Le paradoxe du retour d’information sur la performance : Quand l’IA fonctionne mieux en secret
Retour d'IA: Les retours générés par l'IA améliorent la performance des employés plus que les retours humains si leur origine reste secrète.
Effet de la divulgation: Révéler que le retour d'information vient de l'IA provoque de la résistance et dégrade la performance en raison de problèmes de confiance.
Crise de confiance: La confiance des employés dans l'utilisation de l'IA par les employeurs est faible, beaucoup la percevant comme un facteur supplémentaire de biais.
Stratégie de transparence: Il est conseillé de divulguer ouvertement l'utilisation de l'IA dans les processus de retour pour éviter les problèmes de confiance à long terme.
Impact à long terme: Le choix entre transparence et opacité traduit les valeurs de l'organisation et a un impact sur sa résilience.
Les meilleurs systèmes de retour sur la performance fonctionnent comme un tour de magie à un égard : ils sont d’autant plus efficaces que l’on ne sait pas comment le tour est réalisé.
Une étude de 2021 publiée dans le Strategic Management Journal a révélé que les retours générés par l’IA améliorent les performances des employés davantage que ceux émis par un manager humain. Le hic ? Cela ne fonctionnait que si les employés pensaient que le retour avait été rédigé par un humain. Dès que la méthode était révélée, la magie disparaissait.
Les retours étaient plus cohérents, plus personnalisés et objectivement plus efficaces pour améliorer la performance, mais dès que les travailleurs apprenaient que des algorithmes avaient généré ces informations, les gains s’évanouissaient.
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.
Have an account? Log In
Le même retour qui augmentait les résultats lorsqu’il était attribué à un manager humain provoquait au contraire résistance, moindre engagement et baisse de performance lorsque les employés connaissaient sa réelle provenance. Les chercheurs ont appelé ce phénomène « l’effet de divulgation », une chute mesurable de la performance, causée uniquement par la connaissance de l’implication de l’IA.
L’intelligence artificielle dans la gestion de la performance est aujourd’hui de plus en plus répandue, tout comme l’intégration de l’IA dans d’autres sphères de la vie, compte tenu de la popularité d’outils comme ChatGPT, Claude et Gemini. Mais le simple fait que l’utilisation croisse ne signifie pas pour autant que la confiance progresse dans la même mesure.
Pour les dirigeants RH qui naviguent dans l’adoption de l’IA, le paradoxe mis en évidence par les chercheurs en 2021 crée une position impossible : déployer les systèmes de retours IA de façon transparente et sacrifier les gains de performance, ou bien cacher l’implication de l’IA et risquer une rupture de confiance catastrophique quand la vérité finira par éclater.
Ce choix révèle quelque chose de fondamental sur ce que les organisations cherchent à optimiser. Les résultats de ce trimestre ou la capacité de transformation à long terme ?
Le contexte de la crise de confiance
L’effet de divulgation ne se produit pas dans le vide. Des recherches récentes menées par SHL montrent que seulement 27 % des salariés font pleinement confiance à leurs employeurs pour utiliser l’IA de façon responsable dans les décisions RH. Plus préoccupant encore, 59 % estiment que l’IA aggrave les biais en entreprise au lieu de les réduire.
Cela met le paradoxe en lumière. La technologie qui pourrait fournir un retour plus objectif et moins biaisé est pourtant rejetée par la majorité des employés qui devraient en bénéficier. Et les études suggèrent que cette défiance devient auto-réalisatrice : savoir que l’IA est impliquée conduit à de moins bonnes performances, indépendamment de la qualité objective du retour fourni.
Le Dr Ryne Sherman, Chief Science Officer chez Hogan Assessments, qui travaille avec plus de 75 % des entreprises du Fortune 500, identifie deux forces à l’origine de la résistance des employés.
La première, c’est la conviction que l’IA ne saura jamais saisir toutes les subtilités du monde du travail. On part du principe qu’un évaluateur humain comprend mieux le contexte organisationnel, et saura davantage apprécier des performances qui ne sont pas forcément quantifiables par une machine.
Le second facteur va plus loin. Il ne s’agit plus de savoir si l’IA peut évaluer objectivement la performance, mais de ce que le recours à l’IA dit de la façon dont l’organisation considère ses salariés.
