IA on the job : que récompensent vos indicateurs ?
L’introduction de l’IA au travail s’accompagne volontiers d’objectifs de production : davantage de documents, de réponses ou de propositions. La question managériale précise est la suivante : comment fixer un objectif de travail assisté par l’IA sans récompenser le volume au détriment du service rendu ?
Ce que la littérature établit
Edwin A. Locke et Gary P. Latham (2002, American Psychologist) synthétisent des recherches montrant que des objectifs précis et exigeants peuvent soutenir la performance, sous certaines conditions, notamment d’engagement, de capacité et de retour sur les résultats. Les objectifs orientent l’attention et l’effort vers les dimensions désignées comme importantes. Appliqué à l’IA, ce cadre invite à examiner ce que la cible rend prioritaire : produire une réponse ou résoudre effectivement une demande.
Le décalage entre l’intention et la récompense
Steven Kerr (1975, Academy of Management Journal) analyse des situations dans lesquelles les organisations récompensent des comportements différents de ceux qu’elles déclarent souhaiter. Son article propose une analyse illustrée par des exemples, et non une expérience sur l’IA. Le mécanisme est néanmoins pertinent pour formuler une hypothèse : si l’évaluation privilégie le nombre de livrables, les salariés peuvent avoir intérêt à multiplier les productions plutôt qu’à vérifier leur utilité.
La conclusion trop rapide
On pourrait en déduire qu’il faut supprimer les objectifs chiffrés dès qu’une IA intervient. Ces travaux ne justifient pas cette conclusion : un objectif explicite peut être utile, tandis qu’une appréciation vague de la « qualité » laisse subsister d’autres ambiguïtés. L’enjeu est de rendre compatibles la cible annoncée, les critères d’acceptation du travail et ce qui compte réellement dans l’évaluation. (nos formations pour cadres et collaborateurs)
Ce que ces travaux ne permettent pas de promettre
Ces deux articles ne portent pas sur l’IA générative et ne démontrent pas qu’un changement d’indicateur améliorera automatiquement les résultats d’une équipe. À Lausanne, un document medtech, un support de haute école, une communication de fédération sportive internationale et une proposition commerciale de scale-up lémanique ne répondent pas aux mêmes critères d’acceptation. Un indicateur commun de volume risque de masquer ces différences, mais un indicateur de qualité mal défini peut les masquer tout autant.
Une implication pratique, vérifiable à Lausanne
Dans le cadre d’« IA on the job » de SHR, nous proposons à une équipe lausannoise un test de deux semaines sur une seule catégorie de livrables, avec des critères d’acceptation écrits avant le démarrage. Pour chaque livrable, relever son acceptation au premier examen et le temps de reprise demandé au destinataire, en plus du volume produit. Calculer ensuite la proportion acceptée sans reprise et le temps total de reprise, puis les examiner à côté de l’indicateur utilisé dans l’évaluation de l’équipe. Ce contrôle ne mesure pas à lui seul l’effet causal de l’IA ; il permet de vérifier si l’organisation récompense une production utilisable ou déplace le travail vers ceux qui la reçoivent. Pour aller plus loin : découvrez la formation IA on the job à Lausanne, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : IA on the job à Lausanne
- ia on the job
- Lausanne
- recherche
- formation lausanne