L’IA crée plus de valeur lorsque l’expertise humaine grandit avec elle

L’automatisation grâce à l’IA améliore l’efficacité tout en bouleversant l’apprentissage traditionnel

L’IA agentique transforme l’informatique et la cybersécurité plus rapidement que ne l’avaient prévu la plupart des organisations. Des tâches qui nécessitaient autrefois des heures de travail manuel peuvent désormais être accomplies en quelques minutes. Les analystes juniors n’ont plus besoin de passer des gardes entières à examiner les faux positifs, à rechercher du contexte dans les tableaux de bord ou à lire des journaux système qui, au final, ne révèlent rien d’important. Il s’agit là d’un véritable progrès. Cela réduit les coûts opérationnels, améliore les temps de réponse et élimine un travail qui contribuait depuis des années à l’épuisement professionnel.

Mais il y a une conséquence importante qui mérite qu’on s’y attarde davantage.

Ces tâches répétitives n’ont jamais eu de valeur parce qu’elles étaient répétitives. Elles avaient de la valeur parce qu’elles permettaient d’acquérir de l’expérience. Au fil de milliers d’incidents, les opérateurs ont appris à reconnaître des schémas subtils, à identifier des comportements inhabituels et à distinguer une menace réelle d’une activité inoffensive. Ce type de jugement est difficile à enseigner en classe ou à consigner dans un manuel d’intervention. Il se développe grâce à une exposition continue à de véritables environnements opérationnels.

À mesure que l’IA prend en charge une part croissante de ce travail, les organisations risquent de se priver des expériences mêmes qui ont formé leurs meilleurs ingénieurs et professionnels de la sécurité. Les systèmes gagnent en rapidité, mais les personnes chargées de les piloter peuvent mettre beaucoup plus de temps à acquérir l’expertise nécessaire. Il en résulte un déficit de compétences à long terme qu’il est facile de négliger, car les chiffres de productivité à court terme restent excellents.

Cela ne signifie pas pour autant que les entreprises doivent freiner leur adoption de l’IA. C’est tout le contraire. Les organisations doivent recourir à l’automatisation partout où celle-ci génère une valeur mesurable. L’objectif n’est pas de préserver le travail manuel. L’objectif est de préserver l’apprentissage.

Cela nécessite une nouvelle approche en matière de développement des compétences du personnel. Au lieu de partir du principe que l’expérience s’acquiert naturellement au fil des opérations courantes, les entreprises doivent délibérément créer des occasions permettant aux opérateurs de comprendre comment les systèmes fonctionnent, pourquoi l’IA parvient à certaines conclusions et dans quels cas le jugement humain doit prévaloir sur les recommandations de la machine.

Les dirigeants doivent prendre conscience que l’expertise devient un atout stratégique plutôt qu’un simple sous-produit du travail quotidien. Les organisations qui investissent dans le développement de la capacité de jugement parallèlement à l’automatisation mettront en place des équipes capables de gérer des situations que l’IA ne peut pas entièrement anticiper. Celles qui se concentrent uniquement sur l’efficacité risquent de se rendre compte, des années plus tard, qu’elles ne disposent que de très peu de personnes ayant une compréhension approfondie des systèmes qui régissent leur activité.

La véritable opportunité consiste à utiliser l’IA pour éliminer les tâches répétitives tout en améliorant la qualité de la prise de décision humaine. Si ces deux aspects progressent de concert, l’organisation gagne en réactivité aujourd’hui et en solidité demain.

La nécessité d’une refonte mûrement réfléchie de la main-d’œuvre afin de former les experts de demain

Le parcours professionnel traditionnel des professionnels de l’informatique et de la cybersécurité est en pleine mutation. Pendant des décennies, les jeunes employés acquéraient de l’expérience en effectuant des tâches opérationnelles courantes avant d’accéder à des responsabilités plus complexes. Cette progression s’opérait naturellement, car le travail lui-même offrait des opportunités d’apprentissage continu.

IA agentique change complètement ce modèle.

