Le relais entre l’humain et l’IA est plus compliqué 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 les humains et l’IA.

Ce n’est pas la même chose. L’automatisation demande quelles étapes peuvent être supprimées. La collaboration demande quel travail pourrait désormais être réalisé, maintenant que les humains disposent d’une nouvelle capacité. Le relais 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 sur l’endroit où se situe cette limite vont coûter aux organisations la confiance de leurs parties prenantes, d’une manière dont il est difficile de se remettre. 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.

Nous allons donc voir aujourd’hui pourquoi commencer par l’automatisation amène les dirigeants à ne pas voir comment le travail humain crée de la valeur, comment réfléchir au relais entre l’IA et l’humain pour vos cas d’usage spécifiques, pourquoi chaque salarié doit désormais apprendre à gérer l’IA avec le même manque de formation que celui dont les managers ont autrefois souffert, et à quoi ressemble concrètement une conception favorisant 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 que de ce que le travail pourrait devenir, cette conversation va vous faire voir toute la question sous un autre angle. Entrons dans le vif du sujet.

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, tout en étant 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’avoir invitée.

David Rice : Je voulais commencer la conversation autour d’un constat : une grande partie des discussions sur l’IA en entreprise commence encore par une variante de « Alors, qu’est-ce que nous pouvons automatiser ? »

Vous soutenez que concevoir pour l’automatisation et concevoir pour la collaboration entre les humains et l’IA sont fondamentalement deux choses différentes. Et si nous commençons par considérer l’automatisation comme objectif, qu’est-ce que cela amène les dirigeants à ne pas voir concernant le travail humain et la manière dont il crée de la valeur ?

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

Le premier concerne simplement la différence entre un résultat transformateur et un léger gain d’efficacité. Nous devrions nous demander : « Que rend possible l’IA pour nos entreprises ? Comment pouvons-nous encore mieux satisfaire nos clients, nos salariés, etc. ? » Mais à un niveau plus fondamental, je pense que la question consiste également à reconnaître les situations où 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, le coaching humain d’un salarié peut faire la différence entre la motivation et la progression, d’une part, et leur absence, d’autre part.

Je pense que nous pouvons entrer dans énormément de détails à ce sujet, mais nous avons largement sous-estimé son importance. L’IA est extrêmement puissante. Il y a énormément de choses que nous pouvons faire 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 : Une partie de notre problème vient parfois du fait que, dans notre esprit, efficacité et valeur ont tendance à être presque synonymes. Pourtant, un flux de travail peut devenir considérablement plus efficace tout en produisant moins bien les choses qui comptent : la confiance, l’apprentissage, la créativité et le jugement. L’automatisation tend à considérer le flux de travail existant comme unité d’analyse.

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

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

David Rice : Cela me semble particulièrement pertinent pour les directeurs des ressources humaines, parce qu’un responsable financier va voir une capacité de 20 % libérée.

Les RH doivent se demander ce qu’il advient de l’expertise liée aux emplois et du système organisationnel autour de cette capacité. Je pense que c’est l’une des grandes questions auxquelles nous devons faire face aujourd’hui. Vous avez parlé de concevoir le relais entre l’IA et les humains. Mais cette frontière n’est pas aussi simple que « l’IA s’occupe du travail routinier et les humains du travail complexe ».

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, pour d’autres, des moments apparemment simples dépendent énormément de la connexion humaine. Selon vous, comment les organisations devraient-elles déterminer où se situe cette frontière, au lieu de formuler des suppositions générales ?

Paula Goldman : Ce principe selon lequel il faudrait laisser à l’IA le travail routinier et aux personnes le travail complexe n’est pas faux. C’est même un assez bon point de départ. Mais lorsque l’on examine les cas d’usage individuels, les choses deviennent vraiment intéressantes. Prenons le service client, par exemple.

Il est vrai que si l’IA n’a jamais rencontré une question auparavant et ne dispose d’aucune donnée sur sa réponse, elle ne devrait probablement pas la traiter. Mais il existe aussi d’autres règles pratiques. Si quelque chose est fortement réglementé, comme les conseils financiers destinés aux petites entreprises proposés par One Eight Hundred Accountant, l’entreprise souhaite qu’un humain traite la demande lorsqu’elle relève d’une catégorie réglementée, comme le conseil fiscal.

Mais si l’on commence à réfléchir aux émotions du client ou à la connexion émotionnelle, cela devient vraiment intéressant. De nombreuses études et données montrent que lorsque les clients sont en colère, ils veulent généralement parler à une personne. Lorsqu’ils sont gênés — imaginons une situation médicale ou quelque chose pour lequel ils ne veulent pas avoir l’impression d’être jugés — ils ont une légère préférence pour l’IA.

C’est pourquoi il est essentiel de comprendre ces tendances et ces préférences : les situations où les personnes veulent parler à d’autres personnes et celles où elles ne le souhaitent pas. Dans le service client, ce n’est pas seulement une question d’efficacité. C’est là que vous fidélisez votre client, ou que vous le perdez.

Et vous n’avez pas beaucoup d’occasions de le faire. C’est pourquoi je pense que nous commençons seulement à comprendre comment la collaboration fonctionne concrètement et pourquoi il est si important d’accorder de l’attention à son aspect humain.

David Rice : Peut-être que la distinction n’est pas aussi simple que « simple ou complexe », mais qu’elle consiste plutôt à se demander ce que les personnes attendent de cette interaction.

Vous avez dit que lorsqu’elles sont en colère, elles veulent parler à un humain. Je pense aussi que lorsqu’elles ressentent de la gêne ou craignent d’être jugées, l’IA peut leur sembler psychologiquement plus sûre qu’une personne, notamment parce que nous avons vécu au cours de notre vie des interactions humaines qui nous ont mis mal à l’aise.

Cela semble indiquer que les organisations ont besoin de recherches utilisateurs, et pas seulement de cartographies de processus, avant de décider où les humains doivent intervenir. Je ne dirais pas non plus que cette frontière est permanente. 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 constitue en réalité une meilleure variable ?

Paula Goldman : Je pense que ces deux variables sont très importantes, et que les personnes qui ignorent l’aspect de la connexion humaine risquent de le payer cher.

Je pense qu’il est très utile de prendre les deux éléments en compte. Et vous avez raison : les choses vont changer. Avec le temps, les personnes s’habitueront peut-être davantage à interagir avec l’IA, qui devient évidemment de plus en plus performante et puissante. Mais il est aussi possible que les personnes accordent davantage de valeur à la connexion humaine.

Elle pourrait devenir plus importante. À mesure que les consommateurs et les salariés utiliseront davantage l’IA et s’en serviront pour filtrer ce qui leur arrive — les messages marketing, par exemple — nous aurons de moins en moins de points de contact humains, et ceux-ci compteront beaucoup plus.

Il est donc un peu difficile de prévoir comment tout cela va évoluer. Mais après avoir écrit ce livre, je suis absolument convaincue que nous sous-estimons l’importance de la dimension humaine de l’interaction.

David Rice : Vous m’avez raconté une histoire remarquable avant cette émission, au sujet de travailleurs sociaux qui s’étaient opposés à un outil d’IA conçu pour leur éviter de retourner au bureau après leurs visites sur le terrain. La direction voyait ce trajet comme une inefficacité.

Les travailleurs, eux, le considéraient comme le moment où ils traitaient ensemble les dossiers difficiles. Pour moi, cela donne une leçon beaucoup plus large aux directeurs des ressources humaines : comment distinguer le gaspillage des interactions humaines apparemment inefficaces qui ont en réalité le plus d’impact sur 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. Lorsque les personnes vont sur le terrain, elles rencontrent parfois des situations difficiles ou qu’elles n’ont jamais vues auparavant. Certaines peuvent aussi avoir un impact émotionnel sur elles. Elles veulent ensuite revenir, traiter la situation et apprendre ensemble, car un collègue a peut-être déjà rencontré un cas similaire.

