Les pilotes d'IA échouent rarement à cause de la technique. Ils échouent sur ce que les personnes peuvent, osent et savent faire. Une organisation peut disposer d'excellentes données et d'une infrastructure solide et pourtant s'enliser, parce que personne ne sait vraiment ce que l'IA fait et ne fait pas, quand la méfiance est justifiée et quand elle ne l'est pas, et qui a quel rôle lorsqu'un modèle fournit quelque chose qu'un humain doit évaluer. Cette page traite de cette dimension : les personnes et les compétences, l'une des sept dimensions que la mesure de maturité de hybridresourcing cartographie.
Les personnes et les compétences concernent trois couches souvent traitées séparément alors qu'elles sont liées entre elles. La première couche est la connaissance : les collaborateurs comprennent-ils ce que fait un système d'IA, où se situent les limites et quelles erreurs sont typiques pour le type d'application qu'ils utilisent. La deuxième couche est la compétence : les personnes sont-elles réellement capables d'évaluer un résultat de l'IA, de l'ajuster ou de le confronter à leur propre jugement. La troisième couche est l'attitude : y a-t-il de la place pour essayer l'IA, signaler des erreurs et corriger le cap, ou bien la frilosité ou la confiance aveugle dominent-elles. Une organisation qui investit uniquement dans des formations sans s'attaquer à l'attitude reste souvent bloquée au même niveau, même après des années de cours.
Comme cette dimension dépend fortement des individus, hybridresourcing ne la mesure pas avec un seul score mais avec un tour de positionnement : plusieurs personnes concernées notent séparément, et la dispersion entre leurs réponses devient visible. Une forte dispersion est déjà en elle-même un résultat. Elle montre que l'organisation semble avoir un seul niveau sur papier, alors que le terrain vit les choses différemment de la direction.
Au niveau baseline, il n'existe aucune vision partagée de ce qu'est l'IA ou de ce qu'elle fait. Des personnes isolées expérimentent, mais il n'y a ni langage commun ni structure pour partager l'expérience. Au niveau foundation, une connaissance de base est présente, généralement au sein d'un groupe restreint, tandis que le reste de l'organisation suit à distance. Le niveau activation signifie qu'une partie substantielle des collaborateurs concernés sait ce que l'IA signifie pour leur propre travail et peut s'en servir de manière pratique. Le niveau insight ajoute que les personnes sont capables d'évaluer de façon critique les résultats de l'IA et savent quand il faut douter. Au niveau intelligence, cette compétence est répandue dans toute l'organisation, ancrée dans la façon de travailler des personnes, et ne dépend plus de quelques précurseurs.
La position d'une organisation sur cette échelle n'est jamais une question d'intuition. Elle dépend du nombre de personnes qui travaillent réellement avec l'IA, de la diversité de leurs expériences et du fait que ces expériences se rejoignent ou non. C'est précisément pour cela que le tour de positionnement apporte plus qu'une enquête avec un seul répondant par équipe.
Certains signaux indiquent un niveau faible. Si les questions sur l'IA aboutissent toujours chez les mêmes quelques personnes, la connaissance n'est pas répartie. Si personne n'ose rejeter un résultat de l'IA parce qu'on ne connaît pas la logique qui le sous-tend, la compétence d'évaluation fait défaut. Si des projets d'IA sont lancés sans que les personnes qui devront travailler avec ne soient impliquées, l'adhésion nécessaire pour dépasser la phase pilote fait défaut.
Un niveau plus élevé se reconnaît à l'inverse : des discussions sur les résultats de l'IA qui portent sur le contenu plutôt que sur des principes, des collaborateurs qui proposent eux-mêmes où l'IA peut ou ne peut pas aider, et une organisation où le doute face à un résultat de l'IA est considéré comme une partie normale du travail, et non comme un signe d'échec du projet.
Le chemin vers un niveau supérieur commence rarement par plus de technique. Il commence par rendre visible ce que les personnes savent déjà et où se situent les lacunes, et par organiser des moments où l'expérience est partagée plutôt que de rester isolée dans des expérimentations individuelles. Ce que cela coûte concrètement, en temps et en attention, varie fortement selon l'organisation et le niveau de départ ; qui souhaite une indication à ce sujet la trouvera sur la page qui calcule ce que coûte le fait de faire monter une organisation d'un niveau.
Les personnes et les compétences ne sont d'ailleurs pas isolées des autres dimensions. Qui veut évaluer l'IA doit aussi comprendre comment cette évaluation est consignée et utilisée, ce qui touche à la maturité de la gestion de la performance en matière d'IA. Qui veut oser signaler des erreurs doit savoir que la confidentialité et la sécurité sont en ordre, ce qui rejoint ce que coûte le fait de faire monter la confidentialité et la sécurité d'un niveau. Et qui veut instaurer la confiance dans les résultats de l'IA se heurte tôt ou tard à des questions liées à ce que coûte le fait de faire monter l'éthique d'un niveau.
Cette page décrit si les personnes de votre organisation peuvent porter l'IA : comprendre, évaluer et corriger. Elle ne décrit pas quelle part du travail peut elle-même être reprise par l'IA. C'est une autre question, avec un autre instrument. Le scan de travail de FTE TO AI calcule, tâche par tâche, quelle part du travail se prête à l'IA, en fonction de la nature de la tâche et du contexte dans lequel elle est exécutée. Ce résultat n'a de sens que lorsque le côté porteur, y compris les personnes qui doivent travailler avec les résultats, a déjà atteint un certain niveau. Qui souhaite savoir où se situe l'organisation à ce jour peut s'inscrire sur la liste d'attente de la mesure de maturité, actuellement en cours de développement.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.