Intelligence artificielle & Travail-2. Impact de l’IA sur l’entreprise visible et invisible

Cette trilogie consacrée à l’impact de l’intelligence artificielle (IA) sur le travail en entreprise fait suite à la trilogie « Chevaucher le tigre » (1. L’IA et l’entreprise  2. L’IA et la RSE (responsabilité sociétale de l’entreprise)  et 3. Pour des labels IA « Entreprise IA- Responsable).

Au cœur de l’impact de l’IA (et donc entre autres de l’internet des objets, IoT) dans l’entreprise, se trouve la question centrale de la nature et du sens du travail. En effet, qu’elle soit subie et implicite, ou bien voulue et explicite, introduite de façon incrémentale ou bien globale, l’IA transforme les processus, les métiers, les emplois, les compétences, les organisations, et, plus profondément encore, les comportements. Aussi bien dans les grands groupes que dans les PME (cela vaut aussi pour les collectivités territoriales). Dans certains cas elle va même jusqu’à changer la nature et le sens du travail, la place de l’humain dans la création et l’innovation, la production et les servicesLa notion de management, déjà largement remise en question par la révolution numérique (même hors IA) et par les modes managériales, est largement impactée elle aussi, de façon transverse.

Après un retour aux fondamentaux sur le sens du travail, dans Intelligence artificielle & travail- 1. Le sens du travail, venons-en dans cette seconde partie à l’impact de l’IA sur la structure de l’entreprise, aussi bien l’entreprise visible que l’entreprise invisible. Et donc le sens au travail. Avec une vue d’ensemble des travaux récents sur le sujet et un zoom sur le cas du télétravail. La troisième partie de la trilogie sera consacré à une analyse plus détaillée de l’impact de l’IA (dont l’IoT) sur l’organisation du (télé)travail dans l’entreprise, puis sur ses différentes composantes: les personnes, les métiers, les processus, le management, la gouvernance et les parties prenantes.

1. L’impact de l’IA sur l’entreprise

1.1 Impact du numérique en général

On connaît déjà les répercussions profondes des technologies numériques (en général) sur l’organisation et le fonctionnement de l’entreprise depuis deux ou trois décennies. Ces transformations profondes et irréversibles ont été trop largement analysées pour qu’il soit utile d’y revenir en détail ici. J’ai analysé cet impact transformatif et performatif dans mon e-book de 2018 téléchargeable ici: L’entreprise sans feu ni lieu, de la PHI-entreprises à l’E-entreprise. Les évolutions numériques dans l’entreprise peuvent être incrémentales, par petits pas, secteur par secteur, ou disruptives. Elles ont conduit à l’émergence d’initiatives visant à mieux maîtriser ces répercussions, que ce soit dans le domaine du management, de l’empreinte environnementale, de la sécurité etc. Jusqu’ à présent ces analyses et ces actions ont assez peu abordé en profondeur la variété particulière de numérique qu’est l’IA. Or l’IA a un mode d’influence, une rapidité, une ampleur, et un impact spécifiques, par rapport aux autres techniques du numérique. Citons cependant quelques ouvrages marquants et quelques sites particulièrement utiles et éclairants :

On n’entrera pas ici dans le détail des questions d’éthique du numérique et de RNE[1] , impact environnemental du numérique, numérique et télétravail, cybersécurité, RGPD etc. En effet, les initiatives de RNE (responsabilité numérique de l’entreprise, sous -ensemble transverse de la RSE) traitent en général rapidement le cas spécifique de l’IA bien que celle-ci fasse clairement partie du numérique.

Reprenons quelques schémas du Gartner sur l’impact du numérique en général et ses facteurs-clés d’évolution:

https://www.gartner.com/en/newsroom/press-releases/2020-08-18-gartner-identifies-five-emerging-trends-that-will-drive-technology-innovation-for-the-next-decade

                On dit souvent que la donnée est la nouvelle matière première de l’économie. On ne peut sans doute en dire autant de l’IA, mais il sera rapidement nécessaire de prendre en compte le capital immatériel « cognitif » inclus dans le tandem « algorithmes+ données traitées« , dans la valorisation des entreprises. De même qu’on prend les connaissances et savoir-faire des collaborateurs dans la valorisation extra-financière de celles-ci.

