Adoption de l’IA : le destinataire du travail reste-t-il visible ?
Dans le programme « Conduire l'adoption de l'IA dans son équipe » de SHR — Swiss Human Resources, l’adoption gagne à être examinée comme une transformation du travail, et pas seulement comme un changement d’outil. Une question managériale précise en découle : comment préserver la compréhension de l’utilité du travail pour son destinataire lorsque l’IA en prend en charge certaines étapes ?
Ce que la littérature établit
John Richard Hackman et Greg Oldham (1976, Organizational Behavior and Human Performance) ont étudié un modèle reliant les caractéristiques du travail à ses effets psychologiques et motivationnels. La signification de la tâche — son incidence sur la vie ou le travail d’autres personnes — y contribue au sens éprouvé du travail, aux côtés de la variété des compétences et de l’identité de la tâche. Ce cadre distingue donc l’efficacité d’exécution de l’expérience d’accomplir un travail qui compte.
Le mécanisme : percevoir à qui son travail sert
Adam Grant (2008, Journal of Applied Psychology) a examiné expérimentalement les effets de la signification de la tâche sur la performance. Ses résultats mettent notamment en évidence le rôle de l’impact social perçu et du sentiment que son travail est valorisé par autrui, ainsi que des conditions qui modèrent les effets observés. Pour un responsable, cela suggère d’examiner les retours qui rendent visible la contribution du salarié, plutôt que de supposer qu’un volume de production accru suffit à motiver.
La conclusion trop rapide
On pourrait en déduire que déléguer une partie du travail à l’IA lui retire nécessairement du sens. Ces travaux ne le démontrent pas : une automatisation peut aussi libérer du temps pour comprendre une demande ou accompagner un client. L’enjeu est moins la quantité de travail automatisée que ce que la nouvelle organisation laisse voir de ses conséquences pour autrui. (nos formations pour cadres et collaborateurs)
Ce que ces données ne permettent pas de conclure
Ces articles ne portent ni sur l’IA générative ni sur les entreprises de Lugano ; ils ne permettent pas de prédire un effet local sur l’adoption. Le premier teste un modèle de conception du travail, tandis que les expériences du second concernent des contextes professionnels particuliers. Une hausse des documents produits ou une enquête générale de satisfaction ne suffiraient donc pas à vérifier que le lien avec le destinataire est préservé.
Une implication pratique, vérifiable à Lugano
Dans une banque, une entreprise de mode, une société de négoce ou une PME familiale italophone de Lugano, retenir un seul flux assisté par IA et proposer un relevé sur deux semaines, sans déplacer de données confidentielles hors des systèmes autorisés. Pour chaque livrable, consigner en italien son destinataire, l’effet utile attendu et l’existence éventuelle d’un retour de ce destinataire attestant cet effet. Calculer la proportion de livrables pour lesquels ce retour existe, puis examiner les cas sans retour avec l’équipe : ce taux mesure la visibilité de l’utilité, non l’utilité elle-même, et donne au programme de SHR un point de départ concret pour ajuster les boucles de retour. Pour aller plus loin : découvrez la formation Conduire l'adoption de l'IA dans son équipe à Lugano dans le canton du Tessin, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : Conduire l'adoption de l'IA dans son équipe à Lugano
- conduire l'adoption de l'ia dans son équipe
- Lugano
- recherche
- formation lugano