Des fantasmes entourent l’intelligence artificielle. Le concept est très clivant : comment l’expliquez-vous ?
En fait, il faut se poser les bonnes questions : pourquoi l’IA se développe-t-elle aussi vite dans nos organisations ? L’une des raisons en est tout simplement qu’elle nous aide à dompter la complexité de notre environnement et qu’elle nous permet de nous adapter collectivement à un monde qui se transforme de plus en plus vite.
L’IA est à la croisée de multiples chemins : la reconnaissance de textes, de la voix, des visages, des émotions ; la capacité à extrapoler des données et d’en déduire des cheminements, d’être prédictifs sur certains domaines et, plus récemment encore de générer des textes, des images, des contenus. Forcément, quand on parle d’IA, il y a une myriade de possibles, et, forcément, dans l’imaginaire, cela ne se matérialise pas de la même façon. Dans ce domaine, chacun est tenté d’expérimenter des choses. La détection, par exemple dans les espaces publics, est l’un usage qui peut être assez effrayant et dont les dérives sont évidentes. Il est nécessaire cependant de distinguer la réalité du fantasme et, dans le domaine du réel, de porter toute notre attention sur ce qui est souhaitable, et pas seulement sur ce qui est possible. Entre les deux, il y a le cadre éthique, la réglementation et les limites managériales que l’on se fixe.
Ces limites restant floues, la « peur de perdre le contrôle » est donc bien légitime…
L’IA, déjà, c’est un algorithme ou un modèle mathématique conçu pour imiter la façon dont les humains pensent et résolvent des problèmes. Cet algorithme est entraîné sur la base de millions d’enregistrements de données pour produire les prédictions le plus précises possible. Plus on le « nourrit », plus on le « corrige », plus il apprend et devient conforme et précis. Donc ce n’est pas figé, c’est un produit qui, lui-même, est évolutif.
Il y a déjà une première inquiétude : qui va nourrir cet algorithme ? Ces données seront-elles le reflet de ce que l’on souhaite ou de ce que l’on a fait dans le passé ? Je vous donne un exemple concret : dans une entreprise où des cadres masculins étaient davantage recrutés que des femmes, si on alimente l’algorithme de l’IA avec ce type d’historique, celle-ci va considérer que le critère « être un homme » est plus favorable pour obtenir la position de manager. Le premier biais de l’IA est donc directement lié à l’historique des données. Deuxième réticence : une fois que cette IA s’est formée, elle produit des réponses, mais le raisonnement concernant celles-ci n’est pas analysable ni explicable. Cet effet black box a pendant très longtemps été l’un des freins majeurs, car la réponse était produite avec un taux de fiabilité, certes très bon, mais sans que l’on puisse dire pourquoi il l’était et selon quel critère. La troisième réticence est liée à l’impact que l’IA pourrait avoir sur notre travail, sur notre place d’être humain, sur notre collaboration possible dans un monde où elle travaillerait à nos côtés. C’est clairement la peur d’être cannibalisé par ce type de solutions, d’observer des dérives éthiques ou morales qui risqueraient de porter atteinte au socle de confiance que nous développons entre êtres humains.
Chez Oracle, nous avons réalisé une étude, avec Odoxa, pour discerner les usages acceptés ou non dans le domaine des RH. Nous avons détecté trois catégories d’usage de l’IA : dans le premier cas, ceux qui apportent une forme d’augmentation des capacités humaines sur les tâches répétitives et à faible valeur ajoutée. L’IA peut prendre en charge ces tâches qui nous semblent rébarbatives, et, dans ce cas, le taux d’acceptation est de l’ordre de 70 % des sondés. Le second domaine est celui du matching. Le matching, c’est quoi ? La mise en correspondance d’une offre avec une demande, avec un ratio d’adéquation plus ou moins élevé. Je viens avec une liste d’informations personnelles concernant mon profil, mes souhaits, et l’IA va me faire des suggestions de carrière ou de formation, par exemple. Dans notre étude, nous avons eu un retour mitigé sur ce type d’usage. Ce qui se joue, c’est le deal : est-ce que je suis prêt à me dévoiler davantage pour accéder plus rapidement à des suggestions qui me sembleraient pertinentes ? Nous ne sommes pas tous prêts à cela pour le moment. Troisième point : on laisse l’IA autonome, dans un certain périmètre, pour évaluer le niveau de performance d’un collaborateur ou pour prendre une décision RH importante. Et là, la majeure partie des personnes sondées expriment leur réticence et ne veulent pas être tributaires de l’IA dans un périmètre qui impacte directement les collaborateurs.
En quoi l’IA peut-elle permettre aux RH de se libérer de leurs tâches dites techniques pour se recentrer sur la dimension humaine du poste, voire pour réévaluer le périmètre RH ?
Nous évoluons dans un contexte où les candidats et les collaborateurs ne souhaitent plus seulement avoir un job, mais plutôt vivre une expérience professionnelle qui soit engageante, épanouissante, personnalisée.
