Prendre contactUne approche différente
L’approche de « L’IA apporte l’information, l’humain crée la transformation » vient du fait que la plupart des choses que l’on voit aujourd’hui circuler sur Internet portent en grande partie sur des outils toujours plus spectaculaires, des modèles IA toujours plus performants, combinés à un marketing sur les caractéristiques et les possibilités illimitées. L’objectif de cette approche est de mettre en lumière les humains qui utilisent ces outils incroyables mis à notre disposition, en combinant différentes couches et différentes facettes de ce que l’IA peut apporter, aussi bien technologiquement qu’humainement parlant dans une organisation, avec la gouvernance qu’il lui faut, le contexte apporté par les humains qui l’utilisent, les changements qu’elle impose et les processus à mettre en place. Ce qui nous amène à un modèle AIPPC : AI + Process + People + Change.
L’humain
Mettre l’humain au centre vient du fait qu’une IA, aussi performante soit-elle, ne sait pas ce qui compte vraiment pour une entreprise et pour les humains qui la composent. Elle peut chercher, résumer, comparer ou préparer un travail en quelques secondes, mais elle ne prend pas la responsabilité d’une décision face à un client, une équipe ou un partenaire en raison du manque d’empathie et de tout ce qui fait qu’un humain est un humain. Les consommateurs attribuent à l’IA des contenus « trop parfaits », émotionnellement neutres, répétitifs ou artificiels. Nous entrons donc dans un monde où la confiance sera un sujet important et la partie humaine indispensable, car cette responsabilité reste celle des personnes qui dirigent et qui travaillent dans l’entreprise.
Dans une entreprise, une grande partie du savoir-faire n’est écrite nulle part. Elle se trouve dans la tête de quelques personnes, dans leurs habitudes, leurs arbitrages et leur expérience du terrain. Chacun vit dans un monde que ses événements de vie, ses décisions et son environnement ont façonné afin qu’il devienne l’être humain qu’il est aujourd’hui. Si l’on construit un système sans avoir à l’esprit ces différents aspects, on obtient un outil qui ne comprend pas le métier qu’il est censé aider. L’objectif est donc de partir de ce savoir-faire pour le rendre transmissible, et non de le contourner.
C’est aussi pour cela que l’IA n’a pas vocation à remplacer les équipes selon mon point de vue. L’idée est de leur rendre le temps que les tâches répétitives leur prennent chaque jour, pour qu’elles puissent le consacrer à ce qu’aucun outil ne fait à leur place : le jugement, la relation avec les clients et la qualité du travail, le bien-être au travail, mais aussi pouvoir se concentrer sur l’élaboration de meilleures méthodes et/ou de nouvelles sources de revenus pour l’entreprise.
Le modèle
Le modèle AIPPC est venu du constat qu’une transformation IA échoue rarement à cause de la technologie seule. Elle échoue quand l’une des quatre dimensions est oubliée. C’est pour cela que l’IA, les processus, les personnes et le changement sont travaillés ensemble, et jamais séparément. L’approche abordée avec Moonsight est donc basée sur un point de vue holistique du sujet et des organisations, et non sur l’isolement de chaque partie de la situation en silos qui ne communiquent pas et ne s’influencent pas entre eux. On parle aussi ici d’aborder la transformation d’un point de vue systémique.
L’IA est le levier qui permet de changer d’échelle, mais nous parlons aussi de changement de modèle d’entreprise, avec des assistants et des agents capables de préparer, de trier et d’exécuter une partie du travail. Mais son niveau d’autonomie doit dépendre de ce qui est en jeu : plus une action est importante ou difficile à annuler, plus la validation humaine doit être présente.
Brancher une IA sur un processus flou ou mal séquencé revient à produire plus vite les mêmes erreurs et à voir la qualité produite s’amoindrir si le contexte de l’entreprise n’y est pas connecté. Il faut d’abord comprendre comment le travail se fait réellement, qui fait quoi et où le temps se perd. Parfois, la meilleure décision est même de supprimer une tâche plutôt que de l’automatiser. L’objectif ici est de simplifier les process, tout en les industrialisant et en les adaptant au fonctionnement des humains qui les utilisent afin de ne pas rendre le travail rigide, ce qui entraînerait une perte de sens.
