IA et automatisation remodèlent l'industrie technologique, impactant les emplois et les rémunérations
Les progrès rapides de l'intelligence artificielle et de l'automatisation entraînent des changements importants dans l'industrie technologique, affectant les perspectives d'emploi et les stratégies de rémunération, selon des rapports récents. Alors que les entreprises d'IA connaissent des valorisations en flèche, la demande de rôles traditionnels de programmation informatique diminue et les employeurs repensent les modèles de rémunération.
L'emploi dans la programmation informatique aux États-Unis est tombé à son plus bas niveau depuis 1980, car les entreprises automatisent de plus en plus les tâches, a rapporté Fortune. Certaines entreprises, comme Anthropic, utilisent déjà l'IA pour 100 % de leurs besoins en codage. Yamini Rangan, la PDG de HubSpot, une société de logiciels de 15 milliards de dollars, a admis qu'elle ne savait pas à quoi ressembleraient les emplois dans un avenir axé sur l'IA, même dans seulement deux ans. "Au fur et à mesure que les choses évoluent chaque décennie, de nouveaux emplois émergeront", a déclaré Rangan sur le podcast Silicon Valley Girl. "Vous ne pouvez même pas planifier un emploi qui sera là dans 10 ans, ou dans 20 ans, ou même dans cinq ans."
En réponse à ces changements, de nombreux employeurs s'éloignent des augmentations de salaire basées sur le mérite au profit d'"augmentations beurre de cacahuète", qui sont des augmentations de salaire uniformes et générales, a rapporté Fortune. Selon un rapport de Payscale, environ 44 % des employeurs prévoient de déployer des augmentations de salaire uniformes en 2026. Environ 16 % des organisations mettent en œuvre ces augmentations pour la première fois, 9 % utilisent déjà cette stratégie et 18 % supplémentaires l'envisagent cette année. Environ 56 % des entreprises les plus performantes ont déclaré qu'elles appliqueraient des augmentations beurre de cacahuète.
Un autre domaine en pleine transformation est celui des systèmes de génération augmentée par la récupération (RAG). Les entreprises ont rapidement adopté le RAG pour ancrer les grands modèles de langage (LLM) dans des données propriétaires, a rapporté VentureBeat. Cependant, de nombreuses organisations découvrent que la récupération est devenue une dépendance fondamentale du système, plutôt qu'une fonctionnalité ajoutée à l'inférence du modèle. Les échecs de récupération peuvent se propager directement au risque commercial, sapant la confiance, la conformité et la fiabilité opérationnelle.
Dippu Kumar Singh a écrit dans VentureBeat que de nombreuses entreprises ont déployé une forme de RAG, mais la réalité a été décevante, en particulier pour les industries dépendant d'une ingénierie lourde. L'échec réside souvent dans le prétraitement, car les pipelines RAG standard traitent les documents comme des chaînes de texte plates, en utilisant un découpage de taille fixe qui détruit la logique des manuels techniques. "Ils coupent les tableaux en deux, séparent les légendes des images et ignorent la hiérarchie visuelle de la page", a écrit Singh.
Ces changements soulignent la nécessité pour les entreprises de s'adapter à l'évolution du paysage de l'IA et de l'automatisation. Alors que l'IA continue d'évoluer, les entreprises doivent investir dans une infrastructure de récupération robuste et envisager de nouvelles stratégies de rémunération pour rester compétitives et fidéliser les talents.
Discussion
AI Experts & Community
Be the first to comment