Co-intelligence: L’intelligence partagée entre humain et IA

Aides de travail appropriées
Les organisations doivent évoluer
Historiquement, la numérisation a été abordée sous un angle principalement technique, négligeant les aspects organisationnels. Récemment, une approche plus interdisciplinaire a émergé, intégrant l'expertise des sciences sociales. Cette évolution se reflète dans les entreprises, où la co-intelligence entre humains et machines nécessite une approche holistique, malgré la mise à l'écart fréquente des ressources humaines (RH). Le succès des entreprises repose désormais sur leur capacité à combiner expertise en IA et développement humain.
Les changements organisationnels suivent traditionnellement une approche descendante (top-down) ou ascendante (bottom-up), chacune présentant ses propres caractéristiques de transformation. L'approche descendante, initiée par la direction, permet une mise en œuvre rapide mais peut se heurter à des résistances, tandis que l'approche ascendante, portée par les collaborateurs, favorise l'adhésion mais nécessite plus de temps. La combinaison des deux approches offre souvent le meilleur compromis pour une transformation réussie.
L'efficacité du changement dépend de plusieurs facteurs : l'implication des collaborateurs, l'étendue du changement dans l'organisation et la profondeur de la transformation. L'intensité du changement influence directement l'apprentissage et l'innovation. Les entreprises visant une co-intelligence durable avec l'IA doivent donc évoluer en harmonie avec leurs collaborateurs.
La transformation numérique impose un rythme accéléré aux organisations. Pour saisir les opportunités offertes par l'IA, les entreprises doivent non seulement accélérer leur transformation mais aussi développer l'autonomie de leurs collaborateurs face à ces technologies, en s'appuyant sur une compréhension approfondie de leurs possibilités et limites.
L'intelligence artificielle expliquée simplement
Les débats sur l'IA existent depuis les années 1960. Par IA, on entend le "domaine de l'informatique qui s'occupe de l'acquisition [de processus comparables à la cognition] qui sont généralement attribués à l'intelligence humaine". La co-intelligence entre l'humain et la machine nous amène à distinguer l'IA forte, qui vise à reproduire l'intelligence humaine globale (créativité, empathie), de l'IA faible, orientée vers des tâches spécifiques (reconnaissance vocale, navigation).
Les systèmes récents comme ChatGPT relèvent de l'IA générative, basée sur le deep learning (DL), une sous-catégorie du machine learning (ML). Le ML permet aux machines d'apprendre à partir de données sans programmation explicite, tandis que le DL peut traiter directement des données brutes via des réseaux neuronaux. Les algorithmes s'améliorent continuellement grâce à des mécanismes de retour d'information, augmentant ainsi leur précision et leur efficacité. Cette complexité croissante de l'IA générative soulève néanmoins de nombreux défis.
Les systèmes récents comme ChatGPT relèvent de l'IA générative, basée sur le deep learning (DL), une sous-catégorie du machine learning (ML). Le ML permet aux machines d'apprendre à partir de données sans programmation explicite, tandis que le DL peut traiter directement des données brutes via des réseaux neuronaux. Les algorithmes s'améliorent continuellement grâce à des mécanismes de retour d'information, augmentant ainsi leur précision et leur efficacité. Cette complexité croissante de l'IA générative, bien que prometteuse, soulève néanmoins de nombreux défis qu'il est essentiel de comprendre pour une intégration réussie.
Comprendre les principaux défis de l'IA
Le développement d'une co-intelligence efficace entre humains et machines se heurte à plusieurs obstacles majeurs. Les performances des modèles d'IA sont souvent surestimées, alors qu'ils restent fondamentalement limités dans leur compréhension du sens et nécessitent une interprétation critique par des experts humains.
Les systèmes d'IA peuvent également présenter des biais algorithmiques, reproduisant des schémas discriminatoires présents dans leurs données d'entraînement. Plus préoccupant encore, ils peuvent générer des hallucinations (inventions de fausses informations) ou être manipulés intentionnellement, compromettant ainsi leur fiabilité.
