IA on the job : évaluer un résultat ou une compétence ?
Les productions assistées par l’IA entrent dans les entretiens de performance, les décisions de promotion et l’attribution de nouvelles responsabilités. La question managériale est précise : que peut-on déduire des compétences d’une personne à partir d’un résultat dont les conditions de production restent peu visibles ?
Ce que la littérature établit
Lee Ross, Teresa M. Amabile et Julia L. Steinmetz (1977, Journal of Personality and Social Psychology) ont étudié une situation de questions-réponses dans laquelle le rôle de questionneur permettait de choisir des questions à partir de ses propres connaissances. Les participants ne corrigeaient pas suffisamment leurs jugements de culture générale pour tenir compte de cet avantage de rôle. L’expérience montre qu’un avantage créé par la situation peut être interprété comme une qualité personnelle.
Le mécanisme : passer du résultat à la personne
Daniel T. Gilbert et Patrick S. Malone (1995, Psychological Bulletin) analysent le biais de correspondance : la tendance à inférer des dispositions personnelles à partir de comportements que les circonstances peuvent expliquer. Leur synthèse distingue notamment la méconnaissance des contraintes et une correction insuffisante du jugement initial. Appliqué à l’IA, ce cadre suggère une hypothèse, non un résultat établi : le responsable peut attribuer au collaborateur ce qui dépend aussi de l’outil, des ressources accessibles et des possibilités de révision.
La conclusion trop rapide
On pourrait en conclure qu’il faut retirer l’IA de toute évaluation pour retrouver la compétence « réelle ». Ce serait confondre la maîtrise individuelle sans assistance avec la capacité à produire un résultat fiable dans l’environnement de travail effectif. Il faut plutôt préciser ce que l’on évalue : le résultat livré, la maîtrise du domaine ou la capacité à piloter une production assistée. (nos formations pour cadres et collaborateurs)
Ce que ces travaux ne permettent pas de trancher
Ces articles ne portent ni sur l’IA générative ni sur les entretiens de performance contemporains ; ils ne mesurent donc pas l’ampleur d’un éventuel biais dans ces situations. Une démonstration ponctuelle sans outil ne suffirait pas davantage à établir une compétence durable. La limite de la pratique courante apparaît lorsque l’évaluation passe d’un livrable réussi à un jugement général sur la personne, sans expliciter ce passage.
Une implication pratique, vérifiable à Berne
Dans le cadre d’« IA on the job » de SHR, une équipe bernoise pourrait tester une fiche d’évaluation sur des livrables non sensibles ou fictifs : note pour l’administration fédérale, document de santé publique, réponse télécoms ou rapport d’écart en industrie de précision. Avant l’exercice, elle préciserait la compétence visée ; chaque évaluateur jugerait ensuite le livrable seul, puis réviserait son jugement après avoir reçu une fiche standardisée sur les outils autorisés, les ressources disponibles et les révisions effectuées par l’auteur. La mesure serait la proportion de jugements de compétence modifiés après cette contextualisation, accompagnée du motif de chaque changement. Cet indicateur ne prouverait pas un biais, mais rendrait vérifiable la dépendance de l’évaluation aux informations sur les conditions de production. Pour aller plus loin : découvrez la formation IA on the job à Berne, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : IA on the job à Berne
- ia on the job
- Berne
- recherche
- formation berne