Un outil et une skill qui n’appartiennent pas à ceux qui les utilisent ne sont pas utilisés. Les équipes doivent participer à la construction des usages, parce que ce sont elles qui connaissent les exceptions, les priorités et les réalités du terrain. L’IA dans ce modèle est l’extension de l’humain et non l’inverse.
Enfin, l’adoption ne se décrète pas, elle se construit pas à pas avec le soutien en première ligne du dirigeant, qui apporte vision, décision et compréhension. Elle se construit dans le travail quotidien, quand chacun voit concrètement ce que le système lui apporte, ce qu’il change réellement dans le travail, et quand la direction tient ses engagements dans la durée. C’est aussi un état d’esprit à transmettre afin de modeler une entreprise qui dispose d’équipes qui font preuve de flexibilité et d’adaptabilité. Le change management impose d’immerger l’entreprise dans un sentiment de sécurité psychologique afin de faciliter et renforcer notre capacité à désapprendre tout ce que nous avons connu jusqu’à l’heure actuelle avant de réapprendre à travailler avec ces nouveaux outils.
Le contexte
Une IA répond avec ce qu’on lui donne. Un prompt ou son prompt système lui donne une partie de la tâche à effectuer, mais sans le contexte de l’entreprise (ses clients, ses règles, ses exceptions, les personnes qui décident), elle produit des réponses générales qui ne servent pas vraiment le travail. Ce contexte, ce sont les humains qui le détiennent, et c’est pour cela qu’il faut le structurer avec eux.
Exemple illustratif · Recrutement
Prenons l’exemple d’un recruteur qui reçoit 100 CV. Il doit les ouvrir un par un, extraire les informations, les comparer aux postes, identifier les meilleurs profils puis rédiger une synthèse afin d’avoir la meilleure shortlist possible. Avec des règles RGPD strictes et un système ZDR (sans rétention de données) qui connaît les postes, les critères et l’historique de l’entreprise qui recrute, les CV sont reçus, structurés, comparés aux postes, les correspondances sont justifiées, et une liste des profils qui correspondent à ce poste est produite avec justification et les coordonnées du candidat permettant d’enrichir par la suite ce contexte lors d’un appel ou d’un entretien dans le but de comprendre plus en profondeur le candidat, ses attentes, ses envies, comment il travaille et dans quel environnement il se sent le mieux pour exercer son travail. Dans cet exemple, on peut passer de huit heures dans les outils à une heure trente et ramener la majeure partie du métier vers ce qu’il est censé être à l’origine : comprendre et aider les humains dans leur recherche d’un travail épanouissant. L’avantage ici, avec le contexte venant d’un second cerveau, est que le recruteur parle directement à ses données, les données sont sécurisées pour les candidats comme pour l’entreprise et c’est toujours le recruteur qui décide.
Exemple illustratif · Prospection
Autre exemple, un commercial qui fait de la prospection sur le terrain ou par téléphone. Après chaque visite, il garde mentalement beaucoup d’informations, comme par exemple : le dirigeant n’était pas là, il a parlé à Sophie à l’accueil, l’entreprise travaille avec un concurrent dont le contrat se termine en décembre, un deuxième site va ouvrir à Colmar, et il faudrait revenir mardi matin. Le problème, c’est que cette information est riche, mais qu’elle n’est pas structurée et qu’elle reste dans sa tête pour un temps donné. Une partie finira dans le CRM, une autre dans une note, et une autre disparaîtra. Avec un cerveau d’entreprise, il lui suffit de dicter sa note dans une entrée unique, sur son téléphone, et le système transforme cette note brute en connaissances structurées, directement rangées à l’endroit nécessaire pour que le système retrouve cette information et puisse l’exploiter quand cela est nécessaire. L’humain devient la porte d’entrée du système ; l’IA est donc bien ici son extension.
