Un workforce leader — souvent responsable de la planification des effectifs, de la gestion des capacités ou du lien entre les RH et le business — voit l'IA atterrir sur son bureau sans que personne n'ait expliqué au préalable ce que cela signifie pour les effectifs. La demande vient du haut : moins de recrutement, d'autres profils, une capacité à évoluer plus flexible. Le workforce leader doit y répondre alors qu'il ne sait pas lui-même si l'organisation dispose des conditions nécessaires pour tenir cette réponse.
La question n'est pas de savoir si l'IA touche les fonctions. Cette question a déjà été tranchée par d'autres, plus haut dans l'organisation. La question que se pose un workforce leader est différente : sur quelles hypothèses la planification des effectifs est-elle actuellement révisée, et à quel point ces hypothèses sont-elles solides ? Si les scénarios de capacité sont construits sur une promesse de l'IA qui présuppose de bonnes données, une infrastructure fonctionnelle et des équipes capables d'exploiter les résultats, et que ces conditions ne sont pas réunies, alors la planification est erronée. Il ne le constate pas aujourd'hui. Il le constate au moment où le recrutement a déjà été ralenti et où les résultats ne viennent pas.
Un workforce leader qui base sa planification des effectifs sur un effet de l'IA qui ne se produit pas se retrouve seul face à la situation. L'organigramme a déjà été ajusté, les postes ont été gelés — ou au contraire ouverts —, et le business compte sur une capacité qui s'avère absente. Rétablir la situation prend un temps que la planification des effectifs n'a pas — le recrutement a un délai d'exécution, et un manque détecté trop tard ne se comble pas d'un simple geste. Ce risque ne réside pas dans la technologie. Il réside dans l'hypothèse selon laquelle la technologie fonctionne déjà dans une organisation qui n'y est pas encore prête.
Si le workforce leader sait effectivement à quel point l'organisation est mature avant de planifier, sa position change. Il peut distinguer un scénario de capacité réaliste à court terme d'un scénario dépendant de fondations qui restent à construire. Il peut donner au business un calendrier qui tient la route plutôt qu'un calendrier qui espère. Ce n'est pas une garantie de bon résultat, mais c'est une planification qui ne s'effondre pas dès que la première hypothèse ne se vérifie pas.
Ce qu'un workforce leader n'accepte pas, c'est une feuille de route IA qui parle de capacité future sans préciser ce qui doit d'abord être en place. « L'IA remplacera à terme une partie du recrutement » n'est pas un fondement de planification si personne ne peut indiquer si la gestion des données, l'infrastructure IT et la structure organisationnelle y sont déjà prêtes. Il n'accepte non plus aucun chiffre fondé uniquement sur le ressenti d'un sponsor enthousiaste. Ce dont il a besoin, c'est d'une image de la situation réelle de l'organisation, dimension par dimension, avec la dispersion entre ce que différentes personnes de l'organisation en pensent — car cette dispersion constitue en elle-même une information sur la stabilité d'une hypothèse de capacité.
La mesure de maturité de hybridresourcing évalue une organisation sur cinq niveaux — baseline, foundation, activation, insight, intelligence — répartis sur sept dimensions. Les dimensions fondamentales telles que la structure organisationnelle, l'infrastructure IT et la gestion des données précèdent les dimensions dépendantes, non pas par préférence, mais parce que c'est l'ordre dans lequel cela fonctionne : sans infrastructure fonctionnelle ni données fiables, l'IA a peu de matière sur laquelle s'appuyer, quelle que soit la qualité de la structure organisationnelle déjà en place. Lors d'un tour de scoring, plusieurs personnes notent séparément, ce qui permet de voir où l'image de l'organisation converge et où elle diverge. Pour un workforce leader, cette dispersion est souvent le signal le plus utile : une forte dispersion sur la gestion des données signifie que personne n'est certain que les bases sont solides, et ce sont précisément ces bases sur lesquelles reposent les scénarios de capacité.
Cette approche concerne aussi d'autres rôles dans l'organisation, chacun selon son propre intérêt : un CEO à la recherche d'une réponse face à des pilotes IA bloqués, un COO qui doit évaluer la préparation opérationnelle et un CHRO qui veille sur le volet organisationnel de la maturité IA. L'image diffère aussi selon le secteur, comme on peut le voir dans l'état d'avancement du secteur de la construction sur les fondations de l'IA et comment cela se compare à la situation dans le secteur de l'installation.
La mesure de maturité renseigne sur la capacité de portage : cette organisation peut-elle porter l'IA, les fondations sont-elles en place, les données sont-elles en ordre, l'infrastructure est-elle prête. Elle ne dit rien sur la part du travail elle-même qui peut être reprise par l'IA. C'est une autre question, avec un autre instrument. Une fois que l'image de la préparation est établie, l'étape logique suivante est la question qui vient après : quelle part du travail, tâche par tâche, est réellement transférable. C'est ce que calcule le werkscan de FTE TO AI — par tâche, sur la base du contenu même du travail, et non sur la base d'une hypothèse concernant l'organisation dans son ensemble.
La mesure de maturité est en cours de développement. Il n'est actuellement pas possible de commander un rapport, ni de faire venir un consultant pour parcourir les dimensions. Quiconque souhaite utiliser la mesure dès qu'elle sera disponible peut s'inscrire sur la liste d'attente.
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.