Synthèse de notre intervention au colloque "IA pour tous"

[Texte paru dans l'Annale des Mines, en écho à l'intervention au colloque]

Comprendre, décider et agir. Voilà le triptyque gagnant des organisations qui seront capables d'intégrer l'intelligence artificielle et d'en faire un levier de performance globale ! L'infobésité et les biais séculaires du capitalisme financier conduisent encore trop de décideurs approcher le sujet de manière imprécise. C’est pourquoi la compréhension des enjeux majeurs que l’IA pose sur le monde du travail éclairera les décisions et les actions qui valorisent autant les gains économiques que la sécurité psychologique des collaborateurs, autant le maintien des liens sociaux que la recherche d’impacts sociétaux qu’on est en droit d’attendre des organisations.

ChatGPT m’a proposé d’écrire cet article, mais j’ai refusé. Malgré la sympathie que je lui porte, je ne suis pas convaincu de sa capacité à être juge et parti dans la manière dont son espèce technologique peut durablement créer de la valeur dans nos systèmes humains complexes.

Aujourd'hui en effet, l’IA est un peu comme une voiture de course : elle suscite à la fois fascination et peur, enthousiasme et rejet. Ses capacités peu maîtrisables par un humain lui confèrent un pouvoir d'attraction fort, synonyme de performance et de réussite, en même temps qu’elle semble proche de nous échapper à la moindre erreur d’inattention… avec des conséquences probablement brutales.

1/ L’IA entre continuité de la transformation digitale et révolution du 21ème siècle

On peut résumer au nombre de 5 les défis que l’IA pose aux organisations et à celles et ceux qui en font partie : l'accès aux données de qualité et leur protection, le coût de l'adoption technologique, l'évolutivité et l’incertitude technologique et réglementaire, l'éthique et
la responsabilité sociétale, et enfin l’adaptation organisationnelle et managériale.

La première et la dernière sont la suite logique d'une dynamique amorcée il y a plusieurs décennies avec la transformation digitale.

En effet, la gestion des données est depuis plusieurs années déjà un enjeu stratégique pour les organisations : l'avènement du Big Data et de tous ses néologismes (datalakes, datalabs, data scientists…) est une des conditions nécessaires à l'IA. La protection des données et les risques cyber ont déjà pris une importance capitale, amplifiée par le risque accru de fuite de données sensibles. C'est ainsi qu'on estime à plus de 10% le nombre d'informations confidentielles qui transitent dans les tuyaux des principaux outils grand public et qui alimentent les modèles de langage associés[1] ! Les boîtes noires que constituent ces systèmes algorithmiques rendent difficile la compréhension de la nature des données, protégées ou non par la propriété intellectuelle, qui entrent et qui sortent des requêtes (prompts) que le quidam effectue chaque jour.

De la même manière, l'accompagnement du changement et son lot de réorganisations et de transformations managériales est un facteur de succès quasiment immanent d’une organisation qui souhaite survivre à son époque. Certes, l’évolution exponentiellement rapide et complexe du monde (qu'il soit VUCA ou BANI) requiert une nouvelle forme d'agilité et d’empowerment sur ces sujets, mais la présence de fondamentaux reste un facteur de sécurité pour intégrer l’IA comme pour le reste.

On peut donc conclure à ce stade que les organisations qui ont effectué leur travail introspectif et qui se sont dotées de capacités stratégiques et opérationnelles de gestion de leurs données, d'une culture du changement et d'une gouvernance associant les différentes strates managériales ont pris un net avantage pour réussir à l'ère de l'IA.

Malgré cela, d'autres enjeux prennent une nouvelle ampleur avec l'arrivée des IA, en particulier génératives, en premier lieu le coût de l’adoption technologique. Si certains restent réticents, la méga tendance qu’est l’IA nécessite de s'y plonger sans perdre trop de temps. Sauf que la nouveauté comporte également son lot d'opacité et de coûts cachés. En s’extrayant du simple coût de licence d’un outil grand public, l'organisation qui souhaite se doter de capabilités fortes d’IA va faire face à 3 types de coûts.

C’est ainsi que l’incertitude actuelle sur l’évolution de ces coûts (liée au déploiement de l'IA sur de grands volumes de données, aux changements rapides du marché, à l’évolution du prix des GPU, à la difficulté de trouver les compétences…) rend difficile la prévision des dépenses.

On peut assez rapidement coupler cette problématique à celle de l'incertitude généralisée quant aux évolutions technologiques, extrêmement rapides, et à leurs agencements institutionnels et réglementaires pour garder cette « 4ème Révolution Industrielle » sous contrôle. Le nombre d'outils estampillés « IA » pullulent sur le marché et il n’est déjà plus possible de faire le tri pour savoir lesquels utiliser. En parallèle, les bonds technologiques semblent sans limite : nous sommes passés en à peine plus de 2 ans d'un outil conversationnel intelligent (ChatGPT-3.5) à des systèmes capables de générer des interactions humaines émotionnelles par la voix, des images et des vidéos plus vraies que nature, des agents autonomes qui régissent plusieurs systèmes d’IA ou des avatars si réels que notre mère pourrait s’y tromper !

