IA et alphab\u00e9tisation technique<\/strong><\/li>\n<\/ol>\n\n\n\nCes six comp\u00e9tences se recoupent, et une seule d\u00e9cision commerciale peut s\u2019appuyer sur toutes elles. Elles partagent \u00e9galement une base commune : la connaissance du domaine et l\u2019exp\u00e9rience de la r\u00e9alisation de ce travail. Cette base permet aux \u00e9tudiants de comparer les r\u00e9sultats de l\u2019IA \u00e0 cette base.<\/p>\n\n\n\n
L'IA a \u00e9galement une empreinte physique<\/h2>\n\n\n\n
Il existe \u00e9galement une r\u00e9alit\u00e9 plus large que les \u00e9tudiants devraient comprendre. L\u2019IA peut para\u00eetre largement num\u00e9rique, mais son utilisation d\u00e9pend d\u2019une infrastructure physique qui n\u00e9cessite de l\u2019espace, de l\u2019eau, de l\u2019\u00e9nergie et des mati\u00e8res premi\u00e8res. L\u2019impact de toute utilisation individuelle peut \u00eatre difficile \u00e0 d\u00e9terminer, et diff\u00e9rents syst\u00e8mes et contextes peuvent avoir des empreintes tr\u00e8s diff\u00e9rentes. Le point de vue p\u00e9dagogique n\u2019est donc pas de faire en sorte que les \u00e9tudiants \u00e9vitent l\u2019IA, mais de faire en sorte que son utilisation n\u2019ait pas d\u2019impact n\u00e9gatif. En tant que futurs professionnels de l\u2019entreprise, les \u00e9tudiants devraient adopter l\u2019habitude de se demander si l\u2019utilisation de l\u2019IA est appropri\u00e9e \u00e0 la t\u00e2che et si la valeur apport\u00e9e par cette technologie justifie les ressources et les cons\u00e9quences plus larges impliqu\u00e9es.<\/p>\n\n\n\n
De capacit\u00e9s \u00e0 responsabilit\u00e9s<\/h2>\n\n\n\n
Ces capacit\u00e9s, associ\u00e9es \u00e0 une prise de conscience des cons\u00e9quences plus larges de l\u2019utilisation de l\u2019IA, constituent une base pour d\u00e9cider comment r\u00e9partir la responsabilit\u00e9 entre l\u2019\u00e9tudiant et l\u2019IA.<\/p>\n\n\n\n
1. Responsabilit\u00e9 et contr\u00f4le : quelqu\u2019un doit toujours signer<\/h2>\n\n\n\n
L\u2019IA peut recommander, calculer, comparer, rep\u00e9rer des tendances et accomplir des op\u00e9rations compl\u00e8tes sans trop d\u2019aide humaine. Elle ne peut pas \u00eatre appel\u00e9e au bureau du responsable lorsque des choses vont mal. Une personne d\u00e9cide toujours de l\u2019utilisation de l\u2019IA et est responsable du r\u00e9sultat.<\/p>\n\n\n\n
Ainsi, la premi\u00e8re question est de savoir si l\u2019IA est bien \u00e0 m\u00eame de s\u2019occuper de cette t\u00e2che. Elle peut am\u00e9liorer une t\u00e2che et apporter peu d\u2019avantage \u00e0 une autre. Elle peut \u00e9galement susciter des inqui\u00e9tudes quant \u00e0 la confidentialit\u00e9, pr\u00e9senter des informations insuffisantes, entra\u00eener une complexit\u00e9 inutile ou encore entra\u00eener une d\u00e9l\u00e9gation de t\u00e2ches qui n\u2019aurait jamais d\u00fb se produire.<\/p>\n\n\n\n
La surveillance doit \u00eatre proportionnelle au risque. L\u2019utilisation de l\u2019IA pour sugg\u00e9rer des titres de pr\u00e9sentation n\u00e9cessite peu d\u2019analyse. L\u2019utilisation d\u2019informations financi\u00e8res g\u00e9n\u00e9r\u00e9es par l\u2019IA dans une recommandation client n\u00e9cessite beaucoup plus d\u2019analyse. Les d\u00e9cisions concernant les employ\u00e9s, les contrats, les clients, la confidentialit\u00e9 ou des engagements financiers importants peuvent n\u00e9cessiter des preuves ind\u00e9pendantes, des avis sp\u00e9cialis\u00e9s et une approbation explicite de la part de l\u2019\u00eatre humain.<\/p>\n\n\n\n
Un bon jugement va au-del\u00e0 de l\u2019\u00e9cran. Les syst\u00e8mes num\u00e9riques ont des cons\u00e9quences physiques, financi\u00e8res, sociales et environnementales. L\u2019IA fonctionne sur des centres de donn\u00e9es, l\u2019\u00e9lectricit\u00e9, les syst\u00e8mes de refroidissement, les r\u00e9seaux et le mat\u00e9riel manufactur\u00e9, lesquels utilisent tous des ressources telles que la terre, l\u2019\u00e9nergie, l\u2019eau et les mati\u00e8res premi\u00e8res, de mani\u00e8re variable selon la conception et l\u2019emplacement.<\/p>\n\n\n\n
