IA on the job : un feedback personnalisé aide-t-il à progresser ?
Un responsable peut demander à une IA de commenter une présentation, un dossier ou un entretien simulé. La question managériale n’est pas de savoir si le retour paraît personnalisé, mais s’il permet au collaborateur de mieux réaliser la tâche suivante.
Ce que la littérature établit
Avraham N. Kluger et Angelo DeNisi (1996, Psychological Bulletin) montrent, dans une méta-analyse, que les interventions de feedback n’améliorent pas systématiquement la performance et peuvent aussi la dégrader. Leur théorie propose notamment que l’efficacité dépend du niveau vers lequel le retour dirige l’attention : la tâche à accomplir ou des préoccupations centrées sur soi. Un commentaire détaillé n’est donc pas, à lui seul, un instrument de progression.
Le mécanisme : orienter l’attention vers une action
John Hattie et Helen Timperley (2007, Review of Educational Research) distinguent les retours portant sur la tâche, les processus, l’autorégulation et la personne. Leur synthèse situe le feedback utile dans une relation entre un objectif, l’état actuel du travail et les actions permettant de réduire l’écart. Pour un usage de l’IA, cela suggère de demander un diagnostic lié à un critère explicite plutôt qu’un portrait général des qualités du collaborateur.
La conclusion trop rapide
On pourrait en conclure qu’il suffit de demander à l’IA des commentaires précis et orientés vers l’action. Mais une recommandation concrète peut rester erronée, secondaire ou inaccessible à la personne qui la reçoit. La personnalisation du vocabulaire ne garantit ni la pertinence du diagnostic ni la possibilité de mettre le conseil en œuvre. (nos formations pour cadres et collaborateurs)
Ce que les données ne permettent pas de promettre
Ces publications ne portent pas sur les assistants génératifs actuels, et la synthèse de Hattie et Timperley concerne principalement l’apprentissage en contexte éducatif. Elles offrent un cadre pour concevoir les retours, non une preuve d’efficacité du feedback produit par IA en entreprise. Évaluer seulement la satisfaction du destinataire ou la qualité rédactionnelle du commentaire laisserait précisément la progression hors du champ de mesure.
Une implication pratique, vérifiable à Lausanne
Dans le cadre d’« IA on the job » de SHR, un exercice à Lausanne pourrait porter sur une tâche récurrente : expliquer un résultat technique en medtech, commenter un projet dans une haute école, préparer un dossier pour une fédération sportive internationale ou présenter une offre dans une scale-up de l’arc lémanique. Sur des supports fictifs ou autorisés, comparer le retour habituel à un retour préparé avec l’IA et validé par le responsable, puis faire réaliser une nouvelle tâche comparable sans assistance. Définir auparavant un critère observable, comme la présence d’une justification vérifiable pour chaque recommandation, et faire évaluer les productions sans que l’évaluateur connaisse le type de feedback reçu. La mesure à retenir serait la proportion de productions satisfaisant ce critère dans chaque condition, plutôt que l’appréciation du commentaire lui-même. 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