Lorsque les logiciels prennent en charge une grande partie des tâches de base, les entreprises ne peuvent pas partir du principe que l’expertise se développera d’elle-même. Les futurs opérateurs ont besoin d’un nouveau parcours qui leur permette de développer délibérément la même capacité de jugement, mais d’une manière différente. Il ne s’agit plus seulement d’une question de gestion des talents. C’est une stratégie commerciale fondamentale.

Les entreprises devraient repenser la formation en mettant l’accent sur une implication active avec l’IA plutôt que sur la simple exécution de tâches. Les opérateurs doivent pouvoir comprendre comment l’IA parvient à ses décisions, où se situent les incertitudes et pourquoi certaines recommandations sont formulées. Ils ont également besoin d’occasions structurées pour analyser les exceptions, valider les résultats et comprendre le comportement du système dans différents environnements opérationnels.

La formation devrait être continue plutôt que concentrée en début de parcours. L’enseignement formel reste important, mais l’expérience pratique reste primordiale. Les organisations devraient associer le mentorat, la collaboration interfonctionnelle, l’analyse des incidents et des environnements d’apprentissage assistés par l’IA, qui permettent aux collaborateurs de développer leurs compétences en matière de prise de décision avant d’être confrontés à des situations à fort impact.

Le partage des connaissances prend également davantage de valeur. Les ingénieurs expérimentés possèdent souvent des années d’expérience pratique qui ne transparaissent jamais dans la documentation. Les entreprises devraient capitaliser sur ces connaissances par le biais d’évaluations structurées, de communautés internes et de programmes de formation standardisés. Les certifications et autres mesures reconnues d’expertise peuvent en outre aider les organisations à identifier, former et fidéliser des opérateurs hautement compétents.

Les dirigeants devraient accorder à cet investissement la même priorité qu’à la modernisation des infrastructures. Les systèmes d’IA continueront à progresser rapidement. L’expertise humaine doit évoluer au même rythme. Sinon, les organisations creuseront un fossé de plus en plus grand entre ce dont leur technologie est capable et ce que leur personnel est en mesure de maîtriser en toute confiance.

Les entreprises qui réussiront au cours de la prochaine décennie ne se contenteront pas de déployer les technologies d’IA les plus avancées. Elles mettront en place des structures organisationnelles dans lesquelles la technologie servira à renforcer les capacités humaines plutôt qu’à se substituer à leur développement. Cela leur permettra d’acquérir une résilience que leurs concurrents ne pourront pas facilement reproduire, car elle repose sur l’association de systèmes intelligents et de collaborateurs expérimentés, capables de les piloter dans des conditions en constante évolution.

Une automatisation excessive risque d’affaiblir la responsabilité au sein de l’organisation

L’automatisation peut améliorer l’exécution, mais elle n’améliore pas automatiquement la responsabilité. Cette distinction est importante, en particulier pour les organisations opérant dans des secteurs réglementés.

Les référentiels tels que SOX, PCI DSS, HIPAA et NIS2 reposent sur l’hypothèse selon laquelle des personnes qualifiées sont en mesure d’expliquer pourquoi une décision a été prise, comment un contrôle a été mis en œuvre et si le résultat était approprié. Un système d’IA peut exécuter un processus, mais les autorités de régulation et les auditeurs attendent toujours que des personnes comprennent et justifient les décisions qui sous-tendent ce processus.

Cela pose un défi que de nombreuses organisations sous-estiment.

À mesure que l’IA prend en charge un nombre croissant de décisions opérationnelles, de moins en moins de collaborateurs acquièrent l’expérience nécessaire pour expliquer ces décisions en détail. Les systèmes continuent de fonctionner. Les rapports de conformité peuvent continuer à paraître satisfaisants. Les tableaux de bord peuvent continuer à afficher de solides performances. Pourtant, la capacité de l’organisation à expliquer ses propres opérations s’affaiblit progressivement.

Cette perte de savoir-faire institutionnel ne se manifeste généralement pas dans le cadre des activités courantes. Elle devient perceptible lorsqu’un événement imprévu survient. Un incident de sécurité majeur, un audit ou une enquête réglementaire nécessite souvent l’intervention de professionnels expérimentés qui maîtrisent à la fois la technologie et le raisonnement qui a présidé aux décisions antérieures. Si ces personnes ne sont plus disponibles, les organisations peuvent rencontrer des difficultés, même lorsque la technologie elle-même fonctionne correctement.

Les dirigeants ne doivent pas considérer cela comme un simple problème technologique. Il s’agit tout autant d’un enjeu lié au personnel et à la gouvernance. Toute décision d’automatisation doit également s’accompagner d’une réflexion sur la manière dont la compréhension humaine sera préservée. Les organisations ont besoin de personnes capables de remettre en question les résultats fournis par l’IA, d’expliquer des décisions complexes et d’assumer leurs responsabilités lorsque les systèmes se comportent de manière inattendue.

L’objectif n’est pas de réduire l’automatisation. Il s’agit de renforcer la responsabilité à mesure que l’automatisation se développe. Cela nécessite des processus de gouvernance clairs, un contrôle documenté et le développement continu de professionnels maîtrisant à la fois le métier et la technologie.

Les entreprises qui parviennent à trouver cet équilibre seront mieux à même de satisfaire les autorités de régulation, de réagir aux incidents et de préserver la confiance de leurs clients et parties prenantes. Ces capacités gagnent en importance à mesure que l’IA devient plus autonome.

Faire évoluer les rôles des humains, afin qu’ils passent de tâches routinières à la gouvernance des systèmes d’IA

À mesure que l’IA gagne en capacités, le rôle des opérateurs humains évolue en profondeur. Leur valeur ne réside plus dans le traitement de volumes importants de tâches routinières, mais dans la gestion de systèmes qui fonctionnent avec une rapidité et une autonomie croissantes.

Cela implique des responsabilités différentes.

Les opérateurs humains doivent définir les règles qui régissent le comportement de l’IA, déterminer à quel moment les décisions doivent être transmises à un niveau hiérarchique supérieur, surveiller les performances du système et identifier les situations dans lesquelles le raisonnement de l’IA commence à s’écarter des objectifs métier ou de la réalité opérationnelle. Ils doivent également repérer les problèmes subtils qui ne sont pas forcément visibles à travers des événements isolés, mais qui apparaissent clairement au fil du temps.

La gouvernance est une activité permanente. Les modèles d’IA évoluent. Les données changent. Les priorités de l’entreprise évoluent. Les exigences réglementaires ne cessent de se développer. Les organisations ont donc besoin de professionnels capables d’évaluer en permanence si les systèmes d’IA restent fiables, conformes à la politique en vigueur et aptes à soutenir les objectifs de l’entreprise.

C’est pourquoi l’expérience revêt une importance encore plus grande dans un environnement piloté par l’IA. La capacité à repérer des schémas inhabituels, à remettre en question des recommandations inattendues et à prendre des décisions éclairées en situation d’incertitude reste du ressort de l’humain. L’IA est certes capable de traiter l’information à une vitesse extraordinaire, mais le leadership, la responsabilité et le discernement nécessitent toujours l’intervention de personnes expérimentées.

Les dirigeants doivent également prendre conscience que la gouvernance doit être intégrée dès le départ dans la conception des systèmes d’IA. Les organisations doivent veiller à ce que le processus de génération des recommandations soit transparent, à ce que des procédures d’escalade claires soient mises en place pour les décisions présentant un risque plus élevé, et à ce que des mécanismes permettent de recueillir les retours d’expérience des utilisateurs lorsque ceux-ci ne sont pas d’accord avec les résultats fournis par l’IA. Ces capacités permettent d’améliorer à la fois les performances du système et les compétences du personnel au fil du temps.

Les entreprises qui intègrent la gouvernance dans leur stratégie en matière d’IA seront mieux préparées à mesure que les systèmes autonomes se généraliseront. L’objectif n’est pas simplement de développer une IA plus intelligente. Il s’agit de créer des organisations au sein desquelles les personnes et l’IA s’améliorent continuellement ensemble, permettant ainsi à l’entreprise d’évoluer plus rapidement sans perdre le contrôle.

Concevoir des plateformes d’IA qui valorisent et renforcent l’expertise humaine

La prochaine génération de plateformes d’IA ne devrait pas être évaluée uniquement en fonction de la quantité de travail qu’elles automatisent. Une question plus importante est de savoir si elles permettent aux personnes qui les utilisent de s’améliorer dans leur travail au fil du temps.

