« À l’ère de l’IA, qui sera éliminé ? » Deux anciens de Harvard et de la société de conseil McKinsey, Bradley et Harvey, ont abordé ce sujet dans la vidéo « Dans un autre monde décisionnel, la précision peut être sans intérêt ».
Bradley commence par souligner que l’IA ne peut pas « lire l’atmosphère », mais c’est pourtant essentiel pour faire aboutir un projet. Dans le domaine du conseil en gestion, la partie qui prend le plus de temps est de réfléchir à ce qu’il faut dire. Par exemple, « ce choix de mots pourrait-il provoquer une réaction émotionnelle chez certains ? » Ce genre de question est difficile pour l’IA à juger, ce qui met à l’épreuve la maîtrise du contexte par l’humain.
Harvey mentionne qu’une personne formée et ayant du discernement, lorsqu’elle utilise l’IA, voit cela comme un atout supplémentaire. Car elle sait ce qui est « bon », et peut améliorer ce que l’IA fournit. En revanche, un novice ne sait pas ce qui est bon, il accepte tout ce que l’IA lui donne. À l’avenir, il faudra utiliser l’IA pour atteindre 80 %, puis peaufiner jusqu’à 100 %. Mais ceux qui manquent de jugement se contenteront de 80 %. Peu importe combien l’IA vous aide, il faut compléter la dernière étape. À condition de savoir où se situe la différence.
L’IA ne peut pas lire l’atmosphère, mais c’est justement ce qui est crucial pour concrétiser une idée.
Bradley indique que l’IA ne peut pas « lire l’atmosphère » actuellement. Elle ne comprend pas encore réellement les réactions émotionnelles possibles. Pourtant, c’est fondamental pour « faire aboutir quelque chose ». Il faut vraiment s’asseoir, interagir avec les gens pour saisir ces subtilités. Dans un contexte commercial, cela devient une étape clé, avec de grandes différences d’apprentissage.
Après l’émergence de l’IA, l’analyse de données sera inévitablement remplacée par l’IA, c’est une tendance irréversible. Mais au final, cela revient à une seule chose : qui peut prendre ces données analysées, faire de bonnes jugements, et faire consensus dans l’équipe pour avancer ?
C’est là que réside la véritable difficulté. Beaucoup de décisions nécessitent encore une interprétation humaine.
L’auteur ajoute : les grands modèles de langage, par définition, sont entraînés en leur fournissant une masse énorme de données, afin de prédire le mot suivant le plus probable. En s’appuyant sur une vaste base de données pour comprendre le contexte, ils produisent du contenu. Ils savent que « pomme tombe » est une phrase courante, mais ne comprennent pas la gravité. De même, ils ont du mal à saisir des situations abstraites comme « lire l’atmosphère ». Mais dans le domaine de l’analyse de données, leur seul limite est l’efficacité du modèle.
Utiliser l’IA pour faire un rapport ? La vraie clé reste le jugement.
Bradley donne l’exemple de la présentation. Autrefois, dans le monde académique, on passait beaucoup de temps à ajuster la mise en page, faire des analyses, puis organiser le contenu pour présenter et discuter. Dans le conseil en gestion, le vrai travail consiste à « réfléchir à ce qu’il faut dire » et « comment dire la même chose ».
Harvey ajoute que, pour certains, le choix des mots peut être sensible ou provoquer une réaction instinctive. Si l’amygdale d’une personne est déclenchée, elle ferme ses oreilles.
L’IA étant limitée, elle a du mal à faire ce genre de jugement abstrait et subjectif comme « ce mot pourrait-il provoquer une réaction émotionnelle ? ». Même si elle peut aider à améliorer l’efficacité, la décision globale doit revenir à l’humain.
Ici, « jugement » est le mot-clé. Harvey explique que, lorsqu’on peut faire ces jugements, cela montre qu’on maîtrise la personne, son contexte, ses pensées.
Donc, chaque fois qu’on entend « L’IA peut faire des présentations maintenant, le conseil en gestion va disparaître ? », Harvey répond que si l’on se limite à analyser des rapports, l’IA peut tout à fait remplacer. Mais si l’objectif est « de provoquer un changement », la clé réside dans le jugement. Si vous laissez l’IA vous représenter entièrement, vous prenez un risque : sa valeur de jugement devient la vôtre. Mais la question est : qu’est-ce que la valeur de jugement de l’IA ? En quelque sorte, c’est encore une boîte noire.
L’essentiel de PowerPoint, c’est faire passer un message.
Harvey souligne un point crucial : une présentation ne sert pas à faire un simple rapport, mais à « faire passer un message ». PowerPoint doit aider à transmettre une idée. Mais ce n’est pas suffisant, d’autres compétences sont nécessaires.
Il évoque le rôle du manager, qui consiste en partie à utiliser cette vision pour juger ce qui est bien, ce qu’il faut revoir, comment gérer les personnes. Ce sont ces capacités de leadership qui comptent le plus.
Une personne avec du discernement, utilisant l’IA comme un atout, est plus efficace ; sans jugement, on ne fait que suivre la machine.
Harvey mentionne qu’une personne formée et ayant du discernement, lorsqu’elle utilise l’IA, voit cela comme un atout supplémentaire. Car elle sait ce qui est « bon », et peut améliorer ce que l’IA fournit. En revanche, un novice ne sait pas ce qui est bon, il accepte tout ce que l’IA lui donne, ce qui est dangereux.
Les vrais experts utilisent l’IA pour atteindre 80 %, puis peaufiner jusqu’à 100 %. Mais ceux qui manquent de jugement donneront directement 80 %. Aujourd’hui, 80 % n’a plus de valeur, car l’IA peut le faire en une minute. Le marché recherche le 100 %, peu importe combien l’IA vous aide, il faut compléter la dernière étape. À condition de connaître la différence.
Les compétences clés pour le futur : apprendre à juger, corriger, et élever ses standards de manière proactive.
Harvey explique qu’il est reconnaissant d’avoir été guidé et corrigé tout au long de sa carrière. Être critiqué permet de développer le jugement. Aujourd’hui, ce qui nécessitait autrefois une intervention humaine peut être remplacé par l’IA. Faut-il encore former des novices ?
Il pose une question essentielle : dans le futur, les organisations privilégieront celles qui « veulent atteindre 100 % ». Si vous ne produisez que 80 %, l’IA peut vous remplacer. Plus l’impact et l’envergure des décisions augmentent, plus les décideurs ont un jugement affirmé.
Les traits personnels comme la colère, la douceur, l’introversion ou l’extraversion n’ont plus d’importance. Ce qui compte, c’est « le regard ». Chaque étape, y compris les critiques et corrections, a une valeur précieuse. Mais aujourd’hui, personne n’a plus l’obligation de vous enseigner. Il encourage les jeunes à chercher activement du feedback. Avant, il fallait attendre qu’on vous critique, maintenant il faut demander. Demandez : « Que puis-je encore améliorer ? » ou « Comment puis-je faire mieux ? »
Tout le monde cherche désormais « ceux qui peuvent atteindre 100 % ». La compétence clé pour le futur est donc : apprendre à juger, corriger, et élever ses standards de manière proactive.
Car personne ne le fera plus à votre place.
Cet article montre que l’IA peut faire 80 %, mais ceux qui ne peuvent pas atteindre 100 % seront éliminés ! Les anciens de McKinsey et Harvard conseillent aux jeunes de suivre cette voie.
