Pourquoi l’IA rapproche les décisions RH et financières

L’IA rend les effectifs insuffisants comme unité d’organisation de la planification de la main-d’œuvre

L’IA transforme la planification de la main-d’œuvre lorsque les dirigeants doivent décider où le travail sera effectué, qui ou quoi l’exécutera, et comment ces choix affectent ensemble les coûts et la capacité. Une étude récente de SAP a révélé que 62 % des membres de la direction générale sont insatisfaits de l’intégration de leurs données sur les collaborateurs et la performance de l’entreprise. Cette insatisfaction compte, car les décisions relatives à la main-d’œuvre franchissent de plus en plus les frontières entre les systèmes utilisés pour les prendre.

Le problème d’intégration devient plus important lorsque les entreprises planifient l’IA. SAP a constaté que 50 % des organisations planifient l’effet de l’IA sur la productivité et la capacité, tandis que 21 % planifient son effet sur la conception des postes et la structure organisationnelle. Cet écart sépare deux questions auxquelles il faut répondre ensemble : ce que l’IA change dans la production, et ce que ce changement exige des équipes, des rôles et des compétences.

Ces questions font de la planification de la main-d’œuvre à l’ère de l’IA un sujet plus large que la simple prévision des emplois affectés par l’automatisation. Lorsque l’automatisation modifie le fonctionnement d’un processus, une hypothèse de productivité change les ressources humaines nécessaires, les compétences requises et la manière dont le travail est organisé. Le problème de planification consiste à répartir le travail entre les employés, la main-d’œuvre externe et les systèmes intelligents tout en reliant ces choix aux résultats de l’entreprise.

SAP a un intérêt commercial dans cet argument, car l’entreprise vend des technologies d’entreprise couvrant plusieurs fonctions, notamment les RH, la finance et les achats. Ses recherches et observations proviennent donc d’une entreprise qui peut bénéficier des investissements des organisations dans la connexion de ces fonctions. Les affirmations proposées offrent néanmoins un cadre utile pour examiner le problème de planification, à condition de garder explicite leur origine fournisseur.

L’IA met en lumière un problème de définition de la main-d’œuvre qui précède l’IA

Le problème d’allocation précède l’IA, car les employés ne sont depuis longtemps qu’une source parmi plusieurs sources de capacité organisationnelle. Les prestataires et partenaires spécialisés travaillent déjà aux côtés des employés, et les systèmes d’IA rejoignent désormais cet ensemble en prenant en charge des tâches de la couche d’exécution. Dans certains modèles de delivery, la main-d’œuvre externe et numérique est devenue centrale pour faire avancer le travail, ce qui rend une définition de la main-d’œuvre centrée sur les employés de plus en plus incomplète.

Cette main-d’œuvre élargie continue pourtant d’être planifiée via des systèmes divisés par fonction. Les RH suivent les employés et les compétences, la finance contrôle les objectifs d’effectifs et les coûts, et les achats gèrent les prestataires et les dépenses de services. Chaque fonction utilise ses propres systèmes, données, hypothèses et cadence de planification, si bien que les dirigeants peuvent recevoir plusieurs visions de la capacité, chacune cohérente en interne, sans moyen commun de relier les choix de main-d’œuvre aux résultats de l’entreprise.

Ces visions séparées deviennent coûteuses lorsqu’une décision métier traverse les trois domaines. Les organisations évaluent couramment des choix liés de manière séquentielle, avec différentes équipes travaillant à partir de données différentes, alors même qu’une décision prise dans une fonction modifie les hypothèses utilisées par une autre. La finance, les RH et les achats doivent alors rapprocher leurs représentations respectives une fois les décisions déjà avancées, tandis que la planification de la main-d’œuvre elle-même reste souvent périodique ou annuelle.

L’IA rend cette faiblesse plus difficile à tolérer, car les systèmes intelligents ajoutent une autre manière d’exécuter le travail réel. Les dirigeants doivent désormais prendre en compte les employés, les prestataires, les partenaires et l’IA dans une même vue opérationnelle dès lors que ces ressources peuvent contribuer au même résultat. La frontière pertinente pour la planification est de plus en plus le travail que l’entreprise doit faire accomplir.

