Adoption de l’IA : qui vérifie ce que l’équipe accepte ?
Une réponse bien rédigée peut entrer dans un livrable sans que personne ait explicitement décidé de lui faire confiance. La question managériale est précise : comment répartir les vérifications pour que l’équipe ne confonde pas utilisation de l’IA et délégation du jugement ?
Ce que la littérature établit
John D. Lee et Katrina A. See (2004, Human Factors) proposent une synthèse des recherches sur la confiance dans l’automatisation : l’objectif n’est pas une confiance maximale, mais un recours adapté aux capacités du système et au contexte. La confiance oriente notamment le recours à un outil lorsque son fonctionnement ne peut pas être entièrement compris. Pour le management, cela invite à distinguer la volonté d’utiliser l’IA de la pertinence de s’appuyer sur une réponse donnée.
Le mécanisme : un contrôle qui peut se relâcher
Raja Parasuraman et Victor Riley (1997, Human Factors) distinguent l’usage, le mauvais usage, le non-usage et l’usage abusif de l’automatisation. Leur analyse décrit notamment comment une dépendance excessive peut s’accompagner d’une surveillance insuffisante des résultats. Appliqué à l’IA, ce cadre conduit à examiner non seulement ce que l’outil produit, mais aussi ce que l’équipe cesse de contrôler.
La conclusion trop rapide
On pourrait en déduire qu’il faut tout vérifier systématiquement. Ces travaux ne démontrent pourtant pas qu’un contrôle exhaustif constitue la meilleure organisation pour toute tâche. Une implication managériale plus prudente consiste à proportionner la vérification aux conséquences d’une erreur, à sa détectabilité et à la possibilité de revenir sur la décision. (nos formations pour cadres et collaborateurs)
Ce que les données ne permettent pas de fixer
Ces deux articles sont des synthèses sur l’automatisation, non des essais consacrés aux assistants génératifs actuels dans les entreprises genevoises. Ils éclairent un problème de supervision, sans fournir un taux universel de contrôle ni garantir qu’une validation humaine détectera les erreurs. La consigne « faire relire » reste donc insuffisante si elle ne précise ni les éléments à contrôler, ni les sources de référence, ni la personne responsable.
Une implication pratique, vérifiable à Genève
Dans le cadre du programme « Conduire l’adoption de l’IA dans son équipe » de SHR — Swiss Human Resources, un exercice consiste à définir un contrôle critique pour un usage autorisé : affirmation destinée à un client en banque privée, référence documentaire dans une organisation internationale, caractéristique produit en horlogerie de luxe ou clause contractuelle dans le négoce de matières premières. Sur une période de deux semaines, l’équipe peut consigner, sans recopier de données sensibles, les livrables concernés, le contrôle attendu, la référence consultée et la personne ayant validé. L’indicateur proposé est la proportion de ces livrables dont le contrôle est documenté avant diffusion, complétée par le temps de vérification et les corrections apportées. Ce relevé mesure la réalisation du contrôle, non l’absence d’erreurs ; il permet néanmoins de vérifier si la responsabilité annoncée correspond à une pratique effective. Pour aller plus loin : découvrez la formation Conduire l'adoption de l'IA dans son équipe à Genève, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : Conduire l'adoption de l'IA dans son équipe à Genève
- conduire l'adoption de l'ia dans son équipe
- Genève
- recherche
- formation genève