1.2 Impact de l’IA sur l’entreprise

Comme dans le cas général du numérique, l’entrée en scène de l’IA dans l’entreprise peut être subie ou voulue, incrémentale (par petits pas, par secteur de l’entreprise) ou disruptive (massivement organisée). On verra que cet impact est différent selon les types d’IA : perception, visualisation, langage, prédiction, aide à la décision, exploration de scénarii, interactivité personnelle… et bien sûr selon les activités et les processus de l’entreprise.

Cet impact est environnemental, humain, sociétal, organisationnel… Avant de nous concentrer sur les aspects humains, objet de cette trilogie, quelques mots sur l’environnement. On sait que l’impact environnemental négatif de l’IA est déjà énorme, de par le nombre de données traitées et, dans certains cas, la puissance de calcul nécessaire. Les apports positifs de l’IA au service de la protection de l’environnement (prédiction, optimisation etc. de bilans carbone, gestion optimisée de ressources ou d’émissions etc.) pourront-ils compenser cet impact fortement négatif ? La question est controversée. Je pense que la réponse est non, sauf :

  • mise au point de techniques de calcul et de traitement de données moins énergivores et moins productrices de nuisances environnementales ;
  • sobriété accrue dans le recours à l’IA (en clair, ne pas utiliser l’IA là où ce n’est pas nécessaire, mais c’est très difficile de résister ; les mouvements de transition écologique montrent cependant que c’est possible). Et utilisation raisonnable une fois installée ;
  • recours aux bonnes pratiques usuelles « green IT » qui s’appliquent a priori à l’IA comme au reste.

Autrement dit, il vaudrait mieux diminuer les nuisances plutôt que les compenser. C’est tout l’enjeu, plus généralement, des stratégies d’impact RSE: un bilan faiblement positif peut cacher un impact très négatif compensé arithmétiquement par des impacts positifs (replanter des arbres etc.) juste un peu supérieurs.

 Sur ce sujet on pourra lire l’étude d’Open Studio, qui me paraît équilibrée et sans biais idéologique dans un sens ou dans l’autre : https://www.openstudio.fr/app/uploads/2020/09/Livre-IA-et-Protection-Environnement_OS.pdf

De la même façon, dans l’étude d’impact de l’IA en entreprise, il faudrait approfondir les impacts sociétaux, territoriaux, culturels et bien sûr économiques. Ce n’est pas l’objet de cet article consacré au travail en entreprise.

L’impact de l’IA est d’une autre nature que celui des innovations numériques « habituelles », parce que l’IA ne joue pas seulement le « faire » mais aussi « comprendre et décider » autrement dit «l’agir»  qui est beaucoup plus large et riche de sens que le « faire » comme on l’a vu en détails dans l’article précédent [2]. De plus sa vitesse de transformation de l’entreprise, de l’économie et de la société est extrêmement rapide. On savait déjà que PowerPoint[3] ou les suites CAO 3D, ou encore les workflows dans les ERP influençaient (pas forcément en bien) la façon de raisonner et de décider. Avec les algorithmes, la machine bien qu’incapable de prendre en compte le contexte, prend une « autorité » bien plus grande, puisqu’elle est réputée mieux réfléchir et analyser que l’être humain : pas d’émotions, pas de préjugés, pas de fatigue, toujours en forme et toujours disponible, d’humeur égale, pas d’étourderies ou trous de mémoire, pas d’imagination, pas de recours à l’intuition, rapide comme l’éclair… bref elle n’a que les défauts et biais que son concepteur y a introduits, volontairement ou pas, et ceux qu’elle a élaborés en apprentissage plus ou moins profond. Un de ses défauts par construction, étant la spécialisation, ainsi que la faible capacité actuelle d’interconnexion d’IA spécialisées, ce qui donnerait une IA un peu moins spécialisée.

Globalement, l’IA (Machine Learning et Deep Learning) remplace généralement l’analyse causale par le traitement statistique de données[4]. Autrement dit, elle s’écarte totalement du mode de pensée humain (sauf l’intuition), qui recherche toujours des causes et en déduit des conséquences, pas toujours à juste titre mais c’est ainsi que nous vivons.

On verra un peu plus loin qu’une dimension particulière de l’entrée en scène de l’IA dans l’entreprise (comme dans la vie privée, de moins en moins distincte d’ailleurs de la vie professionnelle) est le développement de l’IoT : Internet of Things, Internet des objets « intelligemment » interconnectés.