Les \u00e9tudiants en commerce peuvent laisser l\u2019ing\u00e9nierie aux ing\u00e9nieurs. Ils doivent toutefois savoir que le choix d\u2019un service d\u2019IA, l\u2019expansion de la capacit\u00e9 informatique, le remplacement de mat\u00e9riel ou l\u2019automatisation d\u2019un processus peuvent avoir des r\u00e9percussions sur les co\u00fbts, le personnel, les clients, la confidentialit\u00e9, la s\u00e9curit\u00e9, l\u2019utilisation de l\u2019\u00e9nergie, les mat\u00e9riaux et les communaut\u00e9s.<\/p>\n\n\n\n
Le jugement professionnel consiste \u00e0 reconna\u00eetre quels de ces effets m\u00e9ritent notre attention et quand il est n\u00e9cessaire de faire appel \u00e0 des experts.<\/p>\n\n\n\n
Les enjeux augmentent \u00e0 mesure que l'IA passe de la fourniture de r\u00e9ponses \u00e0 l'ex\u00e9cution d'actions. Un agent IA peut par exemple effectuer des recherches sur les clients potentiels, classer les prospects, r\u00e9diger des messages, planifier les rappels et mettre \u00e0 jour les donn\u00e9es client, tout cela avant l'heure du d\u00e9jeuner. Les \u00e9tudiants doivent d\u00e9cider quelle autorit\u00e9 leur conf\u00e8re le syst\u00e8me, o\u00f9 l'approbation est requise et quand un humain intervient.<\/p>\n\n\n\n
Vinay Kumar, consultant en intelligence artificielle avanc\u00e9e<\/h3>\n\n\n\n
Vinay Kumar sugg\u00e8re que les \u00e9tudiants devraient apprendre \u00e0 reconna\u00eetre les d\u00e9cisions qui n\u00e9cessitent l\u2019approbation humaine et \u00e0 \u00e9tablir des limites appropri\u00e9es pour les agents d\u2019IA en fonction des risques. Les d\u00e9cisions qui impliquent des personnes, de l\u2019argent, de la vie priv\u00e9e, des obligations l\u00e9gales ou de la r\u00e9putation organisationnelle peuvent avoir des cons\u00e9quences suffisamment importantes pour n\u00e9cessiter une \u00e9valuation et une autorisation humaines significatives. Cependant, le contr\u00f4le ne doit pas d\u00e9pendre uniquement d\u2019une liste fixe. Les \u00e9tudiants doivent \u00e9valuer la probabilit\u00e9 et les cons\u00e9quences d\u2019un \u00e9chec, la fiabilit\u00e9 du syst\u00e8me et les preuves disponibles, ainsi que d\u00e9finir des limites d\u2019autorit\u00e9 appropri\u00e9es, des exigences de surveillance, des r\u00e8gles d\u2019escalade et des points d\u2019intervention.<\/p>\n\n\n\n
Vinay propose la reversibilit\u00e9 comme principe directeur pratique. Avant de d\u00e9l\u00e9guer une action, les \u00e9tudiants devraient se demander ce qui se passerait si l\u2019IA commettait une erreur et si les cons\u00e9quences pourraient \u00eatre invers\u00e9es. Les travaux r\u00e9versibles \u00e0 faible risque peuvent permettre une plus grande autonomie, tandis que les actions difficiles \u00e0 inverser n\u00e9cessitent un contr\u00f4le humain plus strict. Les travaux complexes peuvent \u00e9galement \u00eatre divis\u00e9s en t\u00e2ches plus petites et contr\u00f4lables, avec des exigences, des barri\u00e8res de s\u00e9curit\u00e9, des points d\u2019arr\u00eat et des crit\u00e8res d\u2019acceptation clairs. Cela permet aux \u00e9tudiants de d\u00e9l\u00e9guer de mani\u00e8re productive sans donner \u00e0 un agent IA une autorit\u00e9 inutile sur l\u2019ensemble du processus.<\/p>\n\n\n\n
La capacit\u00e9 essentielle est la capacit\u00e9 de jugement. Vinay sugg\u00e8re que les \u00e9tudiants en commerce devraient apprendre \u00e0 penser comme des gestionnaires et des architectes du travail bas\u00e9 sur l\u2019IA : d\u00e9finir le probl\u00e8me, structurer les t\u00e2ches, d\u00e9finir les exigences et les crit\u00e8res d\u2019acceptation, d\u00e9cider quelle autorit\u00e9 doit \u00eatre accord\u00e9e \u00e0 un agent IA, d\u00e9terminer quelles preuves sont suffisantes et savoir quand une intervention humaine est n\u00e9cessaire. Ils n\u2019auront peut-\u00eatre pas besoin de superviser chaque \u00e9tape prise par l\u2019IA, mais ils doivent concevoir les conditions dans lesquelles celle-ci fonctionne et \u00e9valuer si les r\u00e9sultats sont acceptables. D\u00e9l\u00e9guer l\u2019ex\u00e9cution ne signifie pas d\u00e9l\u00e9guer la responsabilit\u00e9 des cons\u00e9quences.<\/p>\n\n\n\n