Le leadership
« Le jour où quelqu’un d’autre décide de ce qui reste humain chez vous, ce n’est plus votre entreprise. »
Une transformation IA n’est pas un projet informatique que l’on confie à un prestataire sans intervenir. Elle touche la façon de travailler, de décider et de répartir les responsabilités dans l’entreprise. C’est pour cela que seule la direction peut en fixer le sens, les priorités et les limites. Une transformation de modèle d’entreprise est une co-construction sur le long terme.
Sans implication du dirigeant, le projet s’éteint. Les équipes attendent un signe qui ne vient pas, les priorités sont dispersées, et les premiers efforts restent sans suite. Une transformation tient quand trois conditions sont réunies, lorsque l’on a un résultat mesurable, porté par la direction et adopté par les équipes.
Une entreprise ne va pas spécialement recruter un responsable de l’IA. Elle a pourtant besoin de quelqu’un qui choisit les priorités, qui encadre les risques et qui mesure la valeur. Dans ce cas, c’est alors au dirigeant qu’il incombe de prendre lui-même ce rôle, en étant accompagné, plutôt que de recevoir un rapport qu’il ne pourra pas faire vivre.
L’utilité
« Il me faut 100 Agents. » Ce mythe des 100 Agents est ce qui freine l’adoption de l’IA dans les entreprises. Moonsight fait le pari d’inclure l’humain au centre en construisant avec les personnes qui l’utilisent, leur système et leurs agents personnalisés.
L’utilité réelle et l’autonomie priment sur une solution plus complexe ou plus coûteuse. La bonne solution n’est pas celle qui impressionne, c’est celle qui répond à un travail précis et que l’équipe peut faire vivre elle-même, sans dépendre en permanence d’un intervenant extérieur. C’est aussi une solution qui est évolutive avec le travail des personnes qui composent l’entreprise.
Et comme chacun de nous évolue à des rythmes différents, un système repose sur une notion essentielle : la confiance. Elle ne se décide pas, elle évolue dans le temps avec la maturité de l’entreprise et avec la capacité de chacun à intégrer l’IA dans son quotidien. C’est ce que j’appelle l’échelle de confiance, et elle compte 4 niveaux :
Un premier système démarre aux niveaux 2 et 3. On ne monte d’un niveau que lorsque la fiabilité du résultat a été constatée par sa rapidité mais également par sa qualité, et jamais plus vite que les personnes qui l’utilisent.
Cela veut aussi dire que les outils, les données et les connaissances restent la propriété de l’entreprise. Une solution utile qui s’adapte au travail de chacun n’empêche pas de protéger les données de ses clients et les siennes. C’est pourquoi il est aussi important d’avoir un système agnostique qui n’enferme pas votre intelligence dans des écosystèmes IA préfabriqués, afin de bénéficier également d’un système sans rétention de données (ZDR).
Cette utilité au service de l’humain ne peut pas être construite à la base sans une gouvernance mettant en place la validation des actions importantes par une personne identifiée, et où il est toujours possible de reprendre la main. Enfin, ce qui n’est pas mesuré avant ne peut pas être prouvé après : chaque étape s’appuie sur ce que l’on observe dans le travail réel, et non sur une promesse.
Conclusion
Les outils vont continuer d’évoluer, et souvent plus vite que les organisations. Ce qui fera la différence ne sera pas d’avoir accès à l’IA, puisque tout le monde y aura accès, mais d’être capable de la relier au savoir-faire, aux processus et aux équipes de l’entreprise. Le travail aujourd’hui en entreprise doit changer, et je suis convaincu que chaque entreprise devra se transformer afin de pouvoir créer un avantage concurrentiel qui lui est propre, et qu’à leur façon, elles deviendront des écosystèmes uniques où chaque personne pourra se retrouver dans les valeurs qu’elles portent et dans les émotions qu’elles nous procurent.