Cela nécessite une approche différente de la conception du système.

L’une des capacités les plus importantes est la transparence. Chaque recommandation générée par un système d’IA doit permettre de remonter aux informations utilisées, au raisonnement qui sous-tend cette recommandation et à l’origine des données sous-jacentes. Lorsque les opérateurs comprennent pourquoi une conclusion a été tirée, ils peuvent évaluer si celle-ci est adaptée à la situation. Au fil du temps, cela renforce leur capacité de jugement et renforce leur confiance dans le système. Si les utilisateurs ne reçoivent que des conclusions sans explication, ils deviennent dépendants de l’IA au lieu de développer leurs propres capacités.

Le pouvoir de décision doit également être proportionnel au risque. Les situations courantes et bien maîtrisées peuvent être gérées de manière autonome, car l’impact potentiel d’une erreur y est relativement faible. Les décisions présentant un degré d’incertitude plus élevé ou ayant des conséquences plus importantes pour l’activité doivent être transmises à des opérateurs humains. Ces seuils doivent être clairement définis et configurables afin que les organisations conservent le contrôle à mesure que les besoins métier évoluent.

Le retour d’expérience humain doit faire partie intégrante du processus d’apprentissage. Lorsqu’un ingénieur expérimenté passe outre une recommandation de l’IA, le système doit enregistrer non seulement le fait qu’une dérogation a eu lieu, mais également le raisonnement qui la sous-tend. Ce raisonnement contient souvent des connaissances opérationnelles qui n’étaient pas présentes dans les données d’apprentissage. Si les organisations ne parviennent pas à conserver ces informations, elles passent à côté d’une occasion d’améliorer à la fois les performances de l’IA et le savoir-faire institutionnel.

Les connaissances doivent également circuler au-delà des frontières organisationnelles. Un incident de sécurité peut mettre en évidence des faiblesses dans l’infrastructure. Un problème réseau peut révéler des risques opérationnels qui affectent les services destinés aux clients. Si ces enseignements restent confinés au sein d’équipes individuelles ou dans des tickets d’assistance, l’organisation se retrouve à résoudre sans cesse des problèmes similaires sans parvenir à développer une expertise commune. Les plateformes d’IA devraient permettre de recueillir, d’organiser et de diffuser ces informations afin que les connaissances s’accumulent à l’échelle de l’entreprise.

Les dirigeants doivent s’attendre à ce que ces capacités soient mesurables plutôt que purement théoriques. Les fournisseurs d’IA doivent être en mesure de démontrer comment leurs systèmes expliquent leurs décisions, gèrent les escalades, intègrent les retours d’expérience humains et améliorent les compétences des opérateurs après leur déploiement. Il s’agit là de fonctionnalités concrètes qui ont une incidence directe sur la résilience de l’entreprise, la conformité réglementaire et le développement à long terme des ressources humaines.

Les organisations qui investissent dans des systèmes d’IA conçus pour tirer parti des capacités humaines y gagneront bien plus qu’une simple efficacité opérationnelle. Elles mettront en place des équipes qui gagneront en efficacité à mesure que l’IA deviendra plus performante, créant ainsi un avantage difficile à reproduire par la seule technologie.

Assurer la résilience numérique grâce au développement conjoint de l’IA et de l’expertise humaine

La valeur à long terme de l’IA ne sera pas déterminée uniquement par les progrès de la technologie elle-même. Elle dépendra de la capacité des organisations à développer l’expertise humaine au même rythme.

C’est là le principal défi auquel sont confrontés les dirigeants.

De nombreuses organisations évaluent le succès de l’IA à l’aune des gains de productivité, des réductions de coûts ou de l’accélération des temps de réponse. Il s’agit là de résultats importants, mais ils ne reflètent qu’une partie de la réalité. Les dirigeants devraient également évaluer si les collaborateurs deviennent de meilleurs décideurs, si le savoir institutionnel s’enrichit et si l’organisation renforce sa capacité à gouverner des systèmes de plus en plus autonomes.

