IA on the job : faut-il regrouper les sollicitations de l’IA ?
Dans les services financiers, l’assurance, la tech et les sièges européens de groupes internationaux à Zurich, consulter une IA peut s’intercaler entre deux étapes d’un même dossier. La question managériale est précise : faut-il regrouper ces sollicitations dans des plages dédiées plutôt que les laisser ponctuer le travail ?
Ce que la littérature établit
Sophie Leroy (2009, Organizational Behavior and Human Decision Processes) montre que le passage d’une tâche à une autre peut laisser un « résidu attentionnel » : une partie de l’attention reste attachée à la tâche précédente. Ses expériences indiquent notamment que quitter une tâche inachevée peut compromettre la performance sur la suivante. Appliqué à l’IA, ce résultat suggère une hypothèse à vérifier, non un effet déjà démontré : multiplier les demandes portant sur des dossiers différents pourrait rendre les reprises plus difficiles.
Changer de tâche oblige à reconfigurer le travail
Joshua S. Rubinstein, David E. Meyer et Jeffrey E. Evans (2001, Journal of Experimental Psychology: Human Perception and Performance) mettent en évidence des coûts temporels lors de changements de tâche dans des situations expérimentales. Leurs résultats soutiennent un mécanisme de contrôle exécutif comprenant le déplacement du but et l’activation des règles pertinentes. Passer d’une analyse de risque à la rédaction d’un message avec une IA peut donc demander davantage qu’un changement de fenêtre, sans que ces expériences permettent d’en chiffrer le coût au bureau.
La conclusion trop rapide
On pourrait en déduire qu’il faut réserver l’IA à des créneaux fixes. Mais interroger un outil pour résoudre un point du dossier en cours ne constitue pas nécessairement un changement de tâche au sens des expériences citées. La distinction utile oppose la consultation qui fait avancer le même objectif à celle qui ouvre un autre chantier ; une règle horaire uniforme risque de les confondre. (nos formations pour cadres et collaborateurs)
Ce que les données ne permettent pas de décider
Ces articles ne portent ni sur l’IA générative ni sur les organisations zurichoises. Ils ne permettent pas de déterminer une fréquence optimale de consultation, et le nombre de bascules entre applications ne mesure pas directement le résidu attentionnel. Une pratique courante consistant à compter les requêtes ou la rapidité des réponses laisse ainsi de côté l’organisation du travail dans laquelle elles prennent place.
Une implication pratique, vérifiable à Zurich
Dans le cadre d’« IA on the job », une équipe zurichoise pourrait tester pendant deux semaines, sur des dossiers internes comparables et admissibles dans l’outil autorisé, une alternance de demi-journées avec consultations regroupées ou usage habituel. Un relevé sans contenu confidentiel consignerait, pour chaque dossier, le temps de traitement actif, les changements vers un autre dossier et les retours pour correction après relecture. La comparaison porterait sur le temps médian de traitement et la proportion de dossiers nécessitant une correction, à type de dossier comparable. Ce test local ne prouverait pas un mécanisme cognitif, mais permettrait de vérifier si le regroupement mérite d’être conservé plutôt que prescrit par principe. Pour aller plus loin : découvrez la formation IA on the job à Zurich, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : IA on the job à Zurich
- ia on the job
- Zurich
- recherche
- formation zurich