Pourquoi améliorer la productivité commence par comprendre le travail

David Rice : Lorsqu’un dirigeant de la direction générale regarde l’organisation dans son ensemble, il voit un organigramme et un document de procédure. Le rôle A termine quelque chose, le transmet au rôle B, qui le transmet à C. C’est propre, simple et presque entièrement fictif. Dans l’émission d’aujourd’hui, je m’entretiens avec Heidi Farris, directrice générale d’ActivTrak, au sujet de l’écart entre la manière dont les dirigeants pensent que le travail s’effectue et la manière dont il s’effectue réellement.

Le véritable flux de travail est la somme des transmissions, des solutions de contournement et des réacheminements informels qui n’apparaissent jamais dans les documents. Heidi appelle la bonne version de ce phénomène le savoir tacite. Il ne s’agit pas de connaître parfaitement l’entreprise, mais des petites adaptations quotidiennes qui permettent aux choses de fonctionner. Les gens améliorent le travail chaque jour, explique Heidi.

Le problème, c’est que cela n’apparaît pas vraiment dans la documentation. Nous allons donc parler des raisons pour lesquelles la procédure documentée correspond rarement à la manière dont le travail est réellement effectué, des trois catégories permettant de décider où l’intelligence artificielle trouve sa place dans un poste, de ce qui arrive au débit d’une organisation lorsqu’une équipe accélère sans que ses voisines ne le fassent, ainsi que des véritables signes indiquant qu’une entreprise est passée de l’adoption de l’intelligence artificielle à son impact réel.

Je suis David Rice. Vous écoutez People Managing People et, si votre organisation mesure la réussite de l’intelligence artificielle à l’aide de statistiques d’utilisation plutôt qu’en observant ce qu’est devenue la capacité ainsi créée, cette conversation vous montrera ce qui vous échappe. C’est parti.

Très bien, Heidi, bienvenue dans l’émission. Je suis heureux de vous recevoir.

Heidi Farris : Merci, David. Je suis très heureuse d’être ici.

David Rice : J’aimerais commencer notre conversation par ceci : lorsqu’un dirigeant de la direction générale regarde aujourd’hui l’ensemble de l’organisation, je pense que l’une des frustrations les plus courantes concerne le fait que les dirigeants ne savent pas vraiment ce que le travail implique.

Je me demande donc ce qu’un dirigeant de la direction générale comprend généralement mal au sujet de la manière dont le travail est réellement effectué.

Heidi Farris : Je pense que c’est une difficulté à laquelle de nombreuses organisations sont confrontées aujourd’hui. Tout le monde parle de repenser le travail ou d’y appliquer l’intelligence artificielle, mais ce que voient les dirigeants, c’est un organigramme et un document de procédure.

Le rôle A termine quelque chose, le transmet au rôle B, puis B le transmet à C, et le tout est censé constituer une transmission parfaitement fluide. Nous avons tendance à simplifier à l’excès la manière dont le travail est réellement effectué dans les organisations. Au cours d’une même journée, une personne peut facilement naviguer entre des dizaines d’applications, plusieurs processus d’approbation, de nombreux acteurs et différents contournements.

Le véritable flux de travail est la somme des transmissions, des contournements et des réacheminements informels auxquels les personnes ont recours et qui n’apparaissent ni dans un document de procédure ni dans un organigramme. Tout cela est largement invisible pour la direction, et nous perdons rapidement le contact avec la manière dont le travail est réellement effectué dans une organisation.

David Rice : Oui. Je pense que c’est assez naturel. À mesure que l’on monte dans la hiérarchie, les choses sont réduites à des tableaux, des procédures opératoires normalisées et des tableaux de bord. Il existe une distinction intéressante entre la visibilité sur les employés et la visibilité sur le travail. Ce n’est pas vraiment la même chose.

Heidi Farris : Tout à fait. C’est exactement cela. Ce qui nous intéresse, c’est le travail lui-même. Les employés mettent instinctivement tout en œuvre pour faire de leur mieux. Il s’agit plutôt de savoir comment améliorer le travail dans toute l’organisation ou comprendre comment il s’effectue afin de pouvoir l’améliorer, ainsi que d’identifier les tâches auxquelles les humains peuvent appliquer leur jugement et leur empathie, contrairement à l’intelligence artificielle.

David Rice : Si vous essayez de déterminer où l’intelligence artificielle devrait modifier la manière dont le travail est effectué, que devez-vous d’abord comprendre à son sujet ? Quels éléments à forte valeur ajoutée peuvent réellement vous aider à orienter cette décision ?

