Le passage de l’IA à l’humain est plus complexe que ne le pensent les entreprises

David Rice : La plupart des discussions sur l’IA en entreprise commencent par la même question : que pouvons-nous automatiser ? Mais ce n’est pas le bon point de départ. Dans l’émission d’aujourd’hui, je m’entretiens avec Paula Goldman, directrice de l’utilisation éthique et humaine chez Salesforce, au sujet de la différence entre concevoir pour l’automatisation et concevoir pour la collaboration entre humains et IA.

Ce n’est pas la même chose. L’automatisation demande quelles étapes peuvent être supprimées. La collaboration demande quel travail pourrait devenir possible maintenant que les humains disposent d’une nouvelle capacité. Le passage entre l’IA et les humains n’est pas non plus aussi clair que nous aimons le prétendre. Lorsque les clients sont en colère, ils veulent parler à une personne. Lorsqu’ils sont gênés, ils préfèrent souvent l’IA.

Les suppositions générales concernant l’emplacement de cette limite vont coûter aux organisations une confiance difficile à regagner. L’argument central de Paula est qu’à mesure que l’IA devient plus puissante, le jugement et la création de relations deviennent plus importants, et non moins. La productivité est un résultat intermédiaire. La question la plus intéressante est de savoir ce que vous faites de la capacité ainsi créée.

Aujourd’hui, nous allons donc voir pourquoi commencer par l’automatisation empêche les dirigeants de comprendre comment le travail humain crée de la valeur, comment réfléchir au passage entre l’IA et l’humain pour vos cas d’utilisation spécifiques, pourquoi chaque salarié doit désormais gérer l’IA avec le même manque de formation que celui dont les managers bénéficiaient autrefois, et à quoi ressemble concrètement la conception au service de l’épanouissement humain.

Je suis David Rice. Vous écoutez People Managing People et, si votre stratégie d’IA est organisée autour de ce que vous pouvez automatiser plutôt qu’autour de ce que le travail pourrait devenir, cette conversation va reformuler toute la question pour vous. Commençons.

Découvrez Teamflect, la plateforme de gestion de la performance et de l’engagement des salariés la mieux notée, conçue pour Microsoft Teams.

Plus de mille organisations lui font confiance. Une solution facile à utiliser, mais de niveau entreprise. Rendez-vous sur Teamflect.com pour en savoir plus.

Paula, bienvenue dans l’émission d’aujourd’hui.

Paula Goldman : Merci de m’accueillir.

David Rice : Je voulais commencer cette conversation par le fait que beaucoup de discussions sur l’IA en entreprise commencent encore par une variante de : « Alors, que pouvons-nous automatiser ? »

Vous soutenez que concevoir pour l’automatisation et concevoir pour la collaboration entre humains et IA sont fondamentalement deux choses différentes. Si nous commençons par faire de l’automatisation notre objectif, qu’est-ce que cela empêche les dirigeants de voir concernant le travail humain et la manière dont il crée de la valeur ?

Paula Goldman : Merci. Je pense que vous avez très bien formulé la question et qu’elle comporte plusieurs aspects.

Le premier concerne simplement la différence entre un résultat transformateur et une légère amélioration de l’efficacité. Nous devons nous demander : « Qu’est-ce que l’IA rend possible pour nos entreprises ? Comment pouvons-nous encore mieux satisfaire nos clients, nos salariés, et ainsi de suite ? » Mais, à un niveau encore plus fondamental, la question consiste aussi à reconnaître les situations dans lesquelles l’interaction humaine est essentielle à la réussite d’un résultat.

Par exemple, la relation entre la personne qui répond au téléphone et celle qui appelle peut faire la différence entre un client profondément déçu et un client ravi. De même, l’accompagnement humain d’un salarié peut faire la différence entre la motivation et la progression, d’une part, et leur absence, d’autre part.

Nous avons largement sous-estimé l’importance de ces éléments. L’IA est extrêmement puissante et nous pouvons faire énormément de choses avec elle. Mais la bonne question est la suivante : comment faire travailler les personnes et l’IA efficacement ensemble afin d’obtenir des résultats responsables et exceptionnels, plutôt que de simplement nous demander où intégrer l’IA ?

David Rice : Notre problème vient parfois du fait que nous avons tendance à considérer l’efficacité et la valeur comme presque synonymes. Pourtant, un processus peut devenir beaucoup plus efficace tout en produisant moins bien les choses qui comptent : la confiance, l’apprentissage, la créativité ou le jugement. L’automatisation tend à considérer le processus existant comme l’unité d’analyse.

