Le vice-président des personnes et de l’organisation d’une licorne de l’IA affirme que les dirigeants RH doivent devenir les architectes d’une main-d’œuvre humain-machine
Brad Wilkins explique comment les dirigeants RH peuvent repenser le travail autour de l’IA tout en plaçant le jugement humain, l’empathie et la responsabilité au centre.
Brad Wilkins
Vice-président des personnes et de l’organisation chez Cognite
Repenser d’abord: Les entreprises leaders repensent les flux de travail et les organisations autour de l’IA au lieu d’ajouter des outils à des processus RH obsolètes.
Diagnostic accéléré: Des données connectées sur la main-d’œuvre peuvent transformer des signaux faibles en corrections structurelles en quelques heures, améliorant ainsi le recrutement, l’intégration et la fidélisation.
Jugement humain: L’IA prend en charge la synthèse et les décisions courantes, tandis que les personnes conservent la responsabilité de l’empathie, du contexte, des promotions et des licenciements.
Compétences liées aux flux de travail: La transformation par l’IA réussit grâce à des compétences et des projets interconnectés, et non grâce à des bibliothèques de requêtes qui n’apportent que des gains de productivité modestes.
Risques liés à l’adoption: Une adoption réussie nécessite des laboratoires d’apprentissage, des ambassadeurs au sein des unités opérationnelles, des indicateurs doubles et une attribution claire des responsabilités liées au travail assisté par l’IA.
Brad Wilkins est vice-président des fonctions Personnel et Organisation chez Cognite, une licorne de l'IA industrielle. Fort de vingt ans d'expérience à la tête des fonctions Personnel dans des entreprises SaaS et des entreprises d'IA en forte croissance, il apporte un éclairage clair sur la manière dont l'IA redéfinit les RH.
Lors de notre entretien, il nous a expliqué que les meilleures entreprises ne se contentent pas d'adopter l'IA : elles repensent l'ensemble de leur activité autour de l'IA. Voici comment.
Prendre de l'avance
Je m'appelle Brad Wilkins et je suis vice-président des fonctions Personnel et Organisation chez Cognite, une licorne de l'IA industrielle. Je suis le partenaire stratégique des dirigeants de notre entreprise pour les RH en Europe, en Inde, au Moyen-Orient, au Japon et sur le continent américain, mais le fil conducteur de ces vingt dernières années compte davantage que n'importe quel poste en particulier.
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
Cinq postes de vice-président et de CHRO dans des entreprises SaaS et des entreprises d'IA en forte croissance, auxquels s'ajoute mon rôle actuel de partenaire au sein d'un fonds de capital-risque qui investit dans des secteurs réglementés, m'ont donné une perspective particulière. J'ai observé le même schéma se reproduire dans plus d'une douzaine d'entreprises et je me suis positionné très tôt sur des évolutions de la main-d'œuvre que le reste des RH jugeait prématurées.
Il y a dix ans, chez Altisource, nous avons supprimé l'entretien annuel d'évaluation et l'avons remplacé par ce que nous appelions une « évaluation de l'impact ». La même conversation, mais avec un centre de gravité opposé. Nous mesurions ce que les personnes accomplissaient, et non ce qu'elles faisaient. Nous avons réduit l'attrition des employés en début de parcours de 14 % à 4 % et fait passer la rétention des employés très performants de 48 % à 98 %.
Ce pari s'est avéré judicieux. Chez Loadsmart, nous avons triplé la valorisation, à 1,3 milliard de dollars, tout en doublant les effectifs dans 21 pays. Chez Collibra, nous avons traversé les fluctuations brutales des effectifs, passés de 600 à 450 puis à 825 personnes pendant la pandémie de COVID, sans perdre notre dynamique. Aucune de ces initiatives ne relevait uniquement des RH. Il s'agissait de décisions stratégiques que la fonction Personnel a simplement contribué à piloter.
Le moment que nous vivons est une version amplifiée de tous ces paris. Le rapport 2026 de Deloitte sur les tendances du capital humain le présente comme un point de bascule : 7 dirigeants sur 10 affirment désormais que la vitesse et l'adaptabilité, plutôt que la taille, seront leur principal avantage concurrentiel au cours des trois prochaines années.
L'indice de l'IA de Stanford montre la même accélération du côté technologique. Et il existe un écart de 60 points entre les dirigeants qui affirment que la conception intentionnelle des interactions entre humains et IA est importante et ceux qui mettent réellement ce travail en œuvre. Cet écart est la véritable histoire de 2026.
Les entreprises les plus offensives ne font pas qu'utiliser l'IA dans les RH : elles reconstruisent les RH autour de l'IA. Les organigrammes incluent désormais des agents sous forme de cases, et pas seulement des personnes. Des contributeurs individuels dirigent des équipes de six personnes, dont les six subordonnés directs sont des agents.
Moderna a fusionné les RH et l'informatique au sein d'une seule fonction, placée sous la responsabilité d'un directeur des fonctions Personnel et des technologies numériques. Walmart décrit sa transformation comme « pilotée par les personnes et propulsée par la technologie ». Disney a nommé un directeur de l'IA et de la collaboration.
Le poste de CHRO devient celui d'un architecte de la main-d'œuvre hybride humain-machine, et non plus celui d'un responsable du recrutement. Les compétences se déprécient plus vite que les cycles annuels ne peuvent le suivre, et chaque processus que vous n'avez pas repensé constitue ce que BCG et EY appellent désormais une « dette de talents » — un potentiel inexploité, prisonnier d'une ancienne logique organisationnelle.