Sebastien Favre, Mesures de fiabilit\u00e9 de l'IA<\/h3>\n\n\n\n
Sebastien Favre sugg\u00e8re que les \u00e9tudiants en commerce devraient comprendre que la fiabilit\u00e9 de l\u2019IA est contextuelle, fond\u00e9e sur les risques et mesurable. Un r\u00e9sultat d\u2019IA ne doit pas simplement \u00eatre class\u00e9 comme \u201c fiable \u201d ou \u201c non fiable \u201d. Le niveau de confiance qu\u2019on peut raisonnablement y accorder d\u00e9pend de la t\u00e2che, des cons\u00e9quences potentielles d\u2019une erreur et du comportement observ\u00e9 du syst\u00e8me dans son contexte d\u2019utilisation r\u00e9el. Le niveau de v\u00e9rification devrait donc varier en cons\u00e9quence. Un r\u00e9sultat \u00e0 faible impact peut n\u00e9cessiter relativement peu de v\u00e9rifications, tandis qu\u2019un r\u00e9sultat susceptible d\u2019influencer une d\u00e9cision financi\u00e8re, op\u00e9rationnelle, juridique ou client importante devrait n\u00e9cessiter une v\u00e9rification plus approfondie et potentiellement ind\u00e9pendante.<\/p>\n\n\n\n
Les \u00e9tudiants devraient \u00e9galement apprendre \u00e0 reconna\u00eetre les \u00e9l\u00e9ments qui indiquent que la sortie d\u2019un syst\u00e8me d\u2019IA n\u00e9cessite une analyse plus approfondie. Des contradictions, une instabilit\u00e9 dans les r\u00e9ponses, un manque de preuves de soutien ou des \u00e9carts significatifs par rapport au comportement attendu peuvent indiquer que la sortie doit \u00eatre v\u00e9rifi\u00e9e davantage, rejet\u00e9e ou port\u00e9e \u00e0 un niveau sup\u00e9rieur pour une analyse suppl\u00e9mentaire. La capacit\u00e9 essentielle n\u2019est donc pas seulement de savoir comment utiliser l\u2019IA, mais aussi de savoir comment \u00e9valuer si les preuves observ\u00e9es sont suffisantes pour la d\u00e9cision sp\u00e9cifique \u00e0 prendre.<\/p>\n\n\n\n
2. Pens\u00e9e ind\u00e9pendante et d\u00e9finition de probl\u00e8mes : r\u00e9fl\u00e9chir d\u2019abord, agir ensuite<\/h2>\n\n\n\n
L\u2019IA facilite le d\u00e9marrage de t\u00e2ches ardues. Un \u00e9tudiant confront\u00e9 \u00e0 un probl\u00e8me inconnu peut obtenir des explications, des interpr\u00e9tations, des alternatives et des solutions sugg\u00e9r\u00e9es en quelques secondes.<\/p>\n\n\n\n
Cette vitesse est \u00e0 la fois un don et une tentation. Pour certaines activit\u00e9s d\u2019apprentissage, les \u00e9l\u00e8ves devraient d\u2019abord se situer dans la situation, recenser les informations pertinentes, examiner les explications et prendre position. Ce premier jugement peut \u00eatre inexact. En le formulant, les \u00e9l\u00e8ves acqui\u00e8rent un mod\u00e8le mental que l\u2019IA peut ensuite affronter, affiner ou renverser.<\/p>\n\n\n\n
Le cadre de probl\u00e9matique est une comp\u00e9tence professionnelle \u00e0 part enti\u00e8re. Un manager constate une baisse des ventes. Les chiffres montrent que cela se produit et il reste silencieux sur les raisons. Le prix, la concurrence, les pr\u00e9f\u00e9rences des clients, la distribution, la qualit\u00e9 du produit, l\u2019\u00e9conomie ou plusieurs d\u2019entre eux r\u00e9unis pourraient \u00eatre \u00e0 l\u2019origine de cette situation. Demandez \u00e0 l\u2019IA une solution avant de d\u00e9finir le probl\u00e8me, et le r\u00e9sultat pourrait \u00eatre une r\u00e9ponse tr\u00e8s efficace \u00e0 la mauvaise question.<\/p>\n\n\n\n
Les connaissances de base aident \u00e9galement les \u00e9tudiants \u00e0 rep\u00e9rer les anomalies. Une marge b\u00e9n\u00e9ficiaire projet\u00e9e semble excessivement \u00e9lev\u00e9e. Un calendrier de projet ignore des d\u00e9pendances \u00e9videntes. Une estimation de march\u00e9 est sup\u00e9rieure \u00e0 la population qu\u2019elle pr\u00e9tend repr\u00e9senter. Une recommandation marketing contredit ce que l\u2019on sait au sujet du client.<\/p>\n\n\n\n
Les \u00e9tudiants doivent poss\u00e9der suffisamment de connaissances pour ressentir cette friction. Les connaissances de base fonctionnent comme un d\u00e9tecteur de fum\u00e9e : elles sont silencieuses la plupart du temps et tr\u00e8s pr\u00e9cieuses lorsqu\u2019elles s\u2019activent.<\/p>\n\n\n\n
