Un Monde Amplifié par l’IA Exige des Évaluations de Talent Plus Avancées

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

Cette trajectoire s'explique par la façon dont l'IA traite l'information. Les signaux se déplacent à travers les systèmes numériques à une vitesse proche de celle de la lumière. L'IA est également organisée en composants appelés "vector embeddings", qui traduisent des données complexes et non structurées en tableaux compacts de nombres pouvant être traités mathématiquement, évitant ainsi de devoir jongler avec la signification sémantique subtile.

L'architecture neuronale humaine fonctionne différemment. Les informations circulent dans les synapses du cerveau à une vitesse maximale de 120 m/s, et la quantité d'informations cognitives que les humains peuvent traiter est limitée — votre calculatrice scientifique moyenne peut effectuer des calculs bien plus complexes que même la personne la plus intelligente.

Mais l'IA ne surpasse pas les humains dans tous les domaines. Malgré la rapidité des progrès en matière de traitement, les humains restent supérieurs à l'IA dans les conditions d'incertitude et de complexité, notamment celles impliquant la dynamique sociale ou le jugement éthique. 

La nature malléable et adaptative de la prise de décision humaine rend les personnes mieux équipées pour les situations nécessitant une vision intégrée et nuancée, en particulier dans des conditions de dynamisme et d'incertitude.

Les illustrations de la Figure 2 illustrent bien ces différences. Les segmentations structurées de l'IA apparaissent sur la première image, tandis que le fonctionnement du cerveau humain est révélé par le connectome, une carte du câblage neuronal sous-jacent. 

Loin d'être un ensemble organisé de zones spécialisées, le cerveau humain est une richesse de signaux imbriqués de différentes natures qui interagissent pour construire du sens. Même le niveau d'interconnectivité fluctue en fonction de situations diverses et dynamiques.

Cette compréhension de la complexité et de l'interconnexion du cerveau est relativement récente. Ceux qui ont étudié la psychologie avant l'an 2000 ont probablement découvert un modèle segmenté dans lequel différentes fonctions spécialisées opéraient assez indépendamment — un modèle qui ressemble à celui de l'IA présenté en Figure 2. 

La ressemblance n'est pas un hasard. Les modèles d'IA proviennent des premiers travaux sur le traitement expert de l'information réalisés par les psychologues cognitifs Herbert A. Simon et Allen Newell.

Les avancées de la technologie IRM ont depuis révélé une vision plus profonde du fonctionnement réel du cerveau humain. La force du jugement humain et de l'adaptabilité réside dans la nature hautement interconnectée de nos réseaux neuronaux, qui permet aux gens de voir les questions sous différents angles, de repérer des liens sous-jacents et d'adapter leurs réponses à des personnes et des situations changeantes.

Ces capacités — celles qui deviennent de plus en plus essentielles pour créer de la valeur dans un environnement de travail enrichi par l'IA — ont été rassemblées dans le cadre EPOCH.

Les compétences EPOCH

• Empathie et intelligence émotionnelle
• Présence, réseau et connectivité
• Opinion, jugement et éthique
• Créativité et imagination
• Espoir, vision et leadership

Le marché du travail manifeste déjà des évolutions qui reflètent ce réalignement. Depuis 2022, on observe une baisse de 13 % des postes dominés par des tâches d’analyse répétitives et structurées, ainsi qu’une croissance d’environ 20 % de la demande pour des emplois nécessitant une expertise technique ou une pensée créative.

Selon le professeur de Business School Suraj Srinivasan, ce changement reflète l'impact de l’augmentation par l’IA. Pour les processus de travail intégrés et multifacettes nécessitant créativité et réflexion analytique, maîtrise technique et jugement nuancé, conformité et discernement, le déploiement de l’IA dans le processus augmente la valeur économique des composantes humaines. Lorsqu’elle est utilisée comme 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 pour les travaux nécessitant un traitement rapide et des jugements routiniers, mais leurs opportunités de tirer parti de l’IA et de créer de la valeur grâce à des compétences typiquement humaines devraient croître. 

