Tout comme les robots ont transformé des pans entiers de l'économie manufacturière, l'intelligence artificielle et l'automatisation modifient désormais le travail de l'information, permettant aux humains de décharger le travail cognitif sur les ordinateurs. Dans le journalisme, par exemple, les systèmes d'exploration de données alertent les journalistes sur les actualités potentielles , tandis que les newsbots offrent de nouvelles façons au public d'explorer l'information. Les systèmes d'écriture automatisés génèrent une couverture financière, sportive et électorale .
Une question courante alors que ces technologies intelligentes infiltrent diverses industries est de savoir comment le travail et la main-d'œuvre seront affectés . Dans ce cas, qui – ou quoi – fera du journalisme dans ce monde automatisé et amélioré par l'IA, et comment le fera-t-il ?
Les preuves que j'ai rassemblées dans mon nouveau livre " Automating the New: How Algorithms are Rewriting the Media " suggèrent que l'avenir du journalisme basé sur l'IA aura encore beaucoup de monde. Cependant, les emplois, les rôles et les tâches de ces personnes évolueront et seront un peu différents. Le travail humain sera hybride - mélangé avec des algorithmes - pour s'adapter aux capacités de l'IA et tenir compte de ses limites.
Augmenter, pas remplacer
Certaines estimations suggèrent que les niveaux actuels de la technologie de l'IA ne pourraient automatiser qu'environ 15 % du travail d'un journaliste et 9 % du travail d'un rédacteur. Les humains ont toujours un avantage sur l'IA non hollywoodienne dans plusieurs domaines clés essentiels au journalisme, notamment la communication complexe, la réflexion d'expert, l'adaptabilité et la créativité.
Rapporter, écouter, répondre et repousser, négocier avec les sources, puis avoir la créativité nécessaire pour tout mettre en place - l'IA ne peut accomplir aucune de ces tâches journalistiques indispensables. Cela peut souvent augmenter le travail humain, cependant, pour aider les gens à travailler plus rapidement ou avec une meilleure qualité. Et cela peut créer de nouvelles opportunités pour approfondir la couverture de l'actualité et la rendre plus personnalisée pour un lecteur ou un téléspectateur individuel.
Le travail dans les salles de presse s'est toujours adapté aux vagues de nouvelles technologies, y compris la photographie, les téléphones, les ordinateurs - ou même simplement la photocopieuse. Les journalistes s'adapteront également au travail avec l'IA. En tant que technologie, elle est déjà et continuera de changer le travail de l'information, complétant souvent mais remplaçant rarement un journaliste formé.
Nouveau travail
J'ai constaté que le plus souvent, les technologies de l'IA semblent créer de nouveaux types de travail dans le journalisme.
Prenez par exemple l'Associated Press, qui a introduit en 2017 l'utilisation de techniques d'IA de vision par ordinateur pour étiqueter les milliers de photos d'actualité qu'elle traite chaque jour. Le système peut étiqueter des photos avec des informations sur quoi ou qui se trouve dans une image, son style photographique et si une image représente une violence graphique.
Le système donne aux éditeurs de photos plus de temps pour réfléchir à ce qu'ils doivent publier et les évite de passer beaucoup de temps à simplement étiqueter ce qu'ils ont. Mais son développement a nécessité une tonne de travail, à la fois éditorial et technique : les éditeurs devaient déterminer ce qu'il fallait étiqueter et si les algorithmes étaient à la hauteur de la tâche, puis développer de nouveaux ensembles de données de test pour évaluer les performances. Une fois tout cela fait, ils devaient encore superviser le système, approuvant manuellement les balises suggérées pour chaque image afin d'assurer une grande précision.
Stuart Myles, l'exécutif AP qui supervise le projet, m'a dit qu'il avait fallu environ 36 mois-personnes de travail, répartis sur quelques années et plus d'une douzaine de membres du personnel éditorial, technique et administratif. Environ un tiers du travail, m'a-t-il dit, impliquait une expertise et un jugement journalistiques particulièrement difficiles à automatiser. Bien qu'une partie de la supervision humaine puisse être réduite à l'avenir, il pense que les gens devront encore effectuer un travail éditorial continu à mesure que le système évolue et se développe.