Le jugement professionnel d\u00e9pend \u00e9galement du contexte. Une recommandation peut \u00eatre techniquement raisonnable et n\u00e9anmoins inappropri\u00e9e dans la situation o\u00f9 elle sera utilis\u00e9e. Les co\u00fbts, les r\u00e9glementations, l\u2019infrastructure, les attentes des clients, la culture organisationnelle, les conditions environnementales et les comp\u00e9tences disponibles peuvent tous changer et d\u00e9terminer quelle option est la plus pertinente.<\/p>\n\n\n\n
Par exemple, un syst\u00e8me d\u2019IA pourrait recommander une technologie parce que celle-ci pr\u00e9sente les co\u00fbts d\u2019exploitation les plus faibles. Un manager peut alors d\u00e9couvrir que cette technologie cr\u00e9e un risque accru de confidentialit\u00e9, augmente la d\u00e9pendance envers un fournisseur, n\u00e9cessite des infrastructures dont l\u2019organisation manque ou entra\u00eene des co\u00fbts qui ne deviennent apparents qu\u2019\u00e0 un stade ult\u00e9rieur. La recommandation est exacte pour les variables analys\u00e9es mais incompl\u00e8te en tant que d\u00e9cision d\u2019entreprise.<\/p>\n\n\n\n
Les \u00e9tudiants doivent donc poss\u00e9der une compr\u00e9hension suffisante des hypoth\u00e8ses et du contexte pour d\u00e9terminer si une recommandation g\u00e9n\u00e9r\u00e9e par l\u2019IA correspond \u00e0 la situation r\u00e9elle.<\/p>\n\n\n\n
Ils doivent \u00e9galement penser \u00e0 long terme. Les choix technologiques ont une dur\u00e9e de vie : les syst\u00e8mes sont s\u00e9lectionn\u00e9s, mis en \u0153uvre, exploit\u00e9s, surveill\u00e9s, maintenus, mis \u00e0 jour et finalement remplac\u00e9s. Une option qui semble peu co\u00fbteuse au d\u00e9part peut entra\u00eener des co\u00fbts, des d\u00e9pendances ou des risques plus importants plus tard. D\u2019ici 2030, la prise de d\u00e9cisions commerciales concernant les technologies devrait inclure une approche fond\u00e9e sur la dur\u00e9e de vie.<\/p>\n\n\n\n
Il y a ensuite la cr\u00e9ativit\u00e9. L\u2019IA peut produire cinquante id\u00e9es en un temps suffisant pour lire une seule. Cette abondance augmente la valeur de la connaissance des id\u00e9es qui m\u00e9ritent d\u2019\u00eatre prises en consid\u00e9ration, de savoir pourquoi elles sont importantes, de savoir comment les am\u00e9liorer et de convaincre les autres qu\u2019elles valent la peine d\u2019\u00eatre poursuivies.<\/p>\n\n\n\n
Ann Lockquell, Innovation et Cr\u00e9ativit\u00e9<\/h3>\n\n\n\n
Ann Lockquell sugg\u00e8re que les \u00e9tudiants devraient continuer \u00e0 d\u00e9velopper leur propre cr\u00e9ativit\u00e9, m\u00eame lorsque l\u2019IA peut g\u00e9n\u00e9rer de nombreux id\u00e9es presque instantan\u00e9ment. Le processus cr\u00e9atif lui-m\u00eame importe. G\u00e9n\u00e9rer des id\u00e9es, explorer diff\u00e9rentes directions, faire des erreurs, recommencer, \u00e9tablir des liens et d\u00e9velopper un concept initial donnent aux \u00e9tudiants des exp\u00e9riences qui d\u00e9veloppent progressivement leur capacit\u00e9 \u00e0 reconna\u00eetre l\u2019originalit\u00e9, la pertinence et le potentiel. Sans suffisamment d\u2019exp\u00e9rience dans la cr\u00e9ation de leurs propres projets, les \u00e9tudiants peuvent avoir du mal \u00e0 distinguer une id\u00e9e v\u00e9ritablement prometteuse d\u2019une autre qui semble seulement int\u00e9ressante \u00e0 premi\u00e8re vue.<\/p>\n\n\n\n
Alors que l'IA devient de plus en plus performante, le d\u00e9fi cr\u00e9atif change \u00e9galement. Les \u00e9tudiants doivent de plus en plus exercer leur jugement cr\u00e9atif pour choisir les id\u00e9es \u00e0 d\u00e9velopper. Ils doivent pouvoir d\u00e9cider quelles id\u00e9es m\u00e9ritent d'\u00eatre d\u00e9velopp\u00e9es, expliquer pourquoi elles ont un potentiel, les adapter \u00e0 un contexte particulier, les transformer et aller au-del\u00e0 de la suggestion initiale. L'IA peut \u00e9largir l'exploration et introduire des possibilit\u00e9s que les \u00e9tudiants n'auraient peut-\u00eatre pas envisag\u00e9es, mais les \u00e9tudiants doivent n\u00e9anmoins prendre leurs d\u00e9cisions et \u00eatre capables de les expliquer et de les d\u00e9fendre.<\/p>\n\n\n\n