Voici ma conclusion, et je vais l'énoncer clairement parce que je pense que le secteur continue de tourner autour du sujet : l'IA en tant qu'outil est le minimum requis. L'IA en tant qu'état d'esprit, c'est là que se trouve le véritable travail.
Le changement ne consiste pas à dire : « ajoutons un copilote au recrutement ». Il consiste à partir du principe qu'un agent peut accomplir une partie du travail, puis à remonter le raisonnement pour déterminer à quel moment l'intervention humaine est réellement nécessaire — ce que j'appelle démontrer le négatif.
Il s'agit de comprendre que le quatrième public de vos contenus de formation est désormais le LLM lui-même. Il faut accepter que l'informatique devrait probablement réintégrer la fonction Personnel. Il faut reconnaître que les employés ayant entre quatre et dix ans d'ancienneté sont peut-être désormais davantage exposés que les employés débutants, parce que les nouveaux diplômés sont natifs de l'IA, tandis que vos talents en milieu de carrière défendent encore le processus qu'ils ont passé dix ans à maîtriser.
Mon rôle est de faire entrer l'organisation dans cet avenir avant les autres, et non de la laisser à la traîne.
Comment l'IA réduit le délai entre un signal faible et une correction structurelle
Le plus grand changement n'est pas venu d'un outil que nous avons adopté. Il réside dans la réduction du délai entre un signal faible concernant la main-d'œuvre et une correction structurelle.
Le modèle opérationnel dominant dans notre domaine a historiquement été le suivant : les données d’engagement sont ici, les données de performance là-bas, les sondages de suivi des nouvelles recrues dans un troisième système, les métadonnées des calendriers et du suivi du temps dans un quatrième, puis quelqu’un réalise une synthèse trimestrielle qui est présentée à la direction six semaines après le moment où elle aurait pu avoir un impact.
Nous avons construit notre fonction RH sur la même architecture que celle que notre entreprise vend à ses clients industriels : connecter des données disparates au sein d’un graphe unique, y superposer une couche agentique et laisser le système faire émerger des connexions que les humains seuls ne détecteraient pas à temps.
Un exemple récent : un sondage de suivi réalisé après 90 jours auprès des nouvelles recrues a signalé une faible connexion avec leur responsable. Indépendamment, les données de suivi du temps montraient que le calendrier de ce responsable avait été discrètement absorbé par des activités d’avant-vente qui ne figuraient pas réellement dans sa description de poste, soit environ la moitié de sa semaine.
Il y a trois ans, ces éléments auraient été deux points de données sans lien entre eux, présents dans deux systèmes distincts, identifiés par deux analystes différents, à six semaines d’intervalle. À ce stade, soit vous avez perdu la nouvelle recrue, soit vous avez inscrit de façon permanente un problème structurel dans le poste. Grâce au recoupement des signaux en temps réel par l’IA, le diagnostic a pris quelques minutes.
Lorsque nous avons identifié le travail d’avant-vente mal attribué, nous ne nous sommes pas contentés de corriger le calendrier du responsable. Nous sommes revenus à la description de la famille de métiers, avons réévalué la question de savoir si ce travail relevait réellement de ce poste, examiné les références de pairs dans des entreprises comparables et pris une décision structurelle quant à l’endroit où ce travail devait être rattaché.
Un exercice qui aurait historiquement mobilisé pendant des semaines le temps d’un partenaire stratégique RH — extraction des descriptions de poste, comparaison avec des données externes, cartographie des responsabilités — a été réalisé en environ trois heures.
Comment l’IA transforme la fonction RH
Le changement de comportement qui compte n’est pas : « nous utilisons désormais l’IA dans les RH ». De nombreuses organisations peuvent en dire autant. Le véritable changement est que le délai entre un signal faible et une décision structurelle a été réduit d’environ deux ordres de grandeur. Cela change ce qu’est la fonction RH.
La planification des effectifs cesse d’être un document trimestriel pour devenir une discipline du mardi après-midi. La gestion des compétences cesse d’être une taxonomie statique pour devenir une cartographie continuellement reconstituée. Le rôle du partenaire stratégique RH cesse d’être celui de quelqu’un qui exécute un processus pour devenir celui de quelqu’un qui orchestre un système.
L’effet en aval est ce qui compte. Chaque future recrue de cette équipe commence désormais avec une description de poste qui reflète le travail réel, et non le travail tel qu’il était imaginé au moment de la création du poste. Son intégration s’améliore. Le coût par recrutement diminue. La qualité des échanges individuels entre responsable et collaborateur augmente, car le responsable n’est plus sollicité dans quinze directions différentes.
Rien de tout cela n’apparaît sous la forme d’un déploiement spectaculaire de l’IA — il n’y a pas de chatbot avec lequel les employés interagissent. Mais l’organisation fonctionne de manière mesurablement différente. C’est ce type de changement, et non la question « avons-nous déployé un copilote ? », que les responsables RH devraient prendre comme référence pour évaluer leurs progrès.
Quand la question devient : « Pourquoi cela ne pourrait-il pas être géré par l’IA ? »
Nous intégrons l’IA générative à tous ces processus au moyen de bibliothèques d’instructions structurées — pas d’utilisation ponctuelle, pas de «débrouillez-vous »… Je considère cela comme une bonne nouvelle, car ce qu’il reste, c’est le travail stratégique et profondément humain qui m’a réellement conduit vers ce domaine.
Chaque processus est passé au tamis d’une approche centrée sur l’IA — la question n’est pas « où l’IA pourrait-elle être utile ici ? », mais « pourquoi cela ne pourrait-il pas être géré par l’IA ? »
Tout ce qui passe de l’autre côté est ce qui nécessite véritablement du capital humain, du jugement humain ou de l’empathie humaine. Inverser la question est la bonne approche. Cela vous oblige à démontrer systématiquement pourquoi l’IA ne convient pas et fait apparaître une quantité considérable de travail que personne n’aurait spontanément confiée à une machine.
