Est-il suffisant de mesurer la maîtrise de l’IA à l’ère de l’IA ?

Au cours des derniers mois, les discussions autour de la maîtrise de l’IA, de la culture de l’IA, de l’intelligence numérique et de la capacité à collaborer efficacement avec l’IA se sont considérablement multipliées. Les organisations tentent de répondre à une question tout à fait légitime : « Comment savoir qui sera performant dans un environnement de travail où l’IA occupe une place prépondérente ? »

À première vue, cela ressemble à une question portant sur les compétences en IA. Et c’est en partie le cas. Les entreprises recherchent des collaborateurs capables d’utiliser efficacement les outils d’IA, de comprendre leur fonctionnement et de les intégrer de manière responsable dans leur travail quotidien. Mais ces compétences constitueront-elles les facteurs de différenciation durables qui aideront les entreprises à prédire qui seront leurs meilleurs éléments dans plusieurs années ?

Chez Talogy, nous pensons que le marché risque de simplifier à l’excès le problème au sujet de l’adoption de l’IA. À l’heure actuelle, de nombreuses entreprises abordent les compétences en IA de la même manière qu’elles aborderaient n’importe quelle nouvelle vague technologique à ses débuts : elles identifient la nouvelle technologie, évaluent le niveau de familiarité avec celle-ci et partent du principe que cette familiarité est un indicateur de réussite pour la suite. Cela fonctionne pendant un certain temps, mais dans de nombreux cas, les indicateurs de performance les plus durables s’avèrent être les capacités humaines sous-jacentes qui permettent aux individus de s’adapter en permanence à mesure que la technologie évolue autour d’eux.

Qu’est-ce que la maîtrise de l’IA ?

D’une manière générale, la maîtrise de l’IA désigne la capacité d’une personne à comprendre et à utiliser les outils et technologies d’IA. Elle peut souvent inclure :

• Des connaissances en IA et une bonne maîtrise des outils
• Aisance et confiance dans l’utilisation de l’IA
• La capacité à rédiger des prompts
• La compréhension des limites et des risques liés à l’IA
• La fréquence d’utilisation de l’IA dans le cadre professionnel

La plupart des modèles actuels d’évaluation de la maîtrise de l’IA tentent essentiellement de répondre à une question relativement simple : « Cette personne est-elle capable d’utiliser efficacement l’IA ? » Là encore, ce n’est pas un point de départ déraisonnable. Les organisations ont absolument besoin de collaborateurs capables d’utiliser ces technologies de manière productive et responsable, l’IA devenant un élément clé des flux de travail efficaces. Mais s’arrêter là pose quelques problèmes.

Le problème lié à la seule mesure de la maîtrise de l’IA

Le premier problème réside tout simplement dans le rythme du changement. Les technologies d’IA évoluent à une vitesse extraordinaire. Les interfaces évoluent. Les cas d’utilisation se multiplient. Les flux de travail changent. Dans certains cas, des outils entiers deviennent obsolètes en quelques mois. Cela pose un problème pour les modèles de compétences étroitement définis, liés de trop prêt à la connaissance d’outils spécifiques ou d’interfaces actuelles.

Mais il existe un autre problème qui pourrait s’avérer plus important encore. De nombreuses compétences techniques finissent par ne plus permettre de différencier les performances. Au début de l’adoption, les connaissances techniques ont souvent leur importance, car certaines personnes y sont exposées et d’autres non. Mais avec le temps, les organisations améliorent les compétences de leurs collaborateurs, les systèmes deviennent plus faciles à utiliser, les interfaces sont plus intuitives et le niveau de compétence de base devient plus facile à acquérir. Une fois que tout le monde a atteint un niveau de compétence fonctionnel, la valeur prédictive de la compétence elle-même commence souvent à décliner.

Pensez à l’évolution des compétences liées à Microsoft Office. Il fut un temps où les organisations se souciaient de savoir si les collaborateurs maîtrisaient Word, Excel ou PowerPoint, et cela permettait de véritablement distinguer les candidats. Si vous saviez créer un tableau croisé dynamique, mettre en forme un document de manière professionnelle ou créer une présentation, vous étiez considéré comme possédant des compétences différenciantes.

Mais au fil du temps, à mesure qu’Office est devenu la norme dans presque tous les lieux de travail et qu’il était enseigné un peu partout, ces compétences ont cessé d’être un indicateur de performance. Elles sont devenues une attente de base. Aujourd’hui, savoir utiliser ces outils ne permet pas de déterminer qui est susceptible de réussir. Cela indique simplement qui répond aux exigences minimales pour évoluer dans un environnement de travail d’aujourd’hui.

Il en va de même pour de nombreux tests de connaissances techniques, et nous pensons que la maîtrise de l’IA pourrait évoluer de la même manière. Très honnêtement, un nouveau collaborateur raisonnablement compétent peut souvent se familiariser avec les outils d’IA privilégiés par une organisation en quelques jours ou semaines. Une fois que tout le monde dispose d’un accès et d’une formation similaires, il ne reste peut-être plus beaucoup de variance significative dans ce critère. Et en science de la sélection, les critères sans variance significative cessent généralement de prédire quoi que ce soit.

