Dans pratiquement toutes les stratégies figure, généralement sans être formulée, une hypothèse sur la nature du travail propre à l'entreprise : celui-ci serait trop spécialisé, trop dépendant du contexte, trop sur mesure pour s'inscrire dans un processus standard. Cette hypothèse n'est pas sortie de nulle part. Elle s'est construite sur des années d'expérience avec des logiciels qui suivaient des règles et ne pouvaient donc faire que ce qui avait été prévu à l'avance. Le travail reposant sur le jugement, sur l'exception, sur la lecture d'une situation qui ne figurait pas dans le manuel, est ainsi resté un travail humain. Cette conclusion est devenue une poutre porteuse de la stratégie : cette partie de notre travail nous appartient, et le restera.
Tant que l'automatisation reposait sur des règles, l'hypothèse était exacte. Un système qui suit exactement ce qui a été programmé ne peut pas reconnaître une exception qui n'a pas été définie comme telle. Le travail présentant beaucoup de variantes, peu de répétition et un jugement fondé sur l'expérience est ainsi resté hors de portée de l'automatisation. La stratégie construite sur cette hypothèse était juste, et les directions qui s'y sont tenues avaient raison. Le problème n'est pas que l'hypothèse ait jamais été fausse. Le problème est que la condition sur laquelle elle reposait a changé.
Une IA qui travaille avec le langage, les schémas et le contexte n'a pas besoin de connaître chaque variante à l'avance. Elle reconnaît des similitudes avec ce qu'elle a déjà vu et l'applique à une nouvelle situation. Une partie du travail considéré comme non standardisable bascule ainsi dans l'une de trois catégories : le travail que l'IA peut traiter de manière autonome, le travail dans lequel l'IA formule une proposition qu'une personne approuve ou rejette avec justification, et le travail qui reste humain parce que le jugement repose trop lourdement sur l'expérience, la responsabilité ou un contexte non consigné. Ce basculement ne se produit pas partout au même rythme. Une entreprise où les évaluations sont bien documentées, où les schémas des dossiers précédents sont reconnaissables et où une supervision des résultats de l'IA est en place, voit cette partie du travail basculer plus vite qu'une entreprise où cette même évaluation réside en grande partie dans la tête des collaborateurs. La différence ne tient pas au secteur, mais à la mesure dans laquelle le travail avait déjà été rendu explicite avant que l'IA ne s'en mêle.
L'hypothèse expire rarement avec une annonce. Elle expire parce qu'un concurrent, un fournisseur ou un client fait quelque chose que l'ancienne hypothèse jugeait impossible. Quelques signaux qui l'indiquent : un acteur du marché propose un service à un rythme ou un prix qui ne s'explique que si une partie du travail d'évaluation a été reprise. Les discussions internes sur la qualité ne portent plus sur la justesse du résultat, mais sur la question de savoir si la supervision de ce résultat est suffisante. De nouveaux collaborateurs sont affectés au contrôle et à la correction plutôt qu'à la tâche d'origine. Et la question de savoir si les nouveaux entrants ont encore besoin d'années pour apprendre ce travail reçoit une réponse différente de celle d'il y a cinq ans. Aucun de ces signaux ne prouve quoi que ce soit à lui seul. Ensemble, ils constituent une raison de retester l'hypothèse plutôt que de la laisser en place parce qu'elle n'a jamais été contredite.
Ce basculement touche aussi la question de savoir où se situe précisément la marge dans une entreprise. Si le travail considéré comme non standardisable devient partiellement récupérable, l'endroit où la valeur est ajoutée dans le processus se déplace également, ce qui rejoint l'hypothèse selon laquelle la marge se situe dans l'exécution. Celui qui traite cela uniquement comme une question opérationnelle passe à côté du fait qu'il s'agit d'une hypothèse stratégique qui doit être révisée.
Ce sujet touche inévitablement aussi à la question de ce que cela signifie pour les effectifs. Cette page ne traite pas de ce point. Si une direction envisage des décisions touchant le personnel, des exigences légales et une procédure propres s'appliquent ; elles sortent du cadre traité ici.
Une hypothèse sur la standardisabilité du travail est vérifiable, à condition de suivre les bons indicateurs. Parmi les indicateurs utiles : la part des tâches du travail désormais documentée sous forme de règle de décision ou de schéma, plutôt que comme évaluation isolée ; le rythme auquel des acteurs comparables sur le marché déploient des outils similaires à ce travail ; le nombre de fois où la supervision d'une proposition de l'IA aboutit à un rejet justifié, comme indication de la part d'évaluation qui reste réellement un travail humain ; et la dernière date à laquelle cette hypothèse a été explicitement discutée au sein de la direction, et non tacitement admise. Celui qui ne peut citer aucun de ces quatre éléments ne sait pas si l'hypothèse tient encore ou si elle n'a simplement jamais été contestée.
La question sous-jacente de savoir quel travail dans votre entreprise peut réellement être repris par l'IA ne peut pas être résolue par une impression générale ; le scan de travail de FTE TO AI y répond tâche par tâche. Pour la direction qui souhaite d'abord savoir quelles hypothèses doivent être révisées avant d'obtenir une vue tâche par tâche, il existe la vérification d'hypothèses gratuite : un exercice bref au cours duquel vous formulez vos principales hypothèses et voyez, pour chacune, la date à laquelle elle a réellement été confirmée pour la dernière fois. Celui qui se demande qui doit participer à une revue stratégique ou constate que la direction n'est pas d'accord en interne sur les priorités y trouvera un point de départ. L'épreuve stratégique complète, avec les données sectorielles à côté du positionnement propre de la direction, est en cours de préparation.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.