De l’autonomie à la supervision : le rôle humain à l’ère de l’IA
Au cours des huit derniers mois, partager des recherches, des connaissances et des éclairages sur l’IA et la gestion de projet avec plus de 25 000 participants à travers plus de 20 événements mondiaux a été extrêmement gratifiant. Ce parcours a commencé en 2018, avec des présentations lors de la conférence nationale PMI de Nouvelle-Zélande et du PMI Singapour en 2019, ainsi que de nombreux autres engagements récents.
Une préoccupation répandue et une certaine phobie concernent l’impact potentiel de l’IA sur l’avenir du travail, ce qui alimente la crainte de la perte d’emplois. Afin d’atténuer ces inquiétudes, mon approche consiste à démontrer comment l’IA peut donner du pouvoir aux individus en automatisant les tâches fastidieuses.
L’automatisation des comptes-rendus de réunion, une tâche universellement jugée rébarbative par les chefs de projet, est un excellent exemple des avantages de l’IA en gestion de projet. L’objectif est de mettre en avant l’IA comme un outil pour renforcer et augmenter les capacités humaines, et non pour les remplacer.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Alors que le cadre de gouvernance de l’IA de Singapour suggère d’adapter le niveau d’implication humaine dans l’IA selon l’appétence au risque de l’organisation, avec trois approches définies, des recherches approfondies ont permis d’en identifier une quatrième et d’élaborer un modèle complet segmenté en quatre quadrants. Ce modèle, qui évalue les décisions de l’IA selon la probabilité et la gravité des risques potentiels, propose une stratégie sophistiquée pour intégrer l’IA dans les différents secteurs.
Commençons par le Quadrant 3, Humain hors de la boucle : ce quadrant met en avant les situations dans lesquelles l’IA générative surpasse les capacités humaines et fonctionne de manière autonome, sans supervision.
Idéals pour l’expansion et l’amélioration des processus grâce à l’automatisation ou à des algorithmes prédictifs, on retrouve parmi ces exemples la prévision météorologique, les recommandations de produits, la personnalisation impliquant des paramètres complexes, les algorithmes de réseaux sociaux ou encore la prévision de la chaîne logistique.
Il est essentiel de concevoir, configurer et ajuster les modèles d’IA de ce quadrant à l’aide d’un processus réfléchi, d’une grande rigueur et de tests approfondis adaptés au domaine d’activité.
Quadrant 4, Humain dans la boucle, nécessite une veille, une implication et un contrôle humains constants. Dans ce quadrant, le modèle d’IA propose des recommandations ou suggestions, mais c’est à l’humain superviseur qu’il revient d’accepter, de rejeter ou de modifier ces propositions. De telles décisions exigent une intervention humaine active et ne peuvent avancer sans elle.
Un exemple de ce modèle dynamique est RAIDlog.com, qui utilise l’IA générative pour identifier les risques potentiels d’un projet à partir de données recueillies précédemment. La décision d’adopter, d’ajuster ou d’ignorer le risque identifié par le modèle d’IA appartient au chef de projet.
Après avoir décidé d’accepter ou de modifier un risque identifié, RAIDlog.com propose intuitivement une stratégie d’atténuation du risque, qui attend également l’approbation ou un ajustement du chef de projet.
L’Humain dans la boucle positionne l’IA générative comme un assistant polyvalent pour tous, permettant un gain important dans la gestion des tâches répétitives, fastidieuses et chronophages. Cette collaboration améliore non seulement la productivité, mais contribue aussi au résultat financier (bottom line) et élève la qualité des livrables.
Trouvez d’autres cas d’usage de l’IA en gestion de projet ici.
Quadrant 2, Humain en surplomb de la boucle, met en avant des scénarios où l’IA fonctionne de façon autonome, de la même manière que le pilote automatique ou le régulateur de vitesse. La surveillance et le discernement humains restent cruciaux, afin que les individus puissent intervenir en cas de défaillance du modèle d’IA ou de situations imprévues ou indésirables.
Le modèle dans ce quadrant s’appuie sur la maturité des processus et des tests approfondis afin de limiter les risques, mais la gravité potentielle d’un préjudice nécessite une intervention humaine dans des circonstances exceptionnelles.
Les applications de ce quadrant incluent les véhicules autonomes, la maintenance prédictive dans des industries telles que le pétrole et le gaz (cela devient de plus en plus disponible dans les outils logiciels de gestion de projets d'infrastructures), la planification complexe des ressources, les processus de vente standardisés ou des plans types standard, ou des procédures opérationnelles standard telles que les plannings d'interventions récurrentes, les plans de traitement, les plans d'actions correctives, les modèles de communication, les livrables brouillons, et d'autres encore.
Bien que l'IA puisse dépasser les capacités humaines en termes d'efficacité et de précision dans ce quadrant, la gravité potentielle des résultats impose une surveillance humaine. Cette supervision garantit que, si nécessaire, des mesures correctives puissent être promptement mises en œuvre afin de limiter efficacement tout impact négatif.
Quadrant 1, Humain dans la boucle : Dans ce quadrant, la probabilité de dommage est élevée, tout comme la gravité, d'où la nécessité pour les humains de superviser (au sommet de) la boucle afin de gérer le modèle d'IA avec la capacité de l'éteindre complètement et d'intervenir en cas d'exception.
Exemples : création d'un nouveau modèle d'IA, décisions dans le domaine de la santé, déploiement d'armes dans des zones de conflit, ou décision sur la conformité du modèle d'IA avec les politiques et règles de gouvernance.
L'intégration du jugement humain et des considérations éthiques devient cruciale dans ces scénarios à haut risque, garantissant que les modèles d'IA respectent les valeurs humaines, les lois applicables et les normes sociétales.
La présence humaine dans la boucle garantit que les modèles d'IA opèrent dans des limites éthiques, sûres et contrôlées, avec la capacité d'intervenir ou de désactiver complètement le modèle d'IA si nécessaire.
Conclusion
En résumé, l'implication humaine dans la gouvernance de l'IA garantit des opérations éthiques, sûres et contrôlées, en adéquation avec les normes et valeurs sociétales.
À mesure que nous avançons dans l'ère de l'IA, l'équilibre entre l'autonomie technologique et la supervision humaine devient de plus en plus crucial. Les quatre quadrants de la gestion de l'IA présentés ici offrent une feuille de route pour naviguer dans ce paysage complexe, soulignant le rôle incontournable du jugement humain pour garantir une utilisation éthique, sûre et efficace de l'IA.
En comprenant et en appliquant ces cadres, nous pouvons exploiter le potentiel de l'IA tout en préservant nos valeurs sociétales et le bien-être humain, pour tendre vers un avenir où technologie et humanité progressent en harmonie.
Si vous souhaitez échanger davantage avec d'autres experts du secteur de la gestion de projets, rejoignez la communauté DPM et accédez aux conversations sur Slack avec des centaines d'autres chefs de projets digitaux.