De leur côté, les DRH n’ont jamais eu accès à autant d’informations personnelles, administratives, qualitatives liées à la performance, aux appétences, aux souhaits, à la rémunération des collaborateurs. Ces données sont malheureusement souvent disjointes et difficiles à réconcilier. L’enjeu est donc immense pour une direction RH qui, à effectifs constants, doit préserver l’équité, offrir cette flexibilité attendue par les collaborateurs, ou ce niveau de synthèse nécessaire aux managers pour prendre des décisions éclairées concernant leur équipe. On pourrait qualifier ce contexte de perfect storm pour l’IA. Si tant est qu’une organisation entreprenne les efforts suffisants pour normaliser ses référentiels de données RH, ce que l’on dénomme souvent le CoreHR (organisation, métiers, compétences, sites, hiérarchie, etc.), alors s’ouvre un champ immense d’usages de l’IA en soutien des RH, des managers et des employés. Les usages les plus évidents vont des suggestions de mise à jour des profils des collaborateurs à la détection de compétences, suggestions de formation ou de mentor. Du côté des managers, l’IA peut aider à accéder aux bonnes informations, consolidées lors d’étapes importantes, comme les promotions ou l’attribution d’augmentations salariales ou de bonus, afin de favoriser la rémunération de la performance, l’équité, l’inclusion, par exemple.
Du côté des RH, des usages comme l’automatisation ou l’accélération de la création des réponses aux demandes RH dans le centre de services partagés, l’accès à l’assistant digital pour consulter des compteurs de temps, de congés, ou la génération de reporting et des commentaires automatiques de ces reportings, ou encore l’analyse de textes (comme les raisons de départ des collaborateurs) sont autant d’outils qui améliorent la productivité et permettent de dégager du temps destiné à l’échange, à la stratégie et à la prise de décision.
Vous faites bien la différence entre « IA forte » et « IA faible »…
L’IA faible ne sait traiter que ce pour quoi elle a été conçue. L’IA forte est l’IA capable de s’adapter à des situations nouvelles, d’élaborer des solutions complexes. C’est l’IA telle que vous l’imaginez dans les films de science-fiction. C’est le fantasme absolu d’une machine qui se comporterait comme un être humain. L’IA forte n’en est qu’à ses balbutiements, notamment dans le domaine des jeux en ligne quand on affronte des « joueurs IA », mais aussi dans les robots ou les voitures autonomes, où de multiples sources d’information doivent être analysées dans des contextes renouvelés sans cesse. Ou encore dans des formes avancées de chat et de génération de texte, ChatGPT par exemple. Même si cette IA forte donne le sentiment d’approcher une forme de conscience, nous en sommes très loin, et il n’y a aucune IA forte qui concerne le domaine des RH aujourd’hui.
Qu’est-ce que l’IA peut apporter à l’expérience collaborateur ou à l’expérience candidat ?
Dans son rapport au collaborateur, devenant un client interne, le monde RH s’est de plus en plus inspiré des approches historiques du marketing. La notion de marketing RH est même assumée. La création du concept de marque employeur en est un autre exemple. L’employee experience s’impose, comme la customer experience (CX) avant elle. Les analogies sont évidentes. Les outils utilisés côté CX le sont côté RH désormais. Pour suivre l’analogie, et pour faire face à la pénurie de talents et à la difficulté à attirer les candidats, nous avançons désormais vers une notion de nurturing, qui consiste à « nourrir » le candidat, parfois encore passif, avec des informations ciblées qui vont l’aider à développer de l’intérêt pour l’entreprise. Ces approches RH sont en fait réalisées avec les mêmes outils que ceux utilisés en marketing pour alimenter des prospects qui deviendront de futurs clients et le vocabulaire peut être lui-même transposé : on parle de campagne, de pipe, de conversion, etc. L’IA, dans ce contexte, se révèle particulièrement utile et efficace pour automatiser la sélection et l’envoi des contenus vers les candidats, au bon moment pour eux.
Vous pouvez aussi imaginer que les outils qui permettent d’analyser les sentiments des consommateurs, qui scrutent leurs avis en texte libre, ceux utilisés par des marques pour cibler leurs acheteurs, par exemple, sont aujourd’hui utilisés dans le domaine RH pour exploiter les informations issues des entretiens annuels ou professionnels.
Les analogies entre les mondes RH et CX sont aussi visibles dans la gestion des compétences…
Pour la première fois dans les sondages, le sujet de l’identification des compétences est devenu la priorité #1 des RH, devant même la recherche de productivité et de performance. Or, depuis des années, la gestion prévisionnelle des emplois et des compétences se confrontent à l’obsolescence extrêmement rapide des référentiels de métiers et de compétences qui prennent des années à construire. Ce phénomène s’est accentué avec la réduction progressive de la durée de vie moyenne des compétences, aujourd’hui estimée à deux ans par l’OCDE. La plupart des projets de cartographie de compétences ont ainsi échoué face à l’ambition d’être exhaustif, ou lors des phases d’adoption et de déclaration des profils par de collaborateurs débordés par des listes infinies de compétences référencées. Cela crée un terrain de jeu intéressant pour l’IA, car elle répond à cet enjeu à deux niveaux : l’accélération de la création d’un référentiel de compétences et le matching. Chez Oracle, par exemple, nous avons compilé des millions d’enregistrements de données publiques, concernant des CV, des postes à pourvoir, des missions, des référentiels de compétences publiques et nous en avons déduit un référentiel de 130 000 compétences et de 16 000 postes déclinés en compétences requises. Sur cette base, le client peut personnaliser le référentiel pour l’adapter à sa culture propre, à ses métiers. Dans la seconde étape, le matching, on va consommer les contenus individuels des collaborateurs, des postes, des formations, et on va les faire correspondre avec les compétences identifiées. L’IA les soumet au collaborateur, et ce dernier décide s’il détient ou souhaite développer cette compétence, et déclare éventuellement son niveau. Cette approche permet d’obtenir le meilleur compromis entre la préservation de la culture de l’entreprise, la capacité du collaborateur à garder la main sur ce qu’il déclare, tout en bénéficiant de l’accélération et de l’évolutivité du référentiel offerte par l’IA.
