Le plus difficile commence après le fonctionnement de l’IA
![[OPT 1] IMG PMP – Editorial – Dinner Conversation with CHROs-14152](https://peoplemanagingpeople.com/cdn-cgi/image/format=auto,quality=82,onerror=redirect,width=792,height=446,fit=crop/wp-content/uploads/sites/3/2026/09/OPT-1-IMG-PMP-–-Editorial-–-Dinner-Conversation-with-CHROs-14152.jpg)
Commencer par le travail: Les entreprises devraient repenser leurs flux de travail autour des problèmes métier avant de sélectionner des outils d’IA ou de mesurer les retours attendus.
Le discernement concernant les cas d’usage: La formation à l’IA crée davantage de valeur lorsque les employés apprennent à identifier les problèmes qui en valent la peine, plutôt qu’à simplement utiliser de nouveaux outils.
La refonte des emplois: Une adoption réussie de l’IA oblige les dirigeants à redéfinir les responsabilités, les compétences, les normes de performance et les parcours professionnels à mesure que les tâches évoluent.
Changer d’échelle avec prudence: Les projets pilotes se transposent rarement directement d’une fonction à l’autre ; les organisations doivent standardiser les pratiques éprouvées tout en les adaptant aux flux de travail, aux risques et aux données.
Un accès équitable: Un accès inégal à l’IA peut fausser l’évaluation de la performance, les possibilités de développement et les comparaisons de productivité entre employés effectuant un travail similaire.
La semaine dernière, je me suis entretenu avec un groupe de DRH à Atlanta pour parler du déploiement de l’IA à l’échelle de l’entreprise.
Nous avons commencé par le ROI, mais la conversation revenait sans cesse au travail lui-même : quels problèmes méritent un investissement dans l’IA, ce que les organisations devraient faire de la capacité ainsi libérée et à partir de quel moment suffisamment de tâches ont changé pour qu’un poste doive évoluer avec elles.
Kia Painter nous a fourni notre point de départ. Commencer par le problème métier, comprendre le flux de travail, repenser le processus, puis décider où l’IA a sa place.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Painter a récemment pris sa retraite de Cox Communications après 28 ans passés dans l’entreprise, où elle occupait dernièrement le poste de directrice des ressources humaines. Sa démarche est importante, car les organisations disposent de nombreuses façons d’utiliser l’IA. La discipline la plus difficile consiste à décider quels usages méritent du temps, de l’argent et une transformation organisationnelle.
Le discernement quant aux cas d’usage peut compter davantage que la formation aux outils
Quelques semaines avant le dîner, j’ai lancé un sondage informel dans notre newsletter AI Signal pour demander pourquoi les managers demandaient davantage de formation à l’IA pour leurs équipes. La principale raison : les équipes ne savaient pas clairement quels cas d’usage étaient importants.
Cela met en évidence un problème dans la manière dont de nombreuses entreprises abordent l’adoption de l’IA. Apprendre aux collaborateurs à formuler des prompts, à résumer des documents ou à générer du contenu leur permet de se familiariser avec la technologie. Mais cela les aide peu à déterminer où l’IA peut améliorer un résultat métier significatif.
Angela Cheng-Cimini, directrice des ressources humaines de The Chronicle of Philanthropy, a décrit une approche axée sur les problèmes des collaborateurs plutôt que sur les fonctionnalités des outils. Elle a expliqué que son organisation prévoyait de recueillir auprès du personnel les difficultés rencontrées au quotidien, d’en sélectionner plusieurs qui présentent une large pertinence et d’organiser de courts hackathons pour les résoudre. Une collaboratrice avait déjà adopté cette approche de son côté, en créant un agent chargé de traiter les demandes répétitives de factures qui submergeaient la boîte de réception du service client.