Le numérique en général, l’IA en particulier, impactent le temps propre de l’entreprise et l’accélèrent. Inutile de développer davantage, chacun le ressent de façon croissante dans son activité privée ou professionnelle. Mais cela fait partie des points de vigilance dans l’assimilation de l’IA par l’entreprise.

Les personnes qui travaillent dans l’entreprise[5], qui la constituent dans sa dimension humaine, ne travaillent pas isolément (enfin, normalement pas). Ils agissent au sein d’une organisation, avec un système de valeurs et d’objectifs partagés, avec des références en matière de bonnes pratiques et de mauvaises pratiques, etc.  C’est la partie invisible de l’entreprise. Nous allons donc étudier successivement l’impact de l’IA sur l’entreprise visible et ensuite sur l’entreprise invisible.

1.2.1 Impact de l’IA sur l’entreprise visible

L’entreprise visible, ce sont les personnes et les actifs matériels ainsi que tout ce qui sert à interagir avec les parties prenantes, de façon matérielle ou immatérielle. Mais aussi les actifs immatériels : logiciels, brevets etc. Les autres capitaux immatériels relèvent selon nous de l’entreprise invisible. Question de conventions.

CC iceberg_ Uwe Kils & Wiska Bodo_ wiktionary photomontage)

Il est facile de montrer qu’il n’y a pas un seul domaine de l’activité d’entreprise où le recours à l’IA ne puisse se justifier au moins en principe, des RH à la maintenance en passant par la communication et la stratégie ou l’ingénierie et… la RSE. Sans compter le juridique et le système d’information (évidemment). Cela va jusqu’à une transformation du modèle économique de l’entreprise qui devient « data driven ». A chaque fois, se pose la question de l’autorité respective de l’humain et de la machine, dans le processus d’appréhension du réel, d’analyse, de jugement, de délibération, de discernement, et de préparation de la décision.

Un phénomène central sera la notion d’expérience collaborateur(EX), étendue d’ailleurs à tous les niveaux de l’entreprise. De même, l’amplification ou l’atténuation par l’IA de biais pré-existants dans l’entreprise (diversité, parité, juniors/seniors etc.) doit être un point de vigilance.

Pour citer quelques exemples concrets d’impact de l’IA en entreprise, je reprends maintenant le passage correspondant de mon article « Chevaucher le tigre 1. L’IA et l’entreprise ».

  • Optimiser les process existants, augmenter les ventes, anticiper les risques et assurer la conformité, innover, optimiser les relations clients (chatbots etc.), la maintenance préventive, la vidéosurveillance, la robotique industrielle, profiter de l’IoT (internet des objets), augmenter les expertises individuelles etc.

Dans d’autres cas c’est moins évident, quand il s’agit de mettre de l’IA dans un CRM, dans les opérations de recrutements, dans le télétravail… Et la technique n’est pas la solution à tout. Sachant que le principe GIGO[6]  s’applique là aussi et sans doute plus qu’ailleurs.

Il faudrait évidemment affiner l’analyse selon les secteurs d’activité (comme le font les rapports cités en 1.3 ci-dessous): transports, banque, industrie, services, santé, (cyber) sécurité, réseaux, IT…  Selon Impact-AI collectif de grandes entreprises « pour une IA digne de confiance » (grandes entreprises) (guide 2020) :  https://www.impact-ai.fr/guideiaconfiance/, les secteurs impactés par ordre décroissant, dans les 5 années en cours :

1/Santé 2/industrie manufacturière dont automobile 3/ transports et mobilité 4/ services d’utilité publique 5/ environnement 6/ Administration publique hors défense 7/ services financiers 8/ Agriculture 9/ Juridique 10/ sécurité des biens et des personnes 11/ commerce de détail et distribution 12/ professions libérales et services professionnels 13/ Education et recherche 14/ télécommunication et IT et enfin 15/ Loisirs et médias.

On peut discuter de l’ordre, mais les domaines impactés y sont.