Ce que l’IA prend désormais en charge pour moi : la synthèse de données RH disparates, l’analyse des rôles et de l’architecture des postes, la rédaction (descriptions de poste, communications, recommandations en matière de politiques, présentations pour les dirigeants), le coaching des responsables sur la qualité des entretiens, la reconnaissance de tendances dans les signaux d’engagement et de sentiment, la mise en correspondance sur le marché interne des talents et l’interprétation de premier niveau des politiques.
Nous intégrons l’IA générative à tous ces processus au moyen de bibliothèques d’instructions structurées — pas d’utilisation ponctuelle, pas de « débrouillez-vous ». Si je devais quantifier cela, environ la moitié de ce à quoi ressemblait mon travail il y a cinq ans a été réduite ou supprimée. Je considère cela comme une bonne nouvelle, car ce qu’il reste, c’est le travail stratégique et profondément humain qui m’a réellement conduit vers ce domaine.
Pourquoi le véritable effet de levier se trouve dans les données d'entrée, et non dans les résultats
L'IA n'est jamais meilleure que les données d'entrée et le professionnel qui l'utilise. Je n'entends pas assez de dirigeants le dire.
Tout le domaine s'est concentré sur l'amélioration des résultats, alors que le véritable effet de levier se situe du côté des données d'entrée. Même outil, deux professionnels, des résultats radicalement différents. Les décisions fondées sur le jugement — concernant les personnes, la culture, qui mérite de l'indulgence et qui a besoin d'une conversation franche — constituent les données d'entrée. Si vous négligez le travail préparatoire, le mécanisme central n'a plus d'importance.
Ainsi, ma réponse à « Qu'est-ce qui reste humain ? » est aussi « Qu'est-ce qui rend l'IA utile à mettre en œuvre ? » Le changement opéré par les meilleurs dirigeants consiste à passer de l'humain dans la boucle à l'humain aux commandes. L'IA exécute, l'humain prend la décision.
Comment savoir quel type de travail doit « rester humain »
L'IA est excellente pour signaler dans quelle catégorie une personne pourrait se situer. L'IA est très mauvaise lorsqu'il s'agit d'avoir la conversation qui suit. Il en va de même pour les promotions. L'IA peut vous montrer qui est prêt grâce aux indicateurs de compétences, mais la décision de savoir si quelqu'un est prêt pour le jugement requis au niveau supérieur relève fondamentalement de l'appréciation humaine.
Là où l'IA prend les devants et où un humain valide : synthèse des données sur les effectifs et détection des tendances, analyse initiale de l'architecture des postes, rédaction des politiques et des communications standardisées, synthèse des évaluations de performance, analyse du sentiment des employés, accompagnement des managers lors des entretiens à partir des transcriptions, triage de premier niveau des relations avec les employés, mise en correspondance des candidats avec les référentiels de compétences et interprétation des politiques pour les questions courantes.
Là où l'IA assiste et où un humain dirige : arbitrages en matière de planification des effectifs, décisions de succession, philosophie de rémunération et conception des avantages, choix de conception organisationnelle et calibration des revues des talents. L'IA me fournit de meilleures données d'entrée, des scénarios plus rapides et une capacité à reconnaître des tendances que je ne pourrais pas détecter seul. C'est moi qui prends la décision.
Là où l'IA n'a pas voix au chapitre : licenciements, promotions, conversations sensibles sur la performance, entretiens de départ, décisions concernant la profondeur du vivier de dirigeants, tout ce qui implique de juger si l'intention d'une personne est alignée sur l'organisation, ainsi que tout moment nécessitant de lire une salle. La raison est simple : ces moments exigent de l'empathie, et l'empathie est la seule capacité pour laquelle je ne vois aucune preuve crédible que l'IA soit en train de combler l'écart avec les humains compétents dans un délai significatif. Ce n'est pas un goulot d'étranglement, c'est un atout culturel, fondé sur la conviction profonde que le consensus et l'équité sont des avantages concurrentiels, et non des ralentissements. Je le défendrais contre tout argument d'efficacité qu'une IA pourrait avancer.
La fintech qui a annoncé remplacer 700 représentants du service client par l'IA — et qui est maintenant en train de les réembaucher discrètement — est l'exemple édifiant que tout dirigeant des ressources humaines devrait suivre. L'IA a géré la vitesse et le volume. Elle a manqué d'empathie et n'a pas su traiter les cas particuliers. Les dirigeants qui parient contre le jugement humain en 2026 rédigeront des publications d'excuses sur LinkedIn en 2027.
Là où l'IA fait la différence dans les ressources humaines
Le phénomène est réel. L'IA offre des avantages considérables.
Le délai entre le signal et l'action sur les problématiques liées aux effectifs est passé de plusieurs semaines à quelques heures. La qualité des entretiens menés par les managers s'est nettement améliorée lorsque nous avons commencé à appliquer des scripts de coaching aux transcriptions — lorsque vous montrez à un manager que 90 % de ses questions d'entretien étaient fermées, ou qu'il parlait 85 % du temps, il corrige le tir. La plupart d'entre eux veulent s'améliorer, ils n'avaient simplement jamais eu ce miroir.