Pour Ann, l\u2019objectif n\u2019est donc pas de remplacer le processus cr\u00e9atif par l\u2019IA, mais de l\u2019int\u00e9grer sans perdre les exp\u00e9riences gr\u00e2ce auxquelles la cr\u00e9ativit\u00e9 et le jugement se d\u00e9veloppent. Les \u00e9tudiants devraient apprendre \u00e0 utiliser l\u2019IA comme outil cr\u00e9atif suppl\u00e9mentaire tout en continuant \u00e0 g\u00e9n\u00e9rer, \u00e0 explorer, \u00e0 s\u00e9lectionner, \u00e0 d\u00e9velopper et \u00e0 d\u00e9fendre eux-m\u00eames leurs id\u00e9es. Dans ce sens, la cr\u00e9ativit\u00e9 ind\u00e9pendante et la cr\u00e9ativit\u00e9 soutenue par l\u2019IA sont compl\u00e9mentaires : l\u2019exp\u00e9rience d\u00e9veloppe le jugement cr\u00e9atif qui permet aux \u00e9tudiants d\u2019utiliser l\u2019IA de mani\u00e8re productive.<\/p>\n\n\n\n
L\u2019entrepreneuriat soul\u00e8ve des questions similaires. L\u2019IA peut identifier les march\u00e9s, analyser les concurrents, construire des mod\u00e8les d\u2019affaires, pr\u00e9parer des pr\u00e9visions et r\u00e9diger le plan d\u2019entreprise. Le jugement entrepreneurial se d\u00e9veloppe ailleurs : en observant les clients, en testant des hypoth\u00e8ses, en vivant avec l\u2019incertitude, en se rem\u00e9diant aux erreurs et en d\u00e9cidant quand des preuves incompl\u00e8tes suffisent pour agir.<\/p>\n\n\n\n
Dr. Banafsheh Peyrovian, Intelligence artificielle, comportement entrepreneurial et innovation<\/h3>\n\n\n\n
Dr. Banafsheh Peyrovian consid\u00e8re que la comp\u00e9tence en IA et le jugement entrepreneurial sont compl\u00e9mentaires. L\u2019IA peut aider les \u00e9tudiants \u00e0 explorer des id\u00e9es et \u00e0 acc\u00e9l\u00e9rer l\u2019exp\u00e9rimentation, tandis que l\u2019exp\u00e9rience directe avec les clients, l\u2019incertitude et l\u2019\u00e9chec restent essentielles pour d\u00e9velopper l\u2019empathie, la r\u00e9silience et un jugement solide. Les \u00e9tudiants doivent apprendre \u00e0 interpr\u00e9ter les donn\u00e9es, \u00e0 s\u2019adapter lorsque les hypoth\u00e8ses s\u2019av\u00e8rent erron\u00e9es et \u00e0 d\u00e9cider quand aller de l\u2019avant.<\/p>\n\n\n\n
3. Evidences, v\u00e9rifications et \u00e9valuation critique : il est facile de se sentir en confiance<\/h2>\n\n\n\n
Lorsque les r\u00e9ponses sont peu co\u00fbteuses, l\u2019\u00e9valuation devient une comp\u00e9tence pr\u00e9cieuse. L\u2019IA g\u00e9n\u00e9rative peut para\u00eetre claire, s\u00fbre d\u2019elle et persuasive m\u00eame lorsque les informations sous-jacentes sont faibles, incompl\u00e8tes ou erron\u00e9es.<\/p>\n\n\n\n
La v\u00e9rification doit \u00eatre pratique et proportionn\u00e9e \u00e0 la d\u00e9cision. Une suggestion issue d\u2019un brainstorming peut n\u00e9cessiter peu de v\u00e9rifications. Une statistique utilis\u00e9e dans un rapport public doit \u00eatre confirm\u00e9e par une source cr\u00e9dible. Une recommandation impliquant un engagement financier important peut n\u00e9cessiter plusieurs formes de preuves et une analyse professionnelle.<\/p>\n\n\n\n
Les \u00e9tudiants doivent \u00e9galement comprendre que les sources ont des objectifs diff\u00e9rents. Une publicit\u00e9 d\u2019une entreprise peut montrer comment un produit est positionn\u00e9, mais elle ne constitue pas une preuve solide d\u2019une affirmation ind\u00e9pendante concernant son efficacit\u00e9. Une enqu\u00eate aupr\u00e8s des clients peut r\u00e9v\u00e9ler les attitudes des r\u00e9pondants, mais son utilit\u00e9 d\u00e9pend de la mani\u00e8re dont ces derniers ont \u00e9t\u00e9 s\u00e9lectionn\u00e9s. Une \u00e9tude de recherche peut fournir de solides preuves tout en pr\u00e9sentant des limitations importantes.<\/p>\n\n\n\n
L\u2019IA peut r\u00e9sumer ces sources, mais l\u2019\u00e9tudiant doit n\u00e9anmoins juger ce que signifient ces informations et leur donner la valeur qu\u2019elles m\u00e9ritent.<\/p>\n\n\n\n
Le contexte influence \u00e9galement la valeur des preuves. Les r\u00e9sultats d'une organisation, d'un march\u00e9, d'un pays ou d'une population peuvent ne pas s'appliquer directement \u00e0 une autre situation. Les \u00e9tudiants doivent se demander si les preuves utilis\u00e9es par un syst\u00e8me d'IA sont r\u00e9ellement applicables \u00e0 la d\u00e9cision \u00e0 prendre.<\/p>\n\n\n\n