Quelques exemples plus concrets :

  • L’amélioration du prédictif approvisionnement/rechanges/consommables ;
  • la vision machine (contrôle qualité) ;
  • la maintenance prédictive et/ou conditionnelle ;
  • la robotique industrielle connectée ;
  • la gestion de flottes/parcs ;
  • l’optimisation de la logistique (notamment transports et expéditions, circuits) ;
  • la planification ;
  • l’efficacité des processus (production, R&D, management de projets, qualité etc.)
  • l’IoT (internet des objets connectés, en production et facility management notamment) ;
  • la gestion documentaire et le knowledge management ;
  • la prospective stratégique ;
  • la gestion de contrats (clients, fournisseurs) ;
  •  l’aide à la résolution de problèmes et d’irritants ;
  • l’allègement des tâches administratives et répétitives ;
  • les diagnostics réglementaires (ISO etc.)
  • l’optimisation des assurances ;
  • l’écriture/reconnaissance vocale/traduction automatiques ;
  • le soutien aux métiers du juridique, de la comptabilité etc.
  • Voici succinctement les résultats d’une étude EY pour OPIIEC, 2018 :

Premiers éléments de prospective à 5 ans :

• Evolutions dans la modélisation : diffusion du Deep Learning, IA numérique + symbolique (au delà des 5 ans ?), Data augmentation, Transfer Learning, Auto Machine Learning (AutoML)

• Le Deep Learning a connu une forte augmentation de ses utilisations depuis 2015. Ses difficultés d’explicabilité dans certains domaines limitent encore son expansion (ex : besoins de certification des technologies dans les transports de personnes)

• Evolutions technologiques : les bibliothèques offertes et les AIP (notamment par les GAFAM), permettent de démocratiser le développement d’algorithmes et d’applications IA , notamment en vision artificielle et traitement du langage naturel. Domination de TensorFlow et Python mais les technologies resteraient variées.

• Evolutions organisationnelles techniques : le Data Scientist serait plus recentré sur l’algorithme, diffusion des technologies sur les autres métiers (ex : Miner, Développer, Analyst)

On citera pour terminer l’utilité du recours (raisonné) à l’IA dans les études de sécurité ou d’empreinte environnementale.

Ci-dessous, des analyses Gartner centrées cette fois-ci sur l’IA :

Mon article déjà mentionné  L’IA et l’entreprise  précise les dispositions concrètes à prendre pour concevoir et implémenter une application de l’IA, isolée ou globale dans l’entreprise. Au-delà des formations et acculturations indispensables à tous les niveaux, dans tous les cas, est soulignée la nécessité de développer une « communauté IA » dans l’entreprise.

1.2.2 Impact de l’IA sur l’entreprise invisible

L’entreprise invisible ce sont les valeurs, la vision, les bonnes pratiques, la culture d’entreprise, l’empreinte environnementale et sociétale, son empreinte économique, ses diverses interactions avec ses parties prenantes, mais aussi ce qu’on appelle souvent les « capitaux immatériels » : l’image de marque, le carnet d’adresses, les savoir-faire, les savoirs… bref tout ce qui se vit mais ne se voit pas matériellement ou informatiquement.

Les personnes qui travaillent dans l’entreprise (éventuellement étendue à ses sous-traitants, à certaines parties prenantes telles que la banque, l’expert-comptable, le commissaire aux comptes, divers prestataires voire clients, bref les « familiers » de l’entreprise) ne travaillent pas – il faut le souhaiter – isolément, chacun dans son couloir de course ou dans son silo. Ils partagent, peu ou prou, ces objectifs, ces valeurs, cette adhésion aux bonnes pratiques, cette culture d’entreprise etc. Il faudrait aussi parler des 6 (peut-être même 7) capitaux immatériels de l’entreprise.

Il y a également toute la différence entre « la carte et le territoire »[7], ou si l’on veut employer un langage plus académique, ce que Waterman, Philips et Peters et désignent dans leur article séminal « Structure is not Organization » (Business Horizons, June 1980)

Or l’introduction du numérique en général, et encore plus puissamment celle de l’IA, modifie voire transforme l’entreprise invisible : culture (numérique…), pratiques (en matière d’information et de prises de décision notamment), hiérarchie des valeurs. Par exemple :