Pourquoi la dextérité numérique prend de plus en plus d’importance au fil du temps

Chez Talogy, nous pensons que la dextérité numérique constitue un fondement plus durable et orienté vers le futur. La dextérité numérique ne se résume pas à la question « Savez-vous utiliser cet outil d’IA ? », mais porte davantage sur la capacité à s’adapter efficacement aux évolutions technologiques.

Cela concerne des capacités telles que :

• Agilité d’apprentissage
• Adaptabilité
• Expérimentation
• Aisance face à l’ambiguïté
• Évaluation critique des résultats
• Intégration de la technologie dans les process de travail

Ces capacités restent pertinentes même si les technologies elles-mêmes évoluent. Et cette distinction est importante, car le monde du travail de demain ne récompensera très certainement pas la maîtrise d’une interface d’IA spécifique. Les outils continueront d’évoluer trop rapidement pour cela.

Ce qui fera peut-être la différence sur le long terme, c’est la capacité d’une personne à apprendre en continu, à s’adapter et à collaborer efficacement avec les technologies au fil du temps. En ce sens, la dextérité numérique pourrait finalement s’avérer être un indicateur à long terme bien plus fiable que la simple maîtrise d’une IA spécifique.

Alors, quelle place occupe la maîtrise de l’IA ?

Il est important de préciser que nous ne prétendons pas que la maîtrise de l’IA soit sans importance. Loin de là. Les organisations doivent absolument se soucier de savoir si leurs employés sont capables d’utiliser l’IA de manière efficace et responsable sur leur lieu de travail. Cette capacité est importante et le restera.

Nous considérons simplement la maîtrise de l’IA comme faisant partie d’un écosystème de compétences plus large, plutôt que comme une fin en soi. La maîtrise de l’IA peut constituer un indicateur important au sein d’un ensemble plus vaste de compétences qui influencent l’efficacité dans les environnements de travail basés sur l’IA. En d’autres termes : la maîtrise de l’IA est peut-être nécessaire, mais elle n’est probablement pas suffisante à elle seule.

Le changement majeur : optimiser la collaboration entre l’humain et l’IA

Voici un exemple que j’utilise souvent en dehors du domaine de l’IA : pensez aux chefs de projet. La plupart des aspects techniques de leur métier – les logiciels, la compréhension des flux, le respect de méthodologies spécifiques – s’apprennent. On peut apprendre à mettre à jour le planning d’un projet, à animer une réunion d’état d’avancement ou à utiliser des outils tels que Teams, Asana ou Jira. Mais ce ne sont pas ces éléments qui distinguent un chef de projet moyen d’un excellent chef de projet.

Ce qui détermine réellement qui obtient des résultats constants, ce sont des éléments tels que la capacité à instaurer la confiance entre les équipes, à gérer les conflits et à maintenir la cohésion lorsque les priorités changent. Ce sont là les compétences transférables qui déterminent les résultats et qui sont bien plus difficiles à enseigner.

En d’autres termes, ce sont les capacités humaines sous-jacentes qui, à long terme, permettent de prédire les performances de manière plus fiable que les compétences purement  techniques elles-mêmes. Nous pensons qu’il y a là une leçon importante à tirer pour le travail assisté par l’IA.

C’est vers cela que, selon nous, le débat doit finalement s’orienter. Historiquement, les organisations ont considéré la performance comme quelque chose que les individus produisent de manière indépendante. Mais de plus en plus, la performance au travail résulte de l’interaction entre les humains et les systèmes d’IA. Cela modifie ce sur quoi nous devons porter notre attention.

À l’avenir, la question ne sera peut-être plus simplement « Cette personne sait-elle utiliser l’IA ? », mais plutôt « Avec quelle efficacité cette personne travaille-t-elle au sein d’un système assisté par l’IA ? ». Nous nous concentrerons sur les qualités proprement humaines qu’une personne apporte au système pour stimuler la performance des collaborateurs. Il s’agit là d’une question bien plus vaste et dynamique.

C’est là l’idée générale qui sous-tend notre réflexion sur la collaboration entre l’humain et l’IA. L’objectif n’est pas seulement d’identifier qui est capable d’utiliser les outils d’IA actuels. Il s’agit de mieux comprendre les capacités humaines qui seront le moteur d’une performance efficace à mesure que les systèmes de travail basés sur l’IA continuent d’évoluer.

L’avenir de la maîtrise de l’IA au travail

À court terme, les organisations ont naturellement besoin de solutions concrètes dès aujourd’hui. Les évaluations de maîtrise de l’IA et de préparation à l’IA continueront probablement à jouer un rôle important, alors que les organisations s’efforcent de mieux cerner les capacités de leurs effectifs dans ce domaine. Mais nous nous attendons à ce que le marché arrive rapidement à maturité.

Le débat s’éloignera probablement des mesures statiques de familiarité avec l’IA pour s’orienter vers :

• L’adaptabilité
• La capacité d’apprentissage
• La collaboration entre l’humain et l’IA
• La performance dynamique
• Organisation des équipes au sein des systèmes assistés par l’IA
• Schémas de réflexion et de comportement qui se développent avec l’utilisation continue de l’IA et influencent les résultats

En d’autres termes, les organisations qui abordent cette question de manière pertinente ne se contenteront pas d’identifier qui est capable d’utiliser l’IA aujourd’hui. Elles répondront à la question la plus importante : qui sera capable de continuer à évoluer efficacement aux côtés de l’IA demain ?