Bonjour et bienvenue dans notre podcast HR Stay tuned de Betuned, un podcast HR inspirant, à un moment où l'on se pose et où l'on parle innovation HR et tendance du marché.

Je m'appelle Amélie Alleman et je suis la fondatrice de Betuned, la nouvelle manière de recruter et de développer votre marque employeur.

Bonjour Gaëlle.

Bonjour Amélie.

Merci déjà d'être là, je suis super contente.

Moi aussi, avec plaisir.

On a fait un petit lunch, c'était il y a une semaine, pour discuter un peu du podcast et depuis je suis hyper excitée, j'ai envie d'avoir ce moment avec toi parce que j'ai plein plein de questions.

D'accord, si j'ai éveillé ta curiosité, avec plaisir.

Oui, clairement.

Aujourd'hui, on va parler d'intelligence artificielle et donc, avant de rentrer vraiment dans le vif du sujet, tu es Data Strategy Director chez Micropole, président de Woman Data et on peut dire que tu es vraiment passionnée d'IA générative et d'entrepreneuriat.

Oui, tout à fait.

Au départ, moi en fait, je suis passionnée par le business.

Tu vois, les business models, c'est développer des marques, développer des entreprises, développer… ça c'est ce que j'aime et donc forcément tout ce qui a un impact sur des business models, sur le développement des marques, c'est quelque chose qui m'intéresse.

C'est dans ce cadre-là que forcément la data ou les données m'intéressent parce que ça a un impact clair sur tout, mais notamment sur le marketing et la vente qui sont quand même mes domaines de prédilection et tout comme l'intelligence artificielle générative dont on va parler aujourd'hui.

Pourquoi est-ce que je me suis passionnée depuis un an et demi pour l'intelligence artificielle générative ?

C'est que je me suis vraiment dit, ça, ça va transformer tout.

Beaucoup.

Pour te donner une anecdote, à l'époque, j'ai travaillé 13 ans chez L'Oréal et pendant trois ans, j'ai été directrice du recrutement chez L'Oréal.

Donc, après dix ans de business… Je ne savais pas.

Oui, j'ai fait… c'est pour ça que j'ai quand même une certaine appétence par rapport au RH et là en fait, je disais, je ne marquette plus une marque ou des produits, je marquette vraiment L'Oréal, je marquette vraiment la société.

Ça remonte à 2008 et à ce moment-là, c'était ma première expérience avec les médias sociaux parce que c'était LinkedIn.

Donc, moi, j'ai travaillé avec LinkedIn ou utilisé LinkedIn bien avant Facebook, Instagram qui à l'époque, Instagram en tout cas, n'existait même pas.

Moi aussi 2008, je pense que c'est le moment où je me suis lancée sur LinkedIn, oui, avec le recrutement.

Et quand j'ai vu ça, forcément, c'était une bible de CV à l'époque et encore assez basique mais enfin, c'était une bible de CV.

Mais quand j'ai vu LinkedIn, je me suis dit ça, ça va transformer le marketing et la vente.

Je me suis dit, ça, ça va avoir un impact.

Et donc après, bon voilà, je passe le parcours mais j'ai fait pas mal de social selling.

Et il y a un an et demi, quand j'ai vu l'intelligence artificielle générative, je me suis dit, ça, ça va encore plus transformer pas uniquement le marketing et la vente, aussi le marketing et la vente mais ça va transformer non seulement beaucoup de business model, beaucoup d'entreprises, beaucoup de tous les départements et chaque individu en tant que tel également.

Aujourd'hui, on va parler principalement des RH.

Oui, avant de rentrer dans le vif du sujet, parce qu'on est déjà en train déjà de discuter, tu veux peut-être te présenter rapidement.

Oui, tu l'as dit, il y a donc Gaëlle Helsmoortel, donc effectivement, 25 ans de carrière professionnelle, donc voilà, dans le business, 13 ans chez L'Oréal.

J'ai été consultante pendant 7 ans en marketing digital, principalement chez Minds & More.

J'ai été cofondatrice et CEO d'une startup tech dans la data, dans le retail data qui s'appelle Genius et depuis un peu moins d'un an, j'ai rejoint Micropole où là, en fait, ce que je fais très concrètement, c'est que j'accompagne des entreprises pour tout ce qui est stratégie data avec un focus spécifique sur l'intelligence artificielle générative.

Et c'est comment, parce que l'intelligence artificielle, il n'y en a pas 100 données et l'intelligence artificielle générative, il n'y en a pas 100 données non plus.

Donc voilà, ça, c'est ce que je fais.

Des femmes directrices stratégie data, il y en a beaucoup ?

Alors, toi qui es une pure RH, what's in a title ?

Donc, oui, heureusement, je pense que tu vois tout ce qui est dans le domaine de la consultance.

Aujourd'hui, le marketing, c'est quand même beaucoup de data, la vente, c'est beaucoup de data.

Donc, j'imagine que oui, elles n'ont peut-être pas ce titre là, mais… Il y en a plus dans ce type de métier que dans les pure tech.

Je pense, sachant que c'est un métier aussi où… Donc, moi, voilà, c'est plutôt une partie consultance, stratégie, implémentation aussi, mais il faut comprendre la technologie.

Et moi, un peu comme je disais au départ, ce qui m'intéresse à la technologie, c'est la valeur ajoutée qu'elle peut ajouter au business et c'est en quoi elle peut apporter un avantage compétitif au business.

Moi, c'est ça qui m'intéresse.

Exactement comme l'intelligence artificielle générative, en fait.

Donc, voilà.

Et donc, c'est cette vulgarisation-là qui m'intéresse quand il faut vraiment créer des data plateformes et mettre en place des data vaults, data bricks et tous les choses.

Ça, c'est pas ce qui… Trop technique, ouais.

Ouais, c'est pas ce qui m'anime.

Je laisse des spécialistes et des experts là-dedans faire ça.

OK, clairement.

Bon, commençons par le début, l'IA générative.

Peut-être que tu veux réexpliquer un petit peu vraiment les bases.

Oui, alors l'intelligence artificielle générative, c'est un type d'intelligence artificielle.

Il faut savoir que l'intelligence artificielle, ça existe depuis les années 50, donc avant nous, Amélie.

Ouais, ouais, ouais.

Bon, certains le savent, d'autres pas, mais on a l'intelligence artificielle qui est déjà partout dans nos téléphones, dans nos voitures, Netflix, Spotify, Amazon.

Enfin bon, c'est rempli d'intelligence artificielle.

Ça fait quand même déjà très longtemps, ouais.

Parce qu'en fait, au départ, c'est quoi ?

Ce sont des modèles prédictifs.

Si on résume, c'est prédire, pas l'avenir, mais disons produire des comportements, prédire des choses qui peuvent se passer.

L'intelligence artificielle générative, c'est un type d'intelligence artificielle qui est basé sur le langage.

Ça veut dire quoi ?

Ça veut dire que… Ce sont des énormes bases de données qui prédisent le mot qui a le plus de probabilité de venir après un autre mot.

Ce qu'on appelle LLM.

Ce sont les Large Language Model.

Exactement.

Et effectivement.

Donc en gros, de façon très basique, c'est ça.

Et ce qui fait qu'en fait, depuis un an, on ne parle que de ça, alors que l'intelligence artificielle en tant que telle existe déjà depuis longtemps, c'est qu'en fait, c'est une des premières fois, voire la première fois, je pense que c'est la première fois où n'importe qui, indépendamment de son âge, de sa formation, de son éducation, de la langue qu'elle parle, de où elle vit, elle a la capacité de parler à une machine dans sa langue.

Et ça, c'est l'impact clé de l'intelligence artificielle générative.

C'est accessible.

C'est une accessibilité quasiment totale et donc une barrière à l'utilisation qui est quasiment inexistante.

Tu vas sur ChattyPetit en quelques minutes, tu as compris comment ça fonctionne et puis tu peux commencer à t'amuser.

Voilà.

Alors évidemment, tu l'utilises en fonction des résultats que tu as.

Tu comprends que tu l'utilises bien ou que tu ne l'utilises pas bien.

Mais effectivement, c'est cette accessibilité totale.

Pourquoi ?

Parce que c'est lié au langage et donc ça te permet d'avoir une interaction très simple.

Un assistant fantastique que tu n'as jamais eu et qui peut t'aider dans plein de choses.

Donc la question maintenant que je veux te poser depuis une semaine, l'impact sur le monde des RH.

Quelle est selon toi, pourquoi ça suscite autant d'intérêt au niveau du monde des RH ?

Je pense que ça suscite de l'intérêt partout.

Ça suscite de l'intérêt partout.

Je dirais qu'en fait, si tu veux, j'ai développé un modèle où la particularité de l'intelligence artificielle générative, c'est quoi ?

C'est qu'elle impacte chaque individu à titre personnel.

Toi, moi, que tu travailles au RH ou indépendamment, que tu ne travailles pas, ça t'impacte.

Ça impacte également tous les managers.

Pourquoi ?

Parce que forcément, les personnes dans leurs équipes sont impactées.

Il y en a qui ont peur, il y en a qui n'ont pas peur, il y en a qui veulent l'utiliser, d'autres ne veulent pas l'utiliser.

Il y a toute une série de ce que nous on appelle des use case, de tâches, si on peut dire ça comme ça, qui vont fortement évoluer, qui déjà sont automatisées par l'intelligence artificielle générative et qui vont encore plus l'être.

Donc il y a vraiment un impact manageriel.

Et puis il y a un impact au niveau de l'entreprise.

Parce que l'entreprise, bon voilà, elle doit gérer les risques, elle doit gérer ses propres use case qui seront impactés, comment ça va impacter son business model, son avantage compétitif.

Et si tu veux, moi je modélise ça en cercles, et donc chacun de ces trois cercles a des intersections.

Et si tu regardes l'intersection entre l'individu et la société, l'intersection c'est quoi ?

C'est que ça va fondamentalement changer les rôles et les attentes des individus.

Et donc forcément le département RH, qu'est-ce qu'il gère au quotidien ?

Bon il y a plusieurs fonctions dans l'RH, donc c'est clair que si on regarde les salaires ou les compensation and benefits, ça touche quand même toujours les gens.

Donc en fait comme les RH ont un impact sur aussi la stratégie des organisations, qui ont fait quoi, qui ont fait évoluer, enfin bon, ça a un impact majeur sur la façon dont ils vont recruter les gens à partir de maintenant, comment ils vont gérer les gens aujourd'hui.

Donc voilà, donc évidemment ça a des impacts à titre personnel parce qu'il y a toute une série de tâches qui vont fortement être automatisées par l'intelligence artificielle générative, et puis il va y avoir des impacts avec les managers, avec les… Au corps de l'humain, donc à l'intersection.

Alors comment, avec notamment une responsabilité importante, et ça ça dépendra beaucoup de la culture de l'entreprise, sur comment faire en sorte de upskiller toutes les personnes.

Concrètement, qu'est-ce que je veux dire par là ?

Il y a une étude, il n'y a pas très longtemps, qui est sortie, qui a été réalisée par le Boston Consulting Group et par l'université de Harvard aux Etats-Unis.

Sérieux ?

Oui c'est sérieux, je peux t'envoyer le… Je pourrais mettre le… Et en fait si tu regardes cette étude, ils ont demandé à 758, je pense, enfin disons un peu plus de 750 consultants du BCG de faire toute une série de tâches, tâches de consultant, enfin voilà, tout ça est détaillé dans l'étude, mais toute une série de tâches, une cinquantaine de tâches.

