Un monde amélioré par l’IA exige une évaluation des talents plus avancée

Le schéma ci-dessous résume un rapport du FMI et montre comment l’IA remplace de plus en plus les tâches simples et augmente ou complète l’humain dans des jugements plus complexes et nuancés.

Cette trajectoire est logique au vu de la façon dont l’IA traite l’information. Les signaux circulent dans les systèmes numériques à une vitesse proche de celle de la lumière. L’IA est aussi structurée en composants appelés « vecteurs d’intégration », qui traduisent des données complexes et non structurées en tableaux compacts de nombres pouvant être traités mathématiquement, évitant ainsi de devoir jongler avec de subtiles significations sémantiques.

L’architecture neuronale humaine fonctionne différemment. L’information circule dans le cerveau humain via les synapses à une vitesse maximale de 120 m/s, et la quantité d’informations cognitives traitées par les humains est limitée : une calculatrice scientifique ordinaire peut effectuer des calculs bien plus complexes que même la personne la plus intelligente.

Mais l’IA ne surpasse pas l’humain dans tous les domaines. Malgré les progrès rapides en puissance de traitement, l’humain reste supérieur à l’IA dans les situations d’incertitude et de complexité, en particulier celles impliquant des dynamiques sociales ou des jugements éthiques. 

La nature malléable et adaptative de la prise de décision humaine équipe les individus pour faire face aux situations nécessitant une vision intégrée et nuancée, tout spécialement en contexte de dynamisme et d’incertitude.

Les illustrations de la Figure 2 reflètent ces différences. Les segmentations structurées de l’IA apparaissent dans la première image, tandis que le fonctionnement du cerveau humain est révélé par le connectome, une cartographie du câblage neural sous-jacent. 

Loin d’être un ensemble organisé de zones spécialisées, le cerveau humain renferme une profusion de signaux entrelacés de différents types, qui interagissent pour produire du sens. Même le niveau d’interconnexion fluctue selon les situations et leur dynamique.

Cette compréhension de la complexité et de l’interconnexion cérébrale est relativement récente. Ceux qui ont étudié la psychologie avant 2000 ont sûrement été exposés à un modèle segmenté, basé sur le fonctionnement relativement indépendant de différentes fonctions spécialisées — un modèle qui ressemble à celui de l’IA en Figure 2. 

La ressemblance n’est pas un hasard. Les modèles d’IA sont issus des premiers travaux sur le traitement de l’information d’experts par les psychologues cognitifs Herbert A. Simon et Allen Newell.

Les avancées de l’IRM ont depuis révélé une vision plus approfondie du fonctionnement réel du cerveau humain. La force du jugement et de l’adaptabilité humaine réside dans la nature hautement interconnectée de nos réseaux neuronaux, ce qui permet aux individus de considérer les problématiques sous différents angles, d’en repérer les liens sous-jacents et d’adapter la réponse face à la diversité des personnes et des situations.

Ces capacités — qui deviennent de plus en plus un élément clé de la valeur ajoutée dans un environnement de travail augmenté par l’IA — sont regroupées dans le cadre EPOCH.

Les compétences EPOCH

• Empathie et intelligence émotionnelle
• Présence, réseautage et connexions
• Opinion, jugement et éthique
• Créativité et imagination
• Espoir, vision et leadership

Le marché du travail montre déjà des évolutions qui reflètent ce réalignement. Depuis 2022, on observe une baisse de 13 % des postes dominés par l’analyse répétitive et structurée, parallèlement à une hausse d’environ 20 % de la demande pour des emplois nécessitant une expertise technique ou une réflexion créative.

Selon le professeur de l'école de commerce Suraj Srinivasan, ce changement reflète l’impact de l’augmentation par l’IA. Pour les processus de travail intégrés et multifacettes, nécessitant créativité et pensée analytique, maîtrise technique et jugement nuancé, conformité et discernement, l’intégration de l’IA au sein du processus augmente la valeur économique des composantes humaines. Utilisée comme un outil complémentaire, l’IA peut accroître – et non diminuer – la valeur de la contribution humaine.

Les humains cèdent peut-être du terrain à l’IA sur les tâches exigeant une rapidité de traitement et des jugements routiniers, mais leurs opportunités de mettre l’IA à leur service et de créer de la valeur grâce à leurs forces spécifiquement humaines devraient croître. 

Si les réalités à court terme de cette transformation, dont des pertes d’emplois à grande échelle, suscitent des inquiétudes légitimes, le rapport du FMI prévoit à plus long terme des fonctions plus enrichies et complexes générant une création de valeur supérieure. 

Certains auteurs, dont Andrew Lopianowski et Mike Pino dans leur ouvrage à paraître HumanCorps, qualifient cette période émergente d’« Âge de la sagesse », une vision fondée sur la collaboration symbiotique entre humains et IA, s’appuyant sur les forces des deux.

Les implications pour l’évaluation des talents

Étant donné ces évolutions, comment évaluer la capacité de sagesse et les compétences EPOCH pour soutenir un recrutement et un développement des talents efficaces ? La réponse ne viendra probablement pas des outils utilisés par les RH depuis 50 ans. 

À mesure que les compétences requises pour la création de valeur deviennent plus complexes et intégrées, l’utilité des outils qui décomposent les individus en éléments distincts décline rapidement. Pourtant, cette approche domine encore la plupart des outils d’évaluation des talents actuels, qui cherchent à réduire la complexité humaine à des composantes quantitatives simplifiées, exprimables en données mathématiques.

Plusieurs raisons expliquent pourquoi ces outils sont moins efficaces pour identifier les talents dans un monde enrichi par l’IA.

1. Validité prédictive limitée. Malgré leur adoption généralisée, la plupart de ces outils prédisent mal la performance professionnelle future. Une méta-analyse récente suggère que la personnalité n’explique que moins de 6 % de la variance en performance professionnelle, tandis que les tests cognitifs font légèrement mieux avec environ 10 %.
2. Une hypothèse erronée de stabilité. La plupart des outils actuels prennent un instantané de l’individu et le traitent comme un point fixe. L’idée que la personnalité soit stable dans le temps est ancrée dans sa définition même — « des schémas stables et mesurables de pensées, de sentiments et de comportements » — or de nombreuses méta-analyses prouvent aujourd’hui que la personnalité évolue et se développe dans le temps, en réaction à l’environnement et au développement personnel continu.
3. Une hypothèse erronée d’indépendance. La personnalité et les aptitudes cognitives ont traditionnellement été considérées comme des prédicteurs distincts des comportements et résultats, mais il existe de plus en plus de preuves des liens forts entre la façon dont les personnes décrivent leur comportement et les aptitudes cognitives qu’elles manifestent. Cela s’explique par la nature hautement interconnectée du câblage cérébral et le principe bien établi selon lequel les neurones qui s’activent ensemble se connectent ensemble.
4. Une incapacité à saisir la dynamique. La plupart des outils utilisent un modèle statique qui ne permet pas de comprendre comment les individus réagissent à des situations dynamiques. Comme Ric Roi et moi le montrons dans Future Ready Talent, la capacité d’apprendre et de s’adapter à des conditions changeantes pourrait bien être la marque la plus importante des talents qui créent de la valeur — et c’est le cœur des compétences EPOCH.
5. Une omission du facteur choix. Les études de Dunedin, qui analysent depuis longtemps les prédicteurs de succès dans la santé, la carrière, la finance ou la criminalité, identifient l’autocontrôle comme le facteur prédictif majeur de tous les résultats, autrement dit, la capacité d’un individu à choisir son comportement en fonction de la situation plutôt que selon une préférence personnelle. Accorder trop d’importance à des éléments individuels conduit à sous-évaluer le comportement comme résultat de l’interaction personne-situation, aussi bien sur le plan cognitif que comportemental.

Ironiquement, la plupart des outils psychométriques actuellement utilisés conviendraient parfaitement à l’évaluation d’une IA. Les modèles structurés, segmentés et mathématiques à la base de l’IA s’alignent étroitement sur ceux qui définissent l’évaluation traditionnelle des talents. 

Ces outils étaient adéquats lorsque le travail était relativement stable et segmenté. Dans un contexte professionnel enrichi par l’IA et caractérisé par le dynamisme, l’intégration et la complexité du jugement, ils ne sont plus à la hauteur.

L’évolution de l’évaluation des talents

La volonté de faire évoluer les outils d’évaluation traditionnels tient en partie à des considérations philosophiques, mais les limitations technologiques ont joué un rôle tout aussi déterminant. La dominance de l’autoévaluation, la prévalence des questionnaires et le nombre restreint d’items ont tous été façonnés par l’ère des tests sur papier.

Avec l’avancée de la technologie, beaucoup de ces outils ont été numérisés et parfois « ludiqués », rendant l’administration, la notation et l’interprétation plus efficaces tout en renforçant l’engagement des candidats. Cependant, les fondements restent en grande partie inchangés. 

La validité prédictive a peu progressé, même lorsque l’apprentissage automatique est utilisé pour combiner les résultats de plusieurs outils.

Les véritables avancées dans l’évaluation des talents proviennent de supports multimédias, d’outils immersifs et interactifs, d’évaluations basées sur le jeu et de simulations d’entreprise utilisant des scénarios fictifs structurés pour produire des données sur des constructions psychologiques sous-jacentes. 

Ces outils offrent plusieurs avantages distincts :

• Ils peuvent être situés dans des environnements professionnels pertinents, améliorant ainsi la qualité des données et réduisant le bruit de mesure généré lorsque les candidats passent des tests peu liés à leur véritable travail. Leur coût n’est pas nécessairement élevé. L’utilisation d’outils de développement à création rapide permet de concevoir des évaluations sur mesure à un coût bien inférieur à ce qui était historiquement possible, et elles servent également d’aperçu réaliste du poste dans le recrutement des talents.
• Ils reposent sur le multimédia, ce qui améliore l’engagement et simplifie la saisie des données. Les candidats peuvent répondre oralement au lieu de dactylographier, et le faire dans leur langue de préférence, ce qui améliore encore la qualité des données.
• Ils permettent plus de questions ouvertes. La recherche doctorale sur les évaluations basées sur le jeu a démontré que les questions ouvertes offrent une profondeur et une qualité d’analyse supérieures.
• Ils peuvent être conçus pour une validité prédictive maximale grâce à des processus comme la conception centrée sur l’évidence, qui cible les facteurs déterminants du succès et garantit une évaluation rigoureuse.
• Ils offrent la possibilité d’observer les réponses des participants dans des environnements différents et dynamiques, fournissant ainsi une vision plus systémique des capacités individuelles face à des stimuli changeants.

Tout cela serait impossible sans l’IA, qui soutient ces outils tout au long du parcours — de la création de scénarios d’affaires complexes via des jeux interactifs à la capture et l’analyse des données, en passant par l’analyse complexe des interactions dynamiques entre variables mesurées. 

La capacité de l’IA à traiter de grandes quantités de données est à la base de ces avancées.

Cependant, la validité de ces outils dépend de leur conception. La dimension créative et narrative est essentielle pour créer un environnement pertinent et immersif, notamment lorsque les outils doivent faire émerger des données relatives aux dynamiques émotionnelles et sociales qui sont au cœur des compétences EPOCH. 

Un solide travail de conception psychométrique, fondé sur la recherche en psychologie et une compréhension fine de l’humain, permet de garantir la pertinence, l’utilité et l’interprétabilité des données produites.

Ces avancées représentent une évolution indispensable. Sans elles, notre capacité à identifier et développer les compétences qui créent de la valeur continuera de décliner. La même dynamique qui transforme le monde du travail transforme les outils que nous utilisons pour le comprendre. L’IA y prend toute sa force non comme substitut au jugement humain, mais en tant qu’infrastructure rendant possible un jugement humain plus poussé.