La recherche de march\u00e9 rend cela visible. L\u2019IA peut traiter de grandes quantit\u00e9s d\u2019informations et produire une description coh\u00e9rente du march\u00e9. L\u2019analyse reste toutefois aussi bonne que la qualit\u00e9, la pertinence, l\u2019\u00e2ge et la repr\u00e9sentativit\u00e9 des informations sous-jacentes.<\/p>\n\n\n\n
Dr. Ahmed Hegazy, Recherche de march\u00e9<\/h3>\n\n\n\n
Le Dr Ahmed Hegazy sugg\u00e8re que les \u00e9tudiants en commerce devraient pouvoir r\u00e9aliser eux-m\u00eames les \u00e9tapes essentielles de la recherche de march\u00e9 avant de s\u2019appuyer fortement sur l\u2019IA. Ils devraient pouvoir formuler une question de recherche utile, choisir et expliquer une approche de s\u00e9lection appropri\u00e9e, reconna\u00eetre les biais potentiels, concevoir un sondage clair, mener une interview efficace, analyser les informations recueillies et r\u00e9diger une recommandation fond\u00e9e sur des preuves.<\/p>\n\n\n\n
L\u2019IA peut ensuite \u00eatre utilis\u00e9e pour acc\u00e9l\u00e9rer la recherche, organiser l\u2019information, identifier des tendances et soutenir l\u2019analyse. Cependant, les \u00e9tudiants doivent rester responsables de la v\u00e9rification de la qualit\u00e9 de la recherche qui sous-tend les r\u00e9sultats. Avant d\u2019accepter une information g\u00e9n\u00e9r\u00e9e par l\u2019IA, ils devraient \u00eatre en mesure de se demander : La question pos\u00e9e \u00e9tait-elle appropri\u00e9e ? La s\u00e9lection de donn\u00e9es \u00e9tait-elle appropri\u00e9e ? Les questions \u00e9taient-elles bien con\u00e7ues ? La preuve \u00e9tait-elle suffisamment solide et la conclusion en d\u00e9coulait-elle r\u00e9ellement ? Ces comp\u00e9tences pratiques en recherche permettent aux \u00e9tudiants de disposer des bases n\u00e9cessaires pour d\u00e9cider si une information g\u00e9n\u00e9r\u00e9e par l\u2019IA peut \u00eatre confi\u00e9e et utilis\u00e9e dans une d\u00e9cision d\u2019entreprise.<\/p>\n\n\n\n
L\u2019analyse quantitative pose un autre probl\u00e8me. L\u2019IA peut analyser des ensembles de donn\u00e9es, identifier des tendances, pr\u00e9parer des visualisations et recommander des actions. Les \u00e9tudiants peuvent laisser de nombreux calculs \u00e0 la machine. Ils doivent n\u00e9anmoins poss\u00e9der une compr\u00e9hension suffisante des chiffres pour rep\u00e9rer les r\u00e9sultats peu plausibles.<\/p>\n\n\n\n
Une analyse affirmant que 140 % des clients interrog\u00e9s pr\u00e9f\u00e8rent un produit devrait d\u00e9clencher tous les alarmes. La plupart des erreurs sont plus silencieuses. Une corr\u00e9lation est interpr\u00e9t\u00e9e comme une cause. Une moyenne masque de grandes diff\u00e9rences entre les groupes de clients. Une petite \u00e9chantillonne est trait\u00e9e comme l\u2019ensemble du march\u00e9.<\/p>\n\n\n\n
Martin Berezaga, Big Data et Analyse d'entreprise<\/h3>\n\n\n\n
Martin Berezaga sugg\u00e8re que les \u00e9tudiants en commerce devraient d\u00e9velopper une culture des donn\u00e9es principalement en tant que capacit\u00e9 de prise de d\u00e9cision. Ils doivent poss\u00e9der suffisamment de connaissances en statistiques et en IA pour comprendre les informations avec lesquelles ils travaillent, remettre en question les hypoth\u00e8ses, rep\u00e9rer les probl\u00e8mes de qualit\u00e9 des donn\u00e9es et \u00e9valuer la cr\u00e9dibilit\u00e9 d\u2019une analyse g\u00e9n\u00e9r\u00e9e par l\u2019IA. Cependant, les connaissances techniques seules ne sont pas suffisantes. Les \u00e9tudiants doivent \u00e9galement poss\u00e9der des connaissances sp\u00e9cifiques en entreprise pour comprendre ce que les donn\u00e9es signifient dans leur contexte et savoir si une constatation est r\u00e9ellement pertinente au probl\u00e8me \u00e0 r\u00e9soudre.<\/p>\n\n\n\n