« L’absence d’intervention humaine donne aux collaborateurs le sentiment d’être traités comme de simples ressources humaines, sans empathie ni considération pour leur bien-être en tant qu’êtres humains, » explique Sherman. « Nos recherches montrent que les leaders efficaces sont ceux qui témoignent un réel intérêt pour leurs équipes. Utiliser l’IA pour conduire les entretiens de performance donne l’impression que les décideurs n’en ont que faire de leurs employés. »
Peu importe la véracité de ces croyances : ce qui compte, c’est leur existence. La perception modèle le comportement, et le comportement détermine la performance.
Pourquoi la dissimulation ne fonctionne pas
Les organisations qui espèrent profiter des avantages de l’IA sans subir l’effet de divulgation se heurtent à un obstacle pratique : les employés savent déjà.
Edie Goldberg, psychologue du travail et des organisations et autrice du livre à paraître Performance Enablement, pointe les indices révélateurs qui trahissent les retours générés par l’IA.
La plupart des employés peuvent deviner si le feedback a été rédigé par un ordinateur, notamment à cause de tous ces tirets cadratins. Ce type de retour manque souvent de la spécificité qu’un manager pourrait apporter.
Les schémas stylistiques des textes générés par l’IA sont devenus suffisamment reconnaissables pour qu’il soit illusoire de vouloir masquer son implication. Même lorsque les organisations ne déclarent pas explicitement l’utilisation de l’IA, les employés reconnaissent ses empreintes algorithmiques.
Cela sape toute la stratégie du « dissimuler ». Si les employés soupçonnent l’intervention de l’IA sans qu’on le leur dise directement, l’organisation se retrouve avec le pire des deux mondes : une baisse de performance liée à la perception de l’IA, combinée à une rupture de confiance due à la tentative de tromperie.
L’approche recommandée par Goldberg contourne entièrement ce paradoxe.
La distinction est importante. L’IA peut agréger des retours provenant de plusieurs perspectives — pairs, clients, plateformes de communication internes — et les combiner à des données objectives issues des systèmes internes.
« Tous ces facteurs rendent le feedback beaucoup plus équitable, car il ne s’agit pas seulement du point de vue d’une seule personne », affirme Goldberg, en référence à la littérature abondante sur les biais des managers lors des évaluations de performance.
Mais cet avantage d’équité ne se manifeste que si les employés font confiance au processus. Pour Goldberg, il s’agit d’un problème de répartition des rôles davantage que de transparence. Utilisez l’IA pour l’agrégation et la détection de tendances — domaines dans lesquels elle excelle. Confiez l’humain la responsabilité du contexte, de la spécificité et de la relation, pour que les employés croient en l’authenticité des retours reçus.
Au final, la solution n’est pas de cacher le rôle de l’IA, mais de le redéfinir.
L’approche « transparence avant tout »
Kate O’Neil, PDG de la plateforme de gestion de la performance Opre, a basé tout son produit sur le rejet de l’approche consistant à cacher l’IA. Tous les retours reçus via Opre sont clairement identifiés comme générés par l’IA, et ni les managers ni les employés ne peuvent les modifier pour les faire passer pour des textes rédigés par des humains.
Il ne devrait jamais y avoir de confusion entre ce qui est généré par l’IA et ce qui l’est par un humain. Après tout, comment garder « l’humain dans la boucle » si personne ne sait qui est humain et qui est IA dans la boucle ? Le manque de clarté sur qui génère le feedback ne fait qu’embrouiller la responsabilité managériale.
La philosophie de conception d’Opre repose sur ce que O’Neil appelle une dynamique « manager-et-employé contre Opre ». Le système envoie des analyses de performance aux deux parties simultanément, créant ainsi un référentiel partagé pour alimenter la discussion, au lieu d’un jugement à sens unique du haut vers le bas.
Lors de leur prochain entretien individuel, le manager et l’employé discutent de ce qu’Opre a justement détecté, de ce que le système a omis, et de ce qu’il pourrait mal interpréter concernant le contexte.
« Cela remplace une dynamique beaucoup moins productive que l’on observe souvent aujourd’hui : manager contre employé, notamment quand les performances sont faibles ou que les conversations sur la performance sont esquivées, » explique O’Neil.
Mais O’Neil reconnaît ne pas disposer de données comparatives. « Je ne sais pas si le fait que les employés sachent que c’est généré par une IA a eu un impact, car je n’ai pas une population d’employés ignorant ce fait à comparer. »
Lorsqu’on lui demande si le fait de privilégier la transparence fait perdre des gains potentiels de performance, O’Neil ne tergiverse pas.