S’adapter, pour un Etat comme pour une organisation, consiste à trouver un équilibre entre l'innovation continue et la mise en place de cadres réglementaires adaptés pour garantir une utilisation éthique et responsable de ces technologies.

Sur ce dernier point se pose le juste équilibre dans la relation homme-machine. L'automatisation permise par l'IA générative, qui devrait s'accompagner, qu'on le veuille ou non, par la réduction d'un nombre significatif de collaborateurs dans les organisations, invite à reconnaître la valeur ajoutée humaine et à anticiper les impacts potentiels sur l’emploi, toutes populations confondues. En effet, le plafond de verre qui protégeait les « travailleurs du savoir » est en passe d'être pulvérisé par ces technologies.

A cette dimension s'ajoutent enfin la gestion éthique des données pour en limiter les biais et l'impact environnemental de ces technologies. Le besoin impérieux d’une IA « explicable » (sur ses données d’entraînement ou la logique des modèles) doit viser à limiter les biais et subséquemment les fractures numériques. Pour ce qui est de la gestion des ressources, les calculs informatiques requièrent une quantité colossale d'électricité, pour l’alimentation des plus de 8 millions de centres de données (datacenters) dans le monde, d'eau, pour les refroidir, et de matériaux rares, puisés dans des contrées lointaines aux conditions de travail parfois douteuses.

2/ On ne gravit pas l'Everest avec un portable et des claquettes

Ces défis posés, intégrer l’IA dans son entreprise requiert une dose de bon sens, une bonne hauteur de vue mais surtout une approche méthodologique et collaborative qui permette de couvrir un maximum d'angles morts et de gérer les aléas. C’est ainsi qu'avant de foncer tête baissée sur ces sujets, surtout quand on est décideur dans une organisation, il est important d’opérer un travail de questionnement préliminaire.

Les angles morts de la décision éclairée

Nos travaux chez Smart Leaders, nous ont mené à 3 constats principaux qui laissent à penser que le sujet de l’IA est insuffisamment pris au bon niveau.

Tout d'abord, on dénote un manque d'anticipation et de compréhension sur le sujet de la part des décideurs, en raison d'un manque d'analyse prospective régulière, d’un manque évident de temps pour aller en profondeur sur des sujets complexes, mais surtout de l’absence de cadre méthodologique pour décoder ce qu’il y a derrière les buzzwords et les prétendues success stories. Ainsi, « bien que de nombreux dirigeants comprennent à un niveau général que de nouvelles compétences sont nécessaires pour travailler avec l'IA générative, leur perception de la manière dont ces changements peuvent créer de la valeur est souvent vague et insuffisamment informée »[2].

Ensuite, la vision des impacts se résume très souvent à une simple approche de gains de productivité mesurables (le sacro-saint ROI), qui reste la représentation première des décideurs de l'apport de l’IA. Encore régulièrement, il n’est pas rare que nos échanges avec des dirigeants, des DRH ou autres C-levels aboutissent à l’opportunité qu’est l’IA pour automatiser une tâche ou un processus. En clair, si une tâche prend 2h aujourd'hui et qu’elle ne prend plus qu'1h30 avec une IA, alors l’organisation considère que cela vaut le coup d'y aller. Ce serait donc si simple ?

Enfin, l'implication de la strate managériale, qui est celle en charge de décliner la vision et d’accompagner les équipes sur le terrain, est encore très peu prise en compte, ces derniers n'ayant par exemple souvent pas accès à des outils IA de qualité au travail ni de clé pour répondre à un collaborateur qui viendrait leur demander ce que l’IA va changer dans son job demain. Il leur est donc difficile d'être ambassadeur d’une transformation mal comprise et peu tangible.

C'est pourquoi il nous semble capital de doter les décideurs et les managers d'une approche méthodologique rigoureuse pour prendre le sujet par le bon bout et pour le décliner dans un espace-temps respectueux des parties prenantes et de l'organisation elle-même.

Intégrer l’IA, une affaire de méthode plus que de moyens

Tout d'abord, vouloir automatiser une tâche, c'est partir du postulat que l'on sait de quelle tâche on parle. Or, il n'est pas certain que le quotidien des collaborateurs corresponde à la vision qu’en a le management.