Le délai de recrutement des postes a considérablement diminué lorsque nous avons cessé de considérer les intitulés de postes comme l'unité de travail et commencé à mettre les candidats en correspondance avec les compétences déduites. Le taux de départs regrettables est nettement inférieur à 5 % — pas uniquement grâce à l'IA, mais en partie parce que nous détectons désormais les problèmes de montée en compétences et de déconnexion avec le manager alors qu'ils peuvent encore être résolus.
L'adoption des outils d'IA internes s'est accélérée de manière spectaculaire lorsque nous avons créé des ateliers pratiques d'apprentissage plutôt que des formations traditionnelles en salle de classe, les premiers utilisateurs formant leurs pairs dans le cadre de leur travail.
Le phénomène qui m'enthousiasme le plus est que l'IA rend visible un travail auparavant invisible — le manager dont le calendrier a dérivé, la nouvelle recrue dont l'intégration prend une mauvaise direction, le collaborateur très performant dont l'engagement commence à s'éroder. Rien de tout cela n'était auparavant détectable aussi rapidement.
Là où l'IA ne tient pas ses promesses
J’abordais 2025 en m’attendant à ce que l’IA aide à étalonner les évaluations de performance entre les équipes — en signalant les incohérences, en mettant en évidence les biais potentiels et en contribuant à l’étalonnage des rémunérations. Elle réussit bien certaines de ces tâches. Mais la partie de l’étalonnage qui compte réellement, c’est la conversation entre dirigeants pour déterminer si cette personne, à ce niveau et dans ce contexte, est performante comme nous en avons besoin.
L’IA y a apporté une contribution plutôt limitée. Une trop grande part de la performance est contextuelle, relationnelle et tournée vers l’avenir. L’IA est efficace pour reconnaître des schémas rétrospectifs. Ce n’est pas la même chose.
Le deuxième échec concerne la conception organisationnelle véritablement nouvelle. L’IA peut vous indiquer comment des entreprises comparables ont structuré leurs fonctions de création de valeur, leurs organisations commerciales ou leurs équipes financières.
Elle est beaucoup moins performante lorsque vous concevez quelque chose que personne n’a réellement fait auparavant, comme une structure fonctionnelle dans laquelle les agents sont des collaborateurs directs et les humains, les responsables d’équipes d’agents. La conception organisationnelle tournée vers l’avenir reste principalement humaine, et je m’attends à ce que cela reste vrai pendant un certain temps.
Le troisième échec concerne la succession des dirigeants. L’IA peut mettre en regard les compétences et les exigences d’un poste, mais elle ne peut pas vous dire qui dispose du capital politique, des relations ou de la confiance nécessaires auprès de l’équipe dirigeante pour réussir véritablement dans un poste à responsabilité. La succession des dirigeants est, au fond, une question de confiance humaine, et je doute que l’IA la résolve dans un délai utile.
L’IA n’a pas non plus tenu la promesse d’une plateforme tout-en-un. La plupart des fournisseurs de technologies RH qui vendaient en 2024 une plateforme unique, intégrée et alimentée par l’IA ont livré un tableau de bord auquel était simplement accolé un agent conversationnel.
La véritable valeur vient de l’enchaînement d’outils spécialisés au moyen d’instructions structurées et de flux de travail réellement maîtrisés par les professionnels. Toute personne qui vous vend la plateforme unifiée vous vend une feuille de route, pas un produit.
Plus largement, l’IA n’a pas remplacé le jugement des cadres expérimentés. L’IA gère la rapidité, le volume et la recherche de schémas. Elle ne tient pas compte de l’empathie, des cas particuliers ni des moments qui exigent une interprétation humaine : la conversation difficile, le jugement permettant de déterminer si quelqu’un se trouve dans une situation où il « ne sait pas comment faire » ou dans une situation où il « n’en est véritablement pas capable », la lecture culturelle d’une salle. C’est ce travail substantiel que je veux voir les professionnels accomplir davantage, et non moins.
Et voici le point que je souhaite le plus voir les responsables des équipes RH intégrer : l’IA n’a pas prouvé que les salariés en début de carrière sont les plus exposés. L’idée reçue selon laquelle on peut remplacer son niveau junior par des agents est, à mon avis, exactement à l’envers. La génération qui sort de l’université est native de l’IA. Elle n’a pas besoin d’être convaincue.
Les personnes réellement exposées sont les employés ayant entre quatre et dix ans d’ancienneté — celles qui ont bâti leur carrière en maîtrisant un flux de travail que l’IA réduit désormais à quelques minutes et dont le réflexe est de défendre ce flux plutôt que de le reconstruire en s’appuyant dessus. C’est là que doit aller le véritable investissement dans la reconversion.
Enfin, l’IA a encore du mal avec la traduction culturelle nuancée selon les régions. En Europe, en Inde, au Moyen-Orient, au Japon et sur le continent américain, j’ai constaté des écarts de performance significatifs lorsque les modèles sont confrontés aux dialectes, au contexte culturel ou aux subtilités du droit du travail local. Nous continuons de nous appuyer sur le jugement humain local pour tout ce qui comporte une dimension culturelle marquée. La technologie comblera cet écart. Ce n’est pas encore le cas.
Comment la mise en place d’un flux de travail alimenté par l’IA transforme le processus de recrutement
Voici le flux de travail dont je suis le plus fier. Je pense qu’il montre à quoi ressemblera le domaine dans trois ans, et la plupart des fonctions RH ne l’ont pas encore mis en place.
Il s’agit de l’ensemble du cycle de recrutement, de la description du poste aux retours d’expérience après l’intégration, exécuté comme un flux de travail connecté unique reposant sur une compétence Claude personnalisée que nous avons conçue. Le recrutement est le cas idéal à examiner, car c’est là que la plupart des organisations ont la moins bonne qualité de données, la plus grande variabilité dans les comportements des responsables et la plus faible tolérance à l’erreur.