C’est un modèle beaucoup plus utile pour la formation à l’IA, car il relie l’apprentissage au travail que les collaborateurs connaissent déjà. La capacité que les entreprises doivent développer est le discernement quant aux cas d’usage : un manager peut-il examiner un flux de travail, identifier les endroits où du temps ou de la qualité sont perdus et reconnaître où l’IA pourrait faire la différence ?
Ce discernement augmente également les chances d’obtenir un ROI. Un déploiement techniquement réussi, destiné à résoudre un problème de faible valeur, reste un mauvais investissement.
La capacité libérée impose des décisions concernant le travail
La question suivante est de savoir quoi faire lorsque le cas d’usage fonctionne.
L’IA peut supprimer les tâches administratives, réduire les délais de traitement et donner aux collaborateurs une capacité dont ils ne disposaient pas auparavant. Les dirigeants doivent alors décider à quoi cette capacité va servir.
Autour de la table, cela a conduit à une discussion sur la compression des postes et l’élargissement des rôles. Kesi Dorner, directrice adjointe des ressources humaines de la Metro Atlanta Regional Transit Authority (MARTA), a parlé de regrouper des tâches actuellement réparties entre des postes RH spécialisés pour créer des rôles de partenaires métier plus polyvalents.
Ma question — à partir de quel moment un poste a-t-il suffisamment évolué pour devoir être entièrement repensé ? — est restée sans réponse.
C’est à ce moment-là que les heures économisées deviennent une décision opérationnelle. Une entreprise peut utiliser cette capacité pour accroître sa production, améliorer son service, réduire ses besoins futurs en recrutement, élargir les responsabilités ou s’attaquer à des tâches qui avaient été mises de côté. Chaque choix produit une forme de valeur différente.
Cela modifie également les responsabilités du collaborateur.
C’est devenu encore plus clair lorsque la discussion s’est portée sur les effectifs. Painter a décrit ses échanges avec son directeur financier pour déterminer si l’IA pouvait réduire les coûts de main-d’œuvre. Sa réponse a été de revenir au travail.
Prenons la comptabilité fournisseurs. Que font réellement les collaborateurs ? Quelles tâches l’IA peut-elle prendre en charge ? Que reste-t-il ? Quel résultat métier doit encore être obtenu ?
Sa conclusion était que l’IA doit être examinée à travers le modèle opérationnel et la conception du travail avant que les dirigeants ne commencent à formuler des hypothèses concernant les effectifs.
C’est un rôle précieux pour les RH, car l’IA transforme souvent les emplois progressivement. Lorsqu’une tâche disparaît, une autre devient plus rapide. Le travail routinier peut diminuer, mais le travail restant exige davantage de discernement. De nouvelles responsabilités peuvent alors occuper l’espace ainsi créé.
À un moment donné, les changements cumulés donnent naissance à un emploi différent.
Les RH doivent surveiller ce seuil. Les descriptions de poste, les exigences en matière de compétences, la rémunération, les parcours professionnels et les attentes en matière de performance dépendent tous d’une compréhension exacte de ce que le poste exige désormais. Si les dirigeants continuent d’ajouter l’IA aux postes existants sans revoir ces fondamentaux, les employés peuvent finir par effectuer un travail différent dans le cadre d’une ancienne conception de poste.
La même question se pose pour les attentes en matière de performance des équipes. Si une équipe devient plus productive grâce à l’IA, les dirigeants se demanderont naturellement si le nouveau niveau de production doit devenir la norme.
Cette décision exige davantage que la preuve que la technologie a fonctionné. Elle suppose d’avoir la certitude que le gain est durable, que les employés disposent d’un accès comparable aux outils et que le travail est suffisamment similaire pour appliquer la même attente à l’ensemble de l’organisation.
Aller au-delà du projet pilote
C’est là qu’un projet pilote réussi devient un défi à l’échelle de l’entreprise.
Un cas d’utilisation peut bien fonctionner dans une équipe parce que le flux de travail est structuré, les données sont propres, le responsable comprend la technologie ou les employés ont eu le temps d’expérimenter. Une autre fonction peut ne bénéficier d’aucun de ces avantages.
