EN 1 MINUTE
Vous recevez un e-mail parfaitement rédigé : correct, structuré, courtois et peut-être nettement plus long que nécessaire. Dès les premières lignes, vous devinez qu’il a été généré avec une intelligence artificielle.
Vous avez peu de temps et beaucoup trop de choses à gérer, alors vous le transmettez à une autre IA pour qu’elle vous résume l’essentiel. Ensuite, vous utilisez ce même outil pour vous aider à préparer la réponse. De l’autre côté, exactement la même chose pourrait être en train de se produire.
La scène a quelque chose d’absurde, mais elle soulève une question de plus en plus pertinente pour les entreprises. À mesure que l’IA gagne en capacité et en autonomie, nous ne parlons plus uniquement d’utiliser un outil pour effectuer une tâche plus rapidement. Nous commençons à déléguer des parties du travail : analyses, décisions, interactions et, progressivement, des séquences complètes d’un processus.
Pour décider jusqu’où nous voulons aller, nous devons comprendre quelque chose qui n’apparaît pas toujours dans une procédure : ce qui se passe réellement autour de ce travail. Car lorsqu’une personne répond à un client, elle peut faire bien plus que répondre. Elle peut interpréter une situation, mobiliser des connaissances accumulées pendant des années, détecter une exception ou construire une relation.
Avant de décider ce que nous déléguons à l’IA, nous devons comprendre ce que nous déléguons également avec cela.
La question que nous devrions nous poser
Lorsque nous déléguons une partie du travail à l’IA, savons-nous réellement tout ce que nous déléguons avec elle ?
Lorsqu’une IA écrit et qu’une autre IA répond
Dans une publication récente, une expression volontairement provocatrice apparaissait pour décrire une situation similaire : « Meat Proxy ». L’humain devient presque un intermédiaire entre des intelligences artificielles : une IA rédige, quelqu’un relit et envoie et, à l’autre bout, une autre IA résume, interprète et prépare une réponse. C’est une caricature, mais elle devient de plus en plus reconnaissable.
Nous utilisons l’intelligence artificielle tous les jours pour rechercher, analyser des informations, préparer des réunions, programmer, rédiger, confronter des hypothèses ou explorer des alternatives. Nous aussi. Et revenir en arrière n’aurait aucun sens.
Pourtant, la conversation évolue. Pendant les premières années de l’IA générative, nous nous sommes beaucoup concentrés sur les tâches qu’elle pouvait réaliser et le temps qu’elle pouvait nous faire gagner. Aujourd’hui, nous commençons à nous poser une autre question : quelles parties du travail elle peut prendre en charge, quelles décisions elle peut prendre et avec quel degré d’autonomie nous souhaitons qu’elle agisse.
Le changement est important. Une chose est de demander à une IA de préparer le brouillon d’un e-mail. Une autre est de lui permettre d’interpréter la situation, de décider quelle réponse convient, de l’envoyer puis de déterminer quelle doit être l’étape suivante. Dans les deux cas, nous utilisons l’IA, mais nous ne déléguons pas la même chose.
L’IA ne se contente plus de nous aider à faire le travail
La productivité a été, à juste titre, l’un des principaux arguments en faveur de l’intégration de l’IA dans les entreprises, et certaines organisations obtiennent déjà des améliorations importantes. Mais les résultats ne sont pas uniformes.
L’une des différences semble résider dans la manière dont la technologie est introduite. Repenser le travail puis décider où l’IA peut apporter de la valeur est très différent du fait d’ajouter des outils à des processus existants et d’attendre qu’ils les améliorent à eux seuls.
Il convient également d’être prudent lorsque nous essayons de convertir le travail en pourcentages. Le fait qu’une IA puisse réaliser une certaine proportion des tâches associées à un poste ne signifie pas nécessairement que cette même proportion du travail puisse disparaître. Le travail réel comprend des tâches, mais aussi des exceptions, de la coordination, du contexte, des décisions, de la supervision, des relations et des connaissances accumulées.
Avec les agents d’IA, cette différence deviendra encore plus importante. Nous passons de systèmes qui nous aident principalement à produire un résultat à d’autres capables d’exécuter plusieurs étapes d’un processus. Ils peuvent consulter des informations, les interpréter, utiliser des outils, décider de l’étape suivante et agir dans des limites définies.
