Formation IA des collaborateurs : contrôlez qui est concerné

La formation IA pour les employés devrait enseigner une question avant d'utiliser un résultat assisté par l'IA : qui pourrait être affecté si c'est faux, incomplet ou appliqué sans contexte ? Les employés apprennent souvent à protéger les entrées et à vérifier les faits. Ils peuvent cependant manquer le collègue, le client, le candidat ou le fournisseur qui en subit les conséquences.

La vérification des personnes concernées transforme l'IA responsable d'un principe général en un comportement professionnel visible. Avant de partager, d'approuver ou d'agir sur un résultat, l'employé nomme les personnes concernées, la conséquence possible, les preuves nécessaires et la voie pour questionner ou corriger le résultat.

La formation IA pour les employés nécessite une vérification des personnes concernées

Les directives actuelles de la Commission européenne en matière de littératie en IA stipulent que les organisations doivent prendre en compte le contexte dans lequel un système d'IA est utilisé et les personnes ou groupes sur lesquels il est utilisé. Sa FAQ explique également que les personnes concernées peuvent avoir besoin d'une compréhension suffisante pour voir comment une décision assistée par l'IA pourrait les influencer.

Les directives britanniques pour la prise de décision automatisée ajoutent une norme pratique : les personnes impactées doivent disposer d'un moyen simple de demander une intervention humaine ou de contester une décision, et les explications doivent être adaptées au public. Même lorsqu'un employé utilise un outil d'IA généraliste pour un produit de travail ordinaire, ces questions améliorent le jugement quant à la pertinence du résultat.

Utilisez la méthode FACE avant que le résultat ne soit diffusé

FACE ne transforme pas chaque employé en spécialiste juridique ou éthique. Cela donne aux gens une courte pause qui révèle quand un examen qualifié est nécessaire. La profondeur doit correspondre à la tâche : une note de brainstorming privée est différente d'une recommandation d'embauche, d'une décision d'éligibilité client ou d'une évaluation de fournisseur.

Exemple concret : un résumé de fournisseur assisté par l'IA

Un analyste des achats demande à l'IA de résumer les preuves de renouvellement des fournisseurs. Le brouillon indique qu'un petit fournisseur a « des problèmes de livraison répétés » et recommande de réduire son allocation. La phrase est basée sur deux livraisons tardives, mais le dossier source omet une fermeture temporaire d'entrepôt enregistrée ailleurs.

Le résultat amélioré peut toujours identifier un risque de livraison. La différence est que l'affirmation est limitée, le contexte manquant est visible et la partie concernée a un moyen de corriger le dossier. L'utilisation responsable devient une étape de travail, pas un slogan.

Quelle pratique les employés devraient rendre observable

Le guide de l'IA du gouvernement britannique recommande un contrôle humain significatif, une responsabilité claire et des mécanismes de contestation et de recours. La formation devrait donc tester si les employés peuvent identifier le décideur humain, remarquer qui peut être affecté, expliquer les preuves en langage clair et arrêter le flux de travail lorsqu'une contestation ne peut pas être gérée en toute sécurité.

Connecter la vérification à un parcours d'apprentissage plus large

Associez FACE à la chaîne complète des rôles, à la décision de partage et aux quatre vérifications de relecture. La formation Bokili pour les RH et la formation transforme ces comportements en exercices courts et adaptés aux rôles.

Les employés n’ont pas besoin de prédire chaque impact possible. Ils doivent remarquer quand un résultat passe d’une assistance privée à une décision qui affecte quelqu’un d’autre. Enseignez cette transition explicitement.