Quand l’IA permet de faire beaucoup à partir de peu, jusqu’où faut-il encore savoir ?

Il y a quelques années, mon ami Patrick Kervern a écrit un beau texte sur ce qu’il appelle « les gens longs », ceux qui prennent le temps de se construire, qui doutent, qui creusent, qui savent trouver l’universel dans le spécifique et dont les racines, écrit-il, « puisent profond ». Autrement dit, des gens dont le passage donne, mine de rien, un peu plus de relief au monde.

La formule était restée quelque part dans ma tête, comme restent parfois certaines idées dont on sent confusément qu’on n’en a pas tout à fait fini avec elles. Ces derniers temps, elle m’est revenue. Sans doute parce que j’ai changé de job il y a six mois.

Un événement que je n’ai pas consigné, il est vrai, car j’ai toujours eu un peu de mal avec ces annonces pompeuses sur LinkedIn où l’on « ouvre un nouveau chapitre », forcément passionnant, après avoir été infiniment reconnaissant pour le précédent. S’ensuit généralement une liste de remerciements suffisamment longue pour n’oublier personne, surtout pas l’algorithme, jusqu’à ce qu’on finisse parfois par se demander si les gens ont changé de poste ou d’identité.

Bref, pour ma part, j’ai surtout changé de tour de contrôle. Après huit ans en institut d’études à essayer de comprendre pourquoi les gens pensent ce qu’ils pensent, font ce qu’ils font et, parfois, disent l’inverse, puis huit autres à accompagner des entrepreneurs qui tentaient de construire quelque chose avec leurs idées, je travaille aujourd’hui aux RH sur le déploiement et l’acculturation à l’IA. À première vue, le virage est assez net. À bien y regarder, je ne suis pas certaine d’avoir tellement changé de sujet, voyez ? L’humain.

Sur le terrain, la question qui brûle toutes les lèvres est simple. Comment est-ce qu’on forme les métiers à l’IA ?

La stratégie du groupe, déjà. Les outils, bien sûr. Le prompt et son système aussi, mais pas celui à la naphtaline vendu comme une formule générique magique en douze étapes, d’autant qu’on peut paramétrer des agents qui promptent une V1 à notre place. L’enjeu est plus subtil. Il concerne surtout la compétence et le contexte métier, parfois tellement intégrés qu’ils en deviennent presque invisibles à ceux qui les possèdent.

Une partie du travail consiste donc à expliciter tout cela, à poser les bonnes questions, à relier les bons éléments, pour permettre à la machine d’en faire, à son tour, quelque chose. Il y a aussi l’étape d’après.

Si l’on délègue une tâche à une IA pour passer autant de temps à vérifier ce qu’elle a produit, on finit assez vite par se demander si l’on n’aurait pas mieux fait de la faire soi-même ! L’enjeu c’est de pouvoir comprendre sur quoi repose la livrable, ce qui deviendra d’autant plus important qu’il faudra de plus en plus tracer et justifier ce que l’on produit avec la machine.

Il faut aussi, et je pense qu’on sous-estime cela, donner aux métiers une idée du champ des possibles. Difficile d’imaginer ce qu’on ne sait pas encore pouvoir faire, surtout lorsque ce champ bouge aussi vite ; ce qu’un modèle faisait mal il y a six mois peut être devenu trivial aujourd’hui, et ce qu’on déconseillait hier mérite d’être retesté. Former à l’IA, c’est donc aussi apprendre à garder cette carte mentale en mouvement.

L’IA pourrait redonner de la valeur à la largeur, la polyvalence

J’écoutais un brillant podcast de Marcel Salathé, professeur à l’EPFL et codirecteur de son AI Center, qui avançait à ce sujet une hypothèse intéressante. Sans prétendre savoir quelles compétences auront le plus de valeur demain, il voyait tout de même un déplacement se dessiner. L’IA pourrait redonner de la valeur à la largeur, à ce « un peu de tout ». Why ? Peut-être déjà, tout simplement, parce qu’en période d’incertitude, avoir plusieurs prises sur le monde permet de changer d’angle sans perdre complètement pied.

Mais l’IA ajoute aussi quelque chose à cette vieille qualité du généraliste. Elle rend ce « un peu » beaucoup plus opérant qu’il ne l’était. Une connaissance jusque-là trop partielle pour permettre d’agir peut désormais être prolongée par la machine. En quelque sorte, l’IA abaisse la première marche.

On pourrait donc croire venu le grand soir des touche-à-tout. Pas si vite. Salathé revient à cette vieille représentation des compétences en forme de T, mais en déplace légèrement l’équilibre. La largeur prend soudain plus de valeur lorsqu’elle s’appuie sur un domaine que l’on a vraiment creusé. Et ce n’est pas seulement une affaire d’expertise stricto sensu.

Avoir creusé un sujet, c’est avoir vu les évidences se défaire et, derrière ce que l’on croyait savoir, s’ouvrir encore autre chose. Cette expérience-là voyage. On peut changer de sujet et de terrain ; il en reste une forme d’instinct, celui qui nous souffle que les choses sont rarement aussi simples qu’elles en ont d’abord l’air.

Face à des machines capables de produire très vite énormément de plausible, n’est-ce pas finalement une sacrée compétence ?

👉 Voir tous les billets de Marie Dollé sur sa newsletter substack « In bed with Tech »

 👉 Pour acheter son livre