C’est pourquoi la question n’est plus seulement de savoir ce que l’IA peut faire. Nous devons décider ce que nous voulons lui déléguer et avec quel degré d’autonomie. Et pour y répondre correctement, nous devons beaucoup mieux connaître le travail que nous plaçons entre ses mains.
Ce qui n’apparaît pas dans une présentation
Il existe une partie de l’entreprise qu’il est relativement facile de connaître. Elle se trouve dans ses présentations, son site web, ses procédures, ses données, ses organigrammes ou ses manuels. Et puis il y a tout le reste.
Chez LVS2, nous avons toujours consacré beaucoup de temps à cette deuxième partie, même lorsque le projet que nous avons entre les mains pourrait, en apparence, être résolu sans cela. Nous devons comprendre comment une entreprise fonctionne réellement : comment elle prend ses décisions, ce qui préoccupe ses clients, pourquoi quelque chose est fait d’une certaine manière alors que personne ne se souvient où cela a été décidé, ou ce qu’une personne sait après dix ans passés dans l’entreprise et que nous aurions du mal à trouver dans une présentation.
C’est ce qui se trouve entre les lignes. Ce n’est pas toujours raconté, mais cela se perçoit lorsqu’on travaille depuis un certain temps avec une organisation. Avec l’IA, cette manière de connaître une entreprise prend une autre dimension.
Nous pouvons documenter un processus, mesurer ses délais, identifier des tâches et repérer des inefficacités. Tout cela est nécessaire. Mais la carte restera incomplète si nous ne comprenons pas ce qui se passe réellement pendant que ce travail est réalisé.
Quelqu’un sait qu’un client donné a besoin d’un appel plutôt que d’un nouvel e-mail. Une autre personne se souvient pourquoi, il y a des années, il a été décidé de ne plus travailler d’une certaine manière. Un commercial comprend qu’un « nous verrons » peut signifier des choses totalement différentes selon le client, l’interlocuteur ou le moment. Rien de tout cela n’apparaît nécessairement dans la procédure.
Une partie des connaissances d’une organisation se transmet précisément ainsi. Une nouvelle personne observe comment quelqu’un de plus expérimenté prend ses décisions, écoute des conversations, demande pourquoi quelque chose a été fait d’une certaine manière et apprend également de ses propres erreurs. Avec le temps, tout cela fait partie de ce que l’entreprise sait.
Il est difficile de le mesurer en heures ou de l’intégrer dans un calcul de productivité. Il est parfois même difficile de l’identifier jusqu’au jour où cela n’est plus disponible. Il ne s’agit donc pas de conserver des processus inefficaces ou des postes simplement parce qu’ils ont toujours existé. Il s’agit de comprendre ce que nous transformons avant de le transformer.
Nous pouvons déléguer une partie du travail à l’IA en quelques semaines et découvrir ensuite qu’un savoir qui avait mis des années à se construire existait autour de ce travail.
Disposer de toutes les données d’un client ne signifie pas connaître le client
L’un des domaines où cette valeur difficile à documenter se comprend peut-être le mieux est la relation avec les clients. Une entreprise peut disposer de plusieurs années d’informations parfaitement enregistrées sur un client et, malgré cela, ne pas très bien le connaître. L’inverse peut également se produire.
La personne qui travaille avec lui depuis des années sait quand il a besoin d’un document détaillé et quand il préfère une réponse de deux lignes. Elle sait quand appeler, quand attendre et comment lui présenter un désaccord. Elle connaît des préoccupations qui n’ont peut-être jamais été formulées explicitement dans un briefing.
L’IA peut énormément nous aider ici. Elle peut récupérer des antécédents, structurer des informations dispersées, préparer une réunion, détecter des schémas ou éviter que toutes ces connaissances dépendent exclusivement de la mémoire d’une personne.
Mais disposer de toutes les informations sur un client et connaître réellement ce client ne sont toujours pas exactement la même chose. Si nous ne prêtons pas attention à cette différence, nous pouvons introduire des couches d’intermédiation là où existait auparavant une relation directe, générer des réponses formellement meilleures mais moins pertinentes, ou standardiser une relation qui fonctionnait précisément parce qu’elle n’était pas standard.
Et alors, nous ne parlons plus uniquement de productivité. Nous parlons aussi de confiance, d’expérience client et de marque.
Que se passe-t-il en nous pendant ce temps ?
Il existe une autre partie de cette transformation qui est plus difficile à mesurer. Nous utilisons de plus en plus l’IA pour nous souvenir, synthétiser, formuler, comparer, argumenter, écrire, réviser et nous aider à décider.
Cela ouvre certaines questions auxquelles nous ne devrions pas inventer de réponses. Est-il cognitivement équivalent de construire un raisonnement et d’en relire un qui a été généré en considérant qu’il est correct ? Que devient l’apprentissage lorsque nous réduisons une partie de l’effort nécessaire pour parvenir à une réponse ? Pouvons-nous confondre notre capacité à obtenir une excellente réponse avec notre capacité réelle à comprendre ce sur quoi nous sommes en train de répondre ?
Nous voulions sortir du domaine de l’intuition. C’est pourquoi nous avons demandé à une professionnelle de la psychologie de nous aider à distinguer ce que nous savons aujourd’hui, ce que la recherche commence à suggérer et ce qu’il serait encore prématuré d’affirmer.
Nous nous intéressons également à ce qui se passe dans les relations. Si nous savons qu’un message a été généré par une IA, notre perception de la personne qui l’envoie change-t-elle ? L’effort que nous pensons qu’une autre personne a consacré à communiquer avec nous a-t-il de l’importance ?
Et surtout, que se passe-t-il lorsque cette intermédiation ne concerne plus uniquement les clients ou les fournisseurs et commence à faire partie habituellement des conversations au sein même de l’entreprise ?
Ce sont des questions difficiles à traduire en indicateur de productivité, mais elles peuvent finir par avoir des conséquences très concrètes. Également sur la marque.
La marque commence à l’intérieur
Lorsque nous parlons de marque, nous avons tendance à regarder vers l’extérieur : clients, marché, candidats, partenaires, investisseurs. Pourtant, une partie importante de la marque se construit bien avant.
Elle se trouve dans la manière dont les décisions sont prises, dans ce qu’une organisation considère comme acceptable et dans ce que « nous ne faisons pas ici ». Elle se trouve dans la manière dont une nouvelle personne est intégrée, dont une exception est résolue ou dont quelqu’un décide de répondre lorsque la procédure ne suffit plus.
Une marque ne se trouve pas non plus uniquement dans ce qu’une entreprise dit d’elle-même. Elle réside dans beaucoup de ces choses qui n’apparaissent pas dans une présentation, mais qu’un client finit par percevoir après avoir travaillé avec elle.
L’expérience client ne naît pas exclusivement d’un manuel de marque. Elle résulte également de centaines de petites décisions prises par des personnes qui ont compris quelle entreprise elles représentent. C’est pourquoi les décisions liées à l’IA peuvent aussi finir par devenir des décisions de culture et de marque, même si elles ont d’abord été présentées comme des questions de productivité ou de technologie.
Non pas parce que tout doit continuer à être fait par une personne. Ce serait absurde. Il y a du travail que l’IA peut faire mieux, plus rapidement ou avec moins d’erreurs. Il y a des tâches que nous devrions probablement cesser de faire manuellement. Et il existe de nouvelles capacités qui n’existaient tout simplement pas auparavant.
La question est de savoir ce que nous voulons gagner et ce que nous ne voulons pas perdre en chemin. Une conversation peut transmettre des connaissances. Une discussion peut construire du discernement. Une explication aide à comprendre une décision. Une relation continue génère de la confiance. Même une erreur peut finir par faire partie de l’apprentissage collectif.
Toutes ces frictions n’apportent pas de valeur. Mais tout ce qui semble inefficace n’en est pas nécessairement dépourvu. Et il existe une différence importante entre déléguer une partie du travail et déléguer, sans nous en rendre compte, tout ce qui se passait autour de ce travail.
La lecture stratégique de LVS2
Chez LVS2, cela fait des années que nous essayons de comprendre précisément cette partie des entreprises qui n’apparaît pas toujours dans un briefing, une présentation ou une procédure. L’arrivée de l’IA ne change pas cette manière de travailler. Elle la rend encore plus nécessaire.
