Pépites de managementRetrouvez ici quelques pépites issues de notre veille des meilleures publications sur le leadership et le management

C’est un fait admis : pour prendre une décision de qualité, mieux vaut collecter un maximum d’informations et les analyser avec soin. Mais est-ce toujours vrai ?

Plusieurs travaux de recherche invitent à nuancer cette conviction. Ils mettent en évidence que dans certains contextes, on gagne à s’affranchir d’une analyse poussée de la situation. Mieux vaut alors se contenter de décider en se basant sur des critères simples, tels que des règles empiriques fondées sur des expériences passées. Cela s’observe dans trois cas de figure :

– Un contexte incertain, saturé en informations : lorsque des données et des analyses multiples sont disponibles et que l’état de l’art ne permet pas de trancher sur des bases solides, ajouter encore plus d’informations et d’analyses ne fait qu’augmenter la charge cognitive, sans pour autant clarifier la décision à prendre.

– Un environnement fluctuant : sur les marchés en évolution rapide, les données sont parfois obsolètes avant même que l’on ait eu le temps de les collecter et de les traiter.

– Une difficulté d’accès à l’information : parfois, le coût nécessaire pour collecter de l’information en quantité et en qualité suffisantes n’est pas justifié par le potentiel de gain lié à une décision mieux informée.

Dans de telles circonstances, la qualité des décisions prises repose moins sur la finesse et l’exhaustivité des analyses que sur la capacité à mobiliser son expérience ou celle de ses experts. Une découverte contre-intuitive à l’heure du Big Data !

Source :  The Potency of Shortcuts in Decision-Making, Sebastian Kruse, David Bendig, Malte Brettel, MIT Sloan Management Review, septembre 2023.

Les expérimentations sur la semaine de quatre jours se multiplient. S’il est encore trop tôt pour en tirer des conclusions définitives, certains retours d’expérience semblent prometteurs – comme chez Perpetual Guardian, une entreprise néo-zélandaise de gestion de biens, où le dispositif a permis d’augmenter le taux d’engagement des salariés de 40 %. Les retours d’expérience soulignent toutefois deux conditions essentielles à la viabilité de ce nouveau rythme :

– Plus que d’imposer un jour fixe de travail en moins, l’essentiel est que les collaborateurs obtiennent le temps libre qui a le plus de valeur pour eux. Chez Perpetual Guardian, certaines personnes ont ainsi opté pour une journée entière de repos ; d'autres ont préféré travailler cinq jours, mais avec des horaires allégés – notamment certains parents, pour faciliter la garde des enfants.

– Cette nouvelle organisation doit s’accompagner d’une réflexion approfondie sur la façon de gagner en productivité. Une approche efficace consiste à aider chacun à prendre du recul sur les moments les moins productifs de sa journée et à revoir certains fonctionnements en conséquence. Il peut s’agir, par exemple, d’instaurer des créneaux sans interruption, des réunions plus courtes, ou encore de mettre à disposition des espaces de repos.

Source : The Four-Day Workweek: How to Make It Work in Your Organization, Andrew Barnes, MIT Sloan Management Review, juin 2023.

Les nouveaux outils d’IA comme ChatGPT peuvent constituer de bons alliés pour accélérer les décisions et améliorer leur qualité. S’il n’est pas question de leur déléguer la décision à prendre, on gagne à les impliquer à trois étapes :

– Cerner le contexte : ChatGPT aide à mettre en évidence les obstacles et les facteurs clés de succès pris en compte par d’autres entreprises dans des contextes similaires. Exemple de requête : Nous sommes une entreprise du secteur technologique, basée en région PACA. Nous avons des difficultés à attirer de nouveaux talents ; quelles peuvent être les raisons pour cela ?

– Définir les options possibles : ChatGPT contribue à élargir le panel des options et à générer des pistes contre-intuitives. Exemple : Comment des entreprises sont-elles parvenues à limiter leur dépendance à l’égard de telle matière première ?

– Évaluer les différentes solutions : pour l’instant, ChatGPT ne permet pas de comparer les avantages de chaque piste. En revanche, il permet de prendre conscience des biais qui nuisent à la qualité des décisions, dans certains contextes. Exemple : Quels sont les principaux risques à garder à l’esprit lorsqu’on cherche à recruter en un temps court ?

Pour obtenir la meilleure contribution possible des outils d’IA, l’interaction et le questionnement sont décisifs : on gagne à affiner ses questions et à creuser au-delà des premières réponses de l’IA.

Source : Using ChatGPT to Make Better Decisions, Thomas Ramge, Viktor Mayer-Schönberger, Harvard Business Review, août 2023.

En 2023, huit entreprises sur dix ont planifié d’investir dans l’apprentissage automatique (machine learning). Ce sous-domaine de l’intelligence artificielle permet de repérer les schémas récurrents dans les données pour guider la prise de décision.

De nombreuses décisions peuvent ainsi être déléguées à des algorithmes : sélection des candidats pour un recrutement, pour un crédit… Mais comment éduquer son algorithme de façon à éviter les biais, et en particulier les biais discriminatoires ? Les expérimentations montrent en effet que l’IA risque d’amplifierles discriminations déjà à l’œuvre. Cela résulte du fait qu’elle s’appuie sur des historiques de sélection pour effectuer son apprentissage – or ces historiques sont souvent biaisés et aboutissent à une sous-représentation de certaines populations.

De façon assez contre-intuitive, une étude sur un algorithme de gestion des crédits suggère que lui faire part des données personnelles sensibles, plutôt que de les masquer lors de l’apprentissage, permet de réduire notablement le risque de discrimination. Cerise sur le gâteau : la profitabilité des crédits accordés par cet algorithme a aussi augmenté de 8 %. Lorsqu'il n'est pas possible d'inclure directement ces données lors de la phase d’apprentissage de l'algorithme, on peut alors appliquer des facteurs de correction pour rééquilibrer les échantillons qu'on lui transmet, par exemple en augmentant la part des populations traditionnellement sous-représentées.

Source : Removing Demographic Data Can Make AI Discrimination Worse, Stephanie Kelley, Anton Ovchinnikov, Adrienne Heinrich, David R. Hardoon, Harvard Business Review, mars 2023.

Le développement des intelligences artificielles augmente fortement les menaces en matière de cybersécurité. Leur utilisation par les hackers pourrait permettre de combiner des attaques ultra-personnalisées exploitant les informations spécifiques de l’entreprise. Par exemple, imaginez un appel de phishing avec une voix générée par IA imitant à s’y méprendre le ton et le style conversationnel de votre patron – un scénario de science-fiction qui va bientôt devenir réalité…

Et si vous utilisiez la puissance de l’IA pour vous prémunir contre ce risque ? Des entreprises travaillent déjà à la conception de logiciels, comme ZeroGPT, permettant de détecter des contenus générés par IA. L’IA permet aussi d’améliorer ses capacités de détection des cyber-risques. Par exemple, une IA personnalisée pourra facilement détecter des changements suspects dans le comportement en ligne d’un collaborateur – augmentation soudaine de la masse de données consultées, variation importante de la structure de mailing, etc. – et lancer une alerte, le cas échéant.  Bien sûr, ces nouveaux outils n’iront pas sans soulever des questionnements éthiques autour de la protection des données personnelles – mais ils deviendront rapidement incontournables. Un nouveau chantier à surveiller de près.

Source :  From ChatGPT to HackGPT: Meeting the Cybersecurity Threat of Generative AI, Karen Renaud, Merrill Warkentin, George Westerman, MIT Sloan Management Review, avril 2023.