Si les réalités à court terme de cette transformation, notamment les pertes massives d’emplois, suscitent des inquiétudes légitimes, le rapport du FMI prévoit une perspective à plus long terme avec des rôles plus enrichis et complexes générant une création de valeur supérieure. 

Certains auteurs, dont Andrew Lopianowski et Mike Pino dans leur ouvrage à paraître HumanCorps, décrivent cette période émergente comme l’« Ère de la Sagesse », une vision basée sur la symbiose entre humains et IA, tirant parti des forces de chacun.

Les implications pour l’évaluation des talents

Face à ces changements, comment évaluer la capacité de sagesse et les compétences EPOCH pour soutenir l’acquisition et le développement efficaces des talents ? La réponse proviendra difficilement des outils sur lesquels les RH se sont appuyés ces 50 dernières années. 

À mesure que les compétences nécessaires à la création de valeur deviennent de plus en plus complexes et intégrées, l’utilité des outils qui décomposent les individus en éléments séparés diminue rapidement. Pourtant, cette approche reste dominante parmi la plupart des outils d’évaluation des talents actuels, qui cherchent à réduire la complexité humaine à des éléments quantitatifs simples exprimables comme des données mathématiques.

Plusieurs raisons expliquent pourquoi ces outils sont moins pertinents pour l’identification des talents dans un monde enrichi par l’IA.

1. Validité prédictive limitée. Malgré leur adoption généralisée, la plupart de ces outils ne prédisent pas bien la performance professionnelle future. Une méta-analyse récente suggère que la personnalité prédit moins de 6 % de la variance de la performance au travail, tandis que les tests cognitifs font légèrement mieux à environ 10 %.
2. Une hypothèse erronée de stabilité. La plupart des outils actuels prennent un instantané d’un individu et le considèrent comme un point fixe. L’idée que la personnalité est constante dans le temps est intégrée à sa définition même — « des schémas stables et mesurables de pensées, sentiments et comportements » — or de nombreuses preuves issues de méta-analyses indiquent désormais que la personnalité évolue et se développe au fil du temps, en réponse à l’environnement et à l’évolution personnelle continue.
3. Une hypothèse erronée d’indépendance. La personnalité et les capacités cognitives ont traditionnellement été considérées comme des prédicteurs indépendants des comportements et des résultats, mais les preuves s’accumulent sur l’existence de liens forts entre la manière dont les gens décrivent leur comportement et les capacités cognitives qu’ils démontrent. Cela s’explique par la grande interconnexion des réseaux neuronaux et le principe reconnu « les neurones qui s’activent ensemble, se connectent ensemble ».
4. Incapacité à saisir la dynamique. La plupart des outils adoptent un modèle statique incapable de saisir comment les individus réagissent face à des situations dynamiques. Comme Ric Roi et moi le soulignons dans Future Ready Talent, la capacité d’apprendre et de s’adapter à des conditions changeantes est peut-être la caractéristique la plus déterminante du talent créateur de valeur — et elle se trouve au cœur des compétences EPOCH.
5. Mauvaise prise en compte du choix. Les études de Dunedin, qui analysent depuis longtemps les déterminants du succès selon la santé, la carrière, la situation financière et la criminalité, ont identifié le contrôle de soi comme le principal facteur prédictif, autrement dit la capacité de l’individu à choisir son comportement selon la situation plutôt qu’en fonction de sa préférence personnelle. Si l’on privilégie excessivement les constructions individuelles, on sous-estime le comportement en tant que produit de l’interaction entre la personne, la situation, les processus cognitifs et comportementaux.

Ironiquement, la plupart des outils psychométriques utilisés aujourd’hui conviendraient parfaitement pour une évaluation de l’IA. Les modèles structurés, segmentés, mathématiques qui sous-tendent l’IA s’alignent étroitement sur ceux qui dominent l’évaluation traditionnelle des talents. 

