Ce que la surveillance par IA ne peut pas vous dire sur vos employés

Personne ne se lance dans la création d’un système de surveillance de la main-d’œuvre. Celui-ci arrive généralement déguisé en optimisation, productivité, bien-être ou efficacité. Mais à mesure que l’IA permet de tout surveiller, des frappes au clavier et mouvements de souris aux émotions et aux comportements physiques, la frontière entre mesure légitime et surveillance intrusive devient de plus en plus difficile à ignorer.

Dans cet épisode, je m’entretiens avec Lynn Parramore, directrice des projets spéciaux à l’Institute for New Economic Thinking, au sujet de ce qui est perdu lorsque les dirigeants partent du principe que tout ce qui a de la valeur au travail peut être mesuré. Nous examinons pourquoi la surveillance constante érode la confiance, comment les algorithmes dépouillent les comportements humains de leur contexte, pourquoi les jeunes travailleurs ont de bonnes raisons de se montrer sceptiques à l’égard de l’IA, et pourquoi les dirigeants doivent réfléchir à la place de cette technologie sur le plan philosophique, et pas seulement pratique.

Ce que vous apprendrez

  • Comment distinguer la surveillance légitime du lieu de travail de la surveillance intrusive
  • Pourquoi davantage de données sur les employés ne produit pas nécessairement de meilleures décisions de gestion
  • Comment la surveillance continue peut saper la confiance, la sécurité psychologique et la motivation intrinsèque
  • Pourquoi les algorithmes peinent à comprendre l’intention, le discernement, le contexte, la créativité et les connaissances tacites
  • Comment impliquer les employés dans les décisions relatives à la surveillance peut conduire à de meilleurs résultats
  • Pourquoi l’adoption de l’IA exige que les dirigeants prennent en compte les conséquences éthiques et sociétales, et pas seulement l’efficacité

À retenir

  • Mesurez pour une raison légitime, pas simplement parce que vous le pouvez. La surveillance peut être pertinente lorsqu’elle est étroitement liée à la sécurité, à l’ergonomie, à la cybersécurité ou à un autre besoin clairement défini. Collecter des données simplement parce que la technologie le permet, c’est ainsi que l’optimisation se transforme insidieusement en surveillance.
  • Davantage de visibilité peut signifier moins de confiance. La surveillance constante transmet un message implicite : nous ne vous faisons pas confiance tant que nous ne pouvons pas vous contrôler. C’est un compromis coûteux lorsque la confiance sous-tend l’engagement, l’innovation, la fidélisation et la volonté des personnes d’exercer leur jugement.
  • Les données captent les comportements. Elles ne les expliquent pas nécessairement. Un employé qui passe plus de temps au téléphone avec un client peut sembler inefficace aux yeux d’un algorithme alors qu’il fait précisément ce que vous souhaitez : persévérer face à un problème difficile jusqu’à sa résolution. Une information dépourvue de contexte n’est pas de la compréhension.
  • La valeur humaine ne se laisse pas facilement enfermer dans un tableau de bord. Aider un collègue, réfléchir à un problème difficile, faire preuve de courage moral, exercer son jugement ou simplement fixer le vide pendant qu’une idée prend forme peuvent tous sembler relever d’un temps improductif. Parfois, ce n’est pas l’employé qui se trompe, mais le tableur.
  • Les individus vont aussi chercher à optimiser leur comportement en fonction de la surveillance. Les ouvriers de Frederick Taylor trafiquaient ses horloges. Les travailleurs modernes utilisent des dispositifs qui font bouger la souris — et apparemment même des ananas placés stratégiquement. Lorsque la mesure devient le travail, les gens apprennent à satisfaire la mesure.
  • Veillez à ce que les humains puissent contester la machine. Un algorithme devrait être une aide, pas un superviseur invisible. Lorsque les employés ne peuvent pas remettre en question des évaluations automatisées — même lorsque leur jugement professionnel leur indique que le système se trompe — vous n’augmentez pas l’expertise. Vous la remplacez.
  • Le scepticisme envers l’IA n’est pas nécessairement un rejet de la technologie. Les jeunes travailleurs ont grandi entourés de technologie et ont également vu des entreprises collecter leurs données, rompre leurs promesses et réorganiser leur vie autour de modèles économiques qu’ils n’avaient pas choisis. Les dirigeants ne devraient pas balayer ce scepticisme d’un revers de main. Ils devraient mériter la confiance qu’ils demandent.
  • Sachez quand appuyer sur pause. Aller le plus vite possible ne revient pas automatiquement à bien diriger. Si vous ne comprenez pas les conséquences d’un système d’IA — pour les travailleurs, les communautés ou la société — ralentir peut être la décision commerciale la plus intelligente.

Chapitres

  • 00:00 — Quand la surveillance devient intrusive
  • 02:31 — Où tracer la limite
  • 04:58 — Le panoptique au travail
  • 07:33 — Suivre les émotions des employés
  • 09:43 — Ce que les données ne peuvent pas mesurer
  • 11:54 — Le coût de la surveillance constante
  • 15:00 — Information contre compréhension
  • 17:33 — L’essor de la surveillance au travail
  • 21:08 — Contourner le système
  • 23:57 — Ce que les algorithmes ne voient pas
  • 27:12 — La confiance exige de l’incertitude
  • 28:27 — L’IA comme superviseur invisible
  • 31:12 — L’éthique de l’IA
  • 34:04 — Le scepticisme de la génération Z envers l’IA
  • 37:12 — Algorithmes contre jugement humain
  • 40:21 — Accompagner les travailleurs face à l’IA
  • 45:07 — À quoi servent les entreprises ?
  • 47:02 — Savoir quand faire une pause

Découvrez notre invitée

Lynn Parramore est analyste principale de recherche et directrice des projets spéciaux à l’Institute for New Economic Thinking (INET), où elle étudie les liens entre l’économie, l’histoire, la culture et la psychologie. Historienne de la culture, autrice et journaliste, elle transforme des recherches économiques complexes en récits accessibles sur les inégalités, le pouvoir des entreprises, le travail et la justice économique. Lynn est titulaire d’un doctorat de l’Université de New York et est l’autrice de Reading the Sphinx et coéditrice de How the Occupy Movement Is Changing America. Ses analyses et ses écrits ont été publiés dans de grands médias, apportant une perspective multidisciplinaire aux débats sur l’économie et son impact sur la vie quotidienne.

You may also like