Painter a décrit sa collaboration avec la responsable de l’IA de son organisation sur une feuille de route visant l’état cible, qui reliait les décisions technologiques au futur modèle opérationnel.
L’entreprise a également créé un conseil transversal sur l’IA réunissant les RH, la technologie, la finance et le service juridique. L’objectif était de coordonner les investissements et la gouvernance autour des priorités de l’entreprise, plutôt que de laisser chaque fonction développer son propre ensemble d’outils et de projets.
C’est un élément essentiel du passage à l’échelle, car il est impossible de simplement reproduire ce qui a fonctionné ailleurs. Les dirigeants doivent déterminer quelles parties d’une approche réussie peuvent être standardisées et lesquelles dépendent du travail, de la main-d’œuvre ou du profil de risque d’une fonction donnée.
Cela devrait également inciter à nuancer les hypothèses générales de productivité. Un projet pilote probant peut fournir des éléments sur un cas d’utilisation. Il ne fournit pas automatiquement des éléments sur l’ensemble de la main-d’œuvre.
More Articles
- Comment utiliser ProdoAI : Transformer les Données Brutes en Conseils Intelligents pour la Main-d’œuvre
- IA de paie QuickBooks Workforce : analyse approfondie des fonctionnalités & fonctionnement
- Élaborer l’argumentaire commercial pour un logiciel RH : Guide en 10 étapes
- Les évaluations de performance n’ont pas besoin d’être interminables
- Mise en œuvre d’un logiciel RH : conseils et astuces d’experts
L’accès aux outils fait partie de l’équation de la performance
Le passage à l’échelle crée également un problème d’équité.
Les participants ont décrit des organisations où les employés ont accès à différents outils d’IA selon leur fonction, leur budget ou les politiques en vigueur. Certains employés complètent ce que leur employeur leur fournit avec des outils payants qu’ils utilisent chez eux ou sur leurs appareils personnels. D’autres n’ont pas cette possibilité.
Dès lors que l’IA influe sur la quantité ou la qualité du travail qu’une personne peut produire, ces différences comptent dans la gestion de la performance.
Kara Miller, ancienne vice-présidente des talents, de l’apprentissage et de la transformation de la main-d’œuvre chez Visa, a soulevé une autre question : si deux employés sont soumis à la même norme de production, mais que l’un a accès à un outil plus performant, quelle part de la différence de performance vient des capacités individuelles et quelle part vient de l’environnement que l’organisation a créé autour d’eux ?
Le même problème peut affecter le développement et la mobilité professionnelle si certains postes offrent aux employés beaucoup plus de possibilités de développer des compétences en IA que d’autres.
Les entreprises n’ont pas besoin d’outils identiques pour chaque employé, a convenu le groupe. Elles doivent toutefois comprendre à partir de quel moment un accès inégal commence à influer sur les critères qu’elles utilisent pour évaluer les personnes.
Une meilleure mesure de la maturité en matière d’IA
Vers la fin de la soirée, j’ai demandé ce qui devrait changer au cours de l’année à venir pour que les dirigeants aient la certitude que leur organisation a compris comment déployer l’IA à grande échelle.
Les réponses portaient sur un meilleur discernement dans l’ensemble de l’organisation : des dirigeants capables de discuter de la technologie avec une certaine aisance, des employés qui comprennent les usages responsables, des managers capables d’identifier les applications pertinentes et des décisions plus claires concernant l’accès.
Cela donne aux responsables RH un moyen utile de réfléchir à la prochaine phase de l’adoption de l’IA.
Si vous voulez tirer davantage de valeur de l’IA, vous devrez mieux choisir les problèmes à résoudre, repenser le travail une fois ces problèmes résolus et déterminer quels gains peuvent être reproduits ailleurs.
Les RH devront également réfléchir plus délibérément à ce que signifie cette nouvelle capacité pour les emplois et les attentes en matière de performance.