Heidi Farris : Vous devez comprendre les tâches réalisées par chaque rôle. Les emplois sont des ensembles de tâches et l’intelligence artificielle transforme le travail en modifiant les tâches, pas nécessairement en remplaçant des rôles entiers.

La première étape consiste à classer les tâches d’un rôle donné en trois catégories : les tâches répétitives, structurées et fondées sur des règles, qui se prêtent bien à l’intelligence artificielle ; les tâches assistées par l’intelligence artificielle, qui nécessitent une synthèse rapide de données ou une mise en correspondance de schémas, l’intelligence artificielle servant alors de copilote à un humain ; et les tâches proprement humaines, qui exigent de l’empathie, de l’intelligence émotionnelle et du discernement.

C’est la première étape, et la plupart des gens la sautent complètement pour simplement appliquer la technologie à tous les problèmes.

David Rice : C’est intéressant, car je pensais récemment à l’empathie comme à la compétence la plus importante pour l’avenir. Nous ne l’avons pas particulièrement bien enseignée. Nous l’avons souvent considérée comme un trait de caractère plutôt que comme une compétence.

L’un des dangers de l’intelligence artificielle est que son utilité au niveau des tâches peut détourner l’attention de la question de savoir si la tâche devrait exister sous sa forme actuelle. Il existe plusieurs niveaux d’intervention : améliorer la tâche, la supprimer, repenser le flux de travail ou reconsidérer le résultat que l’on cherche à produire.

Il y a une différence entre demander « L’intelligence artificielle peut-elle faire cela ? » et demander « Pourquoi quelqu’un doit-il faire cela ? ». Cette seconde question semble beaucoup plus importante. Les tâches les plus faciles à automatiser ne sont pas nécessairement les plus utiles à modifier.

Heidi Farris : C’est exact. Chaque fois que vous réalisez un audit, l’intelligence artificielle met actuellement le travail en lumière, mais le phénomène que vous décrivez a toujours existé. Au fil du temps, nous accumulons une dette de travail, de la même manière qu’une architecture technologique ou qu’un produit accumule une dette technique.

Il y a certaines choses qu’il faut réévaluer et pour lesquelles il faut demander : « Pourquoi faisons-nous encore cela ? » Il faut effectuer un audit complet, puis comprendre les différents types de travail et la manière de les améliorer. Tout ne relève pas de l’intelligence artificielle.

L’intelligence artificielle n’est pas la solution à tous les problèmes liés au travail. Il faut parfois repenser le flux de travail, parfois mieux accompagner les personnes, et parfois reconnaître que la technologie utilisée n’est tout simplement pas la bonne. Il faut comprendre comment le travail s’effectue et quelles tâches sont réalisées pour pouvoir le décomposer et déterminer la meilleure manière de l’améliorer.

David Rice : Supposons que l’intelligence artificielle rende à une équipe 15 % de sa capacité. Nous avons observé de nombreux gains de productivité et, dans certains cas, elle a facilité les tâches administratives. Si les personnes récupèrent de la capacité, quelle décision doit être prise ensuite ? Quelle est la première étape pour réaffecter cette capacité en fonction de la valeur créée pour l’entreprise ?

Heidi Farris : La première chose à faire est de donner à quelqu’un dans l’organisation le pouvoir de décision. La capacité ne se réaffecte pas d’elle-même. Si personne n’en est explicitement responsable, elle est simplement absorbée en silence par l’organisation, souvent dans des tâches à faible valeur, ou disparaît quelque part dans Slack.

La deuxième étape consiste à décider dans quelle catégorie elle doit être placée. L’objectif est-il de réduire les coûts et de diminuer la taille de la fonction ? S’agit-il d’un réinvestissement visant à réorienter les heures libérées vers un travail à plus forte valeur ? Ou s’agit-il d’une expansion, avec la prise en charge d’un projet ou d’un travail entièrement nouveau ?

Chaque option produit un résultat financier différent. Certaines sont liées à l’EBITDA, d’autres à la croissance, d’autres encore à la différenciation sur le marché. Si vous ne célébrez que l’adoption sans vérifier dans quelle catégorie cette capacité a été placée, vous ne pourrez jamais établir de lien avec le compte de résultat.

Au bout du compte, améliorer le travail ne représente que la moitié de l’équation. L’autre moitié consiste à montrer où ce résultat apparaît dans le profil financier de l’organisation.

David Rice : Cela rejoint exactement ce que vous disiez à propos du risque que la capacité libérée devienne du travail à faible valeur. Une personne peut gagner du temps grâce à l’intelligence artificielle, puis être chargée de gérer des feuilles de calcul. Le temps libéré est alors absorbé par la gestion de ces feuilles.

