Un formateur d’entreprise et leader d’opinion partage les workflows et cadres spécifiques qu’il utilise pour transformer les entreprises grâce à l’IA
Le parcours de leadership de Christopher Lind lui a permis de collaborer avec certaines des plus grandes entreprises au monde — comme GE Healthcare, où il fut Responsable mondial des systèmes et technologies des talents. Aujourd’hui, il stimule la transformation des entreprises en tirant parti du juste équilibre entre les personnes et la technologie.
L’IA rend le leadership plus humain: Lind souligne que même si la technologie évolue rapidement, les fondamentaux du leadership restent fondés sur l’empathie, l’adaptabilité et la compréhension des personnes.
Ralentir pour accélérer la croissance: Adopter l’IA à la hâte sans comprendre les workflows conduit à une inefficacité à grande échelle. Lind conseille aux dirigeants de déconstruire d’abord les processus, d’identifier là où l’IA apporte véritablement de la valeur, puis de l’intégrer de façon réfléchie.
Développer la culture IA comme une discipline mesurable: Le cadre d’efficacité de l’IA en six parties de Lind — Intentionnalité, Discernement, Alignement Éthique, Maîtrise technique, Intégration aux workflows et Discernement en délégation — aide les organisations à évaluer et à améliorer la façon dont les personnes utilisent l’IA.
Nous nous sommes entretenus avec lui pour comprendre les processus qu’il révolutionne grâce à l’IA, ainsi que les cadres qu’il utilise pour garantir l’acculturation à l’IA dans les organisations. Voici ce qu’il nous a partagé.
Du leader accidentel au transformateur stratégique
J’ai eu une carrière dynamique que l’on pourrait mieux décrire comme se situant à l’intersection du business, de la technologie et de l’humain. Officiellement, il s’agit d’un parcours dans la formation en entreprise, mais concrètement, mon métier a consisté à piloter la transformation des entreprises à travers les personnes qui les font fonctionner, et à optimiser cette transformation grâce à la technologie.
Je n’ai jamais aspiré à devenir leader. Je voulais simplement améliorer les choses et mettre en œuvre mes compétences et mon expertise à bon escient. Pourtant, cela m’a amené à diriger des équipes au sein de certaines des entreprises les plus reconnues au monde, comme GE Healthcare et HR.com, à m’investir dans des projets que je n’aurais jamais pu imaginer et à avoir une voix dans l’industrie qu’un introverti comme moi aurait redoutée il y a quelques années.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Pourquoi l’IA rend le leadership plus humain — et non l’inverse
Bien que mes méthodes changent rapidement avec l’IA, je dirais que la base du leadership n’a en réalité pas bougé.
Mon rôle et mon style de leadership ont toujours reposé sur l’identification des causes profondes — les résoudre en m’entourant de personnes incroyables et en tirant le meilleur d’elles-mêmes, tout en optimisant les solutions avec la technologie. Aujourd’hui, il existe tout simplement plus d’options et d’outils à disposition.
Et, à vrai dire, je pense même que l’ère de l’IA renforce l’importance de ce socle. Je dirais même que l’IA rendra le leadership plus humain qu’il ne l’a jamais été.
Il existe une pression énorme à « en faire plus » et « aller plus vite », mais accélérer et produire davantage de mauvaises choses sera fatal. Les leaders qui réussiront seront ceux qui sauront d’abord comprendre ce dont les gens autour d’eux sont capables, puis développer leur adaptabilité et leurs compétences.
Ceux qui poursuivront aveuglément des indicateurs de façade et des gains à court terme se retrouveront très vite en difficulté, voire complètement sans emploi s’ils n’y prennent pas garde.
Pourquoi on ne peut pas utiliser l’IA pour résoudre n’importe quel problème
L’IA n’est efficace que si vous prenez le temps de déconstruire le problème, d’identifier toutes les parties distinctes, de déterminer précisément où l’IA est pertinente, puis de reconstruire une solution hybride qui tire le meilleur de ce que l’IA et l’humain peuvent offrir.
