plus de temps pour se concentrer sur des tâches de plus haut niveau et des tâches créatives ainsi que sur l’innovation (et je suis sûr que l’IA peut fournir une certaine inspiration), mais nous avons toujours besoin d’humains dans la boucle qui comprennent les principes et les processus sous-jacents de ces tâches.
- Données sur l’état des lieux. Même avec des experts du domaine, il y a tellement de données disponibles qu’il arrive que l’on ne sache pas ce que l’on ne sait pas. L’IA peut traiter rapidement de grandes quantités de données et fournir des informations que les humains mettraient beaucoup plus de temps à découvrir.
- Plus de possibilités d’expérimentation. Les experts qui ont une connaissance approfondie du domaine sont vraiment doués pour voir des modèles et appliquer les connaissances d’un ensemble de problèmes à un autre. L’IA peut probablement les aider à renforcer leur capacité à essayer des scénarios « et si », à vérifier les schémas ou à extrapoler un « sentiment instinctif » pour voir où il mène.
- Accélérer la résolution des problèmes et l’analyse. L’un des avantages des ensembles d’outils d’IA est qu’ils peuvent apprendre à partir d’exemples. L’utilisation de « modèles » ou de résultats d’experts aidera l’expert à appliquer plus rapidement ce qu’il sait, mais permettra également à d’autres d’en profiter. Les experts de l’ensemble de l’entreprise devraient être impliqués dans l’apprentissage des modèles et leur formation.
- Apprentissage personnalisé. Les plateformes d’IA peuvent adapter le contenu et améliorer les ressources disponibles pour l’apprentissage tout au long de la vie. Mais comme Buffet, vous devez toujours rechercher les sources que vous découvrez de cette manière. L’apprentissage en profondeur ne se produira pas si vous utilisez l’IA générative comme un moyen de tricher pour devenir un « expert » – elle n’est vraiment pas optimisée pour cela.
- Vérificateur d’idées personnelles. Les experts recherchent des points de vue opposés afin de vérifier leurs propres opinions et de renforcer leurs connaissances. Parfois, personne ne peut jouer ce rôle. L’IA est préparée pour cela : vous pouvez lui assigner un rôle ou un point de vue et elle le défendra, et vous pouvez utiliser les interactions pour mieux tester votre point de vue.
- L’éthique et l’élaboration de l’IA. Il est essentiel de mettre en œuvre l’IA de manière responsable et éthique. Nous savons qu’il y a déjà des préjugés et des traits trompeurs qui se développent dans les LLM. Les experts doivent être présents pour façonner le développement de l’IA.
Continuez à rechercher de nouvelles informations, à approfondir les sujets qui vous intéressent et à construire une solide base de connaissances sur laquelle vous pourrez vous appuyer tout au long de votre carrière. La manière dont vous le faites peut changer, mais l’apprentissage tout au long de la vie restera un engagement digne d’intérêt.
À mesure que l’IA continue d’évoluer, les experts devront inévitablement adopter ces changements et tirer parti des outils d’IA pour améliorer leur apprentissage et leur croissance professionnelle :
- Restez curieux. Gardez l’esprit ouvert et soyez prêt à explorer de nouvelles technologies d’IA et des technologies non liées à l’IA dans votre parcours d’apprentissage. L’enrichissement des connaissances sera l’œuvre d’une vie d’apprentissage cohérent et approfondi qui s’effectuera de multiples façons – lecture, interaction, observation, action.
- Investissez dans l’apprentissage. Profitez des plateformes éducatives alimentées par l’IA pour rester en tête dans votre domaine et pour vous exposer à de nouvelles ressources et données originales qui peuvent façonner vos connaissances et élargir les contextes et les applications que vous envisagez.
- Restez adaptable. Soyez flexible et prêt à vous adapter à de nouvelles méthodes de travail, car l’IA continue de transformer nos modes d’apprentissage et de travail.
La prochaine génération d’experts considérera l’IA comme une co-intelligence dans le long jeu de l’enrichissement des connaissances.