Quelles étapes pouvons-nous supprimer ? La collaboration pose une autre question : « Que pourrait devenir ce processus maintenant que les humains disposent d’un nouveau type de capacité ? »

Paula Goldman : Je pense que vous l’avez très bien formulé.

David Rice : C’est particulièrement pertinent pour les directeurs des ressources humaines, car un responsable financier verra une capacité libérée de vingt pour cent.

Les ressources humaines doivent se demander ce qu’il advient de l’expertise liée au poste et du système organisationnel autour de cette capacité. C’est l’un des grands sujets auxquels nous devons faire face aujourd’hui. Vous avez parlé de la conception du passage entre l’IA et les humains. Mais cette limite n’est pas aussi simple que « l’IA gère les tâches routinières et les humains les tâches complexes ».

Nous le disons, mais je ne pense pas que ce soit aussi net. Certaines personnes préfèrent même l’IA pour des interactions très sensibles, tandis que d’autres dépendent énormément de la relation humaine dans des moments apparemment simples. Selon vous, comment les organisations devraient-elles déterminer où se situe cette limite, au lieu de s’appuyer sur des suppositions générales ?

Paula Goldman : La règle selon laquelle il faudrait laisser à l’IA les tâches routinières et aux personnes les tâches complexes n’est pas fausse. C’est même un assez bon point de départ. Mais lorsque l’on examine les cas d’utilisation individuellement, la situation devient très intéressante.

Prenons le service client. Si l’IA n’a jamais rencontré une question et ne dispose d’aucune donnée pour y répondre, elle ne devrait probablement pas s’en charger. D’autres règles empiriques existent également. Lorsqu’un sujet est fortement réglementé, comme le conseil fiscal destiné aux petites entreprises, les clients veulent qu’une personne s’en occupe.

Mais si l’on réfléchit aux émotions et au lien affectif avec le client, les choses deviennent beaucoup plus intéressantes. De nombreuses études montrent que lorsque les clients sont en colère, ils veulent généralement parler à une personne. Lorsqu’ils sont gênés, par exemple à propos d’un problème médical ou d’une situation pour laquelle ils craignent d’être jugés, ils peuvent légèrement préférer l’IA.

Il est donc essentiel de comprendre ces tendances et ces préférences : dans quelles situations les personnes veulent-elles parler à d’autres personnes et dans quelles situations ne le souhaitent-elles pas ? Le service client n’est pas seulement une question d’efficacité. C’est aussi ce qui détermine si vous conservez votre client ou non.

Nous n’avons pas beaucoup d’occasions de bien faire. C’est pourquoi nous ne faisons que commencer à comprendre comment la collaboration fonctionne réellement en pratique et pourquoi il est si important de prêter attention à sa dimension humaine.

David Rice : La distinction n’est peut-être pas aussi simple que « simple contre complexe ». Elle concerne plutôt ce que les personnes attendent de l’interaction.

Lorsqu’elles sont en colère, elles veulent parler à un humain. Si elles ressentent de la gêne ou craignent d’être jugées, l’IA peut sembler psychologiquement plus sûre, simplement parce que les interactions humaines peuvent parfois nous mettre mal à l’aise.

Cela semble indiquer que les organisations ont besoin d’études utilisateurs, et pas seulement de cartographie des processus, avant de décider où les humains doivent intervenir. Cette limite n’est pas permanente non plus. Les personnes peuvent d’abord vouloir être rassurées par un humain, puis se sentir à l’aise avec l’IA, ou l’inverse.

Il s’agit donc en partie d’une question de choix. Nous utilisons la complexité de la tâche comme indicateur de l’endroit où les humains créent de la valeur. Pensez-vous que la conséquence émotionnelle soit une variable plus pertinente ?

Paula Goldman : Je pense que les deux variables sont très importantes et que les organisations qui ignorent la dimension de la relation humaine le font à leurs risques et périls.

Les deux éléments doivent être pris en compte. Vous avez également raison : les choses vont évoluer. Avec le temps, les personnes seront peut-être davantage habituées à interagir avec l’IA, qui devient toujours plus performante et plus puissante. Mais il est aussi possible qu’elles accordent davantage de valeur aux relations humaines.

À mesure que les consommateurs et les salariés utiliseront davantage l’IA pour filtrer ce qui leur parvient, comme les messages marketing, les points de contact humains deviendront moins nombreux et beaucoup plus importants.

