De la curiosité à la confiance : un cadre pratique pour l’adoption de l’IA

David Rice : Votre équipe est donc curieuse à propos de l’IA. Elle a regardé les démos. Lu les articles. Elle trouve cela intéressant. Et elle ne fait absolument rien avec, car la curiosité sans la confiance n’est que de la procrastination ayant meilleure allure.

Mon invité aujourd’hui est Justin Angsuwat. Il est Chief People Officer chez Culture Amp, et il va nous expliquer comment son organisation a réussi à ce que près de 80 % de ses employés se sentent confiants avec l’IA en seulement six semaines.

Pas juste curieux, confiants. Voici ce qu’ils ont fait différemment. Ils ont séparé l’exploration de l’attente. Pas de pression pour obtenir des résultats parfaits, pas d’attente d’autorisation, juste un chemin structuré allant de la compréhension, à l’expérimentation, jusqu’à l’intégration. Mais il y a certaines zones inconfortables auxquelles Justin doit faire face actuellement.

La confiance ne mène pas automatiquement à l’intégration. Les gens hésitent encore, scrutant leur quotidien et restent bloqués. Et parfois, ce sont les employés seniors, censés piloter l’intégration de l’IA, qui rencontrent le plus de difficultés, car leur identité repose sur une méthode de travail que l’IA vient de rendre obsolète.

Aujourd’hui, nous allons aborder pourquoi ils ont mis l’accent sur la confiance des employés, et non des métriques d’usage ou des objectifs d’automatisation. Les exercices hebdomadaires qui ont impulsé le mouvement, comment amener les gens à passer de tâches déterministes à probabilistes, là où se trouve réellement l’impact. Pourquoi les juniors peuvent être plus natifs que les cadres qui mènent la transformation, et à quoi ressemble concrètement un taux de confiance juste en dessous de 80 % dans la pratique.

Je suis David Rice. Ceci est People Managing People. Et si vous êtes coincé entre la curiosité et la mise en œuvre concrète, cette conversation va vous montrer exactement comment une entreprise a comblé cet écart. Entrons dans le vif du sujet.

Justin, bienvenue dans l’émission.

Justin Angsuwat : Merci, David. Ravi d’être ici. Hâte d’échanger.

David Rice : Ravi de t’accueillir.

J’attendais avec impatience de poursuivre notre conversation d’Orlando. J’ai été impatient depuis. Avant d’entrer dans le détail de Coach et de ce que tu as construit, peux-tu nous expliquer comment vos équipes ont concrètement commencé à créer avec l’IA ? Qu’est-ce qui les a fait dépasser le stade de la curiosité ?

Justin Angsuwat : Eh bien, si on commence avec l’IA dans l’organisation en général, nous avons d’abord cherché à créer ce moment « eurêka ».

Et cela a été en soi un apprentissage pour nous. Quand nous avons commencé avec nos équipes produit, puis élargi aux autres, cela impliquait de commencer par un objectif : pour nous, c’était la confiance des employés avec l’IA. Je sais qu’il y a d’autres objectifs comme l’usage ou l’automatisation, mais nous, nous étions clairs : il s’agissait des humains derrière la technologie.

Donc, notre but était d’accroître la confiance des employés envers l’IA. Parce que c’est difficile de mesurer un moment « eurêka ». Nous avons donc lancé ce programme de six semaines, conçu pour séparer l’exploration de l’attente et qui était intentionnellement axé sur l’apprentissage, le fait d’essayer, juste tenter sa chance en réalité. Il ne s’agissait pas de livrer un résultat parfait, ce qui a vraiment enlevé la pression et rendu les gens beaucoup plus enclins à s’engager avec ce qui était une technologie encore très nouvelle à l’époque.

David Rice : Ce que j’ai constaté jusqu’ici dans les entreprises que nous avons étudiées ou rencontrées, c’est que la curiosité est plutôt facile, non ? Les gens veulent explorer. Mais le passage à l’action demande souvent une certaine structure, une clarté ou, si possible, une victoire partagée assez tôt. Je me demande à quoi a ressemblé cette transition pour ton équipe, tu as mentionné ce moment « eurêka ».

Y a-t-il eu un déclic ou une victoire initiale qui a aidé les gens à passer de « allons apprendre ceci » ou « c’est intéressant » à « voici ce que nous allons en faire » ?

Justin Angsuwat : Oui. C’était clé, comme tu viens de le dire, on ne savait pas clairement ce qu’on pourrait faire avec.