Production de contenu semi-automatisée
Au Royaume-Uni, le projet RADAR diffuse semi-automatique environ 8 000 articles de presse localisés par mois . Le système repose sur une écurie de six journalistes qui trouvent des ensembles de données gouvernementales tabulées par zone géographique, identifient des angles intéressants et dignes d'intérêt, puis développent ces idées dans des modèles basés sur les données. Les modèles codent comment adapter automatiquement des parties du texte aux emplacements géographiques identifiés dans les données. Par exemple, une histoire pourrait parler du vieillissement des populations à travers la Grande-Bretagne et montrer aux lecteurs de Luton comment leur communauté évolue, avec différentes statistiques localisées pour Bristol. Les histoires sont ensuite transmises par câble aux médias locaux qui choisissent lesquels publier.
L'approche associe les journalistes et l'automatisation dans un processus efficace et productif. Les journalistes utilisent leur expertise et leurs compétences en communication pour présenter des options pour les scénarios que les données pourraient suivre. Ils discutent également avec des sources pour recueillir le contexte national et rédigent le modèle. L'automatisation agit alors comme un assistant de production, adaptant le texte pour différents endroits.
Les journalistes de RADAR utilisent un outil appelé Arria Studio, qui offre un aperçu de ce à quoi ressemble l'écriture de contenu automatisé dans la pratique. C'est vraiment juste une interface plus complexe pour le traitement de texte. L'auteur écrit des fragments de texte contrôlés par des règles if-then-else pilotées par les données. Par exemple, dans un rapport sur un tremblement de terre, vous voudrez peut-être utiliser un adjectif différent pour parler d'un tremblement de terre de magnitude 8 plutôt que d'un tremblement de terre de magnitude 3. Vous auriez donc une règle du type, IF magnitude > 7 THEN text = "fort tremblement de terre", AUTREMENT SI magnitude < 4 ALORS texte = "tremblement de terre mineur". Des outils comme Arria contiennent également des fonctionnalités linguistiques pour conjuguer automatiquement des verbes ou décliner des noms, ce qui facilite le travail avec des morceaux de texte qui doivent changer en fonction des données.
Les interfaces de création comme Arria permettent aux utilisateurs de faire ce pour quoi ils sont doués : structurer logiquement des scénarios captivants et rédiger des textes créatifs et non répétitifs. Mais ils exigent aussi de nouvelles façons de penser l'écriture. Par exemple, les rédacteurs de modèles doivent aborder une histoire avec une compréhension de ce que les données disponibles pourraient dire - pour imaginer comment les données pourraient donner lieu à différents angles et histoires, et délimiter la logique pour conduire ces variations.
La supervision, la gestion ou ce que les journalistes pourraient appeler le « montage » des systèmes de contenu automatisés occupent également de plus en plus de personnes dans la salle de rédaction. Le maintien de la qualité et de l'exactitude est de la plus haute importance dans le journalisme.
RADAR a développé un processus d'assurance qualité en trois étapes. Dans un premier temps, un journaliste lira un échantillon de tous les articles produits. Ensuite, un autre journaliste retrace les affirmations de l'histoire jusqu'à leur source de données d'origine. En guise de troisième vérification, un éditeur passera en revue la logique du modèle pour essayer de repérer toute erreur ou omission. C'est presque comme le travail qu'une équipe d'ingénieurs logiciels pourrait faire pour déboguer un script - et c'est tout le travail que les humains doivent faire pour s'assurer que l'automatisation fait son travail avec précision.
Développer les ressources humaines
Des initiatives comme celles de l'Associated Press et de RADAR démontrent que l'IA et l'automatisation sont loin de détruire des emplois dans le journalisme. Ils créent de nouveaux emplois – tout en modifiant des emplois existants. Les journalistes de demain devront être formés pour concevoir, mettre à jour, peaufiner, valider, corriger, superviser et généralement entretenir ces systèmes. Beaucoup peuvent avoir besoin de compétences pour travailler avec des données et d'une pensée logique formelle pour agir sur ces données. La maîtrise des bases de la programmation informatique ne ferait pas de mal non plus.
Au fur et à mesure de l'évolution de ces nouveaux emplois, il sera important de s'assurer qu'il s'agit de bons emplois – que les gens ne deviennent pas simplement les rouages d'un processus mécanique beaucoup plus vaste. Les gestionnaires et les concepteurs de cette nouvelle main-d'œuvre hybride devront tenir compte des préoccupations humaines d'autonomie, d'efficacité et de convivialité. Mais je suis optimiste sur le fait que se concentrer sur l'expérience humaine dans ces systèmes permettra aux journalistes de s'épanouir et à la société de récolter les fruits de la rapidité, de l'étendue de la couverture et de la qualité accrue que l'IA et l'automatisation peuvent offrir.
Nicholas Diakopoulos , professeur adjoint d'études en communication, Northwestern University
Cet article est republié de The Conversation sous une licence Creative Commons. Lire l' article d'origine .