Vous affirmez que toutes les entreprises sont concernées par l’IAG et que, contrairement à certaines idées reçues, il n’y a pas une différence flagrante entre « cols bleus et cols blancs » ?
En effet, l’IA n’oppose pas les cols blancs aux cols bleus. Je pense qu’il faut adresser le sujet par les tâches : tâches transactionnelles d’un part, relationnelles de l’autre. L’industrie a intégré l’IA depuis longtemps : bien avant l’arrivée de ChatGPT, avec des cas d’usage dans la maintenance prédictive, la planification ou les jumeaux numériques. Je dirais même que l’industrie est en avance en termes de formation et d’évolution des compétences.
Il faut des données pour qu’une IA soit opérationnelle : dans les usines, on trouve souvent des données structurées.
Donc je le répète, l’IA n’entre pas par la couleur de votre col, mais par métier !En effet, l’IA n’oppose pas les cols blancs aux cols bleus. Je pense qu’il faut adresser le sujet par les tâches : tâches transactionnelles d’un part, relationnelles de l’autre.
L’industrie a intégré l’IA depuis longtemps : bien avant l’arrivée de ChatGPT, avec des cas d’usage dans la maintenance prédictive, la planification ou les jumeaux numériques. Je dirais même que l’industrie est en avance en termes de formation et d’évolution des compétences.
Il faut des données pour qu’une IA soit opérationnelle : dans les usines, on trouve souvent des données structurées.
Donc je le répète, l’IA n’entre pas par la couleur de votre col, mais par métier !
Est-ce la raison pour laquelle vous avez développé l’AI Impact Scorecard, présenté cette année à Vivatech ?
Cet outil permet de chiffrer avec une grande précision l’impact présumé de l’IA sur chaque métier de l’entreprise. Nous nous sommes appuyés sur le référentiel ESCO, ainsi que sur notre connaissance des fiches de poste et des offres d’emploi. Nous « branchons » l’outil sur les bases de données RH de chaque entreprise. Un premier score d’impact arrive ainsi, que nous confrontons ensuite aux réalités de terrain. Quelques semaines plus tard, nous ajustons le score d’impact. Mais dans les faits, on s’aperçoit que la variation est minime, de l’ordre de quelques %.
Tout le monde cherche de l’efficience et de la productivité. Le score d’impact permet aux entreprises de repenser leur organisation sur une base factuelle. L’AI Impact Scorecard montre de façon claire que les fonctions transactionnelles figurent parmi les plus impactées, et ce jusqu’à 25-30 % de leurs tâches. Les fonctions relationnelles, comme le recrutement, le sont beaucoup moins.
Quelles sont selon vous les trois erreurs à éviter quand on est DRH ?
Je conseille de toujours garder en tête que l’IA n’est pas une intelligence, c’est un outil de statistiques ! S’il est très performant, il doit aussi être manié avec précaution.
Ma première recommandation serait d’associer étroitement les partenaires sociaux à toutes les réflexions stratégiques et de leur partager tous les résultats.
Ensuite, j’estime que ne pas intégrer d’IA dans les processus RH serait une erreur. Elle peut être très utile par exemple pour faire ressortir des entretiens annuels des verbatim qui ne sont pas biaisés. Car un humain peut très bien, parmi des centaines de verbatim, avoir tendance à donner la priorité au « dernier qui a parlé ». Écarter un verbatim qui ne lui plaît pas, ou encore sur-valoriser une opinion qui correspond davantage à la sienne.
Dernier conseil : accompagnez le changement. Il s’agit d’organiser le travail et d’acculturer autour de l’IA. Nous parlons souvent chez Talent Solutions de la méthode des « 3A » : adapter la technologie, adapter les compétences et adapter les parcours professionnels.
Florence Boulenger est journaliste et consultante éditoriale, spécialisée dans les transformations des entreprises, avec un intérêt marqué pour le numérique et le futur du travail.