IA on the job : une réponse disponible ne remplace pas une expertise repérable
Un assistant d’IA peut devenir le premier interlocuteur d’une équipe sans que celle-ci ait clarifié le rôle de ses experts. La question managériale est précise : comment rendre les connaissances accessibles sans perdre la capacité à identifier la personne compétente lorsqu’une réponse exige un jugement situé ?
Ce que la littérature établit
Kyle Lewis (2003, Journal of Applied Psychology) a développé et validé une mesure des systèmes de mémoire transactive dans des équipes de travail. Ce concept désigne une organisation collective des connaissances : les membres possèdent des expertises différenciées, reconnaissent leur crédibilité et coordonnent leur mobilisation. Le travail collectif ne repose donc pas seulement sur l’information disponible, mais aussi sur la connaissance de sa répartition entre les personnes.
Le mécanisme : apprendre aussi qui sait quoi
Diane Wei Liang, Richard Moreland et Linda Argote (1995, Personality and Social Psychology Bulletin) ont comparé une formation collective à une formation individuelle avant une tâche d’assemblage en groupe. Dans cette expérience, les groupes dont les membres avaient été formés ensemble ont obtenu de meilleures performances, avec des résultats soutenant le rôle médiateur de la mémoire transactive. Apprendre ensemble peut ainsi construire un repérage des compétences que la seule transmission d’instructions ne garantit pas.
La conclusion trop rapide
On pourrait en déduire qu’un assistant d’IA affaiblit nécessairement cette connaissance mutuelle. Ces études ne portent pas sur l’IA générative et ne permettent pas cette conclusion. Elles suggèrent plutôt une distinction à tester : un outil peut donner une réponse, mais il peut aussi orienter vers une source et vers une personne capable d’en apprécier la pertinence locale. (nos formations pour cadres et collaborateurs)
Les limites des données et de la pratique courante
Une expérience d’assemblage et une validation de mesure en équipe ne démontrent pas les effets d’un assistant d’IA dans une banque ou une entreprise de mode. Par ailleurs, disposer d’un annuaire d’experts ne prouve ni que les collaborateurs savent l’utiliser, ni que les personnes désignées sont disponibles. Évaluer seulement la rapidité d’accès à une réponse laisserait donc hors champ la capacité de l’organisation à traiter les exceptions.
Une implication pratique, vérifiable à Lugano
Dans un atelier SHR « IA on the job » à Lugano, nous proposons de travailler sur des cas fictifs rédigés en italien : exception documentaire bancaire, spécification matière dans la mode, condition de livraison dans le négoce ou délégation de décision dans une PME familiale italophone. Pour chaque cas nécessitant une expertise interne, demander au participant de retrouver, avec les outils autorisés, une source pertinente et un interlocuteur compétent, puis faire confirmer cette attribution par le responsable du processus. La mesure est la proportion de cas pour lesquels la source et l’interlocuteur sont tous deux confirmés, comparée avant et après l’ajout de renvois explicites dans les supports utilisés avec l’IA. Cette vérification ne mesure pas toute la valeur de l’outil ; elle permet de vérifier si l’accès aux réponses s’accompagne d’un accès effectif aux expertises. 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