Assistants IA : quelles données faut-il vraiment collecter ?
Créer un assistant sans coder rend accessible la conception d’un outil, mais aussi celle d’un nouveau point de collecte d’informations. La question managériale est précise : quelles données faut-il demander pour rendre le service attendu, sans faire de la divulgation supplémentaire le fonctionnement par défaut ?
Ce que la littérature établit
Tamara Dinev et Paul Hart (2006, Information Systems Research) étudient un modèle dans lequel la disposition à communiquer des informations personnelles pour des transactions électroniques dépend notamment des risques perçus, de la confiance et de l’intérêt attendu. Leurs résultats soutiennent une lecture en termes d’arbitrage, plutôt qu’une opposition simple entre utilisateurs soucieux ou indifférents à leur vie privée. Pour un concepteur d’assistant, cela suggère une précaution : l’acceptation d’une demande d’information ne démontre pas que cette information est nécessaire.
Une décision sensible au contexte
Alessandro Acquisti, Laura Brandimarte et George Loewenstein (2015, Science) synthétisent des recherches montrant que les décisions de divulgation sont marquées par l’incertitude et la dépendance au contexte. La manière de présenter une demande peut infléchir le comportement sans modifier l’utilité objective de la donnée demandée. Un formulaire accueillant ou une conversation fluide ne constitue donc pas, à lui seul, un indicateur de choix éclairé.
La conclusion trop rapide
On pourrait en déduire qu’un assistant devrait toujours demander moins d’informations. La conclusion utile est plus exigeante : distinguer les données nécessaires à la tâche de celles que l’interface invite simplement à fournir. Pour préparer une réponse générique à une question de procédure, un nom de client peut être superflu ; pour traiter un dossier individuel dans un environnement autorisé, certaines données d’identification peuvent être indispensables. (nos formations pour cadres et collaborateurs)
Ce que ces travaux ne permettent pas de trancher
Ces publications ne comparent pas des assistants génératifs sans code utilisés en entreprise ; elles ne permettent donc pas de chiffrer les effets d’une réduction des champs de saisie sur leur qualité. Les décisions de salariés soumis à des consignes et à une hiérarchie ne se confondent pas non plus avec celles de consommateurs. Enfin, retirer un identifiant visible ne garantit ni l’anonymat d’un récit ni la maîtrise des accès et de la conservation.
Une implication pratique, vérifiable à Zurich
Dans le cadre du programme SHR « Créer ses assistants et agents IA sans coder », un exercice pertinent pour les services financiers, l’assurance, la tech et les sièges européens de groupes internationaux à Zurich consiste à tester un assistant sur des cas fictifs représentatifs, avec puis sans chaque catégorie de données personnelles demandée. Pour chaque paire, un référent métier évalue les réponses selon une grille définie à l’avance, sans savoir quelle version a été utilisée ; on relève la proportion de cas où le retrait conserve une réponse acceptable et les échecs observés. Les catégories dont le retrait ne dégrade pas les résultats sur ces cas deviennent candidates à la suppression du formulaire, avant une validation distincte des exigences de sécurité, de conformité et de conservation. Pour aller plus loin : découvrez la formation Créer ses assistants et agents IA sans coder à Zurich, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : Créer ses assistants et agents IA sans coder à Zurich
- créer ses assistants et agents ia sans coder
- Zurich
- recherche
- formation zurich