Pour décider quel rôle la technologie devrait jouer, nous devons d’abord comprendre quelle valeur visible et invisible existe autour du travail que nous voulons transformer. Cela implique d’examiner l’efficacité, bien sûr, mais aussi les connaissances que l’organisation doit conserver, les relations qui peuvent être affectées, le discernement qui se construit, l’impact sur la culture et la marque, ainsi que les risques qui apparaissent lorsque nous accordons davantage d’autonomie à un système.
Chez LVS2, nous analysons cette valeur visible et invisible avant de décider ce que nous déléguons à l’IA, quel rôle nous voulons qu’elle joue et avec quel niveau d’autonomie.
Il s’agit d’une approche human-centric, mais pas parce qu’elle part du principe qu’une personne doit nécessairement rester dans chaque processus. Elle part d’autre chose : comprendre quel résultat nous voulons obtenir et concevoir, à partir de là, la relation adéquate entre les personnes, la technologie et l’organisation.
Dans certaines situations, l’IA assistera une personne. Dans d’autres, elle pourra proposer une décision ou exécuter des actions dans certaines limites. Et certains processus pourront lui permettre d’assumer un degré d’autonomie beaucoup plus important.
Il n’existe pas une seule réponse correcte pour tout le monde. C’est précisément pour cela que le discernement compte.
Pourquoi cela devrait-il être dans votre radar ?
Parce que la capacité de ces systèmes augmente beaucoup plus vite que notre expérience organisationnelle de leur utilisation.
Jusqu’à présent, une grande partie de l’adoption de l’IA s’est faite avec une personne au milieu : quelqu’un pose une question, examine un résultat, le corrige et décide quoi faire ensuite. Avec les systèmes agentic, cette intervention peut se déplacer.
L’IA peut interpréter une situation, utiliser différentes sources d’information, décider de l’étape suivante, communiquer avec d’autres systèmes ou personnes et exécuter des actions. Cela ouvre d’immenses possibilités, mais change également la nature de la décision de l’entreprise.
Il ne suffit plus de savoir si quelque chose est techniquement possible. Nous devons savoir quelles connaissances ce travail exige, quelles exceptions peuvent apparaître, quelles relations interviennent, quelles conséquences pourrait avoir une mauvaise décision, où nous avons besoin de supervision et qui est responsable lorsque quelque chose ne fonctionne pas comme prévu.
Plus nous pouvons accorder d’autonomie, plus il est important de décider où il est pertinent de l’accorder.
Framework LVS2 : checklist avant de décider ce que nous déléguons à l’IA
Tous les processus n’ont pas besoin du même degré d’intervention humaine ni d’autonomie technologique. Avant de décider, nous proposons d’examiner six dimensions.
Que gagne l’organisation ?
La délégation apporte-t-elle un gain de temps, une réduction des coûts, davantage de vitesse, de capacité ou de qualité, une diminution des erreurs ou la suppression de frictions ?
Il convient également d’effectuer une vérification supplémentaire : supprimons-nous du travail ou le déplaçons-nous simplement vers une autre partie du processus ?
Que doit-elle préserver ?
Il faut identifier les connaissances, le contexte, les compétences et le discernement que l’organisation doit conserver, en particulier ce qui réside aujourd’hui dans les personnes, n’est pas suffisamment documenté et serait difficile à reconstruire une fois perdu.
Quelles relations peut-elle modifier ?
Clients, employés, fournisseurs, partenaires et autres stakeholders peuvent être concernés. Il ne suffit pas de savoir si une interaction peut être déléguée. Nous devons comprendre ce qui change lorsque nous le faisons.
Que peut-elle changer dans ce que nous sommes ?
La culture, la confiance, l’expertise perçue, l’expérience client et la marque font également partie de la décision. La manière dont une entreprise utilise l’IA peut finir par influencer la façon dont elle pense, décide et se relationne.
Quel risque introduit-elle ?
Responsabilité, traçabilité, confidentialité, propriété intellectuelle, sécurité et compliance doivent faire partie de l’analyse.
Le niveau de contrôle nécessaire ne devrait pas dépendre uniquement de ce qu’un système est capable de faire, mais aussi des conséquences d’une erreur.
Quel rôle voulons-nous confier à l’IA ?
L’IA peut assister une personne, proposer une réponse ou une décision, exécuter des actions dans des limites définies ou gérer certaines parties d’un processus avec davantage d’autonomie.
Dans chaque cas, nous devrons décider où nous supervisons, quand nous intervenons et qui conserve la responsabilité.