Il est difficile de prévoir comment tout cela va évoluer, mais après avoir écrit mon livre, je suis convaincue que nous sous-estimons l’importance de la dimension humaine de l’interaction.

David Rice : Vous m’avez raconté une histoire intéressante au sujet de travailleurs sociaux qui ont résisté à un outil d’IA conçu pour leur éviter de retourner au bureau après des visites sur le terrain. La direction considérait ce trajet comme une inefficacité.

Les travailleurs, eux, le voyaient comme le moment où ils pouvaient traiter ensemble des dossiers difficiles. Quelle leçon plus large les directeurs des ressources humaines devraient-ils en tirer pour distinguer le gaspillage des interactions humaines apparemment inefficaces qui influencent réellement la confiance, l’apprentissage, le jugement et la résilience ?

Paula Goldman : C’est un bon exemple de l’importance de comprendre le rituel en question. Les travailleurs se rendent sur le terrain, rencontrent parfois des situations inédites ou émotionnellement éprouvantes, puis souhaitent revenir pour réfléchir et apprendre ensemble. Un collègue a peut-être déjà rencontré une situation similaire.

L’IA peut les aider à prendre des notes ou à effectuer certaines étapes du processus, mais il faut déterminer comment soutenir à la fois l’efficacité et l’apprentissage collectif. Le petit changement consiste à comprendre que l’objectif n’est pas uniquement de gagner du temps : il est aussi d’améliorer l’apprentissage de l’équipe et de trouver les meilleures réponses pour les personnes accompagnées.

Une mise en œuvre davantage centrée sur l’humain aurait permis de préserver l’efficacité tout en conservant l’apprentissage qui l’accompagnait.

David Rice : Pendant des décennies, nous avons considéré les frictions comme négatives et cherché à les supprimer. L’IA nous donne aujourd’hui un pouvoir sans précédent pour y parvenir.

Mais nous allons probablement découvrir de nombreux exemples de frictions positives. Le trajet de retour au bureau semblait représenter un gaspillage de transport sur une cartographie des processus. En réalité, il permettait la supervision entre pairs, la décompression collective et le partage de connaissances informelles.

On retrouve ces interactions partout : de jeunes salariés qui entendent des collègues expérimentés, les conversations après les réunions ou le fait de demander à son voisin comment il gérerait une situation. Ces interactions sont invisibles, mais leur valeur pour le retour sur investissement et le développement des salariés est incalculable.

Paula Goldman : Je suis d’accord. Chez Salesforce, nous appelons cela la friction réfléchie. La technologie peut produire des réponses dans de nombreux domaines, mais il existe des situations dans lesquelles la différence entre un résultat réussi et un échec tient à l’intervention d’un humain et à son jugement.

Je consacre beaucoup de temps à identifier les moments où il faut encourager quelqu’un à examiner une situation une seconde fois. Il peut s’agir d’une décision lourde de conséquences recommandée par l’IA, par exemple dans le recrutement ou l’évaluation d’une demande de prêt, où une supervision humaine est indispensable.

Mais il peut aussi s’agir d’une situation très simple dans laquelle l’engagement d’une personne fait toute la différence. La friction n’est donc pas toujours négative. Certains systèmes ont réellement besoin de friction.

David Rice : J’ai déjà entendu quelqu’un parler d’inefficacités porteuses, ce qui est une manière amusante de le dire. Mais revient-il au directeur des ressources humaines d’identifier les inefficacités qui ne sont pas réellement des inefficacités avant de laisser une transformation par l’IA les supprimer ?

Paula Goldman : Le rôle des ressources humaines est essentiel pour aider toutes les fonctions d’une entreprise à utiliser l’IA afin d’obtenir les meilleurs résultats. Mais cette responsabilité doit aussi être répartie entre les différentes fonctions, car elles connaissent leur propre réalité.

L’équipe marketing sait où la créativité et l’authenticité humaine sont importantes dans les messages, et où l’IA peut simplement personnaliser un message de milliers de façons. Il faut trouver le bon équilibre.

L’IA est désormais partout. Elle n’est pas limitée à une ou deux applications : elle est intégrée à toutes les fonctions. Il faut donc que les experts de chaque fonction déterminent les cas d’utilisation les plus importants, tandis que les ressources humaines doivent veiller à ce que l’expertise humaine reste présente et centrale.