Et ça, ce n’était pas le moment « eurêka ». Ce qui était intéressant, c’est que ces moments « eurêka » étaient très différents d’une personne à l’autre. Il a donc été difficile de les standardiser. Du coup, comme je l’ai dit, nous avons mis en place ce programme sur six semaines nommé « Accelerate », avec « AI » au milieu – AccelerAIte.

Parce qu’on ne pas peut pas lancer un programme sans « IA » dans le nom ! Nous avons défini des phases, qui aidaient globalement les gens à avancer, à passer de la compréhension à l’expérimentation, puis à l’intégration dans le quotidien. Même si cette dernière partie est la plus difficile, nous cherchons encore à en percer le secret. Ce n’était pas parfait, mais ça a vraiment permis à nos employés de se sentir accompagnés plutôt que pressés ou exposés. Par exemple, si tout le monde crée des choses et que je ne sais pas faire, je pourrais me sentir à l’écart. Mais il fallait aussi éviter qu’on ne s’installe trop dans le confort du statu quo.

Nous avons ainsi enchainé compréhension, expérimentation, intégration. Cela s’est fait via beaucoup de contenu, de sessions d’apprentissage où chacun pouvait manipuler les outils et créer. Cela allait de jeux vidéo à des vidéos créées avec l’IA. Et nous avons partagé chaque petit succès pour entretenir la dynamique.

J’ai donc lancé des exercices ou concours hebdomadaires, comme créer une vidéo de marque employeur générée par IA, ou ce jeu Gandalf où il fallait deviner le mot de passe et convaincre Gandalf de le donner – regarder qui allait le plus loin et ce qu’ils avaient appris.

C’était vraiment amusant à voir. Je me souviens d’un employé complètement enthousiasmé d’avoir créé un agent en seulement quelques minutes. Il est rentré chez lui, l’a raconté à son/sa partenaire qui lui a dit : tu as fait ça ? Oui, c’est moi ! Sa confiance a grandi, et celle de l’équipe autour aussi.

C’est vraiment cette dynamique, pendant les six semaines, de faire passer chacun par compréhension, expérimentation, intégration, et pour l’intégration, rendre l’IA pertinente dans le contexte du travail quotidien.

On a commencé, au moins, en essayant d’employer les mêmes outils qu’au travail : Miro, Glean, Gemini, Copilot, etc. Nous avons collaboré avec eux, les avons invités, et lors du lancement, nous n’avons pas attendu l’autorisation. Nous avons lancé le programme et continué à avancer. J’ai récemment partagé cela sur LinkedIn, et ce qui était intéressant, c’est qu’une personne a parfaitement résumé le propos, David :

« Beaucoup d’entreprises veulent d’abord sauter aux idées pour améliorer le travail avec l’IA, mais elles n’ont pas commencé par donner aux gens la confiance de démarrer. » C’était notre priorité.

David Rice : L’autre point, c’est d’aider les gens à comprendre ce qui est réellement utile. Pourquoi penses-tu que cela a aussi bien marché ? Beaucoup d’autres initiatives s’essoufflent, non ? On tombe sur la feuille blanche, on ne sait pas par où commencer ou on se dit « finalement je n’en ai pas besoin ».

Comment avez-vous amené les personnes à poser les bonnes questions, car il faut nuance et contexte. Aider les gens à comprendre quoi donner à l’IA pour en tirer les meilleurs résultats.

Justin Angsuwat : Oui, c’est compliqué. Ce sera notre ultime étape : comment intégrer l’IA dans le quotidien des gens ?

On travaille encore dessus. La première étape de la réussite, c’était l’extrême focalisation sur : comment rendre les gens vraiment confiants dans l’utilisation de l’IA, même sans tous les cas d’usage identifiés ? Beaucoup avaient une barrière mentale : c’est trop compliqué.

Même lors du programme, certains suivaient, faisaient les petits exercices, créaient un jeu vidéo… Puis retour au quotidien, ils se retrouvaient intimidés, face à la page blanche.

Pour certaines équipes, nous avons organisé de petits hackathons. Même en petites équipes de trois, les gens demandaient : « Est-ce que c’est moi qui dois rédiger l’invite ? Quelqu’un d’autre peut le faire ? Par où commencer ? » Mais c’était un environnement rassurant, un déclic nécessaire : je suis devant l’écran, allez, j’essaie. Pour certains, le déclic était simplement de voir que ce n’était pas aussi dur qu’ils l’imaginaient.

Je ne pense pas que nous ayons tout résolu. On a atteint la première étape : créer la confiance. Nous l’avons mesurée après le programme. Près de 80 % de l’organisation avait confiance pour utiliser l’IA dans son travail quotidien.

Utilisation de l’IA : environ 4 % de retours négatifs. Nous mesurions aussi la capacité à explorer et adopter de nouvelles technologies comme l’IA ; nous avons vu une amélioration de 24 points, jusqu’à 84 %. Il y a une vraie dynamique et croyance dans l’utilisation de l’IA. Comme tu le dis, la prochaine étape est d’intégrer pleinement l’IA dans l’usage quotidien.

C’est ce dont nous parlions à Orlando : ne pas s’en servir uniquement comme une meilleure calculatrice, mais voir au-delà.

David Rice : Il y a énormément de bruit en ce moment. Tout le monde est submergé par les choix, et ils se retrouvent souvent déçus car ils ne savent pas quoi fournir à l’outil.

Ce qu’il faut à la plupart des gens, c’est juste un point de départ pertinent, puis avancer étape par étape. Le cadre que tu as mis en place a donné aux gens l’autorisation d’arrêter d’attendre l’usage parfait, non ? Je trouve intéressant que tu aies réussi à déclencher l’élan ainsi.

Justin Angsuwat : Oui, exactement. Ce qu’on voit sur internet, c’est beaucoup de belles choses, et cela peut impressionner : « Moi je n’utilise pas l’IA pour faire ça, j’apprends à la solliciter ! » Donc oui, il y a beaucoup de bruit, mais aussi beaucoup de bonnes pratiques à repérer.

Mais cela peut intimider les débutants, qui se disent « Je ne sais même pas faire d’ingénierie de prompt, comment envisager le reste ? » L’idée était donc de filtrer le bruit et de dire : concentrez-vous sur ces six semaines, vous gagnerez en confiance, même sans cas d’usage précis aujourd’hui.

David Rice : Tu évoquais la calculatrice, le fait de ne pas se contenter d’une meilleure calculatrice. Que se passe-t-il ou que change la prise de conscience de ce glissement ? Comment as-tu vécu cette transition ?

Justin Angsuwat : Il existe beaucoup de référentiels et de courbes de maturité de l’IA ; je vais en donner une version simplifiée à ma façon. Quand je vois l’IA transformer les humains et le travail, je distingue deux niveaux de changement : niveau un, faire plus vite ou plus efficacement. Niveau deux, débloquer de nouveaux horizons.

Ma version est moins accrocheuse mais claire !

On parlait de calculatrice ; réfléchis au tableur à son apparition : une version augmentée de la calculatrice. Premier niveau, faire en mieux ou plus rapide ce qu’on faisait déjà. Avant, un comptable effaçait et recalculait chaque dépendance à la main ; ça prenait des heures.

Avec un tableur, on pouvait équilibrer les comptes en dix minutes, pas cinq heures. Un bond d’efficacité. Beaucoup constatent cela avec l’IA aujourd’hui, en automatisant des tâches répétitives.

Mais le vrai déclic, c’est la deuxième phase, l’ouverture de nouveaux possibles. Avec le tableur, les comptables sont passés de simple calcul à la capacité de modéliser des scénarios : « Si on baisse les prix de 10 % et qu’on augmente le volume de 20 %, que deviennent nos marges ? » Ils ne sont plus de simples gestionnaires de dossiers, mais des stratèges, anticipant le futur.

Ce qui change, c’est d’abord de rendre ce qu’on fait plus vite ou mieux, mais, ensuite, quelles sont les nouvelles perspectives auparavant inimaginables ? Ce ressenti est difficilement descriptible tant qu’on ne l’a pas vécu.

David Rice : Oui. C’est aussi la raison pour laquelle il y a une hésitation dans les fonctions RH : après le déclic, tu te dis « Je pourrais faire tellement de choses », puis rapidement, tu te fais du souci pour l’aspect légal.

Je me demande ce qui aide à franchir ce cap. As-tu eu un moment de doute en testant toi-même ?

Justin Angsuwat : Tu mets le doigt sur le sujet légal, et ce n’est pas qu’une blague ! Il faut rester prudent avec l’IA parce que…

Vérifier un tableur est facile, mais faire confiance à l’IA pour une réponse spécifique l’est beaucoup moins.

On en parlait à propos de ce que j’appelle le théâtre impressionnant : l’illusion versus l’impact. Cela rejoint la question de s’appuyer excessivement sur l’IA, avec le risque d’un retour du service juridique.

Un bon exemple : la différence entre tâches probabilistes et déterministes. Les tâches déterministes ont une seule bonne réponse (calculs, légalité), alors que les probabilistes ont plusieurs bonnes réponses (rédiger un email, faire un résumé de réunion). Utiliser l’IA pour les tâches déterministes fonctionne – « Donne-moi mon chiffre d’affaires du T4 » – mais on emploie alors un moteur probabiliste sur un problème déterministe.

C’est lent, ça peut hallucinér, et être moins fiable qu’une requête SQL. Cela a l’air impressionnant, mais ce n’est pas là que l’IA donne le meilleur d’elle-même et il peut y avoir des erreurs. Pour maximiser l’impact, il vaut mieux s’appuyer sur l’IA pour les tâches d’interprétation, où il n’existe pas une seule bonne réponse – détecter, par exemple, les trois principales frustrations émotionnelles dans 500 retours collaborateurs. Pas de formule magique ni de tableur pour ça !

Ai-je confiance dans l’IA pour les tâches avec une seule bonne solution ? Pas totalement. Je préconise de toujours revérifier dans ces cas-là.

David Rice : Excellent conseil. Je ne saurais trop insister sur ce point.

Développer une équipe internationale ne devrait pas rimer avec jongler entre cinq systèmes différents pour RH, paie et IT. Deel regroupe tout afin de recruter, intégrer, payer et équiper vos collaborateurs partout, sans le chaos habituel.

Que vous embauchiez dans dix pays ou que vous gériez des freelances dans différents fuseaux horaires, Deel gère la conformité, les avantages et la paie au même endroit – moins d’outils à gérer, moins de casse-tête, plus de temps à consacrer à vos équipes. Prêt à découvrir le recrutement sans frontières ?

Visitez deel.com/pmp pour demander une démo. deel.com/pmp. Deel. Embauchez, gérez et payez n’importe qui, partout.

Vous avez désormais développé un coach IA. Parle-nous de vos objectifs.

Justin Angsuwat : L’objectif était d’avoir un coach IA accessible ou un « people scientist » dans la poche, disponible en permanence.

À Orlando, plusieurs personnes disaient ne pas avoir besoin d’un coach – c’est cher ! Je dirais : voyez-le plutôt comme un « people scientist » dans la poche auquel demander « Comment donner ce feedback difficile ? »

Par exemple, David doit te faire un retour difficile, il stresse car il pense que tu vas mal le prendre. C’est une aide précieuse pour les HR business partners ou l’équipe RH afin d’accompagner en instantané les managers de toute l’organisation.

Mais il y a le contexte, et c’est essentiel. Car si on demande conseil à un modèle IA générique, il donne la moyenne d’internet – des conseils techniquement corrects mais trop génériques, comme un horoscope. Cela aide tout le monde et donc personne.

Je pense à trois niveaux de contexte pour rendre un coach IA réellement utile. D’abord, la couche fondation : comment est-il entraîné ? Quand tu proposes une question sans contexte, chez nous le coach n’est pas entraîné sur les forums Reddit ou de simples blogs, mais sur la science des RH. Plus d’un milliard et demi de données, accumulées sur une décennie et des milliers d’entreprises. Et ce sont nos « people scientists », PhDs, qui conçoivent le coach.

Ensuite la couche organisationnelle : il reçoit le contexte de VOTRE entreprise – vision, objectif annuel, valeurs, comportements, modèles de feedback (Radical Candor, SBI, etc.). Le coach comprend votre organisation.

Enfin, la couche performance : données d’engagement, entretien, feedback, etc. Le coach apprend à connaître l’équipe et vous-même.

En superposant ces trois couches, l’avantage est clair : au lieu de recevoir une généralité du type « Écoutez plus », vous obtenez un conseil précis du genre : « Vu les faibles scores d’engagement de votre équipe, la nouvelle valeur d’entreprise Radical Candor et votre expansion dans un nouveau pays, posons des questions comme le ferait un coach réel, puis utilisons ce script conçu par la science RH. Simulons l’entretien ! »

C’est cette superposition de contexte qui différencie le coach IA d’un simple LLM ou d’un outil IA généraliste.

David Rice : On a tous utilisé un outil « intelligent » qui ne sait rien de nous et qui finit par nous laisser indifférents. On se demande pourquoi on l’utilise...

Justin Angsuwat : Tu dois voir cela quotidiennement, toi qui accompagnes beaucoup de leaders RH dans la création d’outils ?

David Rice : Oui, et j’en ai moi-même développé où à la fin je me disais : « Mais de quoi ça parle ? Laisse tomber. » On finit par laisser tomber si ce n’est pas pertinent.

En ajoutant le contexte – dynamique d’équipe, histoire de l’organisation, forces individuelles – c’est tout le modèle qu’on inverse. D’après toi, quels sont les signaux les plus puissants pour rendre l’avis IA vraiment pertinent ?

Justin Angsuwat : Plusieurs choses.

D’abord, être fondé sur la science des RH et maîtriser le contexte de l’organisation. Ainsi, le manager n’a plus à rappeler le contexte à chaque fois. Si tu as déjà essayé, tu sais combien c’est vite lassant de répéter : « Adopte ce ton, considère ce collaborateur, etc. » Idéalement, le coach IA connaît déjà plusieurs de vos conversations passées. Il peut donc orienter la discussion directement.

L’autre point concerne la différence entre société SaaS et société IA. Le coach apprend en continu. Il analyse l’écart entre ce qui est utile et ce qui ne l’est pas, se forme ainsi continuellement. Ce qui améliore le coach, c’est aussi le feedback négatif !

David Rice : J’ai entendu quelqu’un dire qu’il voulait faire fonctionner son entreprise comme une société IA, pas SaaS. Mais dans la réalité du bureau, un mardi, ça veut dire quoi ?

Justin Angsuwat : Ça ne veut pas dire acheter plein de licences Copilot. Ce n’est pas une question de logiciels, mais d’état d’esprit et de façon de construire et d’opérer. Je vais citer un aspect fascinant sur Coach. C’est le passage du feedback explicite (étoiles, « l’article vous-a-t-il aidé ? ») au feedback implicite.

Dans le SaaS, on mise sur le feedback explicite. Mais en réalité, seuls les clients très satisfaits ou très déçus répondent. Beaucoup de données sont perdues.

Avec l’IA, on doit prendre en compte le feedback implicite. Exemple : vous modifiez ou supprimez du texte généré par l’IA. Au lieu d’y voir un échec, on considère le signal : le modèle s’est trompé dans ce contexte précis. L’écart entre l’output initial et la correction humaine devient alors une ressource d’entraînement précieuse, et les sociétés IA tirent leur force précisément de ce signal-là, préférant même savoir ce qui n’a pas fonctionné que ce qui a marché !

En schématisant : les sociétés SaaS veulent votre attention, de la présence et du feedback explicite pour améliorer la plateforme. Les sociétés IA veulent votre délégation – elles veulent être si efficaces que vous validez le résultat sans relecture.

David Rice : C’est passionnant. Si j’en parle, c’est parce que cette ambition peut vite se heurter à la question : comment la traduire dans les pratiques opérationnelles ? Des outils comme Coach peuvent y aider.

À mon sens, la différence est un goût pour l’expérimentation, la vitesse, moins de chichi, plus de décisions temps réel. Quand on retire le côté mode, qu’est-ce que cela change vraiment pour les équipes ?

Justin Angsuwat : Ce n’est qu’une facette : exploit versus feedback explicite. Mais c’est aussi le développement même : on passe du mode projet waterfall classique à de l’itération ultra-rapide.

Pour nos développeurs et chefs de produit, le déclic a été de voir qu’ils pouvaient construire ce qui aurait pris des mois, en une semaine. Premier prototype bien plus rapide. On le met vite dans les mains d’utilisateurs tests, au lieu d’immenses plans et échéanciers. C’est une grande évolution pour le développement logiciel. Tu retrouves ça dans les sociétés IA que tu côtoies ?

David Rice : Oui, complètement. Tu avais déjà parlé d’illusion versus impact : ce n’est pas parce qu’un workflow est techniquement sophistiqué qu’il est utile.

Je l’ai vécu moi-même : il y a beaucoup d’IA qui a l’air géniale, mais qui ne résout aucun vrai problème business. Certains sujets au travail gagneront à rester compliqués ! Il faut donc se centrer sur la valeur plutôt que sur la démonstration technologique.

Justin Angsuwat : Oui, exactement. Ça recoupe notre échange précédent. Cela dépend des organisations, mais il est facile de vouloir d’abord automatiser toutes les tâches déterministes, alors que cela ne tire pas tout le potentiel de l’IA. Cela revient à avoir un tableur plus rapide, et on sait qu’elle n’est pas encore excellente en la matière…

Au lieu de cela, l’enjeu, c’est : où l’IA peut-elle véritablement débloquer des choses inédites, sur les tâches probabilistes impossibles à automatiser jusqu’à présent ? Les gains sont exponentiels.

J’ai, par exemple, échangé avec des communicants internes qui utilisaient l’IA pour préparer des scripts de com’ : l’outil va chercher tous les All Hands du CEO, les analyse et délivre des conseils d’expert. Un jour, Claude – le modèle IA – a conseillé : « Lorsque vous annoncez une bonne nouvelle, commencez directement, mais pour une mauvaise, commencez par rappeler les valeurs de l’entreprise. » Le CEO n’avait jamais remarqué cette habitude, mais tous les salariés, eux, savaient qu’on commençait par les valeurs quand une mauvaise nouvelle arrivait !

Voilà le pouvoir de l’IA : pas seulement aider à écrire plus vite des discours mais, par exemple, croiser des centaines d’heures de présentations et offrir une synthèse de ce que vous faites (ou non) bien. C’est là que se trouve le vrai potentiel de l’IA.

David Rice : On confond facilement complexité technique et efficacité. Le défi pour les managers, ce sera de garder le cap sur la valeur ajoutée, alors que la tentation de montrer ce que l’IA « sait faire » va être très forte. Ce challenge ne disparaîtra pas d’ici 2026…

Justin Angsuwat : Exactement, il faut repartir des problèmes business réels. Or, l’IA peut résoudre des problèmes dont on ignorait jusqu’alors l’existence.

C’est difficile de s’imaginer une solution à un problème qu’on n’a pas encore identifié… Je me souviens d’un CEO qui disait à son équipe : « Si vous n’avez pas fait au moins 100 prompts, votre opinion sur l’IA n’a que peu de poids – il faut expérimenter soi-même. » C’est pourquoi pour nous, tout commence par la confiance : il faut plonger dedans pour découvrir des problèmes et des solutions inattendus.

David Rice : Vous cartographiez la maturité IA, non seulement pour vos clients, mais aussi pour votre propre structure. Qu’est-ce qui vous surprend dans cette démarche ? Beaucoup cherchent à s’évaluer, mais où en sont-ils vraiment ?

Justin Angsuwat : Nous n’en sommes qu’au début, mais ça avance à grands pas – il y a chaque semaine des nouveautés, des publications scientifiques… C’est une progression fulgurante.

Un point qui me frappe, et que j’observe ailleurs : penser que les seniors ou haut-performants vont être les premiers à maîtriser l’IA est un mythe. Désapprendre est souvent plus dur qu’apprendre ! Pour un jeune, peu importe la méthode, tant qu’il trouve la réponse. Si tu as 20 ans d’expérience, ta fierté tient aussi à ta façon d’obtenir le résultat – or l’IA peut tout bousculer.

On se retrouve alors avec des juniors hyper-IA-native, allant plus vite que les seniors censés amener l’IA dans l’organisation. Mais les seniors gardent de la valeur ajoutée : en ingénierie, le déploiement, l’architecture deviennent essentiels, plus que le simple codage. La mutation culturelle n’est pas facile, c’est encore une phase de transition.

David Rice : Oui, c’est tout un défi.

Mais j’aime votre transparence : vous vivez ce changement, comme tout le monde, et parfois on croit être en avance alors qu’on ignore la forme actuelle de la courbe !

Justin Angsuwat : Je suis sur la courbe, mais parfois j’ai l’impression d’être seul dessus !

David Rice : Merci de partager tout ça, c’est très précieux pour d’autres qui vivent la même chose.

Justin Angsuwat : Merci David, j’ai beaucoup aimé nos deux discussions. On tâtonne, on avance sans plan sur un an, et on partage toujours volontiers nos enseignements – le bon comme le moins bon !

David Rice : Tout à fait. S’adapter chaque jour ! Encore merci de ta venue.

Justin Angsuwat : Merci David. À bientôt.

David Rice : Chers auditeurs, à la prochaine. Si ce n’est pas fait, abonnez-vous à la newsletter : peoplemanagingpeople.com/subscribe. Regardez aussi notre AI Transformation Explorer.

D’ici là, continuez de vivre l’aventure ! On finira bien par y arriver tous ensemble.