Un autre défi majeur concerne l'opacité des systèmes d'IA avancés. Leur fonctionnement en "boîte noire" rend difficile la compréhension de leur processus de décision, créant méfiance et frustration lorsque leurs conclusions diffèrent des jugements humains. Ces enjeux soulignent l'importance cruciale d'établir des normes strictes pour encadrer l'utilisation de l'IA.
Recommandations de produits
Faire comprendre l'intelligence artificielle aux collaborateurs
Le développement d'une co-intelligence efficace nécessite une approche responsable de l'IA, fondée sur quatre piliers essentiels. L'équité garantit un traitement impartial et la gestion des biais. La confidentialité assure la protection des données sensibles et le respect de la vie privée. La transparence permet de comprendre les mécanismes décisionnels. L'explicabilité rend ces processus accessibles et compréhensibles pour tous.
L'Intelligence Artificielle Explicable (IAE) s'attaque au problème de la "boîte noire" en identifiant les facteurs clés des décisions, permettant leur traçabilité. L'objectif n'est pas la maîtrise technique, mais la compréhension des principes fondamentaux pour évaluer et questionner les résultats de l'IA.
Dans le domaine RH, l'IA s'applique notamment à l'analyse des candidatures et des entretiens vidéo. Bien que les algorithmes actuels montrent certaines limites, leur développement se poursuit. Le succès de ces solutions dépend autant de l'acceptation des utilisateurs que de la qualité technique, nécessitant un équilibre entre intervention humaine et automatisation.
Les PME en particulier ont besoin de soutien
Les PME peinent souvent à développer leur maturité dans le domaine de la co-intelligence artificielle. Elles manquent de ressources pour renforcer les compétences techniques de leurs équipes et intégrer efficacement l'IA dans leurs processus de travail.
Bien que des modèles d'évaluation comme le KIRC (KI-Readiness-Check) puissent guider l'adoption de l'IA, ils restent trop généraux et nécessitent une adaptation aux besoins spécifiques de chaque entreprise.
Pour renforcer leurs capacités, les PME peuvent recourir à différents formats d'accompagnement : ateliers spécialisés, coaching, formations d'utilisateurs, laboratoires de test, communautés d'échange d'expériences et plateformes collaboratives.
Face à l'évolution rapide des technologies, comme l'illustre ChatGPT, il est recommandé de créer un écosystème d'assistance durable combinant ces différentes approches.
Les promoteurs de l'IA renforcent l'organisation globale
Pour développer une co-intelligence efficace au sein de l'organisation, la formation de "promoteurs de l'IA" s'avère essentielle. Ces experts internes accompagnent leurs collègues dans l'acquisition de compétences adaptées à leurs besoins spécifiques.
Notre approche de qualification se concentre sur des innovations concrètes en IA, permettant d'évaluer la maturité des équipes et d'adapter la formation en conséquence. La "People Centricity" est au cœur de la démarche, visant à faire de l'IA un outil pertinent pour chaque utilisateur.
Les promoteurs apprennent à créer un écosystème de soutien durable, permettant aux collaborateurs de minimiser les erreurs, d'optimiser les coûts et d'utiliser l'IA de manière efficace. Cette approche renforce non seulement la performance organisationnelle mais aussi l'employabilité des équipes.
Bootcamp de co-intelligence artificielle
La Haute école spécialisée de Suisse orientale, en partenariat avec Swisscom SA, lance dès l'automne 2024 une formation de formateurs en IA baptisée "KI Bootcamp - Implémentation dans l'environnement de travail : Learn - Share - Empower". Ce programme vise à former des multiplicateurs capables de diffuser leur expertise au sein de leur organisation.
Le Bootcamp inclut une phase de transfert permettant aux participants de développer leur propre approche d'utilisation et de transmission des connaissances en IA. L'apprentissage collectif et le partage d'expériences renforcent l'acquisition durable des compétences.
Cette initiative s'adresse aux dirigeants, responsables RH, développeurs d'organisation et autres décideurs, les aidant à exploiter le potentiel de l'IA tout en gérant les résistances et en guidant une transformation organisationnelle équilibrée.