Adoption de l’IA : les mots ont-ils le même sens pour tous ?
Une équipe peut utiliser le même outil d’IA et donner des sens différents aux informations qu’elle lui confie. La question managériale est précise : comment s’assurer qu’un résumé produit par l’IA conserve les distinctions dont chaque métier a besoin pour agir ?
Ce que la littérature établit
Susan Leigh Star et James Griesemer (1989, Social Studies of Science) décrivent comment des acteurs de mondes sociaux différents coopèrent à l’aide d’« objets-frontières », sans partager intégralement les mêmes connaissances. Ces objets restent reconnaissables entre groupes tout en permettant des usages locaux différents. Ce travail historique ne porte pas sur l’IA, mais invite à distinguer un document partagé d’une interprétation identique.
Quand transmettre ne suffit pas
Paul Carlile (2002, Organization Science), dans une étude de développement de nouveaux produits, montre que les connaissances professionnelles sont situées dans des pratiques et liées à des intérêts différents. Aux frontières entre métiers, un support utile doit permettre de représenter les connaissances, d’en discuter les différences et de les transformer. Pour l’adoption de l’IA, le mécanisme à examiner est donc la préservation des distinctions professionnelles, et pas seulement la fluidité du texte.
La conclusion trop rapide
On pourrait en déduire qu’il suffit d’imposer un glossaire avant de déployer l’IA. Or un même terme peut légitimement recouvrir des contraintes différentes selon le métier : une « disponibilité » commerciale n’est pas nécessairement une disponibilité technique. L’enjeu n’est pas de supprimer ces différences, mais de rendre visibles celles qui modifient une décision. (nos formations pour cadres et collaborateurs)
Ce que les données ne permettent pas de conclure
Ces deux études ne mesurent ni la fidélité des résumés générés par l’IA ni l’efficacité d’un glossaire dans leur production. Elles fournissent un cadre d’analyse de la coopération, pas une preuve qu’un protocole donné améliorera un outil actuel. Une pratique limitée à relire le style et à corriger les erreurs factuelles risque néanmoins de laisser les ambiguïtés entre métiers hors du contrôle.
Une implication pratique, vérifiable à Sion
Dans le programme SHR « Conduire l’adoption de l’IA dans son équipe », un exercice à Sion peut porter sur des transmissions anonymisées ou fictives issues de l’énergie hydraulique, de la santé, de la viticulture et du tourisme alpin. Avant la génération du résumé, deux métiers concernés consignent les distinctions indispensables à la décision, par exemple entre capacité annoncée et capacité réellement mobilisable. Ils vérifient ensuite chaque distinction dans le résumé et calculent la proportion conservée sans ambiguïté, en gardant le document source, la sortie et la grille d’évaluation. La comparaison entre une consigne générique et une consigne explicitant ces distinctions, sur les mêmes cas et avec le même outil, fournit un résultat local vérifiable, sans démontrer sa généralisation. 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