Chez un des clients que j’accompagne, nous menons une réflexion sur le sujet de l’IA : “Comment en tirer parti au sein de l’entreprise ?”
Et je tombe sur cet article publié par Harvard Business Review dans lequel l’auteur Paul Leonardi propose une méthodologie intéressante que je vous partage.
Bonne lecture !
Comment déployer avec succès une stratégie d'IA générative ?
Actuellement, de nombreuses entreprises travaillent à concevoir ou à déployer leurs stratégies d’IA générative. Cependant, comme pour toute solution évolutive ou technologique potentiellement disruptive, les bénéfices réels apparaissent lorsque ces solutions sont adoptées et utilisées efficacement.
Comment accompagner les employés lorsque les capacités à leur disposition changent constamment et que les effets de ces changements sont imprévisibles ? Et que contrairement à presque toutes les technologies précédentes, les outils numériques dotés d’IA sont conçus pour évoluer par eux-mêmes, en continu.
Pour nous aider, l’auteur de l’article, Paul Leonardi, Helping Employees Succeed with Generative AI, a élaboré un cadre appelé STEP, composé de quatre activités interconnectées :
- Segmenter les tâches pour l’automatisation par IA ou l’augmentation par IA
- Transférer les tâches entre les rôles de travail
- Éduquer – Former les employés pour tirer parti des capacités évolutives de l’IA ;
- Évaluer la Performance pour refléter l’apprentissage des employés et l’aide qu’ils apportent aux autres.
Deux caractéristiques de l’IA générative rendent son adoption plus complexe que pour les solutions numériques précédentes :
- Adoption rapide et massive : ChatGPT est l’un des outils les plus rapidement adoptés de l’histoire. Deux mois après son lancement, il comptait déjà 100 millions d’utilisateurs. Instagram a mis deux ans et demi pour atteindre ce chiffre, Facebook quatre ans et demi. Plus la technologie se diffuse rapidement, moins les utilisateurs ont de temps pour apprendre les uns des autres et reproduire des schémas d’utilisation.
- Évolution autonome : Contrairement à presque toutes les autres technologies numériques, les outils dotés d’IA sont conçus pour changer continuellement. Chaque fois que vous fournissez de nouvelles données à un LLM (un modèle d’IA comme Chat GPT) pour produire du texte ou du code, la technologie apprend et ses capacités augmentent. Ce qu’elle pourra faire pour vous la semaine prochaine ne sera pas exactement ce qu’elle pouvait faire cette semaine. Grâce à cet apprentissage autonome, vos employés n’apprennent pas à utiliser une nouvelle technologie une seule fois — ils l’apprennent presque à chaque instant.
Qu'est-ce que le cadre méthodologique STEP ?
Le cadre STEP, issus de l’étude de plusieurs entreprises, détermine quatre activités interconnectées pour aider les managers à garantir que l’IA utilisée par les employés joue un rôle positif et productif dans leurs organisations.
1 – Segmentation
Aucune IA unique ne pourra accomplir toutes les tâches d’une personne dans un poste. Les managers doivent se demander : « Comment l’IA affectera-t-elle les différentes tâches de mes employés ? »
Pour déterminer la réponse, demandez aux employés de créer trois catégories :
- Les tâches que l’IA ne peut pas ou ne doit pas faire ;
- Les tâches pour lesquelles l’IA peut augmenter les actions des employés ;
- Les tâches qui peuvent être automatisées par l’IA.
Ensuite, les employés déterminent comment l’IA peut les aider ou remplacer certaines tâches. L’implication des employés dans ce processus favorise l’adoption et l’appropriation de l’outil.
2 – Transition
L’IA aide soit à accomplir les tâches plus rapidement et avec plus de précision (augmentation), soit prend complètement certaines tâches en charge (automatisation). Après déploiement de l’IA, certains employés auront donc moins de travail.
Des stratégies doivent être développées pour transférer le travail :
- Approfondir : permettre aux employés de consacrer plus de temps à certaines tâches qu’auparavant ;
- Améliorer / upgrader : libérer les employés de certaines tâches pour se concentrer sur des tâches plus critiques ou créatives.
L’approfondissement des rôles était la stratégie la plus courante, représentant près de 70 % des transitions. Les managers ont trouvé plus facile d’aider les employés à identifier de nouvelles activités à valeur ajoutée dans leurs rôles existants plutôt que de reprendre des tâches d’autres employés.
3 – Education
Les outils d’IA évoluant constamment, les employés ne peuvent pas apprendre de nouvelles compétences une seule fois. Ils doivent revoir continuellement le processus de segmentation et mettre à jour leurs connaissances sur les capacités de l’IA et sur les rôles vers lesquels leurs tâches se déplacent.
Au cours des trois années de cette étude, les managers et employés ont répété segmentation et transition en moyenne deux fois et demie. L’éducation ou formation continue (« upskilling ») est donc devenue une priorité.
Cette approche a d’autres avantages : une entreprise de l’étude a constaté que les employés ayant reçu des formations liées à la mise en œuvre d’outils d’IA générative étaient environ 30 % moins susceptibles de quitter l’organisation que ceux qui n’en bénéficiaient pas.
4 – Performance
La dernière étape du cadre STEP demande aux managers de repenser l’évaluation de la performance.
Traditionnellement, les employés sont évalués sur la vitesse, l’efficacité, la créativité ou la précision avec laquelle ils accomplissent certaines tâches. La plupart des discussions sur l’impact de l’IA se concentrent sur l’augmentation de la productivité.
Avec STEP, les employés prennent la responsabilité de déterminer comment utiliser l’IA pour être plus rapides ou précis. Les évaluations de performance ont donc été adaptées dans toutes les entreprises étudiées pour intégrer l’apprentissage continu et l’aide apportée aux collègues.
Conclusion : aider à utiliser l'IA pour créer de la valeur
L’organisation alimentée par l’IA arrive rapidement. Les managers doivent aider leurs employés à utiliser l’IA pour créer de la valeur pour eux-mêmes et pour l’entreprise.
Le cadre STEP fournit une méthode utile pour réfléchir aux changements liés à l’IA et guide les managers sur la réussite des employés avec cette nouvelle technologie.
L’objectif ultime : que l’IA devienne un levier d’augmentation de valeur, tout en maintenant la motivation et l’engagement des employés.