Il ne s’agit pas d’un débat entre l’humain et la machine. Il s’agit d’une décision de conception.
Conclusion
Au cours des dernières années, nous avons consacré beaucoup de temps à découvrir ce que l’intelligence artificielle peut faire. C’était nécessaire et nous n’en sommes probablement encore qu’au début.
Mais plus ces systèmes deviennent capables, moins il sera utile de répondre uniquement par une liste de tâches qu’ils peuvent réaliser. La question qui se pose maintenant est plus complexe : ce que nous voulons déléguer, dans quelles conditions et avec quel degré d’autonomie.
Pour y répondre, nous devons très bien connaître le travail que nous voulons transformer. Pas seulement la procédure, mais aussi ses exceptions, les relations qu’il soutient, les connaissances qu’il transmet, le discernement qu’il contribue à construire et les conséquences que sa modification peut entraîner.
Car une entreprise n’est pas uniquement la somme de ses processus. Elle est aussi ce qu’elle sait, la manière dont elle apprend, dont elle décide et dont elle se relationne. Beaucoup de ces actifs ont mis des années à se construire.
L’IA peut nous aider à mieux les utiliser, à les partager, à les renforcer et à libérer les personnes d’un travail qu’il n’est plus pertinent de continuer à faire de la même manière. Mais avant de décider ce que nous déléguons, il convient de savoir exactement ce que nous mettons en jeu.
Car lorsque nous déléguons une partie du travail à l’IA, nous déléguons peut-être bien davantage que le travail que nous voyons.
La conversation continue
L’un des paradoxes de cette nouvelle étape de l’IA est peut-être que, plus les systèmes sont capables d’assumer certaines parties de notre travail, mieux nous devrons comprendre comment ce travail fonctionne réellement.
Pas seulement ce qui est écrit, mais aussi ce qu’une entreprise a appris au fil des années, ce que ses équipes savent sans l’avoir documenté et ce que les clients et les équipes perçoivent même si personne ne l’a jamais inscrit dans une présentation.
Pendant longtemps, connaître cette partie invisible d’une entreprise a été important pour la comprendre. Cela peut désormais également l’être pour décider jusqu’où nous voulons déléguer à l’IA.
Car avant de nous demander ce qu’elle peut faire pour nous, nous devons peut-être avoir beaucoup plus clairement en tête ce que nous ne voulons pas déléguer sans nous en rendre compte.
Questions fréquentes
Que devrait déléguer une entreprise à l’IA ?
Cela ne dépend pas uniquement de ce qu’un système peut techniquement faire. Il faut évaluer le bénéfice attendu, les connaissances impliquées, les relations susceptibles d’être affectées, les conséquences d’une erreur et le degré d’autonomie approprié pour ce processus.
Quelle est la différence entre automatiser et déléguer du travail à l’IA ?
L’automatisation décrit généralement l’exécution d’une tâche ou d’une séquence préalablement définie. Avec l’IA actuelle, nous pouvons aller plus loin : interpréter des informations, générer des alternatives, proposer des décisions ou exécuter des actions en fonction du contexte. C’est pourquoi parler de délégation permet également de réfléchir à la capacité de décision et à l’autonomie que nous accordons.
Quelle est la différence entre un assistant et un agent d’IA ?
De manière simplifiée, un assistant aide une personne à réaliser son travail. Un agent peut poursuivre un objectif et exécuter plusieurs actions pour l’atteindre avec un certain degré d’autonomie. Plus cette autonomie est importante, plus les limites, la supervision, la traçabilité et la responsabilité deviennent essentielles.
Pourquoi l’IA peut-elle affecter la marque d’une entreprise ?
Parce qu’une marque ne se construit pas uniquement par la communication. Elle naît aussi de la manière dont une organisation décide, répond et se relationne. Si l’IA commence à intervenir dans ces interactions, elle peut également modifier l’expérience que les employés, les clients et les autres stakeholders ont de l’entreprise.
Que signifie adopter l’IA avec une approche human-centric ?
Cela signifie concevoir la relation entre les personnes et la technologie à partir du résultat que nous voulons obtenir et de la valeur que nous devons préserver. Cela ne suppose pas qu’une personne doive toujours intervenir, ni que tout ce qui est techniquement automatisable doive être automatisé.