Je ne pense pas que savoir que le feedback est généré par l’IA nuise à son efficacité. Je pense que l’illusion d’un retour authentique alors qu’il ne l’est pas détruit la confiance et le contrat social entre les managers et leurs équipes. Sans confiance, plus de performance.
Elle va plus loin sur la question du biais. Même si les retours générés par l'IA réduisent objectivement le biais à court terme, cacher leur source crée un problème de confiance qui, à terme, accentue le biais.
« Si les contenus générés par l’IA réduisent réellement le biais, mais que les employés ont l’impression qu’ils l’augmentent, l’impact à long terme sera une dégradation de la confiance », explique O’Neil. « Les managers qui font passer des retours générés par l’IA pour les leurs sapent la confiance entre eux et leurs équipes, ce qui conduit à l’augmentation du biais par la suite. »
C’est pourquoi le système d’Opre empêche les managers de modifier ou d’adoucir les retours de l’IA. Le manager et l’employé reçoivent un retour identique en même temps, ce qui élimine toute possibilité de tromperie. Les managers et employés peuvent ajouter du contexte ou demander des précisions au système, mais ils ne peuvent pas modifier ce qu’il produit.
Sa position repose également sur une analyse de l’échelle de temps. Les organisations peuvent optimiser pour les indicateurs de performance immédiats ou pour leur capacité à se transformer sur plusieurs années. Selon elle, ces deux objectifs sont incompatibles en matière de déploiement de l’IA.
« L’opacité n’est pas une stratégie de performance », dit-elle. « C’est une stratégie d’extraction à court terme. On peut obtenir un regain d’efforts le temps que les employés cherchent à comprendre les règles. Mais rapidement, on perd les meilleurs éléments, on épuise les autres, et on rend plus difficile l’attraction de nouveaux talents. »
Quand la confiance se brise
Goldberg et Sherman avertissent tous deux que la tromperie autour de l’utilisation de l’IA entraîne des conséquences bien plus lourdes que tout gain de performance à court terme.
« C’est facile de briser la confiance, et très difficile de la reconstruire », explique Goldberg. « Il n’y a ici aucun bénéfice, seulement des risques. »
Cet avertissement n’est pas qu’une posture morale. Goldberg et Sherman évoluent tous deux dans des milieux où ils constatent de visu les conséquences de la perte de confiance dans nombre d’organisations. Leur certitude quant à l’échec de la tromperie relève plus de la reconnaissance de schémas que d’une philosophie abstraite.
Il est catastrophique pour une organisation de recourir à des pratiques trompeuses lors des évaluations de performance, prévient Sherman. D’abord, dans toute organisation de taille significative, aucun espoir que la tromperie ne soit pas découverte. Toutes les organisations connaissent des fuites d’information, et ce type d’information finira inévitablement par se répandre.
Les conséquences, selon Sherman, seraient très lourdes.
« Une fois que l’information devient publique, la confiance dans l’organisation touche le fond », dit-il. « Le personnel protestera, démissionnera, voire pire, se désengagera complètement. »
Sa recommandation pour les organisations prises dans un pareil scénario est sans détour. Les employés exigeront des comptes, ce qui signifie probablement le départ des dirigeants impliqués dans la tromperie.
« Même dans ce cas », ajoute-t-il, « l’organisation devra sérieusement envisager de transformer en profondeur tout son processus d’évaluation de la performance pour aller vers une transparence radicale et espérer regagner la confiance. »
Le conseil de Goldberg aux organisations dans cette situation va dans le même sens, mais est plus sobre.
Ce que révèle le choix
La décision de révéler ou non l’utilisation de l’IA dans la gestion de la performance ne se présente que rarement comme un choix entre performance et confiance. Elle apparaît plus souvent comme une question de mise en œuvre technique ou un enjeu de conduite du changement. Pourtant, la recherche indique qu’il s’agit d’un véritable révélateur des valeurs de l’organisation.
Les entreprises qui optimisent pour des indicateurs de performance immédiats ont tout intérêt à masquer l’utilisation de l’IA. L’effet de déploiement est réel et mesurable.
Les entreprises qui misent sur une transformation à long terme ne peuvent pas se permettre de trahir la confiance, même si cela implique d’accepter une performance immédiate moindre.
Un autre aspect préoccupant, rarement évoqué par les praticiens, est la question de l’équité entre classes. Dans les organisations qui divulguent partiellement l’usage de l’IA, qui en est informé ? Les cadres bénéficient-ils de systèmes transparents tandis que les employés de terrain reçoivent des retours opaques ? Le fossé de confiance entre dirigeants et salariés est déjà large. Une transparence sélective pourrait l’accentuer dangereusement.