La résilience numérique repose à la fois sur la technologie et sur les personnes. L’intelligence artificielle peut exécuter des tâches plus rapidement que n’importe quelle équipe humaine, mais la résilience nécessite des personnes capables de déterminer quand il faut faire confiance aux systèmes, quand il faut les remettre en question et comment s’adapter à l’évolution des conditions d’activité. Les organisations qui négligent cette capacité humaine peuvent certes gagner en efficacité à court terme, mais elles s’exposent à un risque opérationnel à long terme.

Le développement des opérateurs devient ainsi un investissement stratégique plutôt qu’une dépense opérationnelle. Les entreprises devraient créer des environnements d’apprentissage dans lesquels l’IA favorise le développement continu des compétences au lieu de se substituer aux opportunités d’apprentissage. Les systèmes devraient rendre leur raisonnement transparent, encourager la vérification humaine lorsque cela s’avère nécessaire, préserver le savoir-faire organisationnel et proposer aux opérateurs des moyens structurés de s’améliorer au fil du temps.

L’engagement de la direction est essentiel. Le développement des ressources humaines ne doit pas être relégué au second plan une fois l’IA déployée. Il doit faire partie intégrante de la stratégie de mise en œuvre initiale, avec des objectifs clairs tant en matière de performance de l’entreprise que de compétences humaines. Les organisations qui alignent ces objectifs dès le départ seront mieux à même de s’adapter à mesure que la technologie de l’IA continue de progresser.

Le rythme des innovations en matière d’IA continuera de s’accélérer. Il est peu probable qu’il ralentisse. Les organisations qui se forgeront un avantage concurrentiel durable seront celles qui développeront à la fois la technologie et l’expertise humaine. Elles agiront plus rapidement, prendront de meilleures décisions, mettront en place une gouvernance plus solide et développeront des capacités qui conserveront toute leur valeur même à mesure que la technologie continuera d’évoluer.

L’avenir ne se résume pas à un choix entre les personnes et l’IA. L’avenir appartient aux organisations qui renforcent les deux grâce à une conception réfléchie, une exécution rigoureuse et un apprentissage continu.

Principaux enseignements pour les décideurs

• Préserver l’expertise tout en automatisant : l’IA doit éliminer les tâches répétitives, et non pas supprimer l’apprentissage qui permet de former des opérateurs expérimentés. Les dirigeants doivent repenser la formation afin que le jugement humain continue à se développer à mesure que l’automatisation prend de l’ampleur.
• Intégrez le développement des compétences à votre stratégie en matière d’IA : le déploiement de l’IA sans plan visant à développer les compétences futures entraîne un déficit de capacités à long terme. Investissez dans la formation structurée, le mentorat et le partage des connaissances parallèlement à la mise en œuvre de l’IA.
• Préservez la responsabilité à mesure que l’IA prend davantage de décisions : les cadres de conformité tels que SOX, PCI DSS, HIPAA et NIS2 reposent toujours sur la supervision humaine et l’explicabilité. Veillez à ce que des professionnels expérimentés puissent justifier les décisions prises à l’aide de l’IA et préserver le savoir-faire de l’organisation.
• Faites évoluer les rôles des collaborateurs de l’exécution vers la gouvernance : à mesure que l’IA prend en charge les opérations courantes, la valeur ajoutée humaine s’oriente vers la supervision, la gestion des exceptions et la gestion des risques. Constituez des équipes capables de surveiller le comportement de l’IA, de définir des limites et d’intervenir si nécessaire.
• Optez pour une IA qui favorise le développement des personnes : privilégiez les plateformes qui expliquent leur raisonnement, tirent des enseignements des retours d’expérience des utilisateurs, prennent en charge la remontée des problèmes en fonction des risques et capitalisent les connaissances au sein des équipes. Ces capacités permettent d’améliorer à la fois les performances de l’IA et l’expertise des opérateurs au fil du temps.
• Développer conjointement l’IA et les compétences humaines : la résilience numérique à long terme repose sur le développement parallèle des technologies et des compétences du personnel. Les organisations qui investissent de manière équilibrée dans l’innovation en matière d’IA et dans le développement des compétences de leurs collaborateurs seront mieux à même de s’adapter, de gérer leurs activités et de rester compétitives.