Impact de l’IA sur :Apport positifEffet négatif
La culture d’entrepriseAjoute une dimension prospective et cognitivePeut affaiblir d’autres axes de la culture d’entreprise (relations humaines notamment)
Les valeursPeut servir à mieux détecter les dérives par rapport aux valeursPeut contredire certaines valeurs (humaines, confiance…)
La visionPeut aider à recaler périodiquement la vision sur des scénarii (prenant en compte le réel)Peut complexifier la vision au lieu de la simplifier ou de la clarifier
L’engagement social /sociétalPeut renforcer les outils et pratiques d’engagement social/sociétal (territoires, solidarité, accompagnement…)Peut dépersonnaliser les relations et les engagements
L’engagement environnementalPeut rendre plus efficaces les outils de prédiction et de maîtrise des impact environnementaux. Simulations, traitement massif de données…L’impact brut de l’IA est très au-dessus de l’impact moyen du numérique, du fait des volumes de données stockées et traitées.
Les bonnes pratiquesEffet d’amplification et besoin d’apprentissage de bonnes pratiques nouvelles liées à l’IA- et de mauvaises pratiques à éviter
Les mauvaises pratiques
La confianceSi l’IA facilite la décentralisation et la subsidiarité, apport positifPeut créer, à tort ou à raison, un effet Big Brother
La capacité de mobilisationEn principe meilleure (comm.)Effets d’individualisme possibles
L’exercice du pouvoircf. para sur le management et la gouvernance
L’écouteNe pas confondre écoute et écoutesPeut dépersonnaliser l’écoute
La subsidiaritéSi l’humain reste prépondérant dans les processus de décisionSi la machine devient prépondérante
La maîtrise des risquesAide à l’identification, à la simulation et à la prévention des risques- aides en gestion de crise.Peut créer des risques et vulnérabilités de nature nouvelle, spécifique à l’IA
L’équitéAttention aux biais
La solidaritéPositif si accès à des informations utilesPeut dépersonnaliser les relations
L’engagement dans le projet d’entrepriseNeutre
Le respect des personnesAttention aux risques de dépersonnalisation
Le sens du bien communNeutre ?
L’esprit d’initiativePeut affaiblir l’esprit d’initiative
L’attitude face à l’erreur, l’échec, la faute, l’écart…Peut donner du reculPeut conduire à des processus plus exigeants
L’agilité stratégique et tactiqueProbablement positif localement, pas forcément globalement
L’inventivitéSi algorithmes conçus pour celaPeut affaiblir l’inventivité
La résilience collective (et organisationnelle, notamment)Probablement oui si algorithmes conçus pour cela (fonctionnement dégradé et gestion de crise notamment)Peut affaiblir la résilience individuelle
La capacité de remise en causeNeutre ?
etc.  

1.3 Impact de l’IA sur le travail en général

L’implémentation de l’IA dans l’entreprise peut être voulue ou subie, implicite ou explicite, incrémentale ou disruptive, locale ou globale.

Introduire une technologie d’Intelligence Artificielle pour simuler un processus cognitif « métier », fait nécessairement évoluer l’organisation du travail puisque par définition celle-ci repose sur les connaissances des acteurs. On va le voir plus loin en détail.

Le tandem « homme-machine » (et la fameuse interface IHM…) n’a rien de nouveau, ce sont les capacités de la machine qui sont nouvelles.  Cela implique dans certains cas un apprentissage de l’homme pour « coopérer » avec la machine IA, avec un biais anthropomorphique qui n’est pas toujours souhaitable. Biais doublé d’une « autorité implicite de l’IA » qu’il faut apprendre à compenser (la machine même « intelligente » peut se tromper).

Remplacer, assister, ou augmenter l’humain ? Compagnon, outils supplémentaire, rival, main invisible ? Sachant encore une fois que l’IA ne sait pas prendre en compte les éléments de contexte, autrement dit l’intégration de situations complexes pour lesquelles elle n’a pas été programmée. Ni l’intuition, a fortiori.

1.3.1 Vue d’ensemble des travaux récents sur ce sujet

Pour commencer par une vue d’ensemble, on pourra se reporter aux études suivantes, très complètes (parmi d’autres) :
OCDE : Skills for the Digital Era, 2018

https://www.oecd-ilibrary.org/docserver/9a9479b5-en.pdf?expires=1618853230&id=id&accname=guest&checksum=F372E7BB5AB4156A032B68B808B0C803

France Stratégie, 2018 :

https://www.strategie.gouv.fr/sites/strategie.gouv.fr/files/atoms/files/fs-rapport-intelligence-artificielle-28-mars-2018.pdf