David Rice : Les salariés ne peuvent pas être de simples bénéficiaires de la transformation par l’IA. Ils disposent d’informations sur le travail que les personnes qui conçoivent ces transformations n’ont peut-être pas. Comment assurer une participation significative des salariés sans ralentir la transformation au point de la rendre inconfortable pour les dirigeants ?

Paula Goldman : Les travailleurs doivent avoir une place à la table. Ne pas les impliquer est contre-productif. Il existe toutefois des moyens de les faire participer tout en accélérant les résultats et en anticipant les problèmes.

Nous organisons par exemple des hackathons au cours desquels les salariés proposent des façons d’utiliser l’IA. Des salariés neurodivergents ont imaginé des manières d’utiliser l’IA dans Slack afin de ne pas se sentir submergés par les informations. Certaines de ces idées ont ensuite contribué au mode concentration de Slack.

Il ne s’agit pas seulement de hackathons. Il faut aussi demander des retours dans les applications, impliquer les personnes dans la réflexion sur les applications importantes et écouter leurs commentaires. L’objectif n’est pas simplement de déployer l’IA et d’exiger son adoption, mais de comprendre comment elle est réellement utilisée au quotidien pour obtenir de meilleurs résultats.

Les personnes les plus proches du travail savent souvent comment y parvenir. Dans une usine automobile, des travailleurs de l’atelier formaient leurs collègues à l’utilisation de la robotique. L’une des formatrices avait même créé sa propre application pour aider les apprenants à résoudre les problèmes du robot. Cette expertise, issue de l’expérience réelle, contribue directement à l’efficacité.

David Rice : Il existe une différence importante entre donner aux salariés un droit de veto et leur demander une intelligence de conception. Les salariés de première ligne connaissent souvent les contournements et les règles qui n’apparaissent pas dans les procédures officielles. Ils disposent de processus de travail informels.

Paula Goldman : Exactement. Parfois, l’IA peut détecter ces connaissances tacites et les rendre plus accessibles. Mais certaines choses ne seront jamais explicitement codifiées : lire une situation, comprendre comment les choses se font depuis des années ou savoir comment agir dans un contexte particulier. C’est pourquoi cette expertise est indispensable.

David Rice : Je parlerais moins de participation et davantage de collecte des exigences. Les personnes sont plus susceptibles d’utiliser un système lorsqu’elles reconnaissent leur réalité dans sa conception. Comment distinguer les connaissances légitimes du personnel de première ligne d’une résistance qui signifierait simplement : « Je ne veux pas que mon travail change » ?

Paula Goldman : Nous vivons une transformation majeure de notre manière de travailler. Le changement est difficile. Impliquer les personnes, leur donner une place à la table et comprendre leurs exigences produit de meilleurs résultats, notamment parce que nous leur demandons de modifier leur façon de travailler.

Il est facile de sous-estimer l’ampleur de la courbe émotionnelle qu’elles traversent et les connaissances nécessaires pour les accompagner. Il faut notamment réfléchir à ce qui doit rester humain et écouter les opinions à ce sujet. Cela ne signifie pas que chaque opinion détermine le résultat, mais il faut comprendre les situations dans lesquelles le jugement, la construction de relations ou le traitement des cas particuliers font une grande différence.

Impliquer les personnes dans la conception de ce que le travail devrait être change beaucoup de choses. Elles doivent être accompagnées et convaincues, et constater que la transformation va améliorer leur travail. C’est de la gestion du changement.

David Rice : Il existe une autre dimension à la collaboration entre humains et IA. Si nous confions systématiquement certaines tâches cognitives à l’IA, nous ne faisons pas que redéfinir les emplois. Nous pouvons aussi modifier la manière dont les personnes développent leur expertise et leur capacité à façonner ce qui sort du travail.

Comment les dirigeants doivent-ils réfléchir à ce que les humains doivent continuer à faire, non pas parce que l’IA en est incapable, mais parce que l’exécution de ces tâches permet aux personnes de développer le jugement nécessaire à leur réussite ? Il y a une différence entre demander si l’IA peut accomplir une tâche et demander si les humains doivent cesser de l’accomplir.

Paula Goldman : Cette distinction entre « peut » et « devrait » est essentielle. Dans le service client comme dans d’autres contextes, elle peut faire la différence entre la réussite et l’échec.

Dans les ressources humaines, la technologie peut aider les managers à recueillir des informations et à rédiger des évaluations plus complètes. Mais le manager doit rester responsable du contenu de l’évaluation et la présenter lui-même, car cela fait la différence entre la motivation et son absence.