C'est donc l'occasion de se reposer la question de ce que font réellement les collaborateurs qui travaillent dans l'entreprise et de comment ils le font : qu’est-ce qu’ils produisent, quels outils ils utilisent, combien de temps ils y passent, de quoi ou de qui ils ont besoin, quel plaisir ils prennent à faire telle ou telle activité, quels savoirs tacites ils intègrent dans leurs actions et leurs prises de décision… Le fait de formaliser ces éléments va permettre de mieux qualifier la question de l’IA pour atterrir sur les fameux cas d'usage (la notion d'usage faisant explicitement référence à ce qui est concrètement réalisé et que seuls les opérationnels connaissent).

Et c’est à ce moment-là qu'il convient de ne pas considérer la seule notion de productivité mais d'intégrer des critères inhérents au « recrutement de cette technologie », par ex. la qualité des données en entrée et en sortie, les interdépendances avec les autres équipes et les autres départements, les risques d'erreurs et de biais et leurs conséquences, les nuances culturelles et contextuelles ou encore l'importance de la relation humaine et de l’intelligence collective dans la réalisation de l'activité, qui est aujourd'hui la partie la plus difficile à encoder dans des algorithmes.

Ce travail de recensement va également regonfler à bloc les équipes et leur engagement. Par l’intérêt porté à leur quotidien, il sera plus simple de juguler les émotions négatives vis-à-vis de l'IA, de déployer à tous les niveaux une nouvelle façon de travailler et une culture de l'hybridation et in fine d'éviter que l'hyper-automatisation ne sape petit à petit les fondements de ce qui a fait la réussite de l'organisation. Car s’il existe un sourire dans la réalisation d’une activité, automatiser serait sans doute une grave erreur

Les cartographies qui résultent de ces réflexions nourriront la prise de décision du recours à l'IA, et dans quelle proportion, en vue de créer de la valeur à la fois sur les plans économiques mais aussi sociaux et humains, réputationnels et environnementaux.

3/ Aujourd’hui, demain n’est plus si loin

Il y a eu le WEB1 puis 2 et 3. À quel stade de l’IA en sommes-nous aujourd'hui ? Si l’IA Générale semble encore bien loin, nul ne sait ce que nous réservent les prochains mois.

C'est pourquoi il est plus que jamais critique pour une organisation de mettre en place un écosystème stratégique de gestion les compétences pour anticiper les prochaines phases d'intégration de l’IA et plus généralement pour survivre voire prospérer dans ce monde en transformation perpétuelle.

A court-terme, au-delà d'un certain nombre de compétences techniques que la plupart des dirigeants et DRH ont rapidement identifié, il faut sortir d'une vision centrée sur le prompt pour aller vers une dynamique qui étudie les impacts des IA génératives sur les modes de fonctionnement de l'entreprise.

Parmi les compétences qui vont prendre de l'ampleur dans les mois qui viennent, on verra donc le fait de savoir problématiser et contextualiser, l’esprit critique pour analyser les données utilisées et les résultats produits, la connaissance des mécanismes cognitifs et psychologiques, les considérations éthiques ou encore la gestion des compétences de ses collaborateurs.

Et gare aux raccourcis qui laisseraient penser que seulement un certain type d’acteurs sont concernés par ces nouveaux besoins en compétences (les plus jeunes, les moins qualifiés…). Les recherches et retours d’expérience récents démontrent que les « travailleurs du savoir » et les cols blancs sont désormais pleinement impactés, et ce à double titre : à la fois dans le fait qu'une partie de leurs activités pourrait être remplacée par l'IA mais aussi dans leur capacité à faire émerger une équipe, un département et à terme une entreprise « augmentés », dans lesquels l’IA est un nouveau collègue. Si l'on ne devait citer qu'une compétence que tous les décideurs doivent afficher, c'est l'humilité de ne pas savoir, au même titre que tous les autres, dans quelle direction le monde va.

Mais « ne pas savoir » aujourd'hui ne veut pas dire « ne pas préparer l'avenir ». Pour le moyen-terme, il est devenu vital de savoir anticiper et de déployer des mécanismes et une culture d’adaptabilité et d’innovation. On peut espérer que les Directions Générales et RH adopteront une approche stratégique et prospective de Workforce Planning, dont la dimension liée à l’IA aura une place prépondérante.

Et en allant au bout de notre vision d'une organisation dont la compétence serait un actif stratégique, piloté et partagé par tous, il serait souhaitable qu’elle mettre progressivement en place un écosystème complet de la compétence comme celui présenté ci-dessous, en réinventant son modèle de fonctionnement interne et en développant une multitude de partenariats au sein d'un écosystème pluridisciplinaire, comme l’IA peut l'être également.

L’IA ne serait-elle donc pas l’opportunité rêvée pour se réinventer ?

[1] https://www.cyberhaven.com/blog/4-2-of-workers-have-pasted-company-data-into-chatgpt

[2] https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-gen-ai-skills-revolution-rethinking-your-talent-strategy?cid=other-soc----oth----ip&sid=soc-POST_ID&linkId=581681029