Ernst & Young pour l’OPIIEC, 2019:

https://www.opiiec.fr/sites/default/files/etudes/Num%C3%A9rique/2._OPIIEC_Rapport_final_Formations_et_compe%CC%81tences_sur_lIntelligence_Artificielle_en_France_VF_.pdf

Union européenne : Future of Work, 2019 :

https://op.europa.eu/en/publication-detail/-/publication/096526d7-17d8-11ea-8c1f-01aa75ed71a1

OCDE : Bits and bolts: The digital transformation and manufacturing, 2019

https://www.oecd-ilibrary.org/docserver/c917d518-en.pdf?expires=1618853363&id=id&accname=guest&checksum=D2A94260C3D32C13CDEA437806DDD352

ainsi que, plus général sur le numérique et pas seulement l’IA : rapport Mettling « Transformation  numérique et vie au travail », 2015 :

https://www.vie-publique.fr/sites/default/files/rapport/pdf/154000646.pdf

Par ailleurs L’étude d’Oxford de 2013 (The Future of Employment : How Susceptible are Jobs to Computerisation ?) souvent reprise, est jugée excessivement pessimiste par plusieurs experts de la question (par exemple https://www.fabernovel.com/fr/article/economie/metiers-menaces-par-l-ia-4-ans-apres-l-etude-d-oxford-le-verdict ).  Elle analyse avec des outils statistiques une taxinomie de 702 types d’activités/emplois américains et conclut que 47% de ceux-ci (2013) seraient automatisables donc que des machines pourraient y remplacer des humains assez rapidement.  Il semblerait que le bon ordre de grandeur soit plutôt de 10% à 20%des emplois. Le rapport de l’UE déjà cité, AI Future of Work Report , tempère également le rapport d’Oxford.

Ci-dessous un extrait des prolégomènes de l’étude EY pour l’OPIIEC, citée plus haut :

Etude EY pour OPIIEC 2019 : Formation et compétences sur l’IA en France

Comme le souligne P-Y Gomez dans « Intelligence du travail » : l’IA a tendance à remplacer l’opérateur, l’humain, et non à le seconder. Une conséquence probable dans beaucoup de cas, serait de ne laisser à l’homme que ce que la machine ne peut pas faire. Au lieu de l’inverse.

PY Gomez (toujours dans « Intelligence du travail ») insiste également sur le fait que la gouvernance des IA (au minimum de leurs interfaces) doit être au plus près du niveau d’exécution (subsidiarité !)

Il propose la notion « d’exode digital », qui fait écho à l’exode rural du XXème siècle. L’exode digital consiste à travailler en indépendant, depuis chez soi. Précarité de l’emploi, mais plus de liberté. C’est l’inverse de l’exode rural.

Si l’intelligence est réputée se transporter dans les machines d’IA, il reste à l’humain la partie animale du travail (abeilles, fourmis, termites) autrement dit le seul instinct et l’absence d’innovation. Du moins à l’humain en situation d’agent de production (pas l’humain qui maîtrise la commercialisation des applications d’IA).

1.3 2 Les objets interconnectés (IoT)

L’IoT en entreprise contribue à l’automatiser encore davantage (voire totalement pour certains processus de production) et à optimiser les processus. Citons quelques applications concrètes, qu’on retrouve d’ailleurs de façon similaire dans la vie domestique.

  • Recueil d’informations sur l’état physiologique et psychologique des personnes, sous couvert d’HSCT (cf. prise en compte des cycles biologiques par les objets connectés dans la maison, genre frigo et machine à café « intelligentes ») avec consentement préalable genre RGPD bien sûr (on a tous une confiance absolue dans les promesses des pages RGPD)
  • Optimisation du « confort » (ergonomie physique et mentale pas uniquement mécanique) :  recueil là aussi de données physiologiques personnelles- disparitions de pathologies classiques (activités physiques, manutentions etc. mais aussi postes de travail informatiques) et apparition de pathologies spécifiques de l’IA et de l’IoT (à imaginer par les spécialistes)
  • Réunions d’équipes optimisées quant au contenu d’information et aux priorités
  • Anticipations sur les déplacements ou les temps de présence en télétravail ou réalité augmentée, obtenues par connexions entre machines servant le processus
  • Smart planning évolutif en temps réel par prise en compte de données individuelles en temps réel
  • Impact de la réalité augmentée et/ou virtuelle sur les postes de travail et les processus
  • Traductions automatiques en temps réel sur les chantiers
  • Aide à la prévention d’accidents par traitement massif de données et émergence de structures de risque
  • Personnalisation très poussée des assistants professionnels individuels
  • etc.