Actuellement, de nombreux dirigeants partent du principe qu’ils peuvent confier n’importe quelle tâche à l’IA et que celle-ci est suffisamment intelligente pour comprendre le problème, concevoir une solution et la mettre en œuvre avec un minimum d’erreurs.
Ce n’est pas comme ça que cela fonctionne.
Il faut prendre le temps de parler aux personnes qui réalisent effectivement le travail et d’étudier les données associées. De nombreuses tâches, essentielles au résultat, passent inaperçues au départ. Lorsque ce travail invisible est négligé, c’est là que l’IA se trompe — et rapidement.
Le conseil de Christopher
L’IA n’est efficace que si vous prenez le temps de déconstruire le problème, d’identifier toutes les parties distinctes, de déterminer précisément où l’IA est pertinente, puis de reconstruire une solution hybride qui tire le meilleur de ce que l’IA et l’humain peuvent offrir.
Comment l’IA peut amplifier tous les mauvais aspects
De la même façon, l’IA amplifie tout ce qu’elle touche, le bon comme le mauvais. Si vous l’appliquez aux bons sujets, vous observerez des améliorations plus rapides et à une échelle inimaginable.
Malheureusement, l’inverse est tout aussi vrai : si vous vous précipitez ou négligez un aspect, l’IA exploitera cette faiblesse et l’amplifiera à une échelle impossible à anticiper. Vous n’aurez pas non plus le temps de réagir et de corriger le tir. Les erreurs peuvent devenir catastrophiques avant même que vous ne réalisiez qu’elles ont été commises.
Un exemple m’a particulièrement marqué. J’ai été sollicité par une entreprise après qu’ils eurent remplacé leurs représentants du service client par l’IA. En quelques semaines, les clients étaient furieux et annulaient leur abonnement en masse. Pire encore, certains clients avaient compris comment exploiter le service client de l’IA et parvenaient à obtenir gratuitement des produits ou des services.
Ce fut un désastre total. Nous avons dû tout reprendre à zéro et repenser intégralement le rôle du service client — redéfinir les tâches dont l’IA devait s’occuper, les situations qui devaient être escaladées à une personne, et les compétences que les agents humains devaient désormais posséder pour faire fonctionner le système.
Si vous allez trop vite ou oubliez quelque chose, cela l’exploitera et amplifiera à une échelle que vous ne pouvez pas imaginer. Vous n’aurez également pas le temps habituel pour réagir et répondre. Les erreurs peuvent devenir catastrophiques avant même que vous ne réalisiez qu’elles ont été commises.
Fondateur et stratège en chef IA chez Christopher Lind Co
Comment les leaders utilisent l’IA pour tout, de la paperasse à la refonte organisationnelle
J’expérimente constamment avec l’IA et j’améliore les processus en fonction du stade de maturité de la technologie. Pour cela, je cartographie chaque processus et recherche les étapes répétitives et peu risquées qui peuvent être automatisées. C’est pourquoi je dis toujours qu’il n’existe pas de véritables « domaines de l’IA » : c’est une augmentation de tout ce que nous faisons.
En leadership, en particulier, il existe beaucoup de tâches robotiques et répétitives qui prennent énormément de temps et vous éloignent des personnes. Ce travail doit être automatisé, car si vous concentrez vos efforts sur les aspects répétitifs et robotiques du leadership, vous devenez obsolète. C’est pourquoi j’encourage toujours mes équipes à utiliser l’IA comme copilote — afin qu’elles puissent se concentrer sur ce qui compte vraiment.
Le conseil de Christopher
Si vous concentrez vos efforts sur les aspects répétitifs et robotiques du leadership, vous devenez obsolète.
Trois flux de travail quotidiens que chaque leader devrait déléguer à l’IA
Voici trois exemples simples de flux de travail répétitifs que je délègue régulièrement à l’IA :
Prise de notes en réunion : J’utilise Fireflies.ai pour transcrire mes réunions, m’envoyer des résumés, puis m’adresser les principaux points à retenir avant la réunion suivante. Cette application de prise de notes me permet de me concentrer sur la personne à qui je parle, au lieu d’essayer de prendre des notes ou de vérifier que je traite correctement les points d’action pendant la réunion.