La question n’est pas de savoir si l’IA peut les aider à prendre des notes ou à accomplir ce processus. Il faut plutôt se demander comment elle peut soutenir à la fois l’efficacité et l’apprentissage collaboratif qui se produit à ce moment-là. Cela nécessite parfois un petit ajustement : comprendre que l’objectif n’est pas seulement de gagner du temps, mais aussi d’accroître l’apprentissage au sein de l’équipe.

Il s’agit d’obtenir les meilleures réponses pour servir les personnes accompagnées par ces travailleurs sociaux. Un petit changement peut faire une différence considérable. Dans l’histoire que je vous ai racontée, il s’agissait d’un conseil municipal au Royaume-Uni, où le projet pilote avait été rejeté.

Une mise en œuvre un peu plus centrée sur l’humain aurait permis de préserver l’efficacité, mais aussi tout l’apprentissage qui l’accompagnait.

David Rice : Nous avons passé des décennies à considérer les frictions comme une mauvaise chose et à chercher à les supprimer. L’IA nous donne désormais un pouvoir sans précédent pour y parvenir.

Mais je pense que nous allons découvrir de plus en plus ce que l’on pourrait appeler la friction positive. Un auteur avec lequel j’ai discuté il y a un peu plus d’un an parlait de cette notion comme d’une réalité.

Le trajet de retour au bureau ressemblait à un gaspillage de transport sur une cartographie de processus. En réalité, il s’agissait de supervision entre pairs, de la possibilité de décompresser ensemble et de partager des connaissances informelles.

Je pense que nous trouverons des exemples similaires partout : de jeunes salariés qui entendent les échanges de collègues expérimentés, les conversations qui se poursuivent après les réunions, ou le fait de demander à la personne assise à côté de soi comment elle traiterait une situation.

Ces interactions sont invisibles, mais leur valeur pour le retour sur investissement et le développement des salariés est incalculable. Je pense donc qu’il existe un lien avec le retravail.

Paula Goldman : Je suis d’accord. Vous avez soulevé deux points très importants. Le premier concerne la valeur des différents rituels qui peuvent se dérouler dans un environnement de travail et l’importance d’y prêter attention.

Vous avez également parlé de la valeur de la friction positive, avec laquelle je suis tout à fait d’accord. Chez Salesforce, nous appelons cela la friction réfléchie. Le concept est le même : l’IA et la technologie sont très puissantes. Elles peuvent produire des réponses dans de nombreux domaines. Mais il existe des situations où la différence entre une réussite et un échec réside dans l’intervention d’un humain qui exerce son jugement.

Je consacre beaucoup de temps à identifier les moments où il faut inciter quelqu’un à regarder une seconde fois. Cela peut être parce qu’il s’agit d’une décision lourde de conséquences recommandée par l’IA, par exemple dans le recrutement ou l’évaluation d’une demande de prêt, et où une supervision humaine est réellement nécessaire.

Mais cela peut aussi être plus simple : vous voulez que quelqu’un soit impliqué, et cela peut faire une grande différence. Il faut agir avec beaucoup de prudence, mais l’idée selon laquelle la friction est toujours mauvaise n’est pas universellement vraie. Dans certains systèmes, nous avons clairement besoin de friction.

David Rice : J’ai déjà entendu quelqu’un appeler cela des « inefficacités porteuses », ce qui est une manière assez amusante de le dire.

Mais est-ce au directeur des ressources humaines d’identifier les inefficacités qui sont réellement des inefficacités ? Nous mettons ici le terme entre guillemets, car elles ne le sont peut-être pas dans la réalité.

Paula Goldman : Oui, exactement.

David Rice : Est-ce au directeur des ressources humaines de les identifier avant de laisser une transformation fondée sur l’IA les supprimer ?

Paula Goldman : C’est une question très intéressante. Je commencerai par dire que le rôle des RH est essentiel pour aider les différentes fonctions d’une entreprise à utiliser l’IA de manière à obtenir les meilleurs résultats. Cela implique toutes sortes de nouvelles responsabilités pour les équipes RH.