Là encore, il faudrait approfondir le cas de l’activité de chantier et celle des activités d’ateliers ainsi que de bureau, où les besoins, les solutions et les contextes sont très différents.

On voit non seulement les apports positifs incontestables que cela fournit, mais aussi les risques d’addiction ou de perte partielle de contrôle et de maîtrise de la complexité que cela peut induire. Avec des conséquences gênantes voire dangereuses en cas de situation dégradée (accidents, crises etc.) si les machines ne sont pas prévues et alimentées en données pour gérer aussi ces situations dégradées.

1.3.3 Le cas du télétravail

1.3.3.1 La problématique générale du télétravail

Ici nous ne cherchons pas à traiter la question du télétravail (ou assimilé, car l’urgence a parfois conduit à qualifier de « télétravail » des situations qui ne sont pas vraiment conformes aux textes en vigueur). La réalité de beaucoup d’entreprises est un mix au cas par cas entre présentiel, télétravail, itinérant, travail chez les clients (chantiers notamment). Avec en général deux grandes classes de collaborateurs : « sédentaires » et « nomades » (les responsables IT connaissent bien ces problématiques, sous l’angle de la sécurité notamment).

Le tableau plus bas récapitule les grands enjeux et facteurs-clés du télétravail notamment dans des conditions intensives.

L’évaluation des coûts environnants le coût du travail proprement dit (les temps passés), déjà complexe dans l’entreprise « sédentaire », se complique avec une part élevée de télétravail et soulève des questions juridiques intéressantes (qui paye mon loyer, mon électricité etc.)

Pour approfondir, on pourra utilement consulter les études suivantes, parmi d’autres :

Malakoff Humanis :

https://newsroom.malakoffhumanis.com/assets/barometre-annuel-teletravail-malakoff-humanis-2021-a76c-63a59.html?lang=fr  (2021)

https://www.maisonemploi-strasbourg.org/wp-content/uploads/2020/07/2020-03-Etude-t%C3%A9l%C3%A9travail-Malkoff-Humanis.pdf  (2020)

Goodwill Management et Vibeo :

https://www.ifpeb.fr/wp-content/uploads/2021/02/Rapport-teletravailV3_planche.pdf

Il serait intéressant de voir si les problématiques Télétravail (notamment dans les conditions actuelles) affectent de la même façon PME, ETI et grands groupes. Existe-t-il des effets de seuil ? Probablement oui.

1.3.3.2 Les apports et les risques spécifiques de l’IA en télétravail

C’est l’impact potentiel positif ou négatif de l’IA sur le télétravail qui nous intéresse ici.

Les études sur les interactions entre IA et télétravail sont relativement rares pour l’instant, semble-t-il. On citera par exemple :

https://observatoire-ia.ulaval.ca/les-reponses-technologiques-a-la-covid-19-les-inegalites-dans-langle-mort/ (assez général)

                             Récapitulons dans un tableau les apports positifs et effets négatifs de principe de l’IA en situation durable de télétravail pour une partie de l’entreprise.  Notez bien qu’on ne compare pas ici présentiel/télétravail mais impact positif ou impact négatif de l’IA vis-à-vis d’un critère donné.

