IA : faut-il fixer des objectifs d’utilisation aux équipes ?
Un tableau de bord peut montrer que les collaborateurs utilisent l’IA sans établir que leur travail s’améliore. La question managériale est précise : faut-il demander aux équipes d’augmenter leur fréquence d’utilisation, ou leur capacité à choisir les usages pertinents ?
Ce que la littérature établit
Steven Kerr (1975, Academy of Management Journal) analyse, à partir d’exemples organisationnels, le décalage entre les comportements récompensés et les résultats officiellement souhaités. Son article ne porte pas sur l’IA, mais formule un problème directement applicable à son déploiement : récompenser une activité visible ne garantit pas le résultat recherché. Un objectif de connexions ou de requêtes peut ainsi valoriser l’utilisation de l’outil, indépendamment de son utilité.
Le mécanisme : déplacer l’effort vers ce qui se mesure
Bengt Holmström et Paul Milgrom (1991, Journal of Law, Economics, & Organization) modélisent les incitations lorsque le travail comporte plusieurs tâches dont les contributions ne sont pas également mesurables. Leur analyse montre pourquoi renforcer l’incitation sur une dimension facilement observable peut détourner l’effort d’autres dimensions importantes. Appliqué à l’IA, ce mécanisme invite à se demander si l’objectif d’utilisation laisse suffisamment de place au choix de ne pas utiliser l’outil.
La conclusion trop rapide
Il serait excessif d’en conclure que tout indicateur d’adoption est nuisible. Le nombre d’utilisateurs peut aider à repérer une difficulté d’accès ou un besoin d’accompagnement, sans devenir un critère d’évaluation individuelle. La distinction utile est celle qui sépare un indicateur de diagnostic d’un objectif assorti de récompenses, de comparaisons ou de pression hiérarchique. (nos formations pour cadres et collaborateurs)
Ce que ces travaux ne permettent pas d’affirmer
Ces deux articles ne mesurent pas les effets de quotas d’utilisation de l’IA générative : l’un propose une analyse organisationnelle illustrée, l’autre un modèle théorique. Ils ne permettent donc ni de fixer une fréquence optimale ni de chiffrer une perte de qualité. En pratique, comparer les volumes d’usage entre fonctions est également fragile, car les occasions pertinentes d’utiliser l’IA diffèrent selon les activités.
Une implication pratique, vérifiable à Neuchâtel
Dans une entreprise neuchâteloise de microtechnique, d’horlogerie ou de microélectronique de précision, un exercice du programme « Manager à l’ère de l’intelligence artificielle » peut consister à examiner les objectifs d’adoption avant de les transmettre aux équipes. Sur une période pilote définie à l’avance, consigner pour chaque dossier éligible l’usage ou le non-usage motivé de l’IA, puis relever l’acceptation du livrable au premier contrôle selon les critères qualité habituels. Calculer la proportion de livrables acceptés sans reprise, en distinguant les tâches comparables avec et sans IA, permet de confronter la fréquence d’utilisation à un résultat métier. Cette comparaison ne prouve pas un effet causal, mais elle permet de vérifier si la hausse d’usage s’accompagne réellement d’une amélioration de l’indicateur qualité retenu. Pour aller plus loin : découvrez la formation Manager à l'ère de l'intelligence artificielle à Neuchâtel dans le canton de Neuchâtel, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : Manager à l'ère de l'intelligence artificielle à Neuchâtel
- manager à l'ère de l'intelligence artificielle
- Neuchâtel
- recherche
- formation neuchâtel