Je pense toutefois que cette question doit également être déléguée à chaque fonction, car ce sont les personnes qui la connaissent le mieux. L’équipe marketing sait où la recherche de tendances et l’authenticité humaine sont importantes dans les messages que nous créons, et où nous pouvons simplement demander à l’IA de personnaliser un message de vingt mille façons pour vingt mille clients différents.

Il faut trouver la bonne combinaison. Les deux dimensions sont nécessaires. Ce qui est très intéressant, c’est que l’IA est désormais partout. Il ne s’agit plus d’une ou deux applications utilisées par une entreprise. Dans le contexte de Salesforce, elle est profondément intégrée à tout ce que nous faisons, dans chaque fonction.

Il faut donc des spécialistes de chaque fonction pour déterminer quels sont les cas d’usage les plus importants. Les RH doivent ensuite réfléchir à la manière de faire en sorte que l’expertise humaine reste présente et centrale pour obtenir les meilleurs résultats.

David Rice : Une conséquence de ce dont nous avons parlé auparavant est que les salariés ne peuvent pas simplement être les destinataires d’une transformation fondée sur l’IA.

Ils disposent d’informations sur le travail que les personnes qui conçoivent ces transformations n’ont peut-être pas. Les organisations ne peuvent toutefois pas non plus redessiner chaque flux de travail en comité. À quoi ressemble donc une participation significative des salariés, sans ralentir la transformation au point de mettre les dirigeants mal à l’aise ?

Paula Goldman : C’est une question légitime. Dans mon livre, je dis que les travailleurs doivent avoir une place à la table. L’histoire des travailleurs sociaux est un bon exemple de la raison pour laquelle ne pas les impliquer est contre-productif. Mais il existe des moyens de les faire participer tout en accélérant les résultats et en anticipant les problèmes avant qu’ils ne deviennent importants.

Voici quelques idées basées sur ce que je fais chez Salesforce avec mon équipe. Nous organisons notamment des hackathons au cours desquels les salariés proposent des idées pour utiliser l’IA. L’un de mes exemples préférés concerne des salariés neurodivergents qui ont cherché à utiliser l’IA dans Slack de manière à ne pas se sentir submergés par toutes les informations qu’ils recevaient.

Nous avons ensuite utilisé ces idées pour créer le mode concentration dans Slack. Il existe donc de nombreux exemples montrant que l’implication des personnes favorise ce type d’innovation. Mais il ne s’agit pas seulement de hackathons. Il faut également demander des retours directement dans l’application et impliquer les personnes dans la réflexion sur les applications qui seront réellement importantes.

Il faut ensuite écouter ces retours. L’objectif n’est pas simplement de déployer l’IA en disant aux gens qu’ils doivent l’adopter. Il faut comprendre comment ils l’utilisent réellement dans leur travail quotidien pour obtenir de meilleurs résultats. Et la vérité, c’est que les personnes qui en sont les plus proches savent réellement comment y parvenir.

Une autre histoire de mon livre concerne mon amie Amanda Ballantyne, qui dirigeait auparavant l’innovation pour l’AFL-CIO. Elle m’a raconté sa visite dans une usine automobile de Stellantis, où un partenariat permettait aux ouvriers de l’atelier d’apprendre à d’autres travailleurs à utiliser la robotique.

Comme ils avaient réellement travaillé avec des robots, l’une des formatrices avait créé sa propre application pour expliquer aux étudiants comment résoudre les problèmes du robot. Cela vient d’une expérience concrète. Cela contribue réellement à améliorer l’efficacité. C’est un exemple qui montre pourquoi il ne faut pas déployer la technologie comme un mandat imposé par la direction.

Il faut réellement impliquer les personnes, et les résultats seront bien meilleurs.

David Rice : Je pense que certaines hésitations viennent de là, mais il faut garder à l’esprit qu’il existe une grande différence entre donner aux salariés un droit de veto et tirer parti de leur intelligence pour concevoir les systèmes. Les salariés de première ligne connaissent souvent des solutions de contournement ou des règles qui n’apparaissent pas dans les procédures opérationnelles standard. Ils disposent en quelque sorte de flux de travail fantômes.

Paula Goldman : C’est exactement cela. Parfois, l’IA peut repérer ces connaissances tacites et aider à les rendre plus accessibles, ce qui est formidable. Mais certaines choses n’apparaîtront jamais. Elles ne sont pas explicitement codifiées. Il peut s’agir de lire une situation, de comprendre comment les choses sont faites depuis des années ou de savoir comment agir dans un contexte particulier. C’est pourquoi cette expertise est réellement nécessaire.

Elle permet d’obtenir de bien meilleurs résultats.

David Rice : Je présenterais cela moins comme une participation et presque moins comme une consultation des salariés, que comme une collecte des exigences. Il existe aussi un argument lié à l’adoption : les personnes sont plus susceptibles d’utiliser un système lorsqu’elles reconnaissent leur réalité dans sa conception.

Paula Goldman : Tout à fait. C’est une excellente manière de le formuler.

David Rice : Nous le constatons avec différents types de technologies. Ma question est donc la suivante : comment distinguer les connaissances légitimes des équipes de première ligne d’une résistance qui revient simplement à dire : « Je ne veux pas que mon travail change » ?

Paula Goldman : C’est une question très importante, et je suis heureuse que vous l’ayez posée. Nous vivons une transformation considérable de notre manière de travailler. Le changement est difficile. C’est une raison supplémentaire d’impliquer les personnes, de leur donner une place à la table et de comprendre leurs besoins, ou, comme vous l’avez dit, de recueillir les exigences. Cela permet d’obtenir de bien meilleurs résultats.

Nous demandons aux personnes de modifier leur façon de travailler. Il est facile de sous-estimer l’ampleur de la courbe émotionnelle qu’elles traversent et les connaissances qui doivent être mobilisées. Il faut notamment réfléchir à ce qui doit rester humain.

Recueillir les avis à ce sujet ne signifie pas que chaque opinion détermine le résultat. Mais il faut véritablement écouter et comprendre les situations où le jugement, la création 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 réellement les choses. Nous venons de le faire avec notre propre équipe. On s’habitue à une manière de travailler, on devient très compétent, puis on vous demande de la modifier. C’est difficile.

Les personnes doivent être accompagnées et convaincues. Elles doivent voir que cela va réellement améliorer le travail. Lorsqu’elles le comprennent, cela devient très enthousiasmant. Mais c’est difficile : il s’agit bien de conduite du changement.

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

Comment les dirigeants devraient-ils réfléchir à ce que les humains doivent continuer à faire ? Non pas parce que l’IA en est incapable — elle finira probablement par mieux faire toutes ces choses que nous — mais parce que leur réalisation permet aux personnes de développer le jugement dont elles ont besoin pour réussir dans leurs fonctions. Il existe une différence entre « l’IA peut-elle accomplir cette tâche ? » et « les humains doivent-ils cesser de l’accomplir ? »

Paula Goldman : Vous soulevez encore plusieurs points très importants. Commençons par la différence entre « l’IA peut-elle le faire ? » et « doit-elle le faire ? » Nous avons déjà évoqué des exemples dans le service client où cette différence peut déterminer la réussite ou l’échec.

Je pensais également, du point de vue des RH, aux technologies qui incitent les managers à réaliser des évaluations de performance et à fournir des retours plus complets. Il existe une différence entre une IA qui aide à recueillir les informations et un manager qui assume la responsabilité de l’évaluation et la présente lui-même. Cette différence peut être déterminante pour la motivation.

C’est pourquoi il est utile d’inciter une personne à échanger plus régulièrement avec son équipe plutôt que de demander à l’IA de le faire à sa place. Cela ne fonctionne pas vraiment.

La question du développement de l’expertise est également cruciale. C’est pourquoi nous assistons au retour de l’apprentissage, de la formation et du développement des compétences.

Je pense que cette question sera différente dans cinq ou dix ans. Lorsque les tableurs sont apparus, certains craignaient déjà que les personnes perdent leur expertise en matière de calculs. Il faut toujours connaître les bases, puis apprendre à utiliser une technologie, à vérifier ses résultats et à savoir ce sur quoi on peut compter ou non.

De nouveaux rôles vont également émerger, dans lesquels on apprend les bases en supervisant l’IA. Dans un contexte commercial, par exemple, on peut observer les questions reçues et les réponses fournies par l’IA, déterminer ce qui fonctionne ou non et chercher à améliorer le système. De nouvelles manières d’apprendre le fonctionnement de l’entreprise devront émerger, car l’IA transforme la manière dont le travail est réalisé.

David Rice : Certaines tâches devront peut-être rester délibérément humaines comme tâches de formation, même si l’IA peut les accomplir plus rapidement. Cela crée une question économique inconfortable, car le directeur financier finira par demander : « Qui paie le coût de votre inefficacité liée au 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. Leur gestion, leur jugement et leur supervision ont un impact considérable sur les résultats.

Il ne s’agit donc pas d’une inefficacité. Au contraire, si vous investissez massivement dans l’IA, vous devez disposer de personnes qui connaissent l’entreprise et savent quelles tâches déléguer à l’IA, et lesquelles ne pas lui confier. Lorsque ces deux éléments sont réunis, les possibilités sont immenses.

Sans cela, vous dépensez de l’argent pour un problème sans le résoudre. À mes yeux, c’est une meilleure façon de réfléchir à la question de l’efficacité.

David Rice : Je suis d’accord. Ma préoccupation est que nous parlons de compétences que les personnes développent parce qu’elles pourraient en avoir besoin et qu’elles feront partie de leur travail dans cinq ans. Mais les personnes qu’il faut convaincre raisonnent en trimestres et en gains à court terme.

Il existe beaucoup de court-termisme sur le marché. Je me demande parfois comment convaincre ces personnes qu’il faut préserver ces compétences, car elles deviendront de plus en plus importantes à mesure que la technologie évoluera et s’intégrera davantage à notre travail.

Paula Goldman : Nous avons aussi vu des exemples de fonctions entièrement repensées, avant que les organisations ne reconnaissent finalement que les humains y jouent un rôle essentiel. Nous apprenons cette leçon. Je ne pense pas que ces éléments soient réellement contradictoires.

Lorsque vous définissez correctement le rôle humain et apprenez aux personnes à gérer la technologie qui transforme le travail, vous obtenez de meilleurs résultats beaucoup plus rapidement.

David Rice : La plupart des analyses de rentabilité de l’IA mesurent assez bien ce qui disparaît : les heures économisées, les tâches automatisées et la capacité créée. Elles 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 où les personnes donnent ensemble un sens au travail difficile.

Notre définition actuelle du retour sur investissement de l’IA sous-évalue-t-elle systématiquement cet aspect humain du travail ?

Paula Goldman : Elle évolue, mais oui. C’est pourquoi l’une des tendances que j’observe est le fait de commencer à mesurer le retour sur investissement de l’IA à partir des résultats, plutôt qu’à partir du nombre d’heures économisées. Combien d’appels clients l’IA a-t-elle réellement résolus ? Ce n’est pas la même chose que de demander combien d’heures ont été économisées.

Si vous utilisez l’IA pour la formation, les compétences des personnes ont-elles réellement été renforcées ? Dans un contexte juridique, si vous l’utilisez pour la recherche, avez-vous constaté une amélioration mesurable de la qualité des mémoires déposés ? Ou obtenez-vous simplement des hallucinations qui sont transmises au tribunal et entraînent des sanctions pour l’avocat ?

Lorsque vous adoptez une mesure plus globale, vous tenez compte à la fois des capacités et des limites de l’IA, des situations où des personnes doivent intervenir et vérifier les résultats, de celles où un jugement humain est nécessaire, ainsi que des moments où les personnes doivent apprendre en travaillant.

Je pense que c’est très positif. Je suis convaincue que nous finirons par mesurer des résultats commerciaux plus globaux. Cela conduira à de meilleurs investissements technologiques et à une feuille de route plus claire pour l’évolution des emplois, d’une manière stimulante, responsabilisante et offrant davantage de possibilités aux personnes.

David Rice : Les gains mesurables sont souvent immédiats, tandis que les pertes plus diffuses, comme l’affaiblissement du jugement, peuvent ne devenir visibles qu’un ou deux ans plus tard. Le bénéfice est donc comptabilisé immédiatement, mais le coût en matière de capacités est différé. De plus en plus de personnes commencent à comprendre cette asymétrie et reconnaissent qu’il faut mesurer les choses différemment.

Paula Goldman : Même la satisfaction client ne suffit pas toujours. L’IA peut répondre à toutes les questions des clients, mais cela ne signifie pas qu’elle conclura la vente ou que le client sera satisfait du service reçu.

L’IA est très puissante et peut accomplir beaucoup de choses. Il faut simplement la mesurer de la bonne manière, afin de trouver le juste équilibre entre les situations où l’intervention humaine est réellement nécessaire et les raisons de cette nécessité.

David Rice : Que mesureriez-vous concrètement ? J’ai récemment écrit un article intitulé « Peut-on mesurer le jugement ? » Certaines personnes disent qu’il est impossible de mesurer le jugement. Pourtant, il existe des signes et des comportements mesurables.

Si nous ne mesurons pas ces éléments, l’efficacité remportera tous les débats. Que mesureriez-vous pour montrer les effets à long terme d’une transformation importante et déterminer ce qui devrait apparaître dans une analyse de rentabilité ?

Paula Goldman : Commençons par le point de vue du client. Vous pouvez mesurer les heures économisées, et vous devriez le faire. Mais vous devez aussi mesurer la satisfaction client, l’attrition et le nombre de clients qui concluent une vente grâce aux efforts commerciaux, qu’ils aient été assistés ou non par l’IA.

Aucun de ces indicateurs n’est nouveau. Ce sont les moyens globaux par lesquels nous mesurons déjà nos activités. Nous traversons simplement une période où nous sommes tellement concentrés sur l’IA que nous nous focalisons sur cette seule intervention.

Lorsque vous l’intégrez réellement au système et examinez ces indicateurs, vous comprenez qu’il faut combiner plusieurs stratégies. Vous voulez que le client puisse poser n’importe quelle question sur votre site et obtenir une réponse. S’il s’agit d’une transaction simple, il peut la réaliser en ligne. Si elle est plus difficile, elle doit être transférée à une personne capable de conclure la vente et d’aider le client à comprendre le problème qu’il rencontre.

Nous n’avons pas besoin de nouveaux indicateurs. Nous devons simplement les appliquer avec discernement.

David Rice : Vous avez dit quelque chose qui m’a beaucoup plu : « 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 apprendre à mieux faire les humains à mesure que les machines deviennent plus capables ?

Paula Goldman : Pourquoi ai-je écrit un livre ? Je me pose souvent cette question, et mon mari me la pose tout le temps. J’étais préoccupée parce que des amis très intelligents me contactaient au sujet de la nouvelle vague d’IA. Ils étaient nerveux et se demandaient : « Sommes-nous toujours importants ? Les personnes deviennent-elles obsolètes ? »

Toutes mes interactions avec des clients et mon observation de la technologie au fil du temps m’ont montré que c’était en réalité l’inverse. À mesure que l’IA devient plus puissante, le jugement et la création de relations deviennent de plus en plus importants. Nous devenons tous des gestionnaires de l’IA.

Nous allons devoir gérer des systèmes qui nous donnent davantage de capacités. Pour y parvenir, nous devons comprendre ce qu’ils font bien ou mal et savoir 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 sociaux.

Toutes ces possibilités deviendront bientôt la norme. Ce qui compte, ce sont les personnes capables de tirer parti de ces gains d’efficacité pour faire quelque chose de meilleur pour leurs clients ou leurs salariés. Il est donc essentiel que les personnes soient non seulement à l’aise avec l’IA, mais aussi autonomes dans leur jugement et encouragées à imaginer de nouvelles possibilités.

Nous ne construisons pas un cheval plus rapide. Nous réinventons l’entreprise. C’est pourquoi cette conversation me passionne autant.

David Rice : De plus en plus de dirigeants comprennent qu’il s’agit d’un choix de conception organisationnelle, et pas simplement d’une conséquence inévitable de l’arrivée de cette technologie sur le lieu de travail.

Ce n’est pas nécessairement une question de savoir si tout le monde possède la réponse, en particulier les dirigeants. Ceux-ci reconnaissent qu’ils n’ont pas toutes les réponses. Mais un bon dirigeant sait poser les bonnes questions. Il s’agit ensuite de jugement, de formulation des problèmes et de création d’un climat de confiance dans lequel les personnes se sentent libres d’assumer leurs responsabilités.

La productivité est donc un résultat intermédiaire, pas une finalité absolue. La question la plus intéressante est de savoir ce que nous faisons de la capacité ainsi créée.

Paula Goldman : C’est exactement cela. La productivité est bien sûr très importante. Je ne la minimise pas.

Mais même à cette étape intermédiaire, les nombreuses défaillances de l’IA montrent qu’il faut des personnes pour la superviser. Il faut des personnes qui comprennent où l’IA doit intervenir et où les humains doivent le faire. Il faut aussi des personnes autonomes, capables de réinventer les choses et de garder les clients et les salariés au centre de la transformation. Ce sont, à mon avis, les entreprises qui réussiront.

Je le constate déjà.

David Rice : Je vois des emplois être repensés, et les managers en sont un bon exemple. Si l’IA peut supprimer une partie du travail administratif et du reporting, on attendra autre chose du manager. On voudra qu’il soit un meilleur coach et qu’il aide davantage ses collaborateurs directs à progresser.

Cela crée une possibilité, mais aussi un nouveau cadre pour définir ce que l’on attend d’un manager. Pendant des décennies, nous avons promu au poste de manager une personne qui était excellente dans son rôle individuel, sans vérifier si elle avait réellement les aptitudes nécessaires pour accompagner les autres.

Paula Goldman : C’est l’un de mes sujets de prédilection. Nous demandons désormais à presque chaque salarié de gérer l’IA, avec un manque de formation comparable à celui que nous avons longtemps imposé aux managers : « Allez-y, faites-le. »

C’est l’une des raisons pour lesquelles j’ai écrit ce livre. Mais ce que vous venez de dire est également un excellent exemple. Lorsque j’ai commencé à écrire le livre, mon manager s’appelait John Stormer. Je lui ai parlé de cette idée, qui ne faisait pas partie de mon travail quotidien.

Il ne m’a pas dit que c’était une mauvaise idée et n’a pas essayé de me détourner subtilement de ce projet. Il a discrètement nourri mon imagination, m’a envoyé des podcasts et des articles, et m’a transmis l’idée que ce sujet était important. Cette conviction m’a donné la confiance nécessaire pour partager cette perspective avec le monde.

Nous sous-estimons l’importance de ce type de connexion. Personne ne m’a demandé d’écrire ce livre. Il est né d’une inspiration et d’une connexion nourries par mon manager et par de nombreuses personnes de mon entourage. C’est exactement le type de chose que nous ne voulons pas perdre à mesure que l’IA devient plus puissante.

Nous devons au contraire concevoir le travail de manière à préserver cette dimension et à la rendre plus courante. C’est le type de possibilité qui me donne des frissons. C’est ce que nous devons rechercher.

David Rice : Nous sommes dans le même bateau. Paula, cette conversation était formidable. Merci de nous avoir accordé du temps aujourd’hui.

Paula Goldman : Merci de m’avoir invitée et de m’avoir posé d’aussi bonnes questions. J’ai adoré cette conversation.

David Rice : Chers auditeurs, si ce n’est pas déjà fait, nous vous invitons vivement à découvrir notre bulletin AI Signal. Chaque semaine, nous proposons une synthèse destinée aux dirigeants avec le point essentiel auquel vous devez réfléchir, qu’il s’agisse d’un sujet d’attention, d’une question à poser lors de votre prochaine réunion de direction ou d’un outil pour évaluer le travail en cours.

N’hésitez pas à vous inscrire. D’ici la prochaine fois, pensez aux possibilités. Nous sommes ici pour repenser le travail.

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