Aspects du télétravailApports positifs de l’IAEffets négatifs de l’IA
Maintien de la dynamique collective et interactive malgré la séparation physiqueoui si applis IA orientées dynamique de groupepolarisation possible sur les relations homme-machine (chatbots etc.)
identification, prise en compte et compensation des effets psychologiques négatifsoui si applis IA orientées analyse de signaux faibles mais pb intrusivité et consentementpolarisation possible sur les relations homme-machine (chatbots etc.)
Valorisation des effets psychologiques positifs du télétravailoui sous réserve des pb intrusivité et consentementautomatisation excessive des relations humaines
bilan environnemental (impact négatif des moyens numériques de communication (visios) et impact positif de la réduction des déplacements) (case by case…)  
Impact du télétravail sur les parties prenantespeut faciliter l’analyse de situations 
repérage des « signaux faibles » et leur interprétationoui si applis IA orientées analyse de signaux faibles mais pb intrusivité et consentementpolarisation possible sur les relations homme-machine (chatbots etc.)
inégalités sociales devant le numérique (et son accès) à domicile risque d’accroissement  des inégalités ? (à vérifier)
bilan accidentologie du travail (y compris trajets) pathologies spécifiques de la relation homme- machine IA (à découvrir)
ergonomie des postes de travail à domicile ou tiers-lieuxpeut améliorer (type Siri/Alexa)aspects psychologiques (à découvrir)
sécurité des données personnelles, données société, données clientscybersécuritécyberrisques
gestion de l’absentéismepeut aider, sous réserve intrusivité et consentement 
gestion de carrières- formations  
évolution des critères et de la notion de QVT en QVTT  (ou mix des deux)peut aider par traitement massif de données d’expérience 
maintien de l’efficacité des méthodes collectives : intelligence collective- management visuel etc.peut aider si applications IA spécifiquement orientées 
auto-organisation des collaborateurspeut aider si applications IA spécifiquement orientéesdanger de l’autoritarisme de la machine
RPS liés au télétravail  
immixion de la vie professionnelle dans la vie privée et inversementpeut aider (alertes)seulement si emploi pernicieux
activités multiples simultanées si plusieurs personnes télétravaillent sous le même toit, dans la même pièce, professionnellement ou scolairement  
dématérialisation accrue des échanges humains  
complexification de la fonction de télé-managementvoir paragraphe dédié au management 
gestion des conflits, tensions ou crises en télétravailpeut aiderrisque d’enfermement dans la relation homme/machine IA
gestion RH en généralPeut aider 
processus et outils impliquant un recours fort à l’IA (smart process, aide à la décision etc.)effets de seuil ?effets de seuil ?
sécurité (reconnaissance faciale…)attention au RGPD, privacy et consentementintrusivité
   

Le prochain article clôturera cette trilogie « IA et travail » en approfondissant l’impact de l’IA sur les personnes, les processus, les organisations, le management, la gouvernance ainsi que les métiers, les compétences et les emplois. Nous aurons ainsi survolé la plupart des facettes de ce sujet complexe et en mouvement rapide.


[1] Responsabilité numérique de l’entreprise (RNE) ou responsabilité digitale de l’entreprise (RDE). On trouvera sans difficulté sur Internet les travaux en cours sur ces sujets. On peut considérer que la RNE est un sous-domaine de la RSE (responsabilité sociétale de l’entreprise), transverse au social, à l’environnement, à la gouvernance etc. Voir mon article L’IA et la RSE (responsabilité sociétale de l’entreprise) 

[2] Voir Intelligence artificielle & travail- 1. Le sens du travail pour un développement plus complet de la distinction entre « agir » et « faire ».

[3] Voir par exemple How PowerPoint Makes You Stupid de Frank Frommer

[4] Tant que la branche « symbolique » de l’IA, visant à reproduire les mécanismes logiques de la pensée humaine, reste dans l’impasse.  Actuellement c’est l’approche connexionniste, basée sur les corrélations et les ressemblances et non sur les causalités ou les raisonnements, qui tient le haut du pavé en termes d’efficacité et de précision. Mais pas d’explicabilité.

[5] voire même, entreprise étendue aux sous-traitants et certaines autres parties prenantes

[6] Garbage In, Garbage Out.

[7] « La carte n’est pas le territoire » : réflexion généralement attribuée non pas à Michel Houellebecq mais à Alfred Abdank Skarbeck Korzybski (3 juillet 1879 à Varsovie – 1er mars 1950 à Sharon, Connecticut) considéré comme le père de la sémantique générale.

2 commentaires

  1. JeanB a dit:

    Aussi éclairant et instructif que le premier volet, un peu plus technique mais toujours accessible et d’une grande clarté d’exposition, avec les habituelles qualités d’analyse lucide et de synthèse pondérée, en appui sur une maîtrise en profondeur des enjeux.

    22 avril 2021
    Répondre
    • blandine-hyperion-lbc a dit:

      Merci Jean pour cette lecture attentive et bienveillante. En faisant ce travail je m’aperçois que le sujet de l’impact de l’IA sur le travail en entreprise est encore trop peu défriché, notamment l’ergonomie et les interfaces homme/machine (intelligente). Sans parler des effets psychologiques qui n’ont pas de raison d’être moindre que ceux qu’on ressent dans la vie privée.

      22 avril 2021
      Répondre

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *