5 leçons sur l’IA du 3e trimestre que tout DRH doit retenir
Signaux de formation: Les demandes de formation à l’adoption de l’IA révèlent souvent des priorités, des flux de travail et des normes peu clairs plutôt que de simples lacunes dans la connaissance des outils.
IA clandestine: Les flux de travail liés à l’IA non approuvés mettent en évidence des besoins non satisfaits des employés tout en créant des risques en matière de responsabilité, de documentation et de gouvernance.
Éléments probants de supervision: Une supervision humaine efficace exige la documentation des difficultés, de véritables droits de décision et des interventions mesurables dans les flux de travail à fort impact.
Limites de l’accompagnement: Les mêmes analyses liées à l’IA peuvent améliorer les performances ou permettre la surveillance, selon les accès, le contrôle exercé par les utilisateurs et la durée de conservation.
Patience stratégique: L’accélération du travail grâce à l’IA ne justifie pas une restructuration immédiate ; les dirigeants ont besoin de preuves avant de modifier les rôles, les attentes ou les capacités.
Nos rapports du trimestre dernier revenaient constamment au même point : le plus difficile dans l’adoption de l’IA commence une fois que l’outil fonctionne.
Une fois que les équipes savent utiliser l’IA, les dirigeants doivent décider quels problèmes méritent d’être résolus, ce qui devrait être standardisé, qui devrait remettre en question les résultats produits par la technologie et à quelle vitesse l’organisation devrait évoluer autour de celle-ci.
Dans cette optique, voici cinq leçons du troisième trimestre à garder à l’esprit et à intégrer à votre planification pour 2027.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
1. Les demandes de formation signalent généralement un manque de discernement
Lors de l’événement AI4 en août, Markus McKay-Fleisch, directeur de l’accompagnement à l’adoption de l’IA pour les services professionnels chez Smartsheet, a expliqué avoir découvert plus de 50 projets Claude distincts créés par des employés des services financiers, du support client, des ventes et des ressources humaines afin de créer des contenus conformes à la marque.
Le problème était que les employés ne savaient pas que quelqu’un d’autre avait déjà résolu le même problème.
C’est de plus en plus le problème qui se cache derrière les demandes de formation supplémentaire à l’IA. Les managers demandent peut-être des explications alors que ce qui manque réellement aux employés, c’est de savoir clairement quels problèmes méritent d’être résolus, à quoi ressemble un résultat de qualité ou comment leur travail devrait évoluer.
La même limite apparaît dans les bibliothèques de prompts. Un meilleur prompt peut accélérer une tâche, mais une refonte du flux de travail peut modifier complètement la manière dont le travail est effectué.
L’accompagnement à l’adoption de l’IA ne peut pas se limiter à apprendre aux équipes à utiliser l’outil. Il doit les aider à décider dans quels cas son utilisation est réellement pertinente.
2. L’IA non approuvée vous indique où se trouvent les problèmes
Analiese Brown, directrice des ressources humaines chez Campminder, appelle « la dette de chaos » la fragmentation créée par l’adoption incontrôlée de l’IA.
Cela peut d’abord ressembler à un progrès. Les employés mettent en place des solutions de contournement, automatisent des tâches et partagent des outils avec leurs collègues. Avec le temps, les organisations accumulent des flux de travail dont la responsabilité est floue, qui sont peu documentés et qui comportent des dépendances que personne n’avait prévues.
Cela crée un problème évident de gouvernance, mais aussi des informations utiles.
Si quelqu’un du service financier crée son propre processus de rapprochement, ou si un recruteur contourne un système approuvé au moyen d’un flux de travail reposant sur l’IA, demandez-vous d’abord ce qui l’a poussé à s’écarter du processus officiel.
L’IA parallèle ne montre pas seulement où les contrôles sont faibles. Elle peut aussi révéler où les outils et processus existants ne répondent pas aux besoins des personnes qui les utilisent.
3. La supervision humaine nécessite des preuves
La plupart des cadres de gouvernance de l’IA prévoient encore la présence d’un humain quelque part dans la boucle.
La question la plus utile est de savoir si cette personne est déjà en désaccord avec le système.
Une façon de vérifier si les droits décisionnels liés à l’IA sont réels consiste à examiner des flux de travail aux conséquences importantes, comme la sélection des candidats ou les signalements liés à la performance, et à compter les modifications documentées apportées aux décisions du système.
Si le nombre est nul, cela mérite d’être étudié.
Il est possible que le système ait réellement eu raison à chaque fois. Ou peut-être que les employés ne pensent pas disposer d’une véritable autorité pour le remettre en question, ne savent pas quand ils devraient le faire ou n’enregistrent pas ces désaccords lorsqu’ils surviennent.
Nommer un responsable humain est facile. Concevoir un système qui permet à cette personne d’exercer son discernement est plus difficile.
4. Une même IA peut accompagner ou surveiller
L’IA peut rendre visibles des aspects du travail que les managers ne pouvaient auparavant pas observer.
Chez Cognite, les managers ont reçu une analyse de leurs propres entretiens d’embauche. L’un d’eux a appris que 90 % de ses questions étaient fermées. Un autre a découvert qu’il avait passé 85 % d’un entretien à parler au lieu d’écouter.
Les informations ont été communiquées aux managers eux-mêmes afin qu’ils puissent s’améliorer.
Cette distinction est importante, car l’accompagnement et la surveillance peuvent provenir du même outil.
Qui voit les résultats ? La personne évaluée peut-elle les utiliser ? Combien de temps l’enregistrement est-il conservé ?
Ces décisions sont de plus en plus intégrées aux outils de prise de notes, aux produits de transcription et aux plateformes d’analyse. Lorsqu’une organisation commence à se demander si un outil semble intrusif, certains des choix les plus lourds de conséquences ont peut-être déjà été effectués dans ses paramètres.
5. Plus rapide ne signifie pas aller plus loin
L’IA crée une pression pour raccourcir les délais.
Construire plus vite. Déployer plus vite. Démontrer plus tôt le retour sur investissement. Transformer le temps gagné en valeur mesurable.
Mais la vitesse peut également inciter les dirigeants à prendre des décisions permanentes à partir de données provisoires.
C'est pourquoi la patience stratégique compte davantage à mesure que l'IA accélère le travail. L'accélération d'un flux de travail ne vous indique pas immédiatement ce que le poste devrait devenir, si le gain va perdurer ou ce que les employés devraient faire de la capacité ainsi dégagée.
L'IA tend à transformer le travail tâche par tâche. Certaines responsabilités disparaissent. D'autres deviennent plus importantes. De nouvelles apparaissent.
Les dirigeants ont besoin de suffisamment de temps pour observer cette tendance avant de repenser les postes, de relever les attentes en matière de performance ou de réduire les capacités en se fondant sur un gain de productivité initial.
La période de planification rend cela particulièrement important. Les décisions prises actuellement concernant les budgets, les rôles et les attentes dureront plus longtemps que les projets pilotes qui les éclairent.
Ce que le T3 nous a laissé
La conversation sur l'IA devient plus précise.
Les discussions sur l'adoption passent au second plan. Les questions sont désormais de savoir si les employés l'appliquent à des problèmes qui en valent la peine, ce que l'adoption officieuse nous apprend, si les humains font toujours preuve de discernement et si les dirigeants peuvent résister à la tentation de transformer chaque gain initial en obligation immédiate.
