Créativité avec l’IA : de meilleures propositions, mais moins d’options ?
L’IA générative permet de préparer rapidement des pistes pour un produit, un service ou un problème industriel. La question managériale est plus précise : comment l’utiliser sans que les propositions de l’équipe finissent par se ressembler ?
Ce que la littérature établit
Anil R. Doshi et Oliver P. Hauser (2024, Science Advances) ont étudié une tâche d’écriture de récits courts, avec ou sans accès à des idées produites par une IA générative. L’accès à ces idées améliore les évaluations de créativité des récits, mais les productions assistées se ressemblent davantage entre elles. Le résultat distingue donc la qualité attribuée à chaque production de la diversité de l’ensemble.
Un autre mécanisme : organiser la production des idées
Michael Diehl et Wolfgang Stroebe (1987, Journal of Personality and Social Psychology) ont étudié les pertes de productivité dans le brainstorming collectif. Leurs expériences identifient le blocage de production — devoir attendre pendant qu’une autre personne parle — comme une explication importante. Ce travail ne porte pas sur l’IA, mais rappelle que le dispositif de contribution, et pas seulement les capacités individuelles, détermine les idées disponibles.
La conclusion trop rapide
On pourrait en déduire qu’il faut écarter l’IA des séances de créativité. L’étude sur les récits ne justifie pas cette règle : elle met en évidence un bénéfice individuel accompagné d’une moindre diversité collective dans une tâche particulière. Recueillir des pistes indépendantes avant de consulter une proposition commune de l’IA constitue une hypothèse de travail à tester, non une recette validée par ces recherches. (nos formations pour cadres et collaborateurs)
Ce que les données ne permettent pas de promettre
Des récits courts ne sont ni des formulations agroalimentaires ni des solutions de maintenance industrielle. Leur similarité ne permet pas de prédire directement la valeur économique des options, leur faisabilité ou leur diversité dans une équipe bilingue. Évaluer uniquement la proposition finalement retenue laisse par ailleurs invisible un éventuel rétrécissement des alternatives explorées.
Une implication pratique, vérifiable à Fribourg
Dans le programme « Manager à l'ère de l'intelligence artificielle » de SHR, un exercice à Fribourg pourrait réunir des responsables de l’agroalimentaire et de l’industrie bilingue, avec l’appui méthodologique du pôle universitaire. Sur des problèmes comparables et non confidentiels, alterner une collecte individuelle avant consultation de l’IA et une collecte après présentation d’une proposition commune de l’IA, à durée et nombre de contributions identiques. Faire coder les propositions françaises et allemandes par des évaluateurs bilingues ignorant leur condition de production, selon une grille préalable des familles de solutions. La mesure serait le nombre de familles distinctes pour un même nombre de propositions : un indicateur vérifiable de diversité locale, non une preuve générale de supériorité d’une méthode. Pour aller plus loin : découvrez la formation Manager à l'ère de l'intelligence artificielle à Fribourg, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : Manager à l'ère de l'intelligence artificielle à Fribourg
- manager à l'ère de l'intelligence artificielle
- Fribourg
- recherche
- formation fribourg