Ils avaient divisé ces consultants dans deux groupes.

Un premier groupe qu'ils ont appelé le test group.

Dans ce test group, ils pouvaient utiliser l'intelligence artificielle, et sans donner trop de détails de comment ils avaient accès.

Le deuxième groupe, ils ont appelé ça le control group, ils n'avaient pas accès à l'intelligence artificielle.

Première constatation, qu'est-ce qui est apparu dans le résultat ?

C'est que le groupe, le test groupe qui avait accès à l'intelligence artificielle a réalisé 12% de tâches en plus.

Donc ils ont fini en fait 12% de tâches en plus.

Ils l'ont fait 25% plus rapidement que les autres et 40% plus qualitativement que les autres.

C'est pas mal, hein ?

Donc c'est déjà très intéressant.

Tout à fait.

Et c'est là où il y a un impact encore plus important pour le département RH, c'est que quand tu analyses un peu plus l'étude, ce qu'ils avaient également fait à l'intérieur de ces deux groupes, c'est qu'ils avaient divisé chaque groupe en deux sous-groupes si tu veux.

L'un, c'était les low-performers et l'autre les top-performers.

Donc dans chaque groupe, il y avait les top-performers et les low-performers.

Parce que les RH font aussi aux clients.

Et en fait, ce qui est dingue, enfin dingue, c'est que les low-performers qui avaient accès à l'intelligence artificielle, qui étaient dans le fameux test-groupe, ont été devenus quasiment aussi performants que les high-performers dans le groupe qui n'avait pas accès à l'intelligence artificielle.

Ça veut dire quoi ?

Ça veut dire que l'intelligence artificielle générative est le meilleur coach, assistant, ou indépendamment de comment tu l'appelles, qui n'est jamais existé.

À titre personnel, on n'a jamais… Je suis formateur, je t'entends, je tremble.

Mais c'est vrai.

Mais je te dis qu'il y a beaucoup de business models qui vont être impactés.

Tout le monde devrait se poser la question, et c'est ce que je dis à mes clients.

Je dis, à titre personnel, dans un premier temps, vous vous posez la question, vous notez.

Il faut le noter.

Enfin, mon conseil, c'est de le noter.

Pourquoi ?

Parce que c'est frappant.

Vous notez quelles sont toutes les tâches que vous faites au quotidien qui ont un impact avec le langage au sens large.

Après, on peut même aller plus loin vers le code et tout ça parce que les intelligences artificielles sont très mauvaises, enfin, génératives sont très mauvaises en maths, mais elles sont très bonnes en codage.

Mais donc tout ce qui est lié au langage, vous faites les tâches, vous listez les tâches qui sont liées à ça.

Il y en a quand même beaucoup, non ?

Mais comme nous sommes des êtres humains qui utilisons le langage pour communiquer, c'est énorme.

Oui, je suis curieuse de faire l'exercice en tout cas.

Oui, il faut faire l'exercice.

Je te jure, c'est hyper frappant.

Pourquoi ?

Parce qu'après, tu te dis, ok, chaque tâche, est-ce qu'elle peut être automatisée, oui ou non, par l'intelligence artificielle générative.

Ça veut dire quoi ?

Ça veut dire que quand tu regardes ça, et c'est le job de manager de faire ça pour les gens de leur équipe, et c'est une responsabilité RH de se dire, ok, il y a toute une partie de nos collaborateurs dont toute une série de tâches, ils ne devront plus la faire parce que à court, moyen ou long terme, c'est ce qui va se passer.

Ça veut dire qu'il y a des collaborateurs, c'est peut-être 20%, 30%, 100%, CEO compris, on a tous, indépendamment de nos responsabilités, un pourcentage de nos tâches que nous ne devrons plus faire.

Tu considères ça, bête question, mais aujourd'hui on est quand même dans une société à deux vitesses où il y a les, enfin, les adopteurs maintenant ça fait déjà un an, mais bon, il y a quand même toujours les adopteurs et ceux qui sont en train de se poser des questions.

Tu vois une généralité quand même dans quelques années où tout le monde va d'office et tout le monde va travailler, et ça va se passer à l'IA ?

Je ne sais pas, on se passe rien, alors après chacun aura sa...

Je suis un peu naïve, mais bon.

Mais tu vois, par rapport au, ce qui est important juste pour revenir au point d'avant, c'est que les RH doivent se poser la question aujourd'hui, comment est-ce que je vais faire, et c'est en lien à ce que tu viens de me poser maintenant, comment est-ce que je vais faire pour former les collaborateurs à l'IA génératif ?

D'accord.

Parce que quand tu utilises l'IA génératif, tu es plus performant, et si tu as cette compétence dans ton arsenal de compétences, tu as plus de chances de rester dans l'entreprise et de trouver un autre job que quand tu n'en as pas.

Et donc voilà, alors est-ce que c'est deux vitesses, est-ce que c'est, je ne sais pas combien de vitesses il peut y avoir, mais ce qui est clair aujourd'hui c'est que si tu n'utilises pas très correctement l'IA génératif, tu as une compétence majeure que tu n'as pas.

Et il y a pas mal de personnes alors qui me posent les questions, et j'ai encore animé un groupe RH d'une grosse banque belge il n'y a pas très longtemps, et instantanément une des personnes me disait "oui mais alors comme forcément entre autres ça aide à générer des réponses, des job descriptions, enfin tout ce que tu peux imaginer, ils disent mais tous les textes vont être les mêmes, tout va être les mêmes.

Et je dis non, parce que oui, si tu le fais de façon peu qualitative, tu auras des résultats médiocres que tout le monde aura, et d'ailleurs ça se voit, il suffit de voir aujourd'hui sur LinkedIn, tu vois directement ce qui a été généré, sauf ceux qui l'ont apporté ce que moi j'appelle de la créativité et des données.

Ce qui fait que tu te différencieras, je ne sais pas si c'est très juste là, mais que chaque être humain sait la créativité de ce qu'il demande, de ce qu'elle demande à l'interface d'IAG Narrative, et qu'elle donne les données.

Quand tu dis donner ces consignes, c'est nourrir ?

Ce ne sont pas des consignes, en fait évidemment c'est la façon dont tu donnes les consignes aussi, mais là où l'intelligence artificielle générative est particulièrement performante, c'est quand tu lui donnes des documents.

Tu lui donnes des documents, tu lui donnes des profils LinkedIn si on parle des RH, tu lui donnes toute une série de choses, et que ce soit en marketing ou en vente aussi, mais tu donnes des documents que tu as, et comme ça elle va générer sa réponse, non seulement en fonction de comment tu l'utilises, mais en fonction de son, de ses tables, etc., mais également elle va vraiment se baser sur le contenu que tu lui as donné.

Ça je fais, quand je prépare, c'est plus ou moins 30% création de mon prompt où j'essaye de mettre en situation le ton of voice, ce que je veux, à qui je m'adresse, et souvent je fais des anciens contenus qui m'ont plu, des choses comme ça, pour qu'ils voient un peu le ton, et puis j'énère, et puis là je reprends encore 20 à 30% pour venir repaufiner, donner un peu la touche, fluidifier, etc.

Moi ce que je dis toujours et que je trouve qui est très parlant, quand tu demandes quelque chose, disons à ChatGPT, il y en a d'autres, mais tu dois te dire que tu fais un briefing à une agence.

Tout à fait, c'est ce que je me dis, c'est comme si tu briefais une agence de com ou une autre, en disant qu'est-ce que je veux, qu'est-ce que j'attends, quel est l'input, enfin l'output, etc.

Mais ça veut dire quoi, quand tu fais un briefing ?

C'est que tu as déjà structuré tes données, tu as déjà préparé… Je te coupe.

Non, non, non, c'est très très bien, parce que tu as tout à fait raison, mais ça veut dire aussi que tu connais ton sujet, ça veut dire que tu as déjà une idée de ce que tu attends, et ça veut dire que tu as effectivement, comme tu viens de le dire très bien, tu lui as donné des données, tu as structuré ta demande, et donc voilà, et tu as détaillé ça aussi.

Et voilà, pour ceux qui font des briefings, et au IHRAJ il y a des briefings qui sont faits aussi, si tu fais un briefing, même un testagiaire, si tu fais un briefing très évasif, tu recevras quelque chose de médiocre.

Si tu donnes un briefing qui est très précis, etc., tu auras une première version qui ne sera pas la version finale, mais qui sera déjà très qualitative et qui te permettra toi d'aller plus loin.

C'est vraiment comme ça, je pense qu'il faut appréhender les questions que l'on pose à l'intelligence artificielle générative.

C'est vrai que moi à la base j'ai fait des études de journalisme, c'est plutôt la com, et c'est vrai que moi j'adore, parce qu'en fait j'ai l'impression que comme tu peux discuter, parfois j'ai un peu tendance à vouloir des choses, mais à oublier certaines étapes dans ma communication, par exemple avec l'équipe ou quoi, tu vois, mais là tout de suite tu le vois en fait.

Oui, oui, oui, oui, moi personnellement je n'aime pas trop le mot « discuter » parce que je pense qu'il faut toujours se rendre compte qu'on parle à une machine.

Alors évidemment toutes ces grandes sociétés américaines, ce sont principalement des grandes sociétés américaines qui nous donnent accès aujourd'hui à ces interfaces, elles font tout pour qu'on croit que c'est un humain.

Moi je dis merci.

Oui, je sais, il y a ces questions, les gens te disent merci, mais alors si tu dis merci, elles te répondent « ah oui, n'hésite pas à me rappeler, enfin à me redemander si tu es… ».

Oui, bon voilà, mais c'est une machine qui n'a pas de conscience, qui est basée sur des probabilités statistiques, ça veut dire quoi ?

Ça veut dire qu'il faut toujours se dire le « critical thinking ».

Oui, clairement.

Et ça c'est clé.

Moi, mes deux ados, enfin on sait les impacts que ça a sur le « search » sur Google parce que maintenant quasiment tous les sites ont perdu entre 12 et 64% de leur trafic sur leur site internet parce qu'elle est captée par l'intelligence artificielle générative.

Parce que les gens cherchent via ?

Parce que les gens cherchent via JPT.

Mais quand on comprend que ça fonctionne de façon totalement différente, forcément le type de résultat n'est pas communiqué de la même façon.

Et ces intelligences artificielles génératives, elles sont très autoritaires ou très sûres d'elles et parfois elles se trompent complètement, ce qu'on appelle les fameuses hallucinations.

Mais donc, moi ce que je dis à mes fils, c'est « vous checkez ».

C'est une source, c'est une source fantastique qui vous permet d'aller plus vite, plus loin, plus rapidement et qui n'est pas chère.

Donc oui, c'est une source exceptionnelle et ça peut devenir une source quasiment principale, mais checkez les résultats.

Et quand on dit « checkez les résultats », je trouve ça important à dire parce que quand on analyse, on dit souvent « oui mais enfin, le GNI, ses interfaces, ils racontent n'importe quoi, ils sont faux ».

En fait, quand on analyse la réponse, oui, c'est factuellement faux, mais c'est statistiquement correct.

Et c'est ça que les gens doivent comprendre et donc ils se disent « ok, il y a toujours une raison statistique qui explique la réponse, mais bon, enfin notamment, mais il faut la critiquer ».

Si on revient, tu parlais il y a quelques minutes de « upscaling » au niveau HR, tu trouves que c'est une responsabilité d'HR de vraiment former ses équipes au niveau de l'IA générative ?

Personnellement, je pense oui.

En tout cas, je pense que pour une entreprise, et donc voilà, est-ce que c'est pris par l'ERH, mais souvent dans une équipe ERH, tu as quand même une responsabilité de formation, enfin je pense en tout cas, qui peut être aussi prise par les départements, par les managers, mais je pense qu'en tant qu'entreprise, oui.

Toutes les entreprises, avant de se poser la question, parce que j'ai beaucoup d'entreprises qui me disent « comment je dois faire ?

».

J'écoute, on peut réfléchir, on va analyser, mais ce qui est important, c'est de, à très court terme, informer et former l'ensemble de vos collaborateurs.

Pourquoi ?

Parce que forcément, c'est accessible à tout le monde et qu'il y a des risques.

Un des risques, notamment, on le sait, c'est qu'on met des données et que ces données entraînent le modèle.

Donc oui, je pense que c'est une responsabilité fondamentale de toute entreprise et donc je pense que l'ERH aura les clés à jouer là-dedans.

Pourquoi ?

Parce que les questions se poseront, des tâches seront automatisées, donc à un certain moment, il y aura des questions qui seront gérées ou co-gérées avec l'ERH en disant « qu'est-ce qu'on fait de ces profils ?

Qu'est-ce qu'on fait de ces personnes ?

» Sachant que X à Y % de leurs tâches ne doivent plus être faites ou en tout cas plus de la même façon.

Oui, clairement.

Puis tu as tout ce qui est performance, automatisation, oui, il y a plein, plein, plein de… Et ça ne veut pas dire que tous ces gens seront licenciés, mais ça veut dire qu'il y aura des upskills, qu'il faudra peut-être… Voilà, les rôles vont fondamentalement changer, certains plus que d'autres évidemment, mais les rôles vont changer et ça je pense que c'est une responsabilité clé.

Enfin selon moi, une responsabilité clé d'ERH d'être même… Moi je pense que pour l'ERH c'est même un moment tellement important qu'il pourrait prendre le lead là-dessus en disant « voilà, comment est-ce qu'on adapte les profils ?

Comment est-ce qu'on les fait évoluer ?

Les fonctions qui vont disparaître, celles qui vont émerger, comment est-ce que les jobs actuels vont évoluer ?

Quel type de compétences ?

» Donc je pense que ça c'est la… Moi quand j'entends parler autour de moi et quand je dis ça, là l'ERH me regarde et me dit « mais c'est vrai ?

» Et ce n'est pas quelque chose auquel forcément ils ont pensé.

Clairement, j'ai l'impression que c'est tellement loin aujourd'hui quand on parle IA générative, on parle création des job desks, on va parler vraiment sélection des CV, parsing ou analyse, des choses très très basiques qui se font depuis déjà quand même.

Redaction des job desks, non, mais l'analyse, le parsing des CV.

Donc le parsing c'est vraiment le fait de lire un CV, quel que soit le format, et de pouvoir identifier ses skills, ses compagnies.

Ça se fait, moi ça fait 16-17 ans que je fais du recruitment, ça fait 17 ans que je l'utilise.

Maintenant rédaction des job desks, on commence… Moi je commence à avoir des demandes de formation, on en parlait juste avant de commencer le podcast, il faut qu'on en discute absolument.

Mais c'est vrai que ça reste très très basique, très opérationnel, on ne voit pas l'impact, et pourtant c'est logique quand tu le dis, les métiers vont changer, pourquoi ne pas regarder quels seront les job desks de demain et comment on fait.

C'est ça qui est clé, entre toi et moi, je trouve… enfin entre toi et moi, et tous ceux qui nous écoutent.

En fait c'est vrai qu'on n'écoute que deux avec Sème aujourd'hui, Sème Poirfaut est là pour le son et l'image.

Mais c'est ça qui est super enthousiasmant pour les RH, parce qu'effectivement ce que tu dis les job desks, tu vois dans mon modèle avec mes trois cercles, c'est vraiment entre la boule ou le cercle de chaque individu et le management, là tu as tout ce qui est augmentation de l'efficacité, optimisation des process, et tout ce que tu dis ça rentre là-dedans.

Et donc forcément c'est des cuicuines presque, parce que oui c'est accessible à tout le monde, certains le font mieux que d'autres mais tu peux le faire.

Mais le vrai, enfin ce que je trouve si j'étais encore RH, c'est ça qui est manivré, parce que c'est ça qui est stratégique, c'est là où justement il y a encore cette créativité humaine, cette intelligence humaine qui peut utiliser cette technologie et voir comment réagir à cette technologie qui est là, qui ne va pas s'arrêter et qui évolue tous les jours.

Oui c'est vrai qu'en fait c'est passionnant.

Ah moi je trouve ça passionnant.

Il y a un travail de dingue à faire, oui oui, c'est bête mais je ne l'avais pas vu comme ça.

Eh bien écoute, moi quand j'en parle, moi ça me paraissait assez évident, et quand j'en parle, et je te dis même par rapport à des personnes qui gèrent des grosses équipes RH, à ce moment-là leur front tombe en disant "mais oui on a un rôle majeur", je veux dire, mais majeur aussi, il y avait de la direction, des managers, c'est une transformation totale de l'entreprise.

Tout à fait, c'est un truc de dingue.

Ben oui.

Non mais c'est vrai, mais je trouve que c'est ça qui est intéressant.

Donc concrètement, si on veut résumer, si on a perdu quelques personnes en cours de route, donc vraiment voir au niveau des tâches qui ont un rapport avec le langage, pouvoir vraiment identifier dans les différentes fonctions tout ce qui pourrait être automatisé, pouvoir revoir un peu tous les job days de là où il y a 20% qui va être automatisé et donc le job change et évolue vers quoi, comment, comment je les forme, comment je vois le job d'aujourd'hui et de demain, c'est un peu tout ça que tu conseilles.

Si je résume.

Oui voilà, c'est bien résumé et effectivement il y a peut-être une étape que tu n'as pas dit, c'est quand au niveau de l'entreprise, avec les collaborateurs, avec les managers, avec les RH, ils disent ok, la liste des tâches qui seront automatisées, évidemment après il y a quand même une réflexion stratégique sur laquelle on automatise quand.

Donc là il y a aussi des road maps qui doivent être faits, mais c'est là aussi qui est intéressant parce que ça veut dire qu'en fonction des use case et des tâches qu'on décide d'automatiser, comment est-ce qu'on fait le choix de priorisation de laquelle on commence, il y a l'impact humain en disant ok on peut automatiser celle-là plus rapidement, ça veut dire quoi comme impact humain, ça veut dire quoi, qu'est-ce que nous on doit faire pour les upskiller, enfin voilà.

Donc il y a aussi cette étape-là qui est importante, de dire lesquelles on automatise en premier.

Et là c'est des réflexions aussi à voir avec le business parce qu'il y a parfois le business qui va dire attendez, nous celle-là on n'attend pas par rapport aux gens, on veut le faire maintenant.

Donc c'est aussi des discussions interdépartement, en comité exécutif, en conseil d'administration, ce sont des discussions clés qui doivent avoir lieu et qui aujourd'hui ont très très peu lieu.

Ok, c'est passionnant.

Oui je vois que tu as l'air intéressée.

Oui oui très très très.

Je trouve.

Tu accompagnes beaucoup de boîtes en trajet ?

C'est le début ou tu vois déjà pas mal de gens.

Oui c'est le début mais il y en a beaucoup parce que je pense que mon approche est, de ce que j'ai pu constater, est assez différente de celle de beaucoup de gens.

Tu as toute une partie de personnes qui sont très sûrs de la promptologie, le prompt engineering, enfin je dis promptologie mais c'est plutôt prompt.

On parlait beaucoup que ça allait être un métier mais bon c'est une compétence que tout le monde va acquérir au fur et à mesure des mois.

Oui.

Personnellement je pense que… C'est vrai qu'il y a une façon de le faire etc.

Mais bon.

Mais voilà.

Et il y a une autre grosse partie de personnes qui se focalisent évidemment sur l'aspect purement technologique en disant comment est-ce qu'on implémente ça, comment est-ce qu'on implémente ça.

Ce qui est important aussi.

Ces deux axes là sont importants.

Mais il y a quand même l'axe que moi je trouve clé qui est vraiment informer les gens sur c'est quoi un large language model de façon simple pour qu'elles comprennent ce que c'est.

Parce que moi je pars toujours du principe tu dois comprendre les règles du jeu.

Soit tu comprends les règles du jeu et tu joues, soit tu les comprends pas et t'es out of the game, t'es hors du jeu.

Et quand tu comprends les règles du jeu, là tu vois tous les impacts potentiels que ça a.

Et moi j'axe plutôt ça là-dessus et d'aider évidemment les entreprises en disant ok, quelle réflexion stratégique à avoir, comment.

Évidemment après il y a le déploiement des use case mais je les aide beaucoup aussi sur quelle est l'identification des use case.

Alors ça, ça peut être par département.

Généralement c'est par département, il peut y avoir d'autres.

Quelles sont les nouvelles responsabilités.

Il y a aussi de plus en plus de task force d'intelligence artificielle qui sont créées.

Mais là aussi il doit y avoir une diversité des rôles.

Priorisation de ces use case.

Donc voilà, c'est tout ce que je fais.

Ok.

Et tu as des exemples un peu plus concrets que tu peux partager avec nous au niveau RH que tu as déjà mené ou que tu as en cours ?

Alors au niveau RH, oui là j'accompagne notamment une grosse équipe dans le domaine financier par rapport à tout ce qu'on vient de dire, comment est-ce qu'on va faire, comment est-ce que nous on s'upskill, comment est-ce qu'on identifie les tâches et sur base de ça les rôles qui vont changer.

Donc voilà.

Ok.

Tu es aussi présidente de Women On Board ?

Oui.

Et tu vois que c'est quelque chose qui devient de plus en plus des questions de plus en plus fréquentes dans les conseils d'administration ?

Tu as du retour ?

Alors en tout cas nos membres, donc Women On Board, on est une association qui promeut les femmes au sein des conseils d'administration.

Donc on a un pool de 350 femmes qui sont ce que j'appelle directement "boardable" parce qu'elles ont des expériences et toutes les femmes qui rentrent dans notre pool de femmes, elles sont vraiment passées par un process chez nous.

En fait on a un admission committee avec des gens même assez connus, notamment dans le monde RH mais pas uniquement.

Parce que la réflexion c'est si cette femme rentre dans notre pool, voilà, il faut qu'elle soit "boardable".

Et elles sont déjà revenues à plusieurs reprises chez nous en disant "ah ben tiens, est-ce qu'on pourrait faire des webinaires, un event sur le sujet ?".

Je pense que quand je vois un petit peu, je pense que dans les conseils d'administration c'est encore très peu, trop peu au niveau du conseil d'administration, le sujet est trop peu là.

Mais par contre il y a vraiment l'envie de le mettre.

Mais ça je comprends, il y a beaucoup de personnes qui se disent "ok mais on fait quoi et comment on fait ?"

Ok, tu as des conseils justement quand ils se posent ces questions-là ?

Par où commencer ?

Ils peuvent m'appeler.

C'est mon côté commercial.

C'est un très bon réflexe.

On mettra tes coordonnées, on te contacte comment ?

Sur LinkedIn, mail, téléphone ?

Oui sur LinkedIn, c'est le plus facile.

J'ai un mail aussi effectivement.

Ou sur Instagram, ou sur Facebook.

Je suis un peu moins sur X.

Mais je pense que la première chose à faire c'est aussi se former soi-même.

Donc c'est s'informer, se former.

Comme tu disais si tu connais la règle du jeu tu peux déjà commencer à comprendre.

Et ça je pense que c'est la responsabilité de chacun.

Parce que moi ce que je trouve un peu embêtant dans toutes les communications qu'on entend au sujet de l'intelligence artificielle, je trouve qu'on entend que c'est dangereux, qu'il y a plein de risques, ce qui est vrai.

Mais là aussi si on les connaît, on sait quand même un peu mieux les appréhender.

C'est soit, oulala, gros risque, soit c'est magique.

Et je pense que c'est ni l'un ni l'autre.

Oui évidemment ça peut être magique, ou en tout cas ça peut être risqué.

Mais je pense qu'en véhiculant, beaucoup dans la presse, pas uniquement, mais on entend beaucoup, moi je suis à des événements, j'ai été à pas mal d'événements, décembre, janvier, fête de fin d'année, il y avait généralement à chaque fois un ou deux slides ou notes sur l'intelligence artificielle générative et à chaque fois c'était "ah ça c'est les risques, ça c'est les risques".

Et j'ai dit "ouais ok mais les opportunités sont incroyables".

Donc je pense qu'il y a quand même un message en disant n'ayez pas peur, ne pensez pas non plus que c'est magique, c'est comme beaucoup de choses, informez-vous, formez-vous, testez-le, soyez curieux.

Ça aussi c'est un domaine du RH, enfin c'est des soft skills évidemment.

En fait l'intelligence artificielle générative c'est, comme en gros il y a beaucoup de hard skills que l'intelligence artificielle générative peut faire, c'est vraiment aussi les soft skills qui doivent être de plus en plus, là aussi c'est un rôle des RH en disant tiens, encore beaucoup plus évalué avant d'engager quelqu'un sur ce genre de choses.

Mais voilà, les soft skills sont importants.

Oui j'allais justement parler d'implication éthique, confidentialité des données, oui c'est vrai qu'en fait ça reste quelque chose qui est accessible en fait.

Alors c'est clair qu'il y a des gros enjeux, mais là aussi qu'il faut connaître pour pouvoir les appréhender, des gros enjeux au niveau du copyright, des gros enjeux au niveau du risque de leakage de données, donc que les données soient effectivement utilisées pour entraîner les modèles, et il y a des gros enjeux en termes de biais éthiques.

Mais quelque part il y a des solutions ou en tout cas des choses à faire pour limiter ça, pour se protéger les RH aussi.

C'est clair qu'on sait qu'en plus tu parlais d'écrire des job descriptions, il y a aussi beaucoup des RH qui commencent à l'utiliser pour envoyer des lettres négatives ou positives aux candidats qui ont postulé, comme tu le disais aussi il y a une grosse présélection qui est faite par ces IAG, qui sera de plus en plus faite.

Quand on sait qu'il y a des biais énormes dans ces large language model et qu'on sait très bien que c'est les hommes blancs qui sont fortement représentés, et qu'on sait très bien que les femmes afro-américaines, OpenAI le met même sur son site en disant on sait qu'il y a des biais.

Donc les RH doivent évidemment, pas uniquement les RH, mais là aussi tester, vous voyez bien vous faites le même prompt, vous donnez les mêmes documents, il y en a un où vous mettez Thomas et l'autre où vous mettez Amélie, ce ne sera pas la même réponse.

Alors là il y a beaucoup de gens qui vont me dire "mais si on met Thomas et Julien, ce ne sera pas la même réponse non plus".

Non, mais le tone of voice sera le même, alors qu'il n'est pas le même quand c'est un homme et une femme, et ça va même jusqu'à ce que parfois le type de réponse soit différent.

Typiquement, j'ai beaucoup testé au niveau des RH sur l'homme, là il disait, alors je l'ai utilisé sur plusieurs, parce que je teste toujours que ce soit sur ChatGPT, Bing, Bard, enfin maintenant c'est Gemini, et Cloud, Cloud 2, il faut le faire via VPN, VPN il n'est pas encore disponible comme ça en Belgique, et il y en avait même où l'un il proposait des formations et la femme il ne proposait pas de formation.

Enfin !

Oui, il y a des vrais biais dans le tone of voice, dans le style de réponse.

Il y en a des aussi qui étaient plus biaisés que d'autres ou pas spécialement ?

Oui, c'est pour ça aussi que, en fonction du use case, un use case c'est ça, un use case ça peut être envoyer des réponses négatives aux candidats qui ont postulé.

C'est un use case.

En fonction du type de use case, on analyse évidemment quelle technologie on utilise.

D'accord.

Parce que oui, il y a des biais qui sont plus marqués dans l'un ou dans l'autre.

Donc c'est clair qu'il faut savoir ça, parce qu'il faut analyser ça au moment où on… Il y en a un qui est plus biaisé ou ?

Ça dépend vraiment du use case.

Ce qui est clair, c'est qu'un open AI est très fortement censuré.

Donc forcément, comme il est très fortement censuré, c'est-à-dire que quand tu as des modèles comme ça, eh bien au niveau du… La liberté de réponse.

Ils influencent, si tu veux.

Par exemple, ils vont jamais mettre… Ils vont par défaut censurer le modèle pour qu'il ne donne pas des propos racistes.

Alors ils le font d'une certaine façon.

Après ça, ils ne sont pas très… Ils ne documentent pas tous de façon très précise comment ils le font.

Mais donc, tu vois, ils font en sorte… Ils empêchent la machine de donner certaines réponses pour éviter qu'il y ait… Tu vois, comme au tout début, on en a entendu beaucoup, il y a quand même quelques personnes qui se sont suicidées parce que la personne a dit « Suicide-toi, c'est la seule chose qui te reste.

» C'est complètement fou.

Donc, il y a pas mal… Donc, ils sont tous censurés.

En tout cas, les interfaces auxquelles on a un accès public parce qu'évidemment, il y a aussi tous des modèles en open source qui, dans ce cas-là, ne sont pas à la disponibilité de n'importe qui parce qu'il faut quand même des connaissances en codage.

Donc là, après, c'est chacun qui fait son écosystème ou son système qui a une responsabilité, qui est en responsabilité de faire ça.

Donc oui, voilà.

Donc, il y a vraiment un problème de copyright, des billets clairs et confidentialité des données.

Mais il y a des solutions pour ça.

Il y a des solutions, mais il faut… Et par use case, elles peuvent être différentes.

Même au niveau de l'accessibilité, je pense qu'au niveau… Si tu te connectes le matin ou l'après-midi, si il y a les États-Unis dessus ou pas, il y a un taux de réponse qui est quand même différent.

Oui, alors ça, c'est ce qu'on a.

Ou pas.

Oui, bon, ça, c'est un peu comme toutes les plateformes.

Moi, instantanément, quand il y a beaucoup de monde, et alors oui, sur chat JPT, à 15 heures, les États-Unis se réveillent.

Donc pas à 15 heures, nous 15 heures et eux plus tard.

Et donc bon, il y a plus de gens dessus.

Oui, mais au-delà de ça… Mais la qualité a impacté ?

Alors, oui, la qualité peut être impactée.

Il y a beaucoup de rumeurs sur pourquoi est-ce que chat JPT en particulier n'est parfois beaucoup moins performant que ce qu'il peut l'être.

Alors, il y a des rumeurs qui disent que c'est parce qu'en fait, il ne vient plus bête, parce que les gens sont bêtes.

Personnellement, je n'y crois pas trop.

Je pense, d'avoir discuté avec pas mal de gens, aux États-Unis notamment, dans des forums dans lesquels je suis, je pense, je pense, parce qu'après, que la raison la plus correcte, c'est qu'en fait, ces modèles coûtent très cher.

C'est-à-dire que nous, on paye 20, 25 euros par mois, les entreprises plus en fonction de ce qu'elles ont choisi, mais ça coûte en fait souvent moins que ce que ça coûte réellement pour une société comme OpenAI.

Et donc, en fait, je pense qu'ils limitent le nombre de tokens dans la réponse.

Donc, ils limitent la réponse pour que ça leur coûte moins cher.

Ok.

Ce qui pourrait être plus logique.

Je pense que c'est une raison plus logique.

Ils vont baiser ce modèle.

Oui.

Au plus la réponse, au plus ton prompt est long, enfin, c'est pas pour ça que la réponse est longue, mais au plus le prompt est long, au plus ça demande des ressources, au plus la réponse est longue, recherchée, détaillée, au plus ça leur demande des ressources.

D'accord.

Donc, je pense qu'à un certain moment, ils limitent.

Ils limitent ça.

Mais je pense que c'est pour des raisons financières.

Ça semble plus logique.

Ok.

Gaëlle, est-ce qu'il y a des questions que je ne t'ai pas posées et que tu penses qu'il est important qu'on parle aujourd'hui ?

Je te prends un peu des pourvues, mais je sais que le temps file et que tu as un impératif temps.

Écoute, je pense qu'on a déjà vu pas mal de choses.

Pas mal de choses, évidemment.

C'est des sujets que moi, je trouve passionnants parce qu'ils ont un impact sur tout le monde, surtout.

Et donc, on peut en discuter pendant des heures.

Mais un plaisir de le refaire une prochaine fois sur un sujet plus détaillé.

Oui, oui.

Je pense que là, on a déjà une bonne vue.

Je ne sais pas si toi et tes auditeurs, vous avez adoré.

Je pense qu'il y a beaucoup, beaucoup de choses et je vois beaucoup de demandes vraiment de clients.

Et donc, je pense qu'il faut peut être discuter, voir si on peut aller plus loin, offrir des ressources ou pas.

Est-ce que pour conclure, tu as des livres, des blogs, des podcasts, des ressources intéressantes qu'il faut suivre, que tu conseillerais ?

Mes sources sont principalement aux États-Unis.

Là, je suis notamment une professeure.

Je pense que c'est Stanford maintenant.

Je pense que c'est à l'université de Stanford.

Je ne suis plus trop sûre.

Elle s'appelle Yann Choy.

Quelque chose comme ça.

Si vous allez regarder sur mon LinkedIn, il y a des choses à elle que je like.

Elle a participé à pas mal de podcasts, que ce soit avec Bill Gates, notamment, il n'y a pas très longtemps.

Elle fait des TEDx.

Donc, si vous regardez, elle a une approche très académique.

On aime ou on n'aime pas.

Moi, j'ai les deux.

J'ai aussi des gens qui sont des data scientists que je suis.

Mais elle, elle a une approche académique, mais qui est très intéressante et avec beaucoup d'impact sur, avec beaucoup d'études sur justement comment diminuer ses biais avec l'usage de plutôt des modèles plus petits où les biais sont mieux gérés.

Donc, elle est assez intéressante.

Si vous avez l'occasion d'aller voir son TEDx et de la suivre, ses publications, ses documentations, c'est assez intéressant.

Super.

Gaëlle, merci.

Merci à toi de m'avoir invitée.

Merci pour ton temps.

Et à bientôt.

A bientôt.

[Musique]