IA on the job : quand faut-il arrêter un pilote ?
Après avoir choisi un assistant et adapté quelques processus, interrompre l’essai peut donner l’impression de gaspiller le travail accompli. La question managériale est plus précise : comment décider de poursuivre un pilote d’IA sans faire des efforts déjà engagés un argument en sa faveur ?
Ce que la littérature établit
Hal Arkes et Catherine Blumer (1985, Organizational Behavior and Human Decision Processes) ont documenté l’effet des coûts irrécupérables : un investissement antérieur en argent, en temps ou en effort peut accroître la tendance à poursuivre une action. Le souci de ne pas paraître gaspiller contribue à expliquer cet effet. Pour un pilote d’IA, les heures déjà consacrées au paramétrage ne constituent donc pas, à elles seules, une raison de continuer.
Quand la responsabilité initiale pèse sur la suite
Barry Staw (1976, Organizational Behavior and Human Performance) a montré expérimentalement que la responsabilité personnelle d’une décision initiale pouvait favoriser un réinvestissement après des résultats négatifs. Poursuivre peut alors servir à justifier le choix précédent, plutôt qu’à répondre uniquement aux perspectives futures. Appliqué à l’IA, ce mécanisme invite à ne pas confier l’examen du pilote à son seul promoteur.
La conclusion trop rapide
Ces travaux ne permettent pas de conclure qu’un pilote décevant doit être arrêté immédiatement. Une difficulté initiale peut encore ouvrir sur un apprentissage utile, et un changement d’outil peut entraîner des coûts futurs bien réels. La distinction pertinente oppose les efforts passés, impossibles à récupérer, aux bénéfices attendus et aux dépenses encore évitables. (nos formations pour cadres et collaborateurs)
Ce que les données ne permettent pas de trancher
Ces études classiques ne portent pas sur l’IA générative et ne déterminent aucun seuil universel d’arrêt. Elles éclairent un risque de raisonnement, sans démontrer que toute persévérance relève d’une escalade d’engagement. En pratique, un bilan qui additionne les heures investies sans préciser les conditions de poursuite rend ce risque difficile à examiner.
Une implication pratique, vérifiable à Lugano
Dans le cadre d’« IA on the job » de SHR, un exercice consiste à fixer avant l’essai une condition de poursuite et une date de revue : par exemple, ne poursuivre que si le temps total de préparation et de correction est inférieur à celui du processus habituel, sans hausse des non-conformités définies à l’avance. À Lugano, cette comparaison peut porter sur des brouillons en italien de courriers bancaires, de fiches produits dans la mode, de demandes de cotation dans le négoce ou de réponses clients dans une PME familiale italophone, sur des cas comparables et dans un environnement autorisé. À la revue, une personne qui n’a pas porté le choix initial vérifie les relevés de temps et les non-conformités, puis consigne si la condition est remplie. Toute prolongation malgré son non-respect doit préciser un bénéfice futur testable et une nouvelle échéance, plutôt qu’invoquer le travail déjà accompli. Pour aller plus loin : découvrez la formation IA on the job à Lugano, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : IA on the job à Lugano
- ia on the job
- Lugano
- recherche
- formation lugano