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 confier le travail cognitif aux ordinateurs. Dans le journalisme, par exemple, les systèmes d'exploration de données alertent les journalistes sur des sujets d'actualité potentiels , tandis que les newsbots offrent au public de nouvelles façons d'explorer l'information. Les systèmes d'écriture automatisés génèrent une couverture financière, sportive et électorale .
Une question courante à mesure que ces technologies intelligentes s'infiltrent dans 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 comptera encore beaucoup de monde. Cependant, les emplois, les rôles et les tâches de ces personnes évolueront et seront légèrement différents. Le travail humain sera hybridé – mélangé à des algorithmes – pour s'adapter aux capacités de l'IA et s'adapter à ses limites.
Augmenter, pas remplacer
Certaines estimations suggèrent que les niveaux actuels de technologie d'IA ne pourraient automatiser qu'environ 15 % du travail d'un journaliste et 9 % de celui 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 experte, l’adaptabilité et la créativité.
Reporter, 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. Cependant, cela peut souvent augmenter le travail humain, pour aider les gens à travailler plus rapidement ou avec une meilleure qualité. Et cela peut créer de nouvelles opportunités pour approfondir la couverture médiatique et la rendre plus personnalisée pour un lecteur ou un téléspectateur individuel.
Le travail en rédaction s’est toujours adapté aux vagues de nouvelles technologies, notamment 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 change déjà et continuera de changer le travail journalistique, complétant souvent mais rarement remplaçant un journaliste qualifié.
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 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 les photos avec des informations sur ce qui se trouve 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 leur évite de passer beaucoup de temps à simplement étiqueter ce qu'ils ont. Mais son développement a demandé une tonne de travail, à la fois éditorial et technique : les éditeurs ont dû déterminer quoi étiqueter et si les algorithmes étaient à la hauteur, puis développer de nouveaux ensembles de données de test pour évaluer les performances. Une fois tout cela terminé, il leur restait à superviser le système, en approuvant manuellement les balises suggérées pour chaque image afin de garantir une grande précision.
Stuart Myles, le directeur d'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 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. Même si une partie de la supervision humaine pourrait être réduite à l'avenir, il pense que les gens devront toujours 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 de manière semi-automatique environ 8 000 articles d'actualité localisés par mois . Le système s'appuie sur un groupe de six journalistes qui trouvent des ensembles de données gouvernementales classées 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 morceaux de texte aux emplacements géographiques identifiés dans les données. Par exemple, un article 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 articles sont ensuite envoyés par voie électronique aux médias locaux qui choisissent lesquels publier.
L’approche associe les journalistes et l’automatisation en un processus efficace et productif. Les journalistes utilisent leur expertise et leurs compétences en communication pour présenter des options de 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 aux différents lieux.
Les journalistes de RADAR utilisent un outil appelé Arria Studio, qui offre un aperçu de ce à quoi ressemble la rédaction de contenu automatisé dans la pratique. Il s'agit en réalité d'une interface plus complexe pour le traitement de texte. L'auteur écrit des fragments de texte contrôlés par des règles if-then-else basées sur les données. Par exemple, dans un rapport sur un tremblement de terre, vous souhaiterez peut-être utiliser un adjectif différent pour parler d'un séisme de magnitude 8 plutôt que d'un séisme de magnitude 3. Vous auriez donc une règle du type SI magnitude > 7 ALORS texte = « fort tremblement de terre ». AUTRE SI magnitude < 4 ALORS texte = « tremblement de terre mineur ». Des outils comme Arria contiennent également des fonctionnalités linguistiques permettant de conjuguer automatiquement les verbes ou de décliner les noms, ce qui facilite le travail avec des morceaux de texte qui doivent changer en fonction des données.
Nicholas Diakopoulos capture d'écran d'Arria Studio , CC BY-ND
Les interfaces de création comme Arria permettent aux utilisateurs de faire ce pour quoi ils sont doués : structurer logiquement des intrigues captivantes et créer un texte créatif et non répétitif. Mais ils nécessitent également de nouvelles façons de penser l’écriture. Par exemple, les rédacteurs de modèles doivent aborder une histoire en comprenant ce que les données disponibles pourraient dire – pour imaginer comment les données pourraient donner lieu à différents angles et histoires, et définir la logique qui sous-tend ces variations.
La supervision, la gestion ou ce que les journalistes pourraient appeler « l'édition » des systèmes de contenu automatisés occupent également de plus en plus de personnes dans les salles de rédaction. Le maintien de la qualité et de l’exactitude est la plus grande préoccupation du journalisme.
RADAR a développé un processus d'assurance qualité en trois étapes. Tout d’abord, un journaliste lira un échantillon de tous les articles produits. Ensuite, un autre journaliste retrace les allégations contenues dans l'article jusqu'à leur source de données d'origine. Comme troisième vérification, un éditeur examinera la logique du modèle pour tenter de repérer d'éventuelles erreurs ou omissions. C'est presque comme le travail qu'une équipe d'ingénieurs logiciels pourrait effectuer pour déboguer un script – et c'est tout le travail que les humains doivent faire pour garantir que l'automatisation fait son travail avec précision.
Développer les ressources humaines
Des initiatives comme celles d’Associated Press et de RADAR démontrent que l’IA et l’automatisation sont loin de détruire les emplois dans le journalisme. Ils créent de nouveaux emplois – tout en modifiant les emplois existants. Les journalistes de demain devront être formés pour concevoir, mettre à jour, peaufiner, valider, corriger, superviser et généralement maintenir 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.
À mesure que ces nouveaux emplois évolueront, il sera important de veiller à ce qu'ils soient de qualité et à ce que les gens ne deviennent pas simplement des rouages d'un processus machine beaucoup plus vaste. Les gestionnaires et les concepteurs de ce nouveau travail hybride devront prendre en compte les préoccupations humaines d’autonomie, d’efficacité et de convivialité. Mais je suis optimiste que le fait de 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 .