Le point de Sherman sur la découverte inévitable mérite d’être souligné. À une époque où les employés font des captures d’écran des communications internes, postent anonymement sur des sites d’avis d’entreprise, et s’organisent sur des canaux Slack privés, il est peu plausible que l’implication de l’IA dans les évaluations de performance puisse rester secrète.
Ajoutez à cela l’observation de Goldberg selon laquelle les employés sont déjà capables de reconnaître les textes générés par l’IA à leurs motifs, et la stratégie du secret ressemble moins à une stratégie qu’à une tactique de temporisation.
La question n’est donc plus de savoir si les employés le découvriront, mais ce qu’il adviendra lorsqu’ils s’en rendront compte.
AI Transparency in Performance Management
Une autre application
Goldberg voit la véritable promesse de l’IA dans la gestion de la performance arriver d’une toute autre direction : le feedback en temps réel plutôt que les évaluations annuelles ou trimestrielles.
Les systèmes d’IA peuvent aider à fournir beaucoup de retours sur le moment, au moment où ils sont les plus bénéfiques", explique-t-elle. "Mais l’IA peut intégrer tous ces points de feedback sur une période de performance pour offrir une vision plus équilibrée et moins biaisée de la performance individuelle. C’est là la force de l’IA en gestion de la performance, et non simplement la rédaction de l’évaluation.
Cela modifie la question de la divulgation. Si l’IA fournit un feedback immédiat et contextuel sur des actions spécifiques — signalant lorsque les délais d’un projet dérapent, notant quand les schémas de collaboration changent, mettant en lumière une baisse de fréquence des communications — la source importe moins que la rapidité. Les employés peuvent constater le lien direct entre leurs actions et le feedback, ce qui renforce la confiance dans la précision du système au lieu de la saper.
La revue annuelle de performance rédigée par l’IA déclenche toujours l’effet de divulgation car elle essaie d’imiter le jugement humain dans un contexte où la relation et l’autorité sont importantes.
Le feedback en temps réel issu de l’IA opère à un autre niveau. Il ne prétend pas être une sagesse humaine, il fournit une observation basée sur les données qu’un humain aurait du mal à délivrer à grande échelle.
Rien ne prouve encore à grande échelle, d’après mes recherches, que cette approche évite la baisse de performance générée par la divulgation, et la perception pourrait évoluer à mesure que la compréhension du fonctionnement de l’IA progresse. Mais cela suggère que le débat cacher ou divulguer pose peut-être la mauvaise question sur la mauvaise application technologique.
La question non résolue
Pour les dirigeants qui doivent décider aujourd’hui comment déployer l’IA, la recherche n’offre aucune option confortable.
Les partisans de la transparence — O’Neil, Goldberg, Sherman — affirment que cacher l’implication de l’IA garantit une crise de confiance lorsqu’elle sera découverte, et que les employés peuvent déjà détecter un texte généré par IA. Il vaut mieux construire des cultures prêtes pour l’IA grâce à l’honnêteté, même si cela coûte de la performance à court terme.
L’argument inverse est plus difficile à balayer qu’il n’y paraît. Si le feedback de l’IA réduit objectivement les biais, fournit des évaluations plus cohérentes et améliore les résultats, la transparence est-elle un luxe coûteux qui sert principalement à rassurer les responsables RH sur leur éthique ?
Aucun camp ne peut avancer de données longitudinales sur ce qui se passe trois ans après le déploiement transparent du feedback IA. La technologie a évolué trop vite et les déploiements sont trop récents. Mais ce choix révèle ce que les dirigeants pensent de leur personnel et ce qu’ils sont prêts à sacrifier pour obtenir des résultats.
Les organisations qui ont fait le choix de l’opacité parient que les gains de performance vaudront la crise de confiance qui finira par survenir. Celles qui ont choisi la transparence parient que construire des cultures prêtes pour l’IA requiert de l’honnêteté quant au rôle de l’IA, même si cela nuit à la performance à court terme.
La recherche montre ce qui se passe immédiatement après la divulgation. Ce à quoi nous ne pouvons pas encore répondre avec autant de certitude, c’est quelle approche construit à long terme des organisations plus résilientes et performantes.
Pour l’instant, cela reste une question de philosophie, de tolérance au risque et d’ambition quant au type d’organisation que les dirigeants cherchent à bâtir.