Adoption de l’IA : comment évaluer équitablement le travail ?
Lorsque certains collaborateurs peuvent déléguer une partie de leur travail à l’IA et d’autres non, une même attente de rendement peut recouvrir des conditions très différentes. Pour le responsable d’équipe, la question précise est la suivante : comment évaluer le travail sans transformer un accès inégal à l’IA en jugement sur le mérite individuel ?
Ce que la littérature établit
Jason Colquitt (2001, Journal of Applied Psychology) apporte des éléments empiriques en faveur de quatre dimensions distinctes de la justice organisationnelle : distributive, procédurale, interpersonnelle et informationnelle. L’équité ne concerne donc pas seulement le résultat d’une évaluation, mais aussi sa procédure, le traitement des personnes et les explications fournies. Appliquée à l’IA, cette distinction conduit à examiner séparément ce qui est récompensé, comment la décision est prise et comment elle est justifiée.
L’explication ne constitue pas un simple accompagnement
Jerald Greenberg (1990, Journal of Applied Psychology) a étudié les réactions à une réduction temporaire de salaire dans un contexte industriel. Son étude de terrain indique qu’une explication approfondie et attentive à la situation des salariés peut atténuer les réactions défavorables, mesurées notamment par les vols. Elle ne porte pas sur l’IA, mais invite à ne pas traiter l’explication d’une nouvelle règle d’évaluation comme un simple message de communication.
La conclusion trop rapide
On pourrait en déduire qu’il suffit de bien expliquer une hausse des objectifs liée à l’IA pour la rendre équitable. Ce serait confondre la qualité de l’explication avec celle de la règle : un critère transparent peut rester inadapté si les tâches, les droits d’accès ou les obligations de confidentialité diffèrent. La question n’est donc pas seulement de faire accepter l’évaluation, mais de vérifier que les contributions comparées le sont dans des conditions suffisamment comparables. (nos formations pour cadres et collaborateurs)
Ce que ces données ne permettent pas de décider
Ces travaux n’établissent ni une méthode d’évaluation du travail assisté par IA ni un effet causal de l’équité sur l’adoption de tels outils. Ils ne permettent pas davantage de fixer la part d’un résultat attribuable au salarié, au logiciel ou aux ressources mises à disposition. En pratique, relever les objectifs à partir de quelques productions rapides laisse notamment hors champ le travail de vérification et les restrictions d’usage.
Une implication pratique, vérifiable à Sion
Dans le cadre du programme « Conduire l’adoption de l’IA dans son équipe » de SHR, une équipe à Sion pourrait examiner pendant un mois chaque objectif de performance modifié au nom de l’IA. Pour chaque objectif, elle consignerait les tâches concernées, l’accès autorisé à l’outil, le temps de vérification attendu et les exceptions justifiées : confidentialité en santé, validation technique dans l’énergie hydraulique, saisonnalité en viticulture ou dans le tourisme alpin. La mesure serait la proportion de ces objectifs pour lesquels ces conditions sont documentées et communiquées avant l’évaluation, avec conservation du numérateur et du dénominateur. Ce relevé ne prouverait pas l’équité, mais rendrait vérifiable un préalable : ne pas juger les personnes sur des attentes dont les conditions d’application restent implicites. Pour aller plus loin : découvrez la formation Conduire l'adoption de l'IA dans son équipe à Sion dans le canton du Valais, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : Conduire l'adoption de l'IA dans son équipe à Sion
- conduire l'adoption de l'ia dans son équipe
- Sion
- recherche
- formation sion