L’unité de planification passe des effectifs au travail qui doit être accompli

Une fois que le travail devient l’unité de planification, le recrutement, la montée en compétences, l’automatisation et la capacité externe deviennent des choix d’exécution connectés. Les dirigeants peuvent partir d’un résultat métier requis et modéliser différentes façons de fournir le travail nécessaire pour l’atteindre, y compris les implications de chaque choix en matière de coûts et de compétences. Ils peuvent ensuite déterminer comment configurer ensemble la capacité humaine et la capacité intelligente.

L’automatisation montre pourquoi ces choix doivent être connectés. L’automatisation d’un processus peut modifier simultanément les besoins en effectifs, les compétences requises, les dépenses de services et les hypothèses de productivité. Un plan centré sur le gain de productivité attendu peut donc sembler attractif tout en laissant l’organisation avec des hypothèses de compétences ou de dépenses qui ne correspondent plus au processus repensé.

La même dépendance s’applique aux talents internes et externes. Développer des compétences critiques chez les employés peut réduire la dépendance future aux prestataires, de sorte que la décision de montée en compétences affecte les achats autant que les RH. Ajouter des prestataires peut combler un déficit immédiat de capacité, mais cela peut aussi aggraver un problème interne de capacités à plus long terme lorsque l’organisation continue d’acheter une expertise qu’elle devrait développer elle-même.

Ces dépendances deviennent visibles dans un modèle centré sur le travail. Les dirigeants peuvent se demander quelles compétences critiques doivent être développées en interne et où la capacité externe doit être achetée, puis modéliser comment chaque option modifie la capacité actuelle, le coût et la préparation future. Le recrutement et le recours à des prestataires restent des choix distincts avec des implications différentes, mais les deux peuvent être évalués par rapport à la même exigence de travail.

L’automatisation exige un test tout aussi large, car l’augmentation de la production n’est qu’un effet possible parmi plusieurs. Lorsqu’un workflow est automatisé, les dirigeants doivent déterminer si le changement libère une capacité réellement exploitable ou déplace une contrainte plus loin dans la chaîne. Ils doivent également tenir compte des employés travaillant aux côtés du processus automatisé, car un changement qui semble productif au niveau du workflow peut affecter la manière dont ces employés travaillent et leur niveau d’engagement.

Ces effets font de l’IA à la fois une source de capacité et une intervention dans la conception organisationnelle. Un système qui exécute un travail de la couche d’exécution modifie la répartition des tâches, ce qui peut transformer les rôles et les compétences qui leur sont associées. L’écart évoqué plus haut entre la planification de la productivité et celle de la conception des postes est important précisément pour cette raison : les deux effets peuvent découler de la même décision opérationnelle.

Parce que ces effets sont liés, la planification par scénarios offre un moyen pratique de les modéliser ensemble. Les dirigeants peuvent examiner le recrutement, la montée en compétences, l’automatisation et la main-d’œuvre externe comme des leviers liés et voir comment un choix modifie les hypothèses qui sous-tendent les autres. La direction peut alors identifier les conflits entre effectifs, compétences, dépenses de services et attentes de productivité avant que des plans fonctionnels séparés ne se figent autour d’eux.

Ce modèle combiné inclut toujours les effectifs, le coût du travail et le taux d’utilisation. Les dirigeants doivent savoir de quelle capacité humaine ils disposent, ce qu’elle coûte et comment elle est utilisée, tandis que l’IA ajoute des questions sur les compétences, la préparation et la répartition du travail. Les effectifs restent donc une mesure nécessaire à l’intérieur du modèle, même s’ils ne peuvent pas organiser à eux seuls l’ensemble du problème de planification.

L’ensemble élargi de mesures change ce que les décideurs peuvent voir. Les dirigeants ont besoin de visibilité sur la manière dont le travail est réparti entre les employés et les systèmes intelligents, sur le fait de savoir si l’automatisation produit une capacité exploitable, et sur ce qui arrive à l’engagement des employés qui travaillent avec elle. Ces signaux intègrent les effets opérationnels de l’IA dans le même processus de décision que les coûts de main-d’œuvre et les effectifs.

Depuis sa position de fournisseur sur ce marché, SAP observe que les organisations qui suivent ces signaux plus larges semblent prendre des décisions d’investissement structurellement différentes et poser de meilleures questions sur les domaines où investir. Cette observation est indicative et n’établit pas un avantage de performance quantifié. Sa portée pratique est plus limitée : modifier les informations disponibles pour les décideurs peut changer les arbitrages de main-d’œuvre qui deviennent visibles lorsque le capital et la capacité sont alloués.

Un modèle centré sur le travail change les rôles du DAF et du CHRO

Ces arbitrages nouvellement visibles placent de plus en plus les DAF et les CHRO dans le même processus de décision. On demande aux DAF de transformer les signaux financiers en choix opérationnels, en particulier autour des dépenses de main-d’œuvre, que SAP décrit comme dominant la plupart des comptes de résultat. Cette responsabilité exige de comprendre ce que ces dépenses achètent en compétences, en capacité et en travail réalisé, en plus de leur traitement comme contrainte financière.

Le rôle opérationnel des dépenses entraîne un changement correspondant pour les CHRO, dont le périmètre s’élargit de la gestion traditionnelle des talents vers la conception du travail. Lorsque les employés travaillent aux côtés d’une main-d’œuvre externe et numérique, les décisions RH portent sur la manière dont le travail est réparti entre capacité humaine et capacité numérique, ainsi que sur la manière dont les personnes sont développées et déployées. Les questions de compétences, de rôles et de structure organisationnelle se trouvent par conséquent directement liées aux décisions d’automatisation et de dépenses.

Parce que ces questions combinent des jugements sur la main-d’œuvre et des jugements financiers, aucun de ces dirigeants ne dispose à lui seul d’une vision indépendante suffisante. Les seuls signaux de coût ne peuvent pas déterminer la bonne allocation, pas plus que les seules informations sur les talents. Les responsabilités du DAF et du CHRO se rejoignent parce que chaque partie apporte des informations nécessaires à la même décision d’allocation.

Cette convergence préserve néanmoins l’expertise de chaque fonction. La finance apporte la discipline des coûts et la planification financière, les RH apportent la connaissance des personnes et des compétences, et les achats apportent leur expertise sur les prestataires et les dépenses de services. Ces visions spécialisées deviennent des contributions à un choix partagé sur la manière dont l’entreprise fera réaliser le travail.

La planification continue exige une vue opérationnelle unique

Une fois que les fonctions contribuent au même choix, la cadence de planification doit elle aussi changer. SAP décrit les organisations qui gèrent le mieux cet enjeu comme s’éloignant d’une négociation annuelle sur la main-d’œuvre au profit d’une discipline opérationnelle continue, transformant la planification de la main-d’œuvre d’un exercice budgétaire périodique en une conversation stratégique permanente. En pratique, les dirigeants peuvent réexaminer les décisions de capacité à mesure que les besoins métier, les compétences et les plans d’automatisation évoluent.

Cette cadence continue exige que la finance, les RH et les achats voient la même image sous-jacente de la capacité de main-d’œuvre, des compétences et des coûts. Dans un modèle fragmenté, chaque fonction peut planifier à partir de ses propres hypothèses et rapprocher ensuite les visions obtenues. Une information partagée avance ce rapprochement, de sorte que les hypothèses concernant un plan d’effectifs, un engagement de services ou une initiative d’automatisation puissent être testées ensemble avant de devenir des engagements distincts.

Avec ces hypothèses rendues visibles ensemble, la planification par scénarios devient un outil de décision récurrent. Les leviers connectés du recrutement, de la montée en compétences, de l’automatisation et de la main-d’œuvre externe peuvent être réexaminés à mesure que les conditions changent. Une proposition d’achat de capacité externe, par exemple, peut alors être considérée en parallèle du temps et de la valeur stratégique qu’implique le développement de cette même capacité en interne.

Cette comparaison récurrente dépend de données intégrées, car les RH, la finance et les achats partent de registres et d’hypothèses différents. Relier ces données crée les conditions d’une vision partagée de la capacité, des compétences et des coûts. L’allocation reste un jugement de gestion : les dirigeants doivent toujours décider si un besoin donné doit être satisfait par le recrutement, la montée en compétences, l’automatisation ou l’achat de capacité externe.

La distinction entre information et jugement mène directement à la gouvernance. Des données partagées établissent les faits et les hypothèses que les décideurs peuvent examiner ensemble, tandis que la gouvernance détermine qui arbitre, selon quelles mesures et à quelle cadence. Une vue opérationnelle techniquement intégrée peut donc laisser intacte l’ancienne séquence de décisions fonctionnelles séparées lorsque les droits de décision et les processus restent inchangés.

Le problème de mise en œuvre le plus difficile est la gouvernance

Parce que les données intégrées ne peuvent pas trancher entre des choix concurrents en matière de main-d’œuvre, l’alignement de la direction devient l’exigence de mise en œuvre la plus difficile. Les DAF et les CHRO doivent s’accorder sur des métriques partagées et s’engager sur une cadence de planification qui relie en continu les choix de main-d’œuvre à la stratégie de l’entreprise. Sans ces accords, les mêmes informations intégrées peuvent encore alimenter des décisions séparées prises selon des priorités différentes.

Ces accords doivent structurer la manière dont les fonctions travaillent ensemble. La finance et les RH doivent toutes deux participer pendant que l’automatisation, les coûts, les compétences et la conception organisationnelle sont décidés, car chaque choix peut modifier les quatre. Une gouvernance conjointe donne également aux achats un rôle défini lorsque la main-d’œuvre externe et les services sont concernés, en préservant son expertise spécialisée dans la décision plus large.

Cette répartition des responsabilités fixe aussi la frontière de la technologie. Une plateforme technologique peut mettre en évidence les dépendances entre les choix de main-d’œuvre et fournir aux dirigeants une information commune, mais la direction doit toujours décider quels résultats comptent et comment les arbitrages seront résolus. Le problème de mise en œuvre est donc de savoir si les dirigeants utiliseront cette vue combinée pour prendre ensemble des décisions continues une fois que les données RH, finance et achats pourront l’étayer.

Principaux enseignements pour les dirigeants

• Planifiez la capacité de main-d’œuvre autour du travail : L’IA rend les effectifs insuffisants comme unité d’organisation de la planification de la main-d’œuvre. Les DAF et les CHRO peuvent modéliser les employés, la main-d’œuvre externe et les systèmes intelligents en fonction du travail, des compétences, du coût et de la capacité requis pour atteindre les résultats métier.
• Élargissez la définition de la capacité de main-d’œuvre : Les employés, les prestataires, les partenaires et l’IA contribuent de plus en plus aux mêmes résultats. Les RH, la finance et les achats ont besoin d’une vision partagée de ces ressources pour éviter des hypothèses contradictoires sur la capacité et les dépenses.
• Modélisez les choix de main-d’œuvre comme des leviers connectés : Le recrutement, la montée en compétences, l’automatisation et la main-d’œuvre externe s’influencent mutuellement en matière de coûts, de compétences et de productivité. La planification par scénarios peut mettre en évidence ces dépendances avant que des plans fonctionnels séparés ne deviennent des engagements.
• Rapprochez les décisions du DAF et du CHRO : Les dépenses de main-d’œuvre dépendent de plus en plus de choix relatifs aux compétences, à l’automatisation et à la conception du travail. Les DAF et les CHRO doivent combiner discipline financière et expertise de la main-d’œuvre lorsqu’ils allouent la capacité humaine et numérique.
• Faites de la planification de la main-d’œuvre un processus continu : Les changements de la demande métier, des compétences et de l’automatisation rendent les cycles annuels de planification trop statiques pour les décisions émergentes de capacité. Des données partagées entre RH, finance et achats permettent aux organisations de réexaminer les scénarios à mesure que les conditions évoluent.
• Établissez une gouvernance conjointe pour les décisions relatives à la main-d’œuvre : Les données intégrées mettent en évidence les dépendances, tandis que la gouvernance détermine comment les arbitrages sont tranchés. Les DAF, les CHRO et les responsables des achats ont besoin de métriques partagées, de droits de décision et d’une cadence de planification récurrente.