Il en va de même pour le développement de l’expertise. C’est pourquoi l’apprentissage, la formation et les compétences reprennent autant d’importance. Les personnes doivent connaître les bases, savoir vérifier les résultats et comprendre ce sur quoi elles peuvent compter.

De nouveaux rôles vont apparaître dans lesquels on apprend les bases en supervisant l’IA. On apprend alors où elle fonctionne, où elle ne fonctionne pas et comment l’améliorer. L’IA transforme la manière dont les entreprises travaillent, et de nouvelles façons d’apprendre le métier devront émerger.

David Rice : Certaines tâches devront peut-être rester volontairement humaines afin de servir de tâches de formation, même si l’IA peut les accomplir plus rapidement. Cela crée une question économique inconfortable : qui paie pour cette inefficacité de développement ?

Paula Goldman : Je pense que c’est une mauvaise manière de définir l’efficacité. Nous parlons de personnes qui apprennent à gérer des systèmes d’IA. Cet apprentissage, ce jugement et cette supervision font une grande différence dans les résultats.

Ce n’est pas une inefficacité. Vous allez investir massivement dans l’IA ; vous devez donc disposer de personnes qui connaissent l’entreprise et savent quelles tâches déléguer à l’IA et lesquelles ne pas lui confier. Sans cela, vous dépensez de l’argent sans résoudre le problème.

David Rice : Les arguments économiques liés à l’IA mesurent assez bien ce qui disparaît : les heures économisées, les tâches automatisées et la capacité créée. Ils mesurent moins bien ce qui pourrait disparaître avec ces éléments : le transfert de connaissances tacites, les relations, le jugement, le mentorat et les moments informels durant lesquels les personnes donnent ensemble un sens au travail difficile.

Notre définition actuelle du retour sur investissement de l’IA sous-estime-t-elle systématiquement cette dimension humaine ?

Paula Goldman : Elle évolue, mais oui. C’est pourquoi nous commençons à mesurer le retour sur investissement de l’IA à partir des résultats plutôt qu’en nous limitant au nombre d’heures économisées.

Si vous utilisez l’IA pour la formation, les compétences des personnes se sont-elles réellement améliorées ? Si vous l’utilisez dans un contexte juridique pour effectuer des recherches, la qualité des mémoires déposés s’est-elle améliorée, ou obtenez-vous simplement des hallucinations qui conduisent à des erreurs professionnelles ?

Une mesure plus globale permet de tenir compte à la fois des capacités de l’IA, de ses limites, des situations où des personnes doivent intervenir et vérifier les résultats, du jugement humain nécessaire et de l’apprentissage des personnes pendant qu’elles travaillent.

Nous finirons probablement par mesurer des résultats commerciaux plus complets. Cela permettra de mieux investir dans la technologie et de déterminer plus clairement comment les emplois doivent évoluer pour offrir aux personnes davantage de pouvoir et de possibilités.

David Rice : Les bénéfices sont souvent mesurables immédiatement, comme les heures économisées. En revanche, une dégradation du jugement peut ne devenir visible qu’un ou deux ans plus tard. Le bénéfice est donc comptabilisé aujourd’hui, tandis que le coût en matière de capacités est reporté.

Paula Goldman : L’IA peut répondre à toutes les questions des clients, mais cela ne signifie pas que vous conclurez la vente ou que le client sera satisfait du service. Il faut mesurer les résultats de la bonne manière afin de trouver le bon équilibre entre les situations où les personnes doivent intervenir et les raisons de cette intervention.

David Rice : Que mesureriez-vous concrètement pour démontrer les impacts à long terme d’une transformation par l’IA ?

Paula Goldman : Du point de vue du client, il faut mesurer les heures économisées, mais aussi la satisfaction client, l’attrition et le nombre de clients convertis grâce aux efforts commerciaux, qu’ils soient ou non assistés par l’IA.

Ces mesures ne sont pas nouvelles. Ce sont déjà des manières globales d’évaluer l’activité. Nous devons simplement les appliquer à l’intégration de l’IA dans le système, en combinant les stratégies. Un client doit pouvoir poser n’importe quelle question sur un site web et obtenir une réponse. Pour une transaction simple, il peut agir en ligne. Pour une situation plus complexe, il faut l’orienter vers une personne capable de conclure la vente et de l’aider à reformuler son problème.

Nous n’avons pas besoin de nouveaux indicateurs. Nous devons appliquer correctement ceux que nous utilisons déjà.