Base de connaissances de réunions : Je dépose les transcriptions de Fireflies.ai dans NotebookLM (logiciel de base de connaissances) et je garde un carnet pour chaque personne ou projet, ce qui me permet de poser directement des questions comme : « Qu’ai-je manqué ? », « Quelles décisions restent à prendre ? », « Quel suivi est nécessaire ? », et « Quelles opportunités s’offrent à nous ensuite ? » Cela transforme les conversations en une base de connaissances exploitable et consultable.
Simulations de leadership IA : Pour de nombreuses organisations, j'utilise Relativ.ai pour concevoir des simulations de leadership IA basées sur des comportements clés en utilisant une technologie similaire à celle de mon évaluation de l’efficacité IA. Elles offrent aux leaders une mesure objective de leurs compétences et un plan de développement clair.
Trois tâches gourmandes en données où l’IA procure un vrai avantage
Voici également trois exemples de tâches intensives en données qui, quoique moins régulières, auraient été difficiles à traiter sans l’IA :
Consolidation et refonte organisationnelle : Avec une organisation, nous avons intégré les données des postes dans l’IA et lui avons demandé d’identifier les redondances de métiers — en d’autres termes, où il semblait que deux postes accomplissaient les mêmes tâches à différents endroits ? Il s’agissait d’une grande organisation, et ce travail de regroupement aurait normalement pris beaucoup de temps, mais l’IA l’a simplifié. Ensuite, nous sommes allés investiguer ces cas afin de comprendre si le travail était effectivement dupliqué.
Bon nombre des exemples identifiés par l’IA ne représentaient pas un véritable doublon : soit la fonction répondait à un besoin spécifique, soit l’équipe avait simplement utilisé une fiche de poste générique pour ouvrir rapidement un poste et le pourvoir. Dans ces situations, nous avons actualisé les descriptions pour mieux refléter la réalité. Mais certaines des conclusions de l’IA ont effectivement mené à une consolidation et à une refonte organisationnelle.
Combler les lacunes de compétences : Avec une autre organisation, nous avons détecté une lacune de compétences dans l’équipe commerciale concernant une interaction spécifique avec les clients. Habituellement, nous aurions diffusé du contenu et encouragé les managers à accompagner leurs collaborateurs, mais il aurait été pratiquement impossible de déployer un exercice de simulation à grande échelle pour permettre à chacun de développer les compétences nécessaires. À la place, nous avons utilisé l’IA pour lancer une conversation mobile avec un bot intelligent qui simulait la situation. Nous avons ensuite ajouté une analyse conversationnelle menée par l’IA pour évaluer les performances, fournir des retours ciblés et livrer un tableau de bord complet des résultats de chacun. Cela a permis à la direction d’apporter des solutions ciblées et efficaces, afin de combler la lacune de façon mesurable.
Pour ce projet, j’ai utilisé Relativ.AI pour les simulations et évaluations, en l’intégrant sur OpenAI et NotebookLM pour le moteur et la base de connaissances sous-jacents.
Prise de décision : Pour la prise de décision d’envergure, j’alimente l’IA avec des volumes importants de données, mais je l’utilise comme un partenaire de réflexion. J’identifie les axes clés à étudier et je lui demande dans quelle mesure les données correspondent à ces catégories.
Je pose aussi des questions du type : « Qu’est-ce que nous négligeons ? » ou « Quels motifs cachés détectes-tu ? ». Mais ce n’est jamais une base d’action immédiate : c’est un point de départ pour valider, approfondir ou nuancer auprès de personnes proches du terrain capables de confirmer, clarifier ou infirmer.
Comment mesurer la maîtrise de l’IA dans votre équipe – et combler le fossé de compétences
L’étape clé vers la maîtrise de l’IA consiste à identifier les écarts. Pour cela, j’ai découpé l’efficacité en IA en six disciplines fondamentales que l’on peut réellement mesurer :
Intentionnalité : L’intentionnalité consiste à utiliser l’IA avec un objectif précis ; pas juste par commodité. Elle mesure si votre recours à l’IA est aligné sur les objectifs stratégiques plutôt que sur l’effet de mode ou la recherche d’efficacité pour elle-même. Conseil : Avant d’automatiser quoi que ce soit, faites une pause et demandez-vous : « Quel problème suis-je réellement en train d’essayer de résoudre ? » La raison d’être avant la méthode : voilà la clé.
Discernement : Le discernement mesure votre capacité à savoir quand faire confiance à l’IA – et quand s’en méfier. Il s’agit d’exercer son jugement pour évaluer les propositions, la fiabilité et la pertinence de l’IA au sein des décisions humaines. Conseil : Ajoutez volontairement de la friction dans votre processus. N’acceptez jamais le premier résultat proposé par l’IA ; comparez, questionnez, ajustez avant d’agir.
Alignement éthique : L’alignement éthique évalue dans quelle mesure votre utilisation de l’IA respecte les valeurs de l’organisation, la confidentialité, l’équité et l’intégrité. Il ne s’agit pas d’une simple liste de vérification ; c’est une cohérence morale constante.
Conseil : Définissez vos lignes rouges : décidez à l’avance ce qui ne doit jamais être confié à l’IA, avant d’explorer ce qui pourrait l’être.
Maîtrise technique : La maîtrise technique correspond à votre aisance avec les outils, le vocabulaire et les limites de l’IA. Il ne s’agit pas de coder : il s’agit de comprendre. Plus votre maîtrise est grande, plus vous pourrez exploiter l’IA avec créativité et responsabilité. Conseil : Ne courez pas après tous les nouveaux outils. Choisissez-en un ou deux et explorez-les en profondeur, pour bien saisir leur potentiel réel et leurs limites.
Intégration au flux de travail : Ce critère mesure dans quelle mesure l’IA s’intègre naturellement dans vos procédures quotidiennes et modes de collaboration. L’usage efficace de l’IA ne s’ajoute pas – il s’intègre. Conseil : Repérez les goulots d’étranglement ou les tâches répétitives qui engendrent de la lourdeur. Commencez petit, et éliminez les frictions, pas la mission.
Discernement dans la délégation : Cette compétence évalue votre capacité à décider quoi confier à l’IA – et ce qui doit rester humain. Il s’agit d’établir des limites claires dans la collaboration avec la technologie. Conseil : En cas de doute, déléguez à l’IA les tâches répétitives à forts volumes de données, mais conservez toujours à l’humain le jugement, l’empathie et la responsabilité.
Commencez petit et éliminez la friction, pas la fonction.
Après avoir défini ces disciplines, j’ai conçu un outil d’évaluation pour aider mes équipes à situer leur niveau sur ces six axes. Les membres de l’équipe dialoguent avec un bot IA en décrivant comment ils utilisent l’IA dans leur travail. Cette conversation est analysée, puis ils reçoivent un rapport personnalisé montrant leur efficacité sur chaque discipline, et des conseils concrets pour combler les écarts — le tout en dix à quinze minutes. Il est ensuite possible de réutiliser l’évaluation dans le temps pour suivre les progrès : cela en fait un cadre vivant de développement, pas une évaluation figée.
Des résultats concrets et transformateurs grâce à une évaluation IA
Voici un exemple de ce type d'évaluation de l'IA en pratique. Une organisation avait déployé Microsoft Copilot et constatait qu'il était beaucoup utilisé, mais sans vraiment savoir ce qui était fait ni si cela apportait une quelconque valeur.
Nous avons donc déployé cet outil d’évaluation avec quelques objectifs clés : identifier de manière mesurable l'efficacité des gens à l'utiliser, identifier les tendances quant aux types d'usages que les collaborateurs faisaient de l’IA, et proposer des plans de développement et de progression spécifiques afin d'obtenir une amélioration mesurable en six mois.
Toutes les personnes de l’entreprise ont reçu un tableau de bord personnel, qui a ensuite été lié à un objectif de gestion des performances axé sur l'amélioration de leur efficacité avec l’IA. Et la direction a pu bénéficier d'une vue d'ensemble.
Nous avons d'abord constaté des lacunes importantes au niveau de « l'alignement éthique », par rapport aux valeurs de l'entreprise, ce qui a conduit à de nouvelles normes d’entreprise intégrées à la gestion de la performance — non seulement autour de l’éthique de l’IA, mais également sur la manière de se comporter en général.
Nous avons aussi repéré des opportunités à haut risque où l’IA était utilisée sur des tâches nécessitant de rester humaines. Les responsables concernés ont pu aller dans le détail au niveau des équipes et les aider à réorienter leurs pratiques.
Durant les six mois, nous avons procédé à deux autres évaluations et constaté une progression mesurable dans les six domaines, avec une amélioration majeure sur la question de l’éthique grâce à ces nouvelles normes appliquées à toute l'entreprise. Bon nombre de responsables ont par ailleurs utilisé les données obtenues pour recentrer le travail de leurs équipes, car nous avions identifié que beaucoup ne savaient pas clairement quelles étaient leurs priorités stratégiques.
La pile d’outils IA à deux niveaux de Christopher Lind
En ce qui concerne les outils, je les classe en deux catégories : les outils entièrement IA et ceux qui sont enrichis par l’IA.
Pour les outils purement IA :
Mes références sont ChatGPT et Google Gemini. Mais j'utilise davantage ChatGPT pour ses capacités multimodales.
J’ajouterais aussi NotebookLM. Quand j’ai besoin d’organiser et de référencer des ensembles de données spécifiques, c’est indispensable. J’ai un carnet pour chaque projet sur lequel je travaille. Toutes les ressources, chaque transcription — tout y est stocké. Cela me donne un ensemble de données fermé que je peux explorer et exploiter.
J’utilise Fireflies.ai pour toutes mes transcriptions de réunions.
Et Relativ.ai gère tous mes travaux de simulation. C’est aussi sur Relativ.ai que repose mon outil d’évaluation de l’efficacité de l’IA.
Côté outils enrichis par l’IA :
Je suis passionné par un logiciel de montage vidéo appelé Descript. Ils ont très bien intégré les fonctionnalités d’IA dans les flux de travail créatifs. Et par le passé, j’ai aussi beaucoup utilisé CapCut.
Et j’utilise également beaucoup Grammarly.
Pourquoi la pile d’outils d’IA compte moins que la stratégie IA
Cela étant dit, à propos de l’IA, la plupart des gens se concentrent sur la mauvaise question. Ils demandent quels outils sont utilisés et ceux qu’ils devraient utiliser. Ce n'est pas la bonne question.
Les gens devraient examiner les compétences qu’ils doivent renforcer et celles qui peuvent facilement être automatisées. Ensuite, il s'agit de tirer parti des outils IA déjà présents dans leur organisation pour cela.
Ceux qui réussiront ne sont pas ceux qui choisissent les bons outils. Ce sont ceux qui savent clairement ce qu’ils ont à accomplir et qui exploitent intelligemment les outils IA à leur disposition pour y parvenir.
Donc, quand je parle des outils que j'utilise, c’est juste pour situer le contexte — ce n’est pas une liste à suivre. Je pourrais réaliser tout ce que je fais avec un assortiment totalement différent d’outils, parce que je sais ce dont j’ai besoin de l’IA et j’analyse rapidement lesquels peuvent accomplir le travail.
Conseils aux dirigeants qui pilotent la transformation IA : Ralentissez pour accélérer
Voici mon conseil : ralentissez. Prenez le temps de comprendre ce que vous voulez vraiment accomplir et comment le travail se fait aujourd’hui.
Tout le monde se précipite pour adopter l’IA sans vraiment comprendre leurs processus actuels. Résultat : ils appliquent l’IA à des processus cassés et amplifient le gaspillage.
Si vous prenez le temps de bien faire dès le début, d’équiper les collaborateurs pour réussir avec la technologie, et de définir clairement les résultats attendus, vous réussirez.
Il faut aussi être prêt à dire « Non » à de bonnes idées si elles vous détournent des priorités majeures.
À suivre
Pour suivre le parcours de Christopher Lind et apprendre de son expérience de la transformation des entreprises par l’humain et la technologie, rendez-vous sur son site web christopherlind.co, abonnez-vous à ses contenus sur Substack ou connectez-vous avec lui sur LinkedIn.
Encore plus d'entretiens d'experts à venir sur People Managing People !