Est-ce une bonne utilisation de la capacité créée ? L’intelligence artificielle pourrait probablement aussi gérer les feuilles de calcul, mais cela ne signifie pas automatiquement que cette personne n’est plus nécessaire. Le récit se réduit trop souvent à la réduction des effectifs, alors que cette capacité pourrait servir à bien d’autres choses. Quelqu’un doit décider à quoi ce temps doit être consacré. Les dirigeants devraient-ils décider de la manière dont la capacité sera réaffectée avant d’automatiser ?

Heidi Farris : Oui, car il faut commencer par les objectifs. Si l’objectif est l’EBITDA et la suppression de postes, il faut d’abord comprendre où se trouve le plus grand potentiel d’automatisation par l’intelligence artificielle dans l’organisation. En revanche, si un rôle est composé à 80 % de tâches nécessitant un copilote d’intelligence artificielle ou une grande part de jugement humain, vous ne supprimerez pas ce rôle.

Comprendre l’objectif avant de commencer est donc essentiel. Sinon, vous pouvez accomplir beaucoup de travail sans jamais atteindre le résultat recherché.

David Rice : L’adoption de l’intelligence artificielle et sa valeur ne sont pas la même chose. Que devraient mesurer les dirigeants pour savoir si l’intelligence artificielle crée une capacité significative et si cette capacité se traduit par de meilleurs résultats pour l’entreprise ?

Heidi Farris : Les statistiques d’utilisation mesurent l’adoption. Il faut toutefois disposer d’une mesure avant et après. Il faut comprendre à quoi ressemblaient le délai de cycle, le débit ou tout autre indicateur avant la mise en place d’une amélioration, puis à quoi ressemblait le travail après son déploiement.

Sans cette comparaison, il est très difficile d’évaluer l’effet de la nouvelle solution sur le travail. A-t-elle amélioré la capacité ? A-t-elle amélioré le débit ? Où avons-nous obtenu un gain ? Et surtout, où cette capacité a-t-elle été réinvestie ? Presque personne ne suit cela aujourd’hui.

Si vous ne pouvez pas répondre à la question « Que fait l’équipe du temps que l’intelligence artificielle lui a rendu ? », vous n’avez pas une histoire de retour sur investissement, mais seulement une histoire d’adoption. Vous avez dépensé de l’argent et commencé à utiliser davantage d’outils, sans les relier à quelque chose de significatif pour l’entreprise.

David Rice : La question centrale est donc : que fait l’équipe ? La productivité individuelle est séduisante, car elle est facile à démontrer. Une tâche qui prenait quarante minutes n’en prend plus que dix. Mais l’organisation bénéficie-t-elle réellement de l’accélération du processus d’une seule personne ?

On peut devenir 30 % plus productif sans que l’organisation le devienne elle-même. Si je termine mon travail deux fois plus vite, mais qu’il reste ensuite dans la file d’attente d’une autre personne pendant trois jours, avons-nous vraiment amélioré quoi que ce soit ? Il faut distinguer l’efficacité de la tâche, le débit du flux de travail et le résultat de l’entreprise.

Heidi Farris : Le document de procédure est un instantané, tandis que le travail évolue constamment. Un document de procédure survit rarement à la réalité du travail. Cela ne signifie pas que les personnes font mal les choses, mais qu’un document ne montre pas toutes les nuances de l’application concrète.

Les personnes les plus proches du travail apportent chaque semaine des dizaines de petites adaptations pour l’améliorer. Ces adaptations sont rarement réintégrées dans un document. Multiplié par des centaines ou des milliers de rôles et par de nombreuses années, l’écart entre la procédure documentée et le flux de travail réel s’élargit très rapidement.

Les dirigeants ont besoin d’une vision claire et continue de la manière dont le travail est effectué afin de pouvoir gérer les organisations avec agilité à l’ère de l’intelligence artificielle.

David Rice : Dans tous les endroits où j’ai travaillé, il existait un contournement récurrent créé par les employés. La procédure officielle ne correspondait pas à la réalité du terrain. L’un des risques liés à l’intelligence artificielle est d’automatiser le flux de travail officiel sans comprendre le contournement qui permet réellement au processus de fonctionner.

Si nous supprimons ces éléments, quelle partie du processus cessera de fonctionner ? C’est la question à laquelle nous devons répondre.

Heidi Farris : Les dirigeants ne reconnaissent pas suffisamment que les personnes améliorent le travail chaque jour en utilisant leur raisonnement. Un nouvel employé suit un document de procédure et clique sur toutes les étapes indiquées. Puis il rencontre un problème et la personne assise à côté de lui lui explique qu’il faut maintenir la touche Maj enfoncée, aller dans Excel, copier l’élément à un endroit et le coller à un autre pour que tout fonctionne à nouveau.

Les humains trouvent ces solutions, mais elles n’existent nulle part dans les documents. On parle parfois de savoir tribal. Pourtant, le savoir tribal qui permet réellement à une organisation de fonctionner est constitué de toutes ces petites nuances, de ces contournements et de la manière dont les personnes font fonctionner les choses chaque jour afin que l’entreprise puisse continuer à fonctionner.

David Rice : Que devient la planification des effectifs lorsque l’intelligence artificielle modifie la capacité de différentes fonctions ? Les effets varient selon les domaines : ils ne sont pas les mêmes pour un analyste, une personne du marketing ou une personne de la comptabilité.

Heidi Farris : Nous en avons eu un excellent exemple avec nos propres équipes. Notre équipe d’ingénierie a adopté des outils de programmation fondés sur l’intelligence artificielle et a considérablement amélioré son efficacité. Elle a réduit les délais de cycle et accéléré les mises en production. Le débit de l’ingénierie a plus que doublé.

Nous avons commencé à célébrer cette réussite, puis nous avons rapidement constaté que nos ingénieurs pouvaient désormais coder plus vite que notre équipe de gestion de produit ne pouvait redévelopper les exigences. Nous avions simplement déplacé le goulot d’étranglement d’une fonction vers une autre. L’organisation n’avait donc pas réellement amélioré son débit global.

Les organisations doivent examiner leur fonctionnement de manière globale et comprendre que tout travail est connecté. Si un service accélère son débit ou réduit son délai de cycle, les équipes voisines doivent s’adapter pour suivre cette évolution.

David Rice : Le problème de planification des effectifs ne consiste donc pas seulement à savoir combien de personnes sont nécessaires, mais à déterminer où le goulot d’étranglement va se déplacer. Les gains de productivité isolés peuvent déplacer ou créer de nouveaux goulots d’étranglement au lieu de supprimer les anciens.

Heidi Farris : Une séquence doit guider les décisions. Il faut réfléchir à la fonction à accélérer en premier et à la durée pendant laquelle cette accélération permettra d’éviter un goulot d’étranglement ailleurs. Une vision continue du travail dans toute l’organisation permet de comprendre où ces variations vont se produire.

David Rice : Lorsqu’un flux de travail consomme plus de capacité que prévu, comment déterminer si la solution est l’intelligence artificielle, la refonte du processus, une autre technologie ou simplement un meilleur accompagnement ?

Heidi Farris : La première question est de savoir ce qui provoque réellement le ralentissement. Si le travail est répétitif, bien défini et réalisé en grand volume, il constitue un bon candidat à l’automatisation ou à l’intelligence artificielle. Si la séquence elle-même est incorrecte, avec trop d’approbations, des transmissions inutiles ou des étapes en double, il s’agit d’un problème de refonte du processus.

Si le processus et les outils conviennent mais que les personnes ne connaissent pas la meilleure manière d’effectuer le travail ou ne disposent pas des compétences nécessaires, il s’agit d’un problème d’accompagnement. La solution doit correspondre à la cause réelle de l’inefficacité.

David Rice : Il semble y avoir un problème d’incitation. Les budgets consacrés à l’intelligence artificielle ont été définis et les dirigeants ont demandé à chacun de privilégier l’intelligence artificielle. Identifier un cas d’usage de l’intelligence artificielle devient alors plus séduisant que d’identifier un problème banal de gestion ou de processus.

Il faut pourtant distinguer une tâche manuelle récurrente, qui peut nécessiter une automatisation, d’une tâche incohérente, qui nécessite des normes plus claires, ou d’une tâche confuse, qui nécessite une formation.

Heidi Farris : L’intelligence artificielle constitue un véritable changement de paradigme et elle va modifier notre manière de travailler. Je comprends pourquoi les organisations ont lancé une forte impulsion en faveur de l’intelligence artificielle : pour changer les habitudes et la manière de travailler, il faut parfois une action très visible.

Mais il faut désormais adopter une approche plus réfléchie à long terme. Il faut comprendre les rôles, les tâches humaines, les tâches assistées par l’humain et les tâches réalisées uniquement par l’intelligence artificielle. Où l’intelligence artificielle trouve-t-elle sa place et comment obtenir ses bénéfices à long terme ?

David Rice : C’est presque comme construire une ville dans un jeu de simulation. La première ville est une carte très propre, mais il faut ensuite la développer en une ville beaucoup plus détaillée, complexe et sophistiquée, avec une compréhension fine de ce qui se passe dans le travail.