Déroulons-le clairement :
Étape 1 : Recueil du besoin
Le responsable du recrutement déclenche un besoin. La compétence mène avec lui un entretien vocal ou textuel structuré, faisant ressortir les résultats attendus sur douze mois, les relations avec les partenaires et les lacunes rédhibitoires.
Elle recoupe ses réponses avec le plan d’effectifs de la direction financière, la répartition actuelle des performances de l’équipe et les précédentes descriptions de poste du responsable afin de signaler les incohérences avant même que le moindre mot ne soit écrit.
Étape 2 : Triangulation des parties prenantes
Deux ou trois conversations avec des pairs et des collaborateurs directs, de quinze minutes chacune, synthétisées en un besoin composite unique. La fonction signale les écarts entre les intentions du manager et la réalité de l'équipe, et les met en évidence afin qu'ils soient résolus avant que le poste ne soit publié à l'extérieur.
Étape 3 : Génération des livrables
Description de poste avec une véritable section consacrée à l'impact, guide d'entretien structuré réparti entre les différentes étapes, grille d'évaluation ancrée de 1 à 4 avec des descripteurs comportementaux. Les trois livrables sont versionnés, vérifiables et modifiables par le partenaire RH avant leur lancement.
Étape 4 : Entretiens en direct
Chaque intervieweur dispose de la grille d'évaluation et des questions sous les yeux. Les conversations sont transcrites (avec consentement), et la fonction signale les observations en temps réel : qualité des questions, proportion du temps de parole, digressions et respect de la grille d'évaluation.
Étape 5 : Évaluation et agrégation
Chaque intervieweur évalue le candidat selon la grille d'évaluation ancrée immédiatement après la conversation. Les scores sont agrégés selon les moyennes par pilier et par compétence. La fonction signale à l'attention du partenaire RH les intervieweurs atypiques — celui qui attribue un 4 à tout le monde, ou celui qui est significativement en désaccord avec le reste du groupe d'entretien.
Étape 6 : Décision
Une réunion de débriefing dirigée par des humains, au cours de laquelle la fonction fournit des points de discussion structurés, les moyennes de la grille d'évaluation et les éventuelles incohérences signalées. La décision est humaine, mais sa préparation est automatisée.
Étape 7 : Intégration
La fonction génère les objectifs binaires à 30/60/90 jours, la fréquence des points de suivi avec le manager et les questions structurées de suivi. Chaque signal de suivi alimente au fil du temps les données d'évaluation du candidat.
Étape 8 : Boucle de rétroaction sur la qualité du recrutement
Au bout de six mois, le système met en corrélation les scores des entretiens avec la progression réelle dans le poste et la satisfaction du manager. La précision des intervieweurs s'améliore au fil des recrutements. Des tendances apparaissent : quels managers évaluent bien quelles compétences, quels postes font systématiquement l'objet d'une mauvaise évaluation, quels signaux de l'entretien prédisent le plus fortement la réussite.
L'ensemble de la boucle fonctionne comme un système unique et connecté. Le travail qui demandait auparavant deux semaines d'efforts fragmentés à un partenaire RH, répartis entre cinq outils, ne prend désormais que quelques heures de revue humaine concentrée dans un flux de travail unique. Et la qualité est meilleure, car chaque étape est étalonnée par rapport à celles qui la précèdent et la suivent. Voilà ce que signifie réellement une approche de bout en bout.
Ce qui permet à cette approche de fonctionner, ce n'est pas l'outil. C'est l'engagement structurel selon lequel la fonction prend en charge l'essentiel du travail et l'humain exerce l'essentiel du jugement. Chaque livrable produit par la fonction Claude est une ébauche, pas une décision. Le responsable du recrutement reste propriétaire de la définition du poste. Les intervieweurs restent responsables de leurs scores. La décision d'embauche est toujours prise dans une salle où des humains décident si cette personne est la bonne.
Ce que le flux de travail a éliminé, c'est la pénibilité qui s'interposait historiquement entre ces moments de jugement : la remise en forme, la réécriture, l'étalonnage manuel et l'analyse a posteriori que personne n'avait le temps de réaliser. Les humains ont récupéré leur temps consacré au jugement. Le système est devenu plus rigoureux. Le travail est devenu plus intéressant. C'est le compromis que je souhaite voir chaque fonction RH adopter.
Pourquoi les instructions sont la mauvaise unité de travail
Si j’avais su cela plus tôt, j’aurais évité les mois consacrés à la constitution d’une bibliothèque d’instructions, comme tout le monde dans notre domaine, et je serais directement passé à la conception de fonctions… Les dirigeants qui adoptent en premier une approche fondée sur les fonctions donneront l’impression d’évoluer dans une décennie différente de ceux qui gèrent encore des bibliothèques d’instructions.
Lorsque la plupart des dirigeants RH lancent leur première initiative d'IA, ils la présentent comme un projet d'instructions.
Voici une excellente instruction pour rédiger des descriptions de poste. Voici une excellente instruction pour résumer les thèmes d'une enquête d'engagement. Voici une excellente instruction pour rédiger des commentaires d'évaluation des performances.
Les professionnels apprennent les instructions, les enregistrent dans un document partagé et ont le sentiment d'être productifs. La direction a l'impression que les progrès sont en marche. Les indicateurs d'adoption augmentent. Six mois plus tard, vous examinez la valeur réellement créée et la réponse est la suivante : pas grand-chose.
Les instructions sont le point de départ. Elles ne constituent pas l'unité de travail.
L’unité de travail est une compétence ou un projet — une capacité structurée en plusieurs étapes, qui collecte des données provenant de plusieurs sources, applique un processus cohérent à celles-ci, produit un livrable défini et s’améliore au fil du temps en tirant des enseignements des résultats.
Le processus de recrutement que j’ai décrit précédemment est une compétence, et non une invite. Il utilise comme données d’entrée les données financières, les contributions des managers, celles des pairs, les tendances historiques en matière de performance et les modèles structurés de compétences. Il produit comme résultats des fiches de poste, des guides d’entretien, des grilles d’évaluation, des agrégats de scores, des plans d’intégration et des signaux issus des boucles de rétroaction. Il s’améliore à chaque recrutement parce qu’il intègre les données relatives aux résultats. Aucune invite unique ne fait tout cela. Une compétence, oui.
Si cette distinction est importante sur le plan opérationnel, c’est parce que les organisations qui se concentrent sur les invites ont tendance à plafonner à des gains de productivité de l’ordre de 10 à 20 % — utiles, mais pas transformationnels.
Les organisations qui se concentrent sur les compétences et les projets libèrent des refontes des processus de travail qui produisent des améliorations majeures. Le premier type d’organisation industrialise ce qu’il fait déjà. Le second fonctionne véritablement différemment.
Si j’avais compris cela plus tôt, j’aurais passé outre les mois consacrés à la sélection et à l’organisation de bibliothèques d’invites, comme tout le monde dans notre domaine, et je serais passé directement à la conception de compétences. J’aurais investi dans les professionnels capables de raisonner en termes de processus plutôt que dans ceux qui savaient rédiger des invites ingénieuses.
J’aurais mis en place plus tôt les infrastructures de données — les connexions entre nos systèmes People, nos systèmes financiers, nos outils de productivité et nos indicateurs d’engagement — car les compétences ne valent que par la qualité des données auxquelles elles peuvent accéder.
Les dirigeants qui adoptent les premiers cette logique de compétences donneront l’impression d’évoluer dans une autre décennie que ceux qui gèrent encore des bibliothèques d’invites.
Conseils aux dirigeants qui pilotent une transformation par l’IA
La transformation par l’IA est fondamentalement un problème de capital humain présenté comme un problème technologique. La technologie est la partie facile. Votre travail — et le mien — constitue la partie difficile. Et il est devenu plus intéressant qu’il ne l’a été au cours des vingt dernières années.
Premièrement : commencez par le travail, pas par l’outil. Passez chaque processus au tamis — pourquoi l’IA ne pourrait-elle pas s’en charger ? — avant de vous demander quel outil acheter. Si vous ajoutez l’IA à un processus défaillant, vous industrialisez le dysfonctionnement. L’outil n’est pas la stratégie, la refonte du travail l’est. La plupart des dirigeants que je connais et qui ont le sentiment que l’IA n’a pas produit de résultats sont ceux qui ont ignoré cette étape.
Deuxièmement : passez de l’IA comme outil à l’IA comme état d’esprit. C’est ce qui distingue les dirigeants que je respecte de ceux qui tenteront de rattraper leur retard en 2027. La logique de l’outil vous donne des copilotes intégrés à vos logiciels existants. La logique de l’état d’esprit vous donne des organigrammes où les agents occupent des cases aux côtés des humains, des contributeurs individuels dirigeant des équipes de six collaborateurs directs dotés d’une IA, des fonctions de formation qui reconnaissent que leur quatrième public est le modèle de langage lui-même, des référentiels de capacités qui incluent le travail numérique comme partie prenante à part entière et des fonctions informatiques qui devraient probablement relever de l’organisation People plutôt que d’être rattachées à la finance. La vision du travail comme système de capacités remplace la vision du travail comme ensemble d’intitulés de postes, et les organisations qui y parviendront les premières fonctionneront fondamentalement différemment de celles qui n’y parviendront pas.
Troisièmement : consacrez une part disproportionnée de votre temps aux données d’entrée. La qualité de tout résultat produit par l’IA dépend de l’invite, du contexte et du jugement du professionnel en amont. Les dirigeants qui obtiennent une accélération sont ceux qui élaborent des bibliothèques d’invites structurées comme ils élaboreraient un référentiel de compétences. Ceux qui se plaignent que l’IA n’a pas produit de résultats sont ceux qui ont saisi trois phrases dans un chatbot en s’attendant à un miracle. Considérez votre bibliothèque d’invites comme un actif organisationnel. Encadrez-la. Améliorez-la. Formez vos collaborateurs à son utilisation.
Quatrièmement : donnez une vision claire à vos collaborateurs. La confiance s’effondre lorsque les salariés entendent « transformation par l’IA » et imaginent des licenciements. Elle se reconstruit lorsque les dirigeants utilisent eux-mêmes les outils de manière visible et expliquent aux collaborateurs ce que leur travail va devenir, et pas seulement ce qui va leur être retiré. Les ingénieurs cessent de coder et commencent à travailler en amont et en aval du code — sur l’architecture, le jugement, la traduction des besoins clients et la conception des systèmes. Les commerciaux cessent de s’occuper de la mise à jour du CRM et commencent à développer des relations clients plus approfondies. Les partenaires People cessent d’exécuter des processus et commencent à orchestrer des systèmes. C’est ce travail de visualisation qui fait la différence entre une IA qui renforce votre culture et une IA qui la vide de sa substance. La confiance envers les employeurs est en baisse ; vous ne pouvez pas la considérer comme acquise.
Cinquièmement : plantez l’arbre. Mon proverbe chinois préféré dit que le meilleur moment pour planter un arbre était il y a vingt ans. Le deuxième meilleur moment, c’est maintenant. La plupart des dirigeants People à qui je parle ont six à douze mois de retard sur ce qu’ils pensent. La courbe d’accélération est plus raide que ce que vous avez modélisé. Mettez en place des laboratoires d’apprentissage, et non des salles de classe, désignez des ambassadeurs de l’IA dans chaque unité opérationnelle et acceptez que la réponse que vous donnerez à cette question dans trois mois ne représente qu’une fraction de celle que vous donneriez aujourd’hui. Ce n’est pas un problème à résoudre. C’est la condition de fonctionnement.
Trois façons dont l’adoption de l’IA échoue
L’ingénierie et les produits ont immédiatement adopté l’IA. Les fonctions qui ont éprouvé des difficultés — celles que je veux prendre soin de nommer poliment — étaient les fonctions générales et administratives, où le travail ressemble le plus à ce que les grands modèles de langage font nativement, et où les professionnels avaient le moins de réflexes pour travailler avec ces outils. Il y a là une profonde ironie.
Les fonctions qui avaient le plus à y gagner ont été les plus lentes à s’engager, car les professionnels avaient passé leur carrière à être valorisés pour incarner la mémoire institutionnelle — et l’IA démocratise désormais cette connaissance, ce qui est perçu comme une menace avant de l’être comme un multiplicateur de capacités.
La solution n’était pas une formation technique. Il fallait créer un espace psychologique permettant à ces professionnels de redéfinir la valeur qu’ils apportaient. Nous l’avons fait au moyen d’ateliers où ils pouvaient jouer avec les outils sur des tâches réelles, avec leurs pairs, dans un environnement à faibles enjeux — ce que j’appelle des laboratoires d’apprentissage, et non des salles de classe. Le format en salle de classe ne produisait aucune adoption. Le format laboratoire a généré une dynamique visible en quelques semaines.
Voici trois autres domaines où l’adoption de l’IA rencontre des difficultés :
Premièrement, une adoption inégale entre les fonctions crée de réelles tensions culturelles. L’ingénierie l’a adoptée instantanément. Les ventes ont suivi. Certaines fonctions générales et administratives sont encore dans la phase « mais qu’est-ce que je ferais ? » — et c’est précisément la mauvaise question. Cela se manifeste par un ressentiment discret, et non par une résistance ouverte. Les gens commencent à craindre que leurs collègues utilisent l’IA pour paraître plus productifs qu’eux.
La confiance dans les organisations utilisant l’IA est réellement fragile à l’heure actuelle — les données d’enquête de cette année suggèrent qu’environ quatre travailleurs et managers sur cinq sont précisément préoccupés par cette dynamique. Si vous ne la gérez pas au moyen de référents IA transparents dans chaque unité opérationnelle, d’une utilisation visible des outils par les dirigeants et de normes claires définissant ce qui constitue un travail assisté par l’IA, la culture commence à payer les intérêts d’une dette qu’elle ne savait pas contracter.
Deuxièmement, j’ai vu des dirigeants d’autres entreprises superposer l’IA à un processus défaillant et appeler cela une transformation. Si votre évaluation des performances est mauvaise, y ajouter l’IA produit un processus doublement mauvais — plus rapide, plus sûr de lui, plus évolutif dans la mauvaise direction. Commencez par le travail lui-même, et non par l’outil.
Sinon, vous ne transformez rien : vous industrialisez le dysfonctionnement. C’est le mode d’échec le plus courant que j’observe dans les organisations comparables, et il est presque toujours provoqué par l’équipe technologique qui cherche à atteindre un indicateur de déploiement plutôt que par la fonction People qui dirige une refonte des flux de travail.
Troisièmement, et celui-ci est plus subtil : l’IA n’homogénéise pas les performances, elle amplifie l’écart. Les personnes expérimentées l’utilisent pour étendre leur expertise ; les moins expérimentées l’utilisent pour générer un résultat acceptable mais superficiel qui masque un raisonnement fragile. Dès que ce travail de faible qualité entre dans vos données organisationnelles, votre prochaine itération d’IA s’entraîne dessus. C’est une boucle de rétroaction à laquelle la plupart des dirigeants n’ont pas réfléchi.
Nous y répondons en mettant fortement l’accent sur le professionnel humain en amont de chaque flux de travail — les données d’entrée sont l’actif, pas les résultats. Si vous laissez l’IA devenir l’égaliseur de productivité que tout le monde espérait, vous vous réveillerez dans dix-huit mois avec une main-d’œuvre où la différence entre vos meilleurs éléments et tous les autres sera plus grande que jamais, et non plus réduite.
Trois mesures tactiques pour les dirigeants qui adoptent l’IA
Premièrement : nommez un référent IA au sein de chaque unité opérationnelle, et pas uniquement dans l’ingénierie et les produits. La plupart des organisations disposent de référents IA de fait dans leurs fonctions techniques, et nulle part ailleurs. Rendez cette démarche intentionnelle. Donnez de la visibilité à ce rôle, du temps pour l’exercer et l’autorisation de remettre en question le fonctionnement de la fonction.
Les fonctions pour lesquelles cela est le plus difficile — la finance, le juridique, l’administration générale — sont précisément celles où se trouve le plus grand effet de levier, car le travail qui y est effectué ressemble le plus à ce que les grands modèles de langage font nativement. Si vous ne désignez pas de référents dans ces domaines, vous laissez passer la majeure partie de la valeur potentielle.
