• Tipeee

D'autres articles sur le thème des technologies et de la transformation

SIRH : Les frontières se déplacent... les conflits aussi

SIRH : Les frontières se déplacent... les conflits aussi

« Le territoire témoigne d’une appropriation à la fois économique, idéologique et politique (sociale donc) de l’espace par des groupes qui se donnent une représentation particulière d’eux-mêmes, de leur histoire, de leur singularité »[1]. Avec cette affirmation, le géographe français Guy Di Méo nous renvoie finalement à ce qui est peut-être un atavisme dont on est encore bien loin de s’affranchir contrairement à ce que les sirènes digitales voudraient faire croire. L’engouement pour une transformation digitale qui modifie notre rapport à l’espace et au temps au point d’abolir les frontières et les silos des organisations ne doit pas occulter une réalité humaine faite d’aversion au risque et de peurs dont on sait qu’elles sont au cœur du besoin de contrôle donc du réflexe du territoire, donc des frontières.

Lire la suite

DRH, RRH, s’il vous plaît, ne fétichisez pas les chiffres.

DRH, RRH, s’il vous plaît, ne fétichisez pas les chiffres.

Mesdames, Messieurs, DRH ou RRH, s’il vous plaît, veillez à utiliser à bon escient et avec parcimonie les chiffres. Il est incontestable que les chiffres ont une utilité dans vos pratiques professionnelles, notamment dans une visée de contrôle de gestion sociale. Ils permettent une montée en généralité à même d’offrir une vue d’ensemble de certaines dimensions (effectif, nombre d’heures travaillées) ou de certaines dynamiques (absentéisme, effort de formation). Ils rendent également possible une mise en équivalence permettant de pouvoir se comparer à d’autres et d’être comparé en termes de performance sociale. Il n’en demeure pas moins que vous pouvez avoir tendance à les fétichiser, à les sacraliser. Si ce n’est pas quantifié, compté, cela aurait alors moins de valeur.

Lire la suite

Le machine learning est-il équitable ?

Le machine learning est-il équitable ?

Le « Machine Learning » est entré dans l’entreprise. On en voit certes les opportunités, mais en mesure-t-on bien les enjeux sociétaux ? Peut-être est-il utile d’interroger les usages de cette nouvelle génération d’algorithmes d’apprentissage utilisant des bases géantes de données empiriques ? Existe-t-il un risque épistémologique à reproduire les biais et stéréotypes humains ? A titre d’exemple, nous interrogerons le tri de CV par le « machine Learning ». Ne véhicule-t-il pas des schémas sexistes existants ? Dit autrement, est-il équitable ?

Lire la suite

Gestion des compétences : pourquoi vous ne pourrez vous passer de l'IA

Gestion des compétences : pourquoi vous ne pourrez vous passer de l'IA

« Les gens qui ne passeront pas cinq heures par semaine en ligne pour se former seront bientôt obsolètes  », Randall Stephenson, Président d’AT&T en 2016.

Une recherche empirique sur le rythme du progrès et de l’innovation montre rapidement que ce rythme est de forme exponentielle (résultat d’une succession de courbes en S) dans bien des cas. Le problème c’est que le cerveau humain sait prolonger les lignes droites mais se représente très mal une exponentielle. Il est pourtant crucial de comprendre ce dont il s’agit afin d’anticiper ce que ça implique en matière d’employabilité et de compétitivité. Essayons de comprendre cela avec l’exemple du grain de riz sur l’échiquier : un jeu d’échec compte 64 cases. En doublant simplement la quantité de riz à chaque case (1 sur la première, 2 sur la deuxième, 4 sur la troisième, etc.), on arrive à la dernière case avec une quantité de riz équivalente à 500 ans de production annuelle mondiale ! C’est ça une exponentielle. Il suffit de quelques « sauts de puces  » pour atteindre des résultats vertigineux. 

Lire la suite

Transformation numérique, technologies, intelligence artificielle ...