La pile RH a adopté l’IA, mais personne n’a d’abord corrigé les données
La plupart des leaders RH peuvent vous dire exactement quels outils d’IA leur organisation utilise. Très peu peuvent dire ce que ces outils font les uns aux autres.
Lorsque l’IA entre dans le recrutement, elle modifie la façon dont les candidats sont évalués. Lorsque l’IA pénètre la gestion de la performance, elle transforme la manière dont le feedback est généré et remis. Lorsque l’IA entre dans la formation et le développement, elle façonne les compétences qui sont privilégiées et pour qui. Ce ne sont pas des événements isolés, mais ils sont rarement gérés comme interconnectés.
Les dirigeants prennent des décisions de déploiement fonction par fonction, et presque personne n’est responsable de ce qui se joue dans les interstices.
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
La pile RH — recrutement, performance, formation & développement, avantages sociaux — est adaptée à l’IA une fonction à la fois, chaque déploiement piloté par une équipe différente, avec un fournisseur distinct et des objectifs différents. Les interactions entre ces systèmes sont rarement surveillées, et presque personne n’est responsable pour ce qui se produit dans les marges. C’est là que les dérives s’accumulent.
Mille fleurs, aucun jardinier
Lors d’un panel la semaine dernière à Transform à Las Vegas, la discussion portait sur ce qui change vraiment lorsque l’IA pénètre la fonction RH. Une tension récurrente est apparue : les organisations expérimentent à grande échelle mais gouvernent de façon restreinte.
Jevan Soo Lenox, Chief People Officer dans la société d’IA à forte croissance WRITER, a décrit ce que beaucoup de dirigeants vivent silencieusement.
Nous avons vécu dans un monde où l’on laisse mille fleurs éclore. Tenter beaucoup de choses, utiliser beaucoup d’outils, organiser un hackathon tous les deux trimestres. Cela crée une grande culture de l’expérimentation. Mais c’est vraiment insuffisant pour un ROI massif.
Le problème n'est pas l’expérimentation. Le problème, c’est l’absence de visibilité sur ce qui fonctionne réellement et ce qui crée de l’incohérence à l’échelle de l’organisation.
Cette incohérence est structurelle. Lorsqu’un outil d’IA dans le recrutement évalue les candidats selon un modèle de compétences, qu’un autre outil en performance génère des recommandations de développement selon d’autres critères, et qu’un troisième outil en formation propose du contenu selon encore d’autres signaux de données, l’organisation se retrouve avec trois visions différentes de ce à quoi ressemble l’excellence. Personne n’a conçu ce résultat. Personne ne surveille cela.
Giovanni Luperti, CEO de Humaans, qui travaille avec des clients grands comptes déployant des agents RH à grande échelle, a formulé la distinction fondamentale à l’origine de beaucoup de ces décisions : augmentation de la décision versus substitution de la décision.
Pour les tâches répétitives et déterministes — coordination d’intégration, planification, réponses aux questions sur les politiques — des agents peuvent gérer le processus de façon fiable et s’améliorer avec le temps. Mais pour tout ce qui requiert un jugement, l’humain doit rester dans la boucle, non comme un simple tampon, mais en tant que véritable décideur.
Il n’y a souvent pas de bonne réponse", explique Luperti, « et cela devient alors une question d’augmentation de la décision.
Le problème, c’est que les organisations ne font pas toujours cette distinction de façon intentionnelle. L’IA s’intègre dans un flux de travail parce qu’elle est disponible, qu’un fournisseur a présenté un argument convaincant, qu’une équipe voulait aller vite.
Le seuil de quelle part d’autonomie attribuer à l’IA pour une décision donnée est souvent fixé implicitement, pas de façon volontaire. Et quand l’IA touche à la fois au recrutement, à la performance et au développement en même temps, ces seuils implicites commencent à interagir de manière très difficile à auditer.
Les fondations en dessous
La couche de données aggrave d’abord la situation avant de l’améliorer. Lennox a été direct à ce sujet :
Si vous ne partez pas d’une base de connaissances solide et cohérente, d’une couche de données à laquelle vous pouvez accéder et sur laquelle vous appuyer, alors tout le reste va s’effondrer.
La fonction RH a historiquement été l’un des pires environnements de données d’une organisation, avec des systèmes fragmentés, des définitions incohérentes, des années de processus manuels. Déployer de l’IA par-dessus ne nettoie pas la fondation, cela démultiplie tout ce qui s’y trouve déjà.
Kit Krugman, SVP People and Culture chez Foursquare, n’a pas mâché ses mots sur ce que le moment exige vraiment.
La fonction des ressources humaines a toujours eu du mal à occuper une place stratégique à la table, et l’IA est une révolution dans ce que nous pourrions accomplir. Une couche d’orchestration est l’une des disruptions les plus puissantes que nous verrons dans ce domaine. Mais il est nécessaire que la couche opérationnelle de base soit adaptée, donc nous devons repenser tout le modèle opérationnel.
C'est précisément la partie que la plupart des organisations négligent. Elles déploient des outils sans repenser le modèle opérationnel sous-jacent.
La couche d'orchestration décrite par Krugman — celle qui coordonnerait réellement l'activité de l'IA à travers tous les aspects RH et mettrait en lumière ce que fait le système dans son ensemble — n'existe pas encore dans la plupart des entreprises. À la place, on trouve un ensemble de solutions ponctuelles qui relèvent de différents responsables, fonctionnent sur des données différentes et optimisent pour des résultats bien distincts.
Lenox, qui a eu l'avantage de construire une fonction RH à partir de zéro chez Writer plutôt que d'en adapter une existante, a décrit son approche de la conception des rôles dans ce contexte.
Cette patience — le choix de faire une pause, de cartographier le besoin réel, puis de construire en fonction de celui-ci — est exactement ce que la plupart des organisations ne peuvent pas se permettre de négliger lorsqu'elles déploient l'IA au sein de fonctions interconnectées.
Aller de l'avant avec intention revêt ici un sens précis : identifier où l'IA peut générer un résultat mesurable, s'appuyer sur une couche de données propre et instaurer une gouvernance avant de passer à l'échelle. La plupart des organisations sautent cette séquence, non pas par ignorance, mais parce que les outils sont suffisamment accessibles pour que la pression d'aller vite l'emporte sur la discipline d'aller méthodiquement.
Le résultat, c'est une infrastructure RH qui paraît moderne de l'extérieur mais reste incohérente en son cœur. Lorsque l'IA formule des recommandations au niveau du recrutement, de la performance et du développement en même temps, sans logique commune ni surveillance des interactions, le système n'échoue pas de manière évidente. Il dérive lentement dans une direction que personne n'a choisie.