Deuxièmement : mettez en place des indicateurs clés de performance doubles — un ensemble pour les performances « actuelles » et un autre pour les capacités « futures ». Le piège consiste à mesurer votre transformation en fonction de la quantité de travail actuel que vous avez automatisée, alors que la véritable question est de savoir quelle quantité de nouveau travail vous avez rendue possible.
Les dirigeants qui réussissent dans ce domaine suivent des indicateurs « actuels » à cycle court — adoption, productivité, temps gagné — parallèlement à des indicateurs « futurs » à cycle plus long — nouvelles capacités développées, nouveaux rôles créés et nouveaux revenus ou résultats clients rendus possibles. Si vous ne suivez que les indicateurs « actuels », vous allez vous optimiser jusqu’à devenir une version plus petite et plus rapide de ce que vous étiez. L’objectif n’est pas d’être plus petit et plus rapide. L’objectif est d’être différent d’une manière qui compte.
Troisièmement : soyez explicite quant aux décisions qui passent de l’humain dans la boucle à l’humain aux commandes. Le passage de « l’humain observe l’IA travailler » à « l’humain dirige le travail de l’IA et en assume le résultat » est le changement de gouvernance le plus important qu’une fonction People puisse opérer cette année. Cela clarifie les responsabilités. Cela instaure la confiance plus rapidement que n’importe quel document de politique interne et donne à vos collaborateurs une réponse claire à la question qu’ils se posent réellement : suis-je toujours maître de mon travail ?
Lorsque la réponse est oui — de manière visible, répétée, dans les moments qui comptent — l’adoption s’accélère et la résistance s’atténue. Lorsque la réponse n’est pas claire, toutes les autres initiatives d’IA que vous lancerez se heurteront à des difficultés que vous n’aviez pas prévues dans votre budget.
Ce qui rend un leader irremplaçable
La résilience et la générosité sont les deux qualités que je veux voir mes enfants emporter avec eux dans un marché du travail que je ne peux pas prévoir entièrement. Ce sont aussi — par coïncidence, et non par accident — les deux qualités que je recherche chez chaque leader qui se présente à un entretien de dernière étape. L’IA peut faire presque tout le reste. Elle ne peut pas faire cela. C’est le pari que je ferais à chaque fois. Et c’est celui que je fais à chaque fois.
Les entreprises qui trébuchent actuellement ont considéré l’IA comme un outil de substitution plutôt que de refonte, et ont supprimé la couche où s’exerçait le discernement humain. L’IA a pris en charge le volume. Elle a manqué le moment décisif. Le coût est toujours supérieur aux économies prévues par le modèle, car ce moment se transforme en confiance, puis en départs, puis en la prochaine personne qui observe le fonctionnement et met discrètement son CV à jour.
Les leaders qui réussissent régulièrement protègent ce qui reste spécifiquement humain. La conversation difficile. L’annonce d’une promotion lorsque les données disent oui, mais que vous sentez que la personne n’est pas prête à porter le poids du poste suivant. Le départ géré avec suffisamment de grâce pour que la personne qui s’en va continue à dire du bien de l’entreprise. Le discernement nécessaire pour déterminer si quelqu’un a besoin d’un encouragement à progresser ou mérite davantage de latitude. C’est là que se construisent réellement la fidélisation, la confiance et la réputation — et que le prochain candidat dit oui en raison de la façon dont vous avez traité la dernière personne partie.
Être axé sur les affaires, à l’aise avec la technologie et doté d’une grande empathie ne sont pas trois compétences distinctes. C’est une seule et même compétence exprimée de trois façons.
Si je suis honnête, la raison pour laquelle j’y accorde autant d’importance tient à mes deux enfants.
Mon fils Jonah a sept ans. Chaque matin, il se dirige tout droit vers une nouvelle boîte de Lego. Parfois, il suit les instructions à la lettre. Parfois, il les ignore complètement et construit quelque chose que personne n’a jamais vu auparavant. Pour lui, il n’y a aucune différence entre les deux approches — dans les deux cas, il a construit quelque chose.
Ce n’est pas un style d’apprentissage. C’est de la résilience. Le refus de se laisser vaincre par un mur lorsqu’il existe quelque part une fenêtre que vous n’avez pas encore essayé d’ouvrir. C’est aussi le trait que je recherche chez chaque leader que j’aide un PDG à recruter, car toute entreprise en phase d’accélération est un jeu de Lego dont la moitié des instructions manque.
Ma fille Gabi a eu cinq ans et a préparé elle-même les sachets de friandises pour son anniversaire. Elle a choisi les bonbons et les jouets pour chacun de ses amis. Elle a dessiné des illustrations personnalisées pour chacun d’eux. Le jour de son propre anniversaire — le jour où elle était censée être celle qui recevrait des cadeaux.
C’est de la générosité, mais plus utilement encore, c’est l’instinct de créer un effet multiplicateur : rendre les personnes qui vous entourent meilleures sans qu’on vous le demande, sans attendre le bon moment, sans rien espérer en retour. C’est le trait de leadership qui se manifeste dans chaque équipe que j’ai vue fonctionner véritablement. L’IA ne le fabrique pas.
La résilience et la générosité sont les deux qualités que je veux voir mes enfants emporter avec eux dans un marché du travail que je ne peux pas prévoir entièrement. Ce sont aussi — par coïncidence, et non par accident — les deux qualités que je recherche chez chaque leader qui se présente à un entretien de dernière étape. L’IA peut faire presque tout le reste. Elle ne peut pas faire cela.
C’est le pari que je ferais à chaque fois. Et c’est celui que je fais à chaque fois.
Suivez son travail
Vous pouvez suivre le travail de Bradford Wilkins sur LinkedIn.
D’autres entretiens d’experts sont à venir sur People Managing People !