Quelle place l’IA occupe-t-elle dans le domaine de la formation ?
La connexion que l’on peut faire avec le sujet des compétences, la mobilité et l’évolution de poste, là où l’IA peut vraiment apporter de l’aide, c’est tout ce travail de matching, de mise en relation d’un besoin reconnu et exprimé avec une ressource disponible, qu’elle soit matérielle ou autre. Dans la formation, l’une des grandes difficultés que l’on peut avoir côté RH, c’est de mettre à disposition des collaborateurs l’ensemble des formations du catalogue dans un format accessible. L’IA peut justement suggérer, parmi des milliers de sessions, de contenus, la dizaine de modules les plus pertinents par rapport à des objectifs de développement exprimés, et ce, même si l’information a été saisie en dehors du module formation, durant l’entretien de performance par exemple. L’IA peut aussi être utilisée pour analyser la progression d’un collaborateur dans l’assimilation de certaines connaissances afin de cadencer les bons contenus.
Pour reprendre l’exemple du marketing, il y a ce moment assez agaçant, où vous consultez en ligne votre magazine préféré et où surgit une suggestion d’achat qui correspond à une recherche effectuée quelques minutes plus tôt… C’est ce qui pourrait être irritant dans l’IA…
Cette notion d’« explicabilité », de lisibilité pour l’être humain de la raison pour laquelle l’IA me fait telle suggestion est capitale. Ainsi lorsqu’on suggère une compétence dans le profil d’un collaborateur, on indique en sous-titre : « parce que les collaborateurs ayant le même profil que vous déclarent cette compétence » ou « parce que vous avez actuellement tel poste »… Ces explications facilitent l’acceptation et ramènent l’IA à sa force de calcul et de synthèse des multiples sources de données, en limitant l’irritation liée au sentiment de perte de contrôle.
Quels sont les travers que l’on peut imaginer ?
C’est clairement le côté normatif de l’IA, car elle fonctionne bien pour identifier des archétypes puis proposer des suggestions à un profil en fonction de son niveau de correspondance avec un archétype. Cela peut avoir un effet normatif en poussant des profils très divers vers des contenus devenus normés ou stéréotypés. L’IA vous ramènera souvent sur le chemin le plus emprunté. Or la richesse humaine, c’est aussi sa diversité, son originalité, sa créativité face des situations nouvelles. Pousser les collaborateurs vers des profils normés serait prendre le risque de vulgariser un mode de pensée convenu. Or l’IA n’est pas très efficace pour gérer des approches hétérogènes ou des profils atypiques.
Il faut donc être vigilant pour continuer à promouvoir les parcours atypiques, les croisements de compétences et d’expériences, l’esprit critique, et notre capacité à sortir des sentiers battus…
Quelles sont les applications avant-gardistes de l’IA appliquée aux RH ?
Les champs d’utilisation sont innovants dans la partie reconnaissance faciale, analyse des comportements, de l’état émotionnel, ou encore dans l’analyse automatique du niveau de langue des collaborateurs. J’imagine qu’à l’avenir ce qui se développera aussi ce sont les assistants digitaux, un peu plus experts que les chabots, qui ont des possibilités limitées. Vous pourrez probablement leur demander une multitude d’actions. Chaque collaborateur pourrait avoir son assistant pour écrire un e-mail, obtenir une information, réaliser une recherche, une analyse. Suivons de près les usages émergents autour de ChatGPT, la fameuse application de chat boostée à l’IA, ils seront certainement précurseurs de ce que nous verrons en entreprise.
Certains usages de l’IA sont prometteurs mais sont-ils tous souhaitables ?
L’IA augmente le potentiel des organisations humaines et leur vitesse d’exécution, de développement, de collaboration. Ses capacités et ses usages s’accroissent jour après jour. Mais l’IA nous met aussi devant nos responsabilités quant aux risques de dérive sur le plan éthique et moral. Il est donc de notre responsabilité collective d’établir un cadre réglementaire qui conditionne les usages, définisse les limites et les droits, avant que nous ne tombions dans une escalade portée par la seule recherche d’efficacité ou de compétitivité.
Ce n’est pas une tâche aisée, mais c’est le grand enjeu des organisations humaines du début du XXIe siècle.