L’intelligence artificielle modifie les flux de travail dans toutes les fonctions. Les ressources humaines gèrent traditionnellement les emplois, les systèmes de gestion des talents et la planification des effectifs. Les opérations gèrent les processus, l’informatique la technologie et la finance l’argent. Qui doit être responsable de la refonte du travail lui-même lorsque tous ces domaines évoluent ?

Heidi Farris : La refonte du travail doit avoir un responsable disposant de deux éléments qui font défaut à de nombreuses initiatives d’intelligence artificielle : une visibilité sur l’ensemble du flux de travail, et non sur une seule fonction, ainsi que l’autorité nécessaire pour modifier la structure du travail.

Ce ne peut pas être uniquement l’équipe chargée de l’intelligence artificielle ou l’équipe informatique, car elle ne connaît pas toutes les nuances des fonctions. Ce ne peut pas non plus être uniquement les responsables fonctionnels, car ils ne connaissent pas toutes les possibilités que l’intelligence artificielle peut apporter à l’organisation.

Il faut souvent un rôle comparable à celui d’un directeur des opérations, responsable des résultats de bout en bout et considérant la refonte comme un livrable concret à l’échelle de l’organisation. L’intelligence artificielle n’est qu’un moyen parmi d’autres de résoudre le problème, et non la solution par défaut.

David Rice : Je suis d’accord. Le rôle du directeur ou de la directrice des ressources humaines doit s’étendre, de la conception des emplois et des organisations à la conception de la manière dont les capacités humaines et les capacités des machines se combinent pour produire le travail.

Heidi Farris : L’intelligence artificielle rapproche les ressources humaines et les opérations. Les données doivent désormais offrir une même vision du travail, car la refonte des rôles a des implications sur la rémunération, les titres, la structure et de nombreux autres éléments.

Je pense que l’intelligence artificielle est très stimulante pour les responsables des ressources humaines qui souhaitent participer au fonctionnement quotidien de l’entreprise plutôt que d’être considérés comme un centre de conformité placé à l’écart.

David Rice : Les statistiques d’utilisation, les licences activées, les utilisateurs actifs chaque semaine et les cas d’usage lancés montrent que la technologie est utilisée. Mais ils ne montrent pas nécessairement que l’organisation a dépassé l’adoption et changé son fonctionnement. Quels signes indiquent qu’une entreprise fonctionne désormais différemment ?

Heidi Farris : Une organisation a dépassé le stade de l’adoption lorsque ses dirigeants, ou n’importe quelle personne dans l’organisation, peuvent expliquer quel travail a été repensé, quel résultat a été obtenu et où ce résultat apparaît dans les objectifs.

Pour la direction, cela se voit dans le compte de résultat. Pour les équipes, cela peut apparaître dans des objectifs intermédiaires. Dire qu’une équipe gagne du temps sur une tâche est une chose. Dire qu’avec ce temps supplémentaire elle a augmenté son portefeuille de cinquante clients par personne et modifié le ratio de gestion des clients en est une autre.

C’est lorsque le résultat apparaît dans les objectifs et les indicateurs de l’entreprise qu’une organisation passe véritablement de l’adoption à l’impact. Il ne faut pas seulement dire ce qui a été fait avec l’intelligence artificielle, mais aussi ce qui a été fait avec le bénéfice obtenu grâce à elle.

David Rice : Plus j’ai ces conversations, plus je conclus que l’impact doit finalement devenir visible quelque part. Il ne peut pas rester uniquement dans un tableau de bord. Il doit se manifester dans la conception des rôles, les résultats obtenus pour les clients, la structure organisationnelle ou les compétences.

Le signe ultime de maturité pourrait être que nous cessions de parler de l’intelligence artificielle pour parler plutôt du fonctionnement de l’entreprise.

Heidi Farris : Je suis entièrement d’accord. Les ressources humaines et les opérations vont devoir travailler ensemble, et l’intelligence artificielle ne sera qu’une solution parmi de nombreuses autres pour comprendre comment le travail est effectué aujourd’hui.

David Rice : Heidi, c’est tout pour les questions d’aujourd’hui. Merci d’avoir participé à l’émission et de nous avoir fait part de vos réflexions.

Heidi Farris : Merci beaucoup de m’avoir invitée, David.

David Rice : Chers auditeurs, si ce n’est pas déjà fait, rendez-vous sur peoplemanagingpeople.com/subscribe. Inscrivez-vous à toutes nos newsletters. Il y en a trois chaque semaine, et vous recevrez tout ce contenu directement dans votre boîte de réception.

À la prochaine. Les gens améliorent déjà le travail chaque jour. Ne l’oubliez pas.