Prise de décision dans les organisations à l’ère de l’IA : un travail d’équipe humain-algorithme

Pedro Gomes Lopes est content manager chez AI for Tomorrow et consultant senior chez Wavestone.


Vous vous souvenez sûrement du précédent article où nous avons présenté la mythologie abondante qui s’est créée autour du thème du travail à l’ère de l’intelligence artificielle. Ces mythes mettent en scène des machines capables de dépasser les capacités humaines, menant ainsi, inéluctablement, au remplacement massif de l’humain par l’IA dans de nombreuses activités, dont le travail.

De prime abord, comment ne pas penser que l’IA décidera de tout à notre place ? Que nous perdrons le contrôle de nos décisions et de nos actions au travail ? Ces nouveaux systèmes informatiques sont capables de traiter des volumes énormes de données, de manière rapide et parfois très précise. En particulier, l’apprentissage machine permet de créer des nouvelles connaissances à partir des données, de faire des prévisions, des préconisations et même d’automatiser la prise de décision.

Parlons de vous maintenant. Vous arrive-t-il de douter lorsque vous travaillez ? De devoir choisir entre plusieurs options pour accomplir votre travail ? Si la réponse est oui, cela veut dire que vous prenez des décisions au travail. C’est plutôt une bonne chose car cela veut aussi dire que vous travaillez. Pas besoin d’aller plus loin pour vous démontrer que le travail passe alors par l’action et toute action découle d’une suite de décisions.

Dans cet article, nous continuerons notre quête de démystification sur la relation entre IA et travail . Nous nous intéressons maintenant aux différentes structures de prise de décision dans les organisations à l’ère de l’IA, en nous appuyant sur l’article de Shrestha et al. (1). Cet exercice nous permettra de poser un premier cadre autour du travail à l’ère de l’IA. Pour le faire nous explorerons les questions suivantes : Quelles différences existent entre la prise de décision humaine et celle de l’IA ? Comment définir quel rôle attribuer à ces deux entités dans un processus de prise de décision ?

Photo de Fauxels provenant de Pexels



1/ Quelles différences existent entre la prise de décision humaine et celle de l’IA ?


Les organisations peuvent être vues comme des « réseaux de décisions » qui doivent être structurées de façon à atteindre avec efficience les objectifs organisationnels (2). Que ce soit pour décider si l’entreprise devra commander auprès de tel ou tel fournisseur, quels collaborateurs inclure dans le cadrage d’un nouveau projet stratégique ou bien encore quel compte un comptable devra utiliser pour enregistrer une facture client, les entreprises vivent et évoluent au gré des décisions qui y sont prises. Pour prendre ces décisions, nous, humains, faisons appel à des intelligences multiples (3), y ajoutons nos émotions et sentiments (« Le cœur a ses raisons que la raison… est loin d’ignorer » (4)) et sommes contraints ou favorisés par notre perception de l’environnement qui nous entoure (5).

L’IA n’est pas dotée des mêmes ressources que nous. Dans certains cas, elle pourra avoir plus de difficultés à apprendre à réaliser une tâche simple qu’un enfant de 2 ans (reconnaître ce qu’est un chat par exemple (6)). En revanche, elle excelle dans les tâches qui sollicitent les processus cognitifs (7) tels que filtrer et trier des informations ou encore faire des prévisions ou des préconisations sur la meilleure option à suivre pour atteindre un objectif défini. Une simple recherche sur Google permet de trouver des applications de l’IA, donnant lieu à des performances importantes dans divers métiers : médecine, gestion des ressources humaines, banque, transports, administration publique, justice, et j’en passe.

Dans leur article de 2019, Shrestha et al. (1) proposent une comparaison du processus de prise de décision de l’IA et de l’humain grâce aux cinq caractéristiques présentées ci-dessous : spécificité de la question à laquelle on cherche à répondre, interprétabilité du processus de prise de décision et de son résultat, la taille de l’ensemble de données analysés, vitesse de la prise de décision, réplicabilité des résultats.

Table 1 : Caractéristiques de la prise de décision (d’après Shrestha et al. (2019))



2/ Comment définir quel rôle attribuer à ces deux entités dans un processus de prise de décision ?


Décider la meilleure structure de prise de décision a des implications fortes en termes de performance organisationnelle. Alors que les défis de la conception de structures de prise de décision n’incluant que des humains ont été assez bien étudiés, la récente augmentation des algorithmes prenant des décisions introduit un nouvel ensemble de défis dans ce vieux débat. L’étude de Shrestha et al. (1) propose trois structures de prise de décision entre humains et IA (délégation de l’humain à l’IA, hybride, séquentiel) qui seront choisies en fonction des caractéristiques des humains et IA vues précédemment. Dans ce modèle rationaliste, les humains seraient recommandés pour les prises de décision où la capacité de jugement et l’interprétabilité seraient importantes. L’IA s’occuperait de celles où la vitesse, la réplicabilité, le filtrage et la prédiction sont importants.

Tableau 2 — Choix des structures de prise de décision organisationnelle (d’après Shrestha et al. (2019))


Dans la première configuration, délégation complète de l’humain vers la machine, nous sommes clairement dans un cas d’automatisation de la prise de décision. La décision se fait sans intervention humaine même si l’humain en garde la responsabilité. Les cas d’application sont par exemple les recommandations de produits en temps réel (cela passe par la capacité de prédire les préférences de groupes d’utilisateurs à large échelle avec une grande précision — Amazon, Netflix, etc), l’affichage dynamique des prix (compagnies aériennes, hôtels, trading à haute fréquence, etc) ou encore la détection de fraude en ligne.

Dans la configuration séquentielle, où les décisions algorithmiques sont les données d’entrée pour la prise de décision humaine, l’IA catégorise les solutions, distingue plusieurs alternatives, suggère un ensemble réduit d’alternatives permettant aux décideurs d’humains d’évaluer les solutions possibles de façon plus efficiente. L’algorithme peut même être configuré pour fournir un niveau de confiance de ses suggestions. Les cas d’application sont par exemple les concours de « crowdsourcing » (8), le suivi et le pilotage des soins de santé, le recrutement ou encore l’évaluation de l’octroi d’un crédit. Par exemple dans le cas des concours de « crowdsourcing » (8), le coût de la résolution de problèmes de l’entreprise passe de la génération d’idées et de solutions vers l’évaluation et la sélection de solutions.

Dans la deuxième configuration séquentielle, les décisions humaines sont données en entrée pour une prise de décision algorithmique. En partant d’un ensemble important d’alternatives, les décideurs humains sélectionnent d’abord un ensemble réduit d’alternatives, puis les transfèrent vers l’algorithme d’IA pour qu’il évalue et sélectionne la meilleure alternative. Cette structure peut explorer les capacités prédictives des algorithmes dans des situations où les humains sont incertains sur les meilleures alternatives parmi les options dans le petit ensemble sélectionné. Billy Beane, l’entraineur de l’équipe de baseball Oakland a obtenu un grand succès au début des années 2000 avec cette structure de prise de décision pour le recrutement de ses joueurs (X). Le film « Le Stratège » réalisé par Bennet Miller (titre original « Moneyball » (2011)) avec Brad Pitt l’illustre parfaitement (9). Si cet article vous intéresse, vous serez susceptible d’apprécier également ce film (cette fois c’est un humain qui vous le recommande).

Finalement, dans une configuration hybride, les décisions sont attribuées aux décideurs humains ou IA en fonction de leurs forces respectives. Les décisions des humains et IA sont agrégées pour des décisions collectives utilisant des règles d’agrégation telles que les votes ou la moyenne pondérée. Ces structures de prise de décision agrégée peuvent être conçues de façon à que chacun se concentre sur différents éléments de la décision en fonction de leur forces et faiblesses. Les humains peuvent par exemple se focaliser sur des facteurs plus difficiles à définir et l’IA sur des facteurs plus objectifs qui exigent la consultation d’un nombre important de données. Un exemple de ce type de structure se trouve chez DKV (Deep Knowledge Ventures), une entreprise de capital-risque, spécialisée dans la médecine régénérative, situé à Hong Kong. En effet, depuis 2014 cette société a nommé l’algorithme VITAL à son conseil d’administration. Celui-ci fait des recommandations en analysant des volumes importants de données financières, des essais cliniques et la propriété intellectuelle des entreprises pressenties. Au même titre que les autres cinq administrateurs, l’algorithme a un droit de vote sur les décisions d’investissement de l’entreprise (10).



Conclusion


La prise de décision n’est qu’un des aspects de l’interaction entre humain et IA au travail. Néanmoins elle est omniprésente et ses formes se voient aujourd’hui bousculer par l’entrée de l’IA dans les organisations. D’autre part cet article a mis en évidence que loin de faire disparaître le travail humain, c’est le couple IA/Humain qui permet la création de valeur dans les processus de décision assistées par l’IA. Soit l’IA fournit de l’information à l’humain pour qu’il soit maître de la décision, soit elle se nourrit des informations qu’il produit pour prescrire la décision à prendre ou la prendre automatiquement. Dans d’autres cas encore, elle remplace l’humain par le biais de l’automatisation. Mais rassurez-vous, même dans ce cas, l’humain est toujours dans la boucle.

Le domaine du travail à l’ère de l’IA est vaste et passionnant. Dans les prochains articles je vous dirai pourquoi et comment le travail humain est essentiel pour faire fonctionner l’IA. Par la suite, nous explorerons aussi les risques et problèmes que peuvent créer ces nouvelles structures de prise de décision.


Lire sur Medium.


Pedro Gomes Lopes

Content Manager chez AI For Tomorrow

Consultant senior chez Wavestone


Références


(1) Yash Raj Shrestha, Shiko M. Ben-Menahem, Georg von Krogh, “Organizational Decision-Making Structures in the Age of Artificial Intelligence”, California Management Review, 2019, Vol. 61(4), 66–83

(2) Ann Langley, Henry Mintzberg, Patricia Pitcher, Elizabeth Posada, and Jan Saint-Macary, “Opening up Decision Making: The View from the Black Stool,” Organization Science, 6/3 (May/June 1995): 260–279

(3) https://fr.wikipedia.org/wiki/Théorie_des_intelligences_multiples

(4) Damasio, A. (1995). L’erreur de Descartes (1995). Odile Jacob

(5) https://fr.wikipedia.org/wiki/Affordance

(6) https://dataanalyticspost.com/les-multiples-voies-de-lapprentissage-frugal/

(7) https://fr.wikipedia.org/wiki/Processus_cognitifs

(8) https://www.ennomotive.com/crowdsourcing-competitions

(9) https://www.francetvinfo.fr/sports/foot/le-stratege-comment-gagner-avec-une-equipe-de-losers-et-brad-pitt_27033.html

(10) https://www.dkv.global/about