Alors que l\u2019IA effectue davantage d\u2019analyses, les \u00e9tudiants devraient devenir particuli\u00e8rement capables d\u2019interpr\u00e9ter les r\u00e9sultats, de construire un r\u00e9cit significatif \u00e0 partir des donn\u00e9es, de communiquer cette information de mani\u00e8re claire et de d\u00e9cider quelles actions doivent \u00eatre prises. L\u2019objectif est donc une combinaison de connaissances statistiques, d\u2019aptitude \u00e0 utiliser l\u2019IA, de compr\u00e9hension des affaires, de storytelling de donn\u00e9es et de prise de d\u00e9cision humaine. L\u2019IA peut de plus en plus produire les analyses, mais le professionnel de l\u2019entreprise doit n\u00e9anmoins d\u00e9terminer ce que ces analyses signifient et ce qu\u2019il doit en faire.<\/p>\n\n\n\n
4. La communication et les relations humaines : l\u2019entreprise reste avant tout une affaire de personnes<\/h2>\n\n\n\n
Le monde des affaires reste une activit\u00e9 sociale. Les organisations fonctionnent gr\u00e2ce \u00e0 des personnes qui per\u00e7oivent les situations diff\u00e9remment, qui veulent des choses diff\u00e9rentes, qui se comprennent mal les unes les autres, qui n\u00e9gocient, collaborent, construisent la confiance et parfois la perdent.<\/p>\n\n\n\n
L\u2019IA constitue un partenaire de r\u00e9cr\u00e9ation utile. Elle peut affiner un message, simuler une conversation commerciale, anticiper les objections ou soutenir la pratique de la n\u00e9gociation. Puis commence la v\u00e9ritable r\u00e9union. Les dipl\u00f4m\u00e9s doivent toujours expliquer et d\u00e9fendre leurs d\u00e9cisions en leur propre langue, \u00e9couter attentivement, g\u00e9rer une question que personne n\u2019avait pr\u00e9vue, observer le comportement des autres et s\u2019adapter.<\/p>\n\n\n\n
Ces capacit\u00e9s sont difficiles \u00e0 coder car les interactions humaines comportent une histoire, des \u00e9motions, une cr\u00e9dibilit\u00e9, une culture, une puissance et une confiance.<\/p>\n\n\n\n
La leadership illustre bien le point. L\u2019IA peut aider un manager \u00e0 analyser les informations relatives aux performances, \u00e0 pr\u00e9parer les retours d\u2019information, \u00e0 comparer les interventions ou encore \u00e0 identifier les sch\u00e9mas organisationnels. Le manager doit n\u00e9anmoins comprendre les personnes impliqu\u00e9es et assumer la responsabilit\u00e9 de la mani\u00e8re dont les d\u00e9cisions sont communiqu\u00e9es et mises en \u0153uvre.<\/p>\n\n\n\n
Viviane Paul, Management et Leadership<\/h3>\n\n\n\n
Viviane Paul sugg\u00e8re que les \u00e9tudiants en commerce devraient pr\u00e9server le jugement humain qui d\u00e9coule de l\u2019exp\u00e9rience, de l\u2019observation et de l\u2019interaction directe avec les personnes. L\u2019IA peut analyser les indicateurs \u00e9conomiques et fournir des recommandations en fonction des informations disponibles et des tendances pass\u00e9es, mais les dirigeants doivent parfois reconna\u00eetre des situations qui ne correspondent pas \u00e0 ces tendances. L\u2019exp\u00e9rience peut d\u00e9velopper une forme d\u2019intuition \u00e9clair\u00e9e ou \u201c sensation intuitive \u201d, qui permet au dirigeant de rep\u00e9rer des \u00e9l\u00e9ments que les indicateurs formels peuvent ne pas prendre pleinement en compte. Les \u00e9tudiants devraient donc apprendre \u00e0 utiliser les preuves et les recommandations de l\u2019IA tout en conservant la confiance et la responsabilit\u00e9 de les questionner lorsque leurs propres observations et compr\u00e9hension de la situation indiquent un autre sens.<\/p>\n\n\n\n
La capacit\u00e9 de leadership est particuli\u00e8rement importante car les personnes sont plus complexes que les mod\u00e8les utilis\u00e9s pour les d\u00e9crire. Les cadres de personnalit\u00e9 et les cat\u00e9gories comportementales peuvent aider \u00e0 organiser l\u2019information, mais ils ne peuvent pas capturer compl\u00e8tement un individu ni pr\u00e9dire comment celui-ci r\u00e9agira dans toutes les situations. Les futurs dirigeants devraient donc continuer \u00e0 d\u00e9velopper la capacit\u00e9 d\u2019\u00e9coute, l\u2019observation des signaux non verbaux, la compr\u00e9hension du contexte, la construction de relations et l\u2019adaptation de leur approche \u00e0 la personne qui se trouve devant eux. L\u2019IA peut contribuer \u00e0 l\u2019analyse des d\u00e9cisions de leadership, mais les \u00e9tudiants doivent n\u00e9anmoins d\u00e9velopper la compr\u00e9hension humaine et l\u2019exp\u00e9rience n\u00e9cessaires pour prendre eux-m\u00eames ces d\u00e9cisions.<\/p>\n\n\n\n
