Chapitre 4
Intelligence artificielle et évaluation de la performance
Mesure du travail, contexte et examen humain des décisions ayant des conséquences professionnelles.
4.1 Que cherche-t-on à mesurer ?
La performance comprend les résultats, la qualité, la collaboration et les contributions adaptées au poste. Toutes ces dimensions ne sont pas observables au moyen de traces numériques. Le choix des indicateurs doit partir d’une définition du travail et d’un accord sur les résultats pertinents.
Les indicateurs indirects peuvent être utiles, mais demandent de la prudence. Le volume de messages ou le temps de connexion peuvent refléter la charge, le mode de travail ou des difficultés techniques. Les transformer en mesure automatique de productivité encourage des comportements orientés vers l’indicateur et peut nuire à la finalité du travail.
4.2 Objectifs et retour d’information
Le retour d’information doit être compréhensible, opportun et exploitable. Un système peut organiser les éléments probants ou rappeler les engagements, mais l’échange professionnel nécessite un contexte. Les divergences entre les données et l’expérience doivent être étudiées, sans présumer que la trace numérique est toujours supérieure.
Les objectifs doivent être révisés lorsque les ressources, les priorités ou les responsabilités changent. Évaluer une personne selon des critères qu’elle ne pouvait connaître ou influencer pose problème. La documentation doit permettre de reconstituer les attentes, les faits et les facteurs ayant conditionné le résultat.
4.3 Biais et comparaisons
Les comparaisons entre personnes peuvent confondre possibilités et résultats. Des équipes disposant de ressources différentes ou accomplissant des tâches de difficulté différente ne doivent pas être classées sans tenir compte de ces conditions. Les évaluations historiques peuvent aussi contenir des biais qu’un modèle apprend et reproduit.
L’audit doit analyser les erreurs et les effets pertinents, sans se limiter à une exactitude moyenne. Certaines analyses d’équité nécessitent de traiter des informations particulièrement protégées ; leur nécessité et leur base juridique doivent être évaluées avant la collecte. Mesurer les inégalités n’autorise pas tout traitement de données.
4.4 Réexamen et désaccord
La personne évaluée doit connaître les critères pertinents et disposer d’un canal pour corriger les données ou apporter du contexte. Le réexamen nécessite une autorité distincte de l’exécution automatique du classement. Une procédure de recours sans capacité de modifier le résultat est dépourvue d’efficacité pratique.
Les décisions de rémunération, de promotion ou de maintien dans l’emploi exigent une attention particulière. Les restrictions concernant les décisions exclusivement automatisées et les autres obligations de protection des données doivent être analysées au cas par cas. L’intervention humaine ne doit pas se réduire à une confirmation routinière de la recommandation du système [R2].
4.5 Développement et contrôle
L’évaluation axée sur le développement repère les soutiens et les possibilités d’apprentissage. La surveillance permanente peut, quant à elle, diminuer la confiance et l’autonomie. Avant d’étendre la collecte de données, il faut se demander s’il existe un moyen moins intrusif d’atteindre le même objectif.
La réussite ne consiste pas à produire davantage de notes, mais à améliorer les échanges, les décisions et les conditions de travail. L’organisation doit examiner si le système favorise la collaboration ou introduit une concurrence improductive, de l’autocensure et des efforts visant uniquement à paraître actif.
Questionnaires
Compréhension du chapitre & Dilemmes en ressources humaines
Les dilemmes ne donnent lieu à aucune note morale et ne servent pas à évaluer des candidatures.