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

En 2018, 24 % du temps des dirigeants était consacré à leurs échanges numériques, selon une étude menée par une équipe de chercheurs d’Harvard. Avec les progrès de l’intelligence artificielle générative, une piste d’optimisation semble toute tracée. D’ici peu, des agents IA personnels pourront communiquer, assister à des réunions, écouter et parler en notre nom. Quels impacts cela aura-t-il ?

Première découverte : il devient difficile de repérer si des textes sont écrits par une IA ou par un humain. Le PDG de Zapier s’est prêté au jeu. Un chatbot a été entraîné pour produire des emails, des déclarations publiques et des messages Slack en son nom. Les salariés de l’entreprise n’ont reconnu les messages de l’IA que dans 59 % des cas. En revanche, ils ont jugé nettement plus positivement les messages qu’ils pensaient écrits par le « vrai » PDG que ceux qu’ils attribuaient au chatbot – que cela soit vrai ou non.

Trois conseils ressortent de cette étude. Avant tout, soyez transparent, car un mensonge sur le recours à l’IA mine la confiance. Ensuite, utilisez l’IA pour des communications à caractère impersonnel, et non avec des personnes que vous connaissez bien. Enfin, vérifiez doublement les communications produites par l’IA : nos biais cognitifs nous conduisent facilement à ne pas distinguer ses erreurs, plus que quand nous nous relisons nous-mêmes.

----------
Source : Why CEOs Should Think Twice Before Using AI to Write Messages, Harvard Business Review, mai-juin 2025.

L’IA générative est capable de produire en un clin d’œil des dizaines d’idées en réponse à un problème. Si la capacité potentielle à augmenter notre créativité peut sembler considérable, les résultats des premières expérimentations sont plus mitigés.

Une étude menée par l’Université de Stanford et le cabinet de conseil GeoLab montre que nous avons encore du chemin à faire. Les chercheurs ont demandé à plusieurs équipes de générer des solutions à un problème réel en s’appuyant sur un corpus de données. Le temps imparti était de 90 minutes ; une partie seulement des équipes avait accès à ChatGPT. Les idées émises étaient ensuite notées de A (très convaincante) à D (sans intérêt) par les décideurs de l’entreprise.

Étonnamment, le recours à l’IA générative n’a que très marginalement augmenté le nombre d’idées générées (+ 8 %). S’il a permis de réduire le nombre de mauvaises idées (− 7 %), il a aussi légèrement réduit le nombre d’idées excellentes (− 2 %). De fait, les outils d’IA générative sont conçus pour donner les réponses les plus probables statistiquement. Ils tendent donc vers la moyenne, plutôt que vers des idées réellement innovantes.

Mieux vaut donc commencer par une réflexion qui n’est pas influencée par les idées générées par l’IA. L’IA excelle ensuite pour aider à améliorer ces idées par itérations. Apprendre à interagir avec l’IA pour approfondir ses idées va ainsi devenir une compétence clé.

Source : Don’t Let Gen AI Limit Your Team’s Creativity, Harvard Business Review, mars-avril 2024.

Les équipes les plus innovantes sont celles dont les coéquipiers n’hésitent pas à soulever des problèmes, à proposer des idées peu consensuelles et à se lancer des défis les uns aux autres. Mais comment favoriser une telle liberté d’expression ?

La sécurité psychologique en est une condition essentielle. Il faut pouvoir s’écarter de la pensée dominante sans être immédiatement critiqué ou ostracisé, et pouvoir partager ses difficultés de façon transparente.

Une autre condition est tout aussi indispensable : l’honnêteté intellectuelle. Si les membres de l’équipe ne sont pas totalement honnêtes sur l’analyse du problème et s’ils ne s’émulent pas les uns les autres pour rehausser le niveau d’exigence en la matière, l’innovation peut stagner.

L’enjeu est donc de combiner cette exigence avec un sentiment de sécurité psychologique. Jeff Wilke, ex-patron de la branche retail d’Amazon, racontait ses longs débats avec Jeff Bezos, le PDG, à propos du lancement de la liseuse Kindle. Wilke craignait de décevoir ses clients, car Amazon n’avait aucune expérience de production de matériel électronique. Bezos pensait qu’Amazon devait chercher à élargir ses compétences. Cette divergence leur a permis de revisiter le projet et de l’améliorer significativement. La clé de ce succès ? Avoir réussi à faire passer les ego derrière l’adhésion à un but commun.

Source : Why Innovation Depends on Intellectual Honesty, Jeff Dyer, Nathan Furr, Curtis Lefrandt, Taeya Howell, MIT Sloan Management Review, janvier 2023.

Beaucoup d’entreprises ont une politique d’incubation de nouvelles activités. Cependant, si beaucoup parviennent à expérimenter de nouvelles offres avec succès, très peu de celles-ci atteignent le stade du passage à l’échelle. Cela s’explique en partie par les risques inhérents à l’innovation – mais aussi par des causes que l’entreprise pourrait se donner les moyens de mieux maîtriser. En particulier, il apparaît que beaucoup d’équipes n’ont pas de démarche suffisamment méthodique pour anticiper le déploiement à grande échelle. Les retours d’expérience d’une trentaine d’expérimentations réussies montrent qu’il est fructueux de s’interroger dès le départ sur le point d’arrivée souhaité, afin de mieux préparer le cheminement qui permettra d’y parvenir :

- Dotez-vous d’une vision à la fois précise et ambitieuse de l’aboutissement visé. À quoi votre projet ressemblera-t-il une fois déployé ? Les projets réussis ont pour particularité de proposer une vision audacieuse, qui s’affranchit notamment des contraintes de court terme.

- À partir de cette cible, travaillez à rebours. De quelles compétences et ressources aurez-vous besoin pour parvenir à la cible ? Comment les acquérir ? Comment convaincre le nombre de clients voulu ? Passez en revue vos options pour y parvenir : développement de l’existant, acquisitions, partenariats, etc.

Il ne s’agit pas de définir un plan de déploiement figé : l’incertitude est beaucoup trop élevée quand on lance une nouvelle activité. Mais clarifier très en amont la cible visée et les options pour y parvenir aide à préparer la façon de dépasser le stade de l’expérimentation.

Source : The Missing Discipline Behind Failure to Scale, Andy Binns, Christine Griffin, MIT Sloan Management Review, avril 2023.

Actuellement, la plupart des entreprises s’interrogent sur la meilleure manière de tirer parti de l’IA à leur échelle. On voit ainsi fleurir les applications et les expérimentations, avec plus ou moins de réussite. Bien souvent, les frustrations sont à la hauteur des espoirs. Et pour cause : l’IA, si « intelligente » soit-elle, ne sait finalement faire qu’une chose – travailler à partir des données que nous lui transmettons. Pour en tirer parti, il faut donc disposer de données centralisées, en qualité et en quantité suffisantes et issues de sources diversifiées. Or, dans bien des organisations, ces données sont disséminées entre les différents métiers qui disposent chacun de leurs propres systèmes.

Ainsi, avant d’envisager des dispositifs sophistiqués d’IA générative, on gagne à réaliser un rapide diagnostic de son organisation. Les connaissances tacites y sont-elles suffisamment formalisées ? Sont-elles centralisées ? Le mode de collecte et de traitement des données est-il suffisamment standardisé ? D’après la nature et la quantité des données collectées, y a-t-il un risque de susciter des réponses biaisées de la part de son dispositif d’IA ? Gagnerait-on à disposer de sources supplémentaires ? Ce travail en amont est indispensable pour garantir la qualité des réponses de l’IA et maximiser son potentiel d’aide à la prise de décision.

Source :  Harnessing AI to accelerate digital transformation, The Choice by ESCP, juillet 2023.