David Rice : Vous avez dit quelque chose que j’ai beaucoup aimé : « La technologie est puissante, mais elle n’est pas le protagoniste. Nous le sommes. » Si nous prenons cela au sérieux, l’objectif de la transformation par l’IA ne peut pas être simplement de rendre les personnes plus productives. Que devraient réellement vouloir améliorer les organisations chez les humains à mesure que les machines deviennent plus capables ?

Paula Goldman : J’ai écrit un livre parce que beaucoup de personnes intelligentes autour de moi se demandaient si elles comptaient encore et si les humains allaient devenir obsolètes. En observant la technologie au fil du temps et en échangeant avec de nombreux clients, j’ai compris que c’était en réalité l’inverse.

À mesure que l’IA devient plus puissante, le jugement et la construction de relations deviennent de plus en plus importants. Nous devenons tous des managers de l’IA. Nous devons comprendre ce qu’elle sait bien faire, ce qu’elle fait moins bien et quand intervenir.

Il ne s’agit pas de construire un cheval plus rapide, mais d’imaginer ce qui devient possible lorsque l’IA peut personnaliser les interactions à grande échelle, répondre aux premières questions des clients ou fournir aux salariés toutes les informations dont ils ont besoin sur leurs avantages.

Ces capacités deviendront bientôt la norme. Ce qui compte, ce sont les personnes capables de les exploiter pour faire mieux pour leurs clients et leurs salariés. Nous avons besoin de personnes compétentes en IA, mais aussi autonomes dans leur jugement et capables d’imaginer de nouvelles possibilités.

David Rice : De plus en plus de dirigeants comprennent que cela relève d’un choix de conception organisationnelle, et pas seulement d’une conséquence inévitable de l’arrivée de la technologie sur le lieu de travail. La productivité est un résultat intermédiaire, mais elle n’est pas la finalité. La question la plus intéressante est de savoir ce que nous faisons de la capacité ainsi créée.

Paula Goldman : La productivité est très importante, bien sûr. Mais il faut aussi des personnes capables de superviser l’IA, de comprendre où elle doit intervenir et où les humains doivent le faire. Il faut également des personnes autonomes pour réimaginer les processus et garder les clients et les salariés au centre de la transformation. Ce sont les entreprises qui, selon moi, vont réussir.

David Rice : Les emplois sont en train d’être redéfinis, et les managers en sont un bon exemple. Si l’IA supprime les tâches de reporting et d’administration, on peut attendre autre chose du manager : qu’il devienne un meilleur coach et qu’il aide davantage ses collaborateurs directs.

Paula Goldman : Nous demandons désormais presque à chaque salarié de gérer l’IA, avec un manque de formation comparable à celui que nous imposions autrefois aux managers. C’est l’une des raisons pour lesquelles j’ai écrit ce livre.

Un bon manager peut nourrir l’imagination de quelqu’un, lui envoyer des informations pertinentes et lui transmettre silencieusement la conviction que son idée compte. Mon propre manager m’a aidée de cette manière lorsque j’ai commencé à écrire mon livre. Personne ne me l’avait demandé, mais cette connexion et cette inspiration m’ont donné la confiance nécessaire pour partager cette perspective.

C’est le type de relation que nous ne devons pas perdre lorsque l’IA devient plus puissante. Nous devons au contraire l’intégrer à la conception du travail et la rendre plus courante.

David Rice : Paula, c’était une excellente conversation. Merci de nous avoir accordé votre temps aujourd’hui.

Paula Goldman : Merci de m’avoir invitée et d’avoir posé de si bonnes questions. J’ai beaucoup aimé cet échange.

David Rice : Chers auditeurs, si ce n’est pas déjà fait, nous vous invitons à découvrir AI Signal. Chaque semaine, nous proposons un briefing destiné aux dirigeants avec le sujet auquel vous devez réfléchir, une question à poser lors de votre prochaine réunion d’équipe dirigeante ou un outil pour évaluer le travail en cours.

Inscrivez-vous dès maintenant. Et jusqu’à la prochaine fois, pensez aux possibilités. Ici, nous réinventons le travail.

Réalisez vos évaluations de performance et intégrez les informations sur l’engagement des salariés à votre outil d’IA préféré. Connectez Teamflect à ChatGPT, Claude ou tout autre grand modèle de langage pour vérifier les objectifs, rédiger des évaluations, analyser les retours, créer des tâches et bien plus encore, le tout au moyen d’une simple conversation. Essayez Teamflect gratuitement dès maintenant.