Comment faire de l’IA un levier de développement des compétences ?
Nous associons le plus souvent l’intelligence artificielle au sujet de l’automatisation. Quelles tâches peut-elle prendre en charge ? Quels processus peut-elle accélérer ? Quels gains de temps peut-elle permettre ? Ces questions sont légitimes. Elles ne devraient pourtant pas occulter un autre potentiel de l’IA, particulièrement important pour les RH : celui du développement des compétences.
Le développement des compétences est un enjeu crucial pour les entreprises. Évolution des métiers et des modèles économiques, transformations technologiques, nouvelles attentes des clients, tensions sur certaines expertises : les organisations doivent en permanence faire évoluer les savoir-faire dont elles disposent.
L’arrivée de l’IA ne crée donc pas cet enjeu. Elle constitue une transformation supplémentaire à laquelle les entreprises doivent s’adapter, mais elle offre surtout de nouvelles possibilités pour répondre à une question beaucoup plus large : comment permettre aux collaborateurs d’apprendre et de progresser plus efficacement dans leur travail ?
C’est ce potentiel qu’il faut aujourd’hui davantage explorer.
Les compétences se développent d’abord dans le travail
Une compétence se construit principalement par la pratique. C’est notamment ce que rappelle le modèle 70-20-10 : l’essentiel du développement professionnel provient des expériences vécues dans le travail, complétées par les interactions avec les autres et par la formation formelle.
On apprend en faisant : en essayant, en rencontrant une difficulté, en observant les effets de son action, en bénéficiant d’un retour, puis en ajustant sa pratique. Le développement des compétences repose donc largement sur la multiplication de ces boucles d’apprentissage.
Or l’une des difficultés bien connues dans les organisations tient précisément à la capacité à fournir du feedback au moment où la compétence est mobilisée. Un manager ne peut pas accompagner chacun de ses collaborateurs dans chaque situation professionnelle. Un formateur intervient ponctuellement. Un collègue expérimenté n’est pas toujours disponible lorsqu’une difficulté se présente.
C’est ici que l’IA ouvre des possibilités particulièrement intéressantes : elle peut apporter un retour immédiat et contextualisé, directement dans une situation réelle de travail.
Un manager prépare un entretien difficile. Plutôt que de demander à l’IA de rédiger ce qu’il doit dire, il peut lui soumettre son approche, lui demander de jouer le rôle du collaborateur, de formuler des objections ou de pointer les formulations susceptibles de provoquer une réaction défensive.
Un commercial prépare une négociation. L’IA peut simuler son interlocuteur, faire varier ses objections, challenger les arguments préparés et l’obliger à adapter sa stratégie.
Un recruteur peut confronter son analyse d’une candidature à l’IA et lui demander quels critères lui semblent insuffisamment étayés ou, au contraire, surpondérés.
Un chef de projet peut tester la robustesse de plusieurs scénarios avant de formuler sa recommandation.
Dans tous ces exemples, l’IA ne se contente pas de fournir un résultat. Elle permet au collaborateur de s’entraîner, d’obtenir un feedback, d’ajuster sa pratique et de recommencer.
Nous pensons encore principalement l’IA comme une technologie d’automatisation. Il faut aussi apprendre à exploiter ce qu’elle peut apporter en matière de feedback et, par conséquent, de développement des compétences.
Déléguer, co-décider ou décider
Cela ne signifie évidemment pas que toute activité professionnelle doit devenir une occasion d’apprentissage, ni qu’il faudrait renoncer à automatiser au nom du maintien des compétences.
La grille proposée par Olivier Sibony, professeur de stratégie à HEC Paris et spécialiste de la prise de décision, est à cet égard particulièrement utile. Il distingue trois grandes catégories de décisions à l’ère de l’IA : celles que l’on peut déléguer à la machine, celles pour lesquelles humain et IA ont intérêt à co-décider et celles qui doivent rester pleinement humaines.
Certaines décisions peuvent ainsi être confiées à l’IA lorsque les objectifs et les critères sont suffisamment clairs et que la performance du système peut être évaluée. Il n’y aurait aucun sens à maintenir artificiellement une intervention humaine sur des activités standardisées au seul motif qu’elles étaient auparavant réalisées par des personnes.
À l’autre extrémité, certaines décisions doivent rester humaines parce qu’elles engagent une responsabilité, des valeurs, une compréhension du contexte ou une relation qui ne peuvent être déléguées à un système.
Entre ces deux situations, la co-décision ouvre un espace particulièrement intéressant du point de vue du développement des compétences.
Co-décider ne consiste pas à demander à l’IA quelle décision prendre, puis à valider sa recommandation. L’humain doit rester actif dans la construction du raisonnement. Il peut apporter une première analyse, expliciter ses critères, comparer plusieurs options, confronter son point de vue à d’autres hypothèses, puis arbitrer.
L’IA peut alors proposer une alternative, identifier un angle mort, formuler un contre-argument, tester la cohérence d’un raisonnement ou faire apparaître les conséquences possibles de plusieurs scénarios.
La différence est loin d’être anodine.
Demander à l’IA « Que dois-je faire ? » et lui demander « Voici mon analyse : qu’est-ce que je n’ai pas suffisamment pris en compte ? » ne produisent ni la même expérience de travail, ni le même apprentissage.
Faire du développement des compétences un critère de conception des usages IA
Pour les directions RH, cette approche invite à compléter la manière dont sont aujourd’hui pensés les projets IA.
Un cas d’usage est généralement étudié au regard des tâches concernées, de sa faisabilité, des gains attendus ou de ses conditions d’adoption. Une autre question devrait désormais être posée : quelles compétences voulons-nous développer ou continuer à exercer dans cette activité ?
Cela suppose d’abord d’identifier les compétences qui deviennent particulièrement importantes dans les métiers concernés. Lorsque certaines tâches sont automatisées, quelles capacités prennent davantage de valeur ? L’analyse, la relation, l’arbitrage, la créativité, la capacité à questionner une information, la compréhension du contexte ?
Il faut ensuite repérer les situations de travail qui présentent une forte valeur apprenante.
Avant d’automatiser complètement une activité, il devient donc utile de se demander non seulement combien de temps elle mobilise, mais aussi ce qu’elle permet d’apprendre.
Troisième enjeu : concevoir des usages qui donnent du feedback et pas uniquement des réponses. Selon la compétence visée, l’IA peut être mobilisée comme contradicteur, simulateur, questionneur ou évaluateur d’une première production. La façon dont elle intervient n’est pas neutre : elle détermine en partie ce que le collaborateur va continuer à exercer et à développer.
Enfin, les critères d’évaluation des projets IA eux-mêmes gagneraient à s’élargir. Le taux d’adoption, le temps gagné ou la qualité du résultat restent évidemment importants. Mais lorsqu’un usage concerne une compétence stratégique, il faut aussi observer ce qu’il produit dans la durée.
Après plusieurs mois, les managers préparent-ils mieux leurs entretiens ? Les commerciaux anticipent-ils davantage les objections ? Les équipes structurent-elles mieux leurs recommandations ? Les collaborateurs sont-ils seulement plus rapides ou ont-ils également progressé dans leurs pratiques professionnelles ?
Penser ensemble transformation IA et développement des compétences
L’IA va automatiser une partie du travail, et c’est précisément l’un de ses apports. Mais réduire son potentiel aux seuls gains de productivité serait passer à côté d’une autre possibilité : celle d’en faire une alliée de l’apprentissage dans le travail.
Elle ne remplacera ni la formation, ni le manager, ni l’apprentissage entre pairs. Elle peut en revanche compléter ces modalités en multipliant les occasions de pratiquer, de recevoir un retour et d’ajuster ses façons de faire, au plus près des situations professionnelles réelles.
Pour les RH, l’enjeu est donc de ne pas penser séparément transformation IA et développement des compétences.
À chaque nouveau cas d’usage, deux questions devraient pouvoir être posées : « Que va-t-il nous permettre de faire plus efficacement ? », mais aussi « Qu’allons-nous apprendre à mieux faire grâce à lui ? »
C’est à cette condition que l’IA pourra devenir, au-delà de l’automatisation, un véritable levier de développement des compétences.