Ces outils étaient peut-être adéquats quand le travail était relativement stable et segmenté. Dans un environnement professionnel enrichi par l’IA, caractérisé par le dynamisme, l’intégration et des jugements complexes, ils ne suffisent plus.

L'évolution de l'évaluation des talents

La volonté de faire évoluer les outils d'évaluation traditionnels a été en partie philosophique, mais la limitation technologique a également joué un rôle tout aussi important. La domination de l'auto-évaluation, la prévalence des questionnaires, le nombre restreint d'items, tout cela a été façonné par l'ère des tests papier-crayon.

Avec les progrès technologiques, de nombreux outils ont été numérisés et parfois « ludifiés », rendant l’administration, la notation et l’interprétation plus efficaces tout en améliorant l’engagement des candidats. Cependant, les structures sous-jacentes sont restées en grande partie les mêmes. 

La validité prédictive n’a connu que des progrès limités, même lorsque l’apprentissage automatique est utilisé pour combiner les informations issues de plusieurs outils.

Les avancées les plus significatives dans l’évaluation des talents proviennent d’outils multimédias, immersifs et interactifs, d’évaluations ludiques et de simulations d’entreprise qui utilisent des scénarios fictifs structurés pour générer des données sur des aspects psychologiques sous-jacents. 

Ces outils présentent plusieurs avantages distincts :

• Ils peuvent être situés dans des environnements professionnels pertinents, améliorant la qualité des données et réduisant le bruit de mesure généré lorsque les candidats effectuent des tests avec peu de lien avec leur travail réel. Ils ne sont pas nécessairement coûteux. L’utilisation d’outils de développement à création rapide a permis de créer des évaluations personnalisées à un coût bien inférieur à ce qui était historiquement possible, et ils peuvent également servir d’aperçus réalistes du métier lors de l’acquisition de talents.
• Ils utilisent le multimédia, ce qui améliore l’engagement et simplifie la saisie des données. Les candidats peuvent répondre oralement plutôt qu’en tapant, et ce, dans leur langue de prédilection, ce qui améliore encore la qualité des données.
• Ils permettent de poser des questions plus ouvertes. Des recherches doctorales sur les évaluations ludiques ont démontré que les questions ouvertes apportent une plus grande profondeur et qualité d’analyse.
• Ils peuvent être conçus pour une validité prédictive maximale grâce à des processus comme la conception centrée sur les preuves (Evidence-Centred Design), qui cible les facteurs spécifiques les plus importants pour la réussite et assure une notation rigoureuse.
• Ils offrent la possibilité d’observer les réponses des participants au travers d’environnements différents et dynamiques, fournissant une vision plus systémique des capacités individuelles face à des stimuli changeants.

Aucun de ces progrès n’est possible sans l’IA, qui soutient ces outils tout au long du parcours — de la mise en scène de scénarios métier complexes avec un gameplay interactif à la capture et l’analyse des données, en passant par des analyses complexes 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 entièrement de leur conception. La dimension créative et narrative est essentielle pour générer un environnement pertinent et immersif, surtout lorsque les outils doivent révéler des données relatives à des dynamiques émotionnelles et sociales au cœur des compétences EPOCH. 

Une conception psychométrique solide, fondée sur la recherche en psychologie et une compréhension nuancée des personnes, est ce qui rend les données produites signifiantes, utiles et interprétables.

Ces avancées représentent une évolution nécessaire. Sans elles, notre capacité à identifier et à développer les compétences qui favorisent la création de valeur continuera de s’éroder. La même dynamique qui transforme le lieu de travail transforme également les outils que nous utilisons pour le comprendre. L’IA est ici la plus puissante non comme substitut au jugement humain, mais comme l’infrastructure qui rend un jugement humain plus profond possible.