La pression pour prouver l’adoption de l’IA peut affaiblir le feedback dont les dirigeants ont besoin
Les dirigeants qui poussent les employés à démontrer l’adoption de l’IA peuvent rendre le déploiement plus difficile à évaluer. Lorsque les employés sentent qu’ils sont censés faire état de succès, leurs récits sur l’usage des outils peuvent masquer des difficultés dans les workflows, des préoccupations de sécurité ou un besoin de soutien. Une hausse de l’usage déclaré peut donc donner aux dirigeants une vision moins complète. Pour juger si l’IA est utile, sécurisée et correctement accompagnée, les dirigeants ont besoin que les employés expliquent comment elle modifie leur travail au quotidien.
La pression pour montrer des résultats peut masquer des problèmes de workflow et de sécurité
Obtenir cette explication est difficile lorsque les dirigeants ont une visibilité limitée sur le travail quotidien. Jacob Appleton, directeur de la sécurité de l’information chez Visier, a déclaré à CIO Dive que les directeurs des systèmes d’information, ou DSI, et les responsables de la sécurité des systèmes d’information, ou RSSI, passent souvent à côté de ce qui se passe aux niveaux inférieurs de leur organisation et sous-estiment à quel point l’IA transforme le travail des employés. Appleton apporte une perspective commerciale : Visier a un intérêt économique dans la manière dont les employeurs gèrent la technologie et leur main-d’œuvre. Son avertissement porte sur l’écart entre des dirigeants qui encouragent l’usage de l’IA et des employés qui mettent en œuvre les changements pratiques qu’elle exige.
Des problèmes de sécurité peuvent apparaître lorsque la pression pour accroître l’usage dépasse le niveau de préparation. Appleton a averti que les exigences de la direction en matière d’adoption de l’IA peuvent accroître le risque lorsque l’organisation ne dispose pas d’une base de sécurité adéquate. Les employés peuvent faire ce que leur organisation attend d’eux alors même que celle-ci n’est pas prête aux changements qui en résultent dans la manière dont le travail est effectué. Un rapport d’adoption positif peut masquer ce décalage.
La préparation doit aussi suivre le rythme des deux côtés du déploiement. « If an organization’s rushing ahead of where their employees are, or pushing their employees to rush ahead of where leadership is, then you have these risks building up in your organization without necessarily having that visibility, » a déclaré Appleton. Les employés doivent comprendre comment l’IA s’inscrit dans leurs responsabilités, tandis que les dirigeants doivent comprendre les implications de sécurité des usages qu’ils encouragent. Si l’un des deux camps avance plus vite que l’autre, les risques peuvent s’accumuler hors du champ de vision de la direction.
La pression pour démontrer des résultats rend ces écarts plus difficiles à signaler. Derler décrit des exigences à chaque niveau de l’organisation : les DSI doivent démontrer le retour sur investissement, les managers doivent accroître l’usage de l’IA par leurs équipes, et les employés doivent trouver des applications pertinentes pour leur travail. Chaque exigence pose une question différente, de sorte qu’un manager en quête de preuves d’adoption peut obtenir une réponse avant même qu’un employé ait établi si une application vaut réellement la peine. Derler décrit aussi de fortes perturbations des workflows et des différences dans l’expérience des employés, ce qui rend essentiel de permettre des retours de progression inégaux.
Sans cet espace, les employés peuvent donner aux managers la réponse qu’ils semblent vouloir entendre. « If you don’t allow people to see that, they will just give you a blanket answer: ‘Oh yeah, I’m using AI for everything, and everything is better,’ » dit Derler, en illustrant la réponse hypothétique d’un employé. Derler relie ce manque d’ouverture à une perte de temps et à une adoption organisationnelle infructueuse. Lorsque chaque expérience est présentée comme un succès, les managers perdent les informations dont ils ont besoin pour décider quelles applications poursuivre, modifier ou soutenir.
Un projet en tête ?
Planifiez un appel de 30 minutes avec nous.
Des experts senior pour vous aider à avancer plus vite : produit, tech, cloud & IA.
Les bénéfices réels de l’IA coexistent avec la pression et les inquiétudes liées à l’emploi
Un feedback déformé est important parce que les employés signalent aussi de véritables bénéfices. Ils décrivent une exécution plus rapide des tâches, une aide à la collaboration et de nouvelles opportunités de carrière. Ces bénéfices donnent aux dirigeants une raison d’explorer un déploiement plus large, mais comprendre où ils apparaissent exige d’examiner le travail qui se cache derrière le rapport d’adoption. Un employé qui accomplit une tâche plus vite donne aux managers un résultat précis à examiner.
Mais cette analyse doit aussi inclure les conséquences d’un travail plus rapide. Les employés décrivent une pression pour produire davantage, des inquiétudes concernant la sécurité des informations sensibles, la peur de perdre leur emploi et l’idée que l’IA pourrait réduire les possibilités d’évolution. Les expériences varient, donc une question générale sur le succès de l’usage de l’IA peut regrouper plusieurs jugements distincts. Une personne peut apprécier l’aide apportée à une tâche tout en restant préoccupée par les attentes de productivité, la sécurité de l’information ou ses perspectives de carrière.
Les conclusions sur la sécurité de l’emploi rendent ces différences plus concrètes. Une enquête récente menée conjointement par CNBC et SurveyMonkey a révélé qu’environ un quart des employés se disaient préoccupés par le fait que l’IA puisse leur faire perdre leur emploi. L’enquête a également montré que seuls les employés utilisant l’IA quotidiennement se sentaient positifs quant à son effet sur la sécurité de leur emploi. La fréquence d’usage compte donc lorsqu’il s’agit d’interpréter le ressenti des employés.
Pourtant, la relation entre usage quotidien et confiance permet différentes explications. Un usage fréquent peut renforcer la confiance, tandis que les employés qui se sentent déjà en confiance peuvent être plus enclins à utiliser l’IA chaque jour. Le ressenti mesure les attentes des employés en matière de sécurité de l’emploi ; la protection réelle de l’emploi est une question distincte. Les managers peuvent prendre cette confiance au sérieux tout en vérifiant si chaque employé dispose d’une application utile et d’un soutien adéquat.
L’expérience individuelle aide aussi les dirigeants à interpréter les rapports de productivité. Un travail plus rapide peut être une réalité alors que d’autres employés peinent face aux perturbations ou se sentent poussés à donner une réponse encourageante. Les managers doivent donc identifier quelles tâches s’améliorent, lesquelles deviennent plus difficiles et quelles préoccupations restent sans réponse. Les réussites réelles offrent des exemples utiles à examiner, tandis que des récits sincères de difficulté montrent où le déploiement doit évoluer.
L’autoformation montre comment les employés apprennent
Comprendre ce qui doit changer signifie aussi découvrir comment les employés acquièrent des compétences en IA. Dans une enquête récente de TrustedTech, un fournisseur technologique commercial ayant un intérêt dans les dépenses technologiques des entreprises, 41 % des travailleurs ont déclaré avoir appris eux-mêmes à utiliser les outils d’IA, tandis que 15 % ont attribué ces compétences à une formation financée par leur employeur. L’apprentissage en autonomie était la source de formation à l’IA la plus souvent citée. Les efforts d’apprentissage des employés eux-mêmes comptent donc lorsqu’il s’agit d’évaluer le niveau de préparation.
L’apprentissage autonome peut coexister avec un soutien utile de l’employeur, les managers doivent donc demander comment chaque employé a appris et dans quels domaines une aide reste nécessaire. Une personne qui apprend seule peut aussi recevoir une assistance de son employeur, et les employés qui apprennent par eux-mêmes peuvent subir des niveaux de pression différents pour démontrer l’adoption. La question pratique est de savoir s’ils disposent des connaissances et du soutien nécessaires pour le travail encouragé. Cela inclut le fait de savoir comment traiter les informations sensibles ainsi que comment utiliser l’outil.
Les demandes des employés pour gagner en confiance vont au-delà des compétences d’utilisation. Ils citent la formation et la montée en compétences, une plus grande transparence de la part de la direction, des opportunités d’évolution de carrière et une communication plus claire sur les effets de l’IA pour les employés. Ces demandes relient la capacité à faire le travail aux conséquences du fait de devenir plus compétent avec l’IA. Un employé peut comprendre un outil et avoir malgré tout besoin de réponses sur ce que son adoption signifie pour son avenir.
Parce que ces besoins diffèrent, une demande d’usage accru peut passer à côté du soutien dont un employé a réellement besoin. Une perturbation du workflow peut appeler un changement dans la tâche, un déficit de compétences peut nécessiter une formation, et une inquiétude sur l’évolution peut exiger une conversation plus claire sur les opportunités de carrière. Les managers doivent examiner chaque sujet directement plutôt que de déduire le niveau de préparation à partir de l’usage de l’outil ou de l’autoformation. Ils peuvent ensuite prendre des décisions plus précises sur le soutien à apporter.
Évaluer les cas d’usage individuellement et faire en sorte que les problèmes puissent être signalés sans risque
Évaluer chaque application séparément transforme ces différences en décisions de management. Derler conseille aux managers d’examiner individuellement les cas d’usage de l’IA, c’est-à-dire les tâches ou activités spécifiques où l’IA est appliquée, car les employés sont susceptibles de les vivre différemment. Un manager peut demander si une application aide à accomplir la tâche, soutient la collaboration ou perturbe le workflow. Établir qu’une personne utilise l’IA marque le début de l’évaluation ; comprendre son effet sur le travail détermine ce qu’il faut faire ensuite.
Pour obtenir ce retour, les employés doivent pouvoir décrire ouvertement les limites et les échecs. Les managers doivent demander où l’IA crée des difficultés supplémentaires, où elle s’intègre mal et où les employés ont des préoccupations de sécurité, tout en précisant qu’une application infructueuse constitue une information utile. Les employés ont alors la possibilité d’expliquer des résultats mitigés sans présenter l’ensemble de leur expérience comme positive. Ces détails aident les managers à décider s’il faut poursuivre l’application, modifier le workflow ou fournir davantage de soutien.
Les décisions de soutien doivent aussi tenir compte du niveau de préparation de la direction. En plus des besoins de formation des employés, les managers doivent vérifier si les dispositifs de sécurité sont adéquats pour les usages encouragés et si les dirigeants comprennent les changements qui en résultent dans le travail. Les échanges doivent inclure les préoccupations liées à l’évolution de carrière et les effets sur l’emploi, car les employés considèrent les deux comme importants pour leur confiance. Pour chaque application, l’évaluation doit relier les preuves d’usage à la tâche effectuée, aux changements qu’elle crée et aux sujets qui nécessitent encore de l’attention.
Points clés
- Protéger un feedback sincère : La pression pour démontrer l’adoption de l’IA peut masquer des problèmes de workflow et des risques de sécurité. Les DSI et les RSSI ont besoin que les employés signalent ouvertement les difficultés afin d’évaluer si le déploiement avance plus vite que la préparation.
- Examiner ensemble les bénéfices et les inquiétudes liées à l’emploi : Les employés font état d’un travail plus rapide tout en subissant une pression pour produire davantage et des craintes pour la sécurité de leur emploi. Les managers doivent évaluer les améliorations des tâches en parallèle des changements dans les attentes de charge de travail et les perspectives de carrière.
- Vérifier le niveau de préparation au-delà de l’autoformation : Dans une enquête TrustedTech, 41 % des travailleurs ont attribué leurs compétences en IA à un apprentissage en autonomie, tandis que 15 % les ont attribuées à une formation financée par l’employeur. Les managers doivent identifier les lacunes dans les compétences propres aux tâches, la gestion des informations sensibles et la communication sur les effets de l’IA sur l’emploi.
- Évaluer séparément chaque application de l’IA : Les managers doivent examiner quelles tâches s’améliorent, quels workflows deviennent plus difficiles et quelles préoccupations restent sans réponse. Ces constats orientent les décisions de poursuivre une application, de modifier le workflow ou de fournir un soutien ciblé.
Un projet en tête ?
Planifiez un appel de 30 minutes avec nous.
Des experts senior pour vous aider à avancer plus vite : produit, tech, cloud & IA.