La communication devient la plus d\u00e9licate lors d\u2019une critique publique ou d\u2019une crise. L\u2019IA peut produire une d\u00e9claration soign\u00e9e en quelques secondes. La d\u00e9cision de l\u2019envoyer revient \u00e0 l\u2019homme : ce que l\u2019organisation devrait dire, ce qu\u2019elle peut confirmer, quelle responsabilit\u00e9 elle devrait accepter, comment diff\u00e9rents publics interpr\u00e9teront le message et si il est sage de s\u2019exprimer imm\u00e9diatement.<\/p>\n\n\n\n
Lyndon Johnson, Relations publiques et analyses m\u00e9diatiques<\/h3>\n\n\n\n
Lyndon Johnson sugg\u00e8re que la communication efficace en situation de pression commence par la connaissance de la v\u00e9rit\u00e9 et la communication de cette information sans compromis. Dans un environnement o\u00f9 les organisations peuvent utiliser l\u2019IA pour g\u00e9n\u00e9rer, affiner et diffuser rapidement des messages persuasifs, les \u00e9tudiants doivent apprendre \u00e0 distinguer entre la gestion d\u2019un message et la communication de la r\u00e9alit\u00e9 d\u2019une situation. Avant de d\u00e9cider quoi dire, ils doivent d\u00e9terminer ce qui est connu, ce qui peut \u00eatre \u00e9tay\u00e9 par des preuves, ce qui reste incertain et quelle responsabilit\u00e9 l\u2019organisation doit assumer.<\/p>\n\n\n\n
Les \u00e9tudiants devraient donc apprendre \u00e0 se demander : Qu\u2019est-ce que nous savons r\u00e9ellement ? Quelles preuves le soutiennent ? Quels aspects restent incertains ? Communiquons-nous la r\u00e9alit\u00e9 de la situation ou essayons-nous simplement de fa\u00e7onner la perception de celle-ci ? L\u2019IA peut aider \u00e0 pr\u00e9parer et \u00e0 \u00e9valuer les communications, mais elle ne doit pas devenir un moyen de remplacer les faits difficiles \u00e0 accepter par des messages plus convenables. Les parties prenantes prennent des d\u00e9cisions en fonction des informations qu\u2019elles re\u00e7oivent ; lorsque les messages s\u2019\u00e9cartent de la r\u00e9alit\u00e9, la confiance et la r\u00e9putation peuvent \u00eatre compromises.<\/p>\n\n\n\n
Le contenu g\u00e9n\u00e9r\u00e9 par l\u2019IA change \u00e9galement la signification de l\u2019auteur. Le texte, les images et les pr\u00e9sentations professionnels \u00e9taient cens\u00e9s indiquer que la personne qui les a cr\u00e9\u00e9s comprenait le sujet. Ce lien est d\u00e9sormais beaucoup moins fort.<\/p>\n\n\n\n
Les \u00e9tudiants doivent \u00e9valuer leur travail avant de le publier avec leur nom ou celui de leur organisation. L\u2019auteurat devient d\u00e9sormais une responsabilit\u00e9 de l\u2019\u00e9diteur et de l\u2019auteur.<\/p>\n\n\n\n
Naomi Tessier, contenu g\u00e9n\u00e9r\u00e9 par l\u2019IA<\/h3>\n\n\n\n
Naomi Tessier sugg\u00e8re que les \u00e9tudiants doivent poss\u00e9der \u00e0 la fois suffisamment de capacit\u00e9s de cr\u00e9ation de contenu ind\u00e9pendant pour reconna\u00eetre la qualit\u00e9 et le jugement r\u00e9dactionnel n\u00e9cessaire pour \u00e9valuer ce que produit l\u2019IA. Alors que l\u2019IA devient de plus en plus capable de produire du contenu soign\u00e9 et professionnel, l\u2019apparence seule devient un mauvais indicateur de qualit\u00e9. Les \u00e9tudiants devraient pouvoir d\u00e9terminer si le contenu est pr\u00e9cis, appropri\u00e9, utile et adapt\u00e9 \u00e0 son public et \u00e0 son objectif. Pour ce faire, ils doivent poss\u00e9der suffisamment de connaissances et de capacit\u00e9s de r\u00e9flexion critique pour rep\u00e9rer les erreurs, les arguments faibles, le ton inappropri\u00e9 ou d\u2019autres probl\u00e8mes qui pourraient \u00eatre cach\u00e9s sous une pr\u00e9sentation convaincante.<\/p>\n\n\n\n
Naomi souligne \u00e9galement que l\u2019IA ne remplace pas la responsabilit\u00e9 humaine dans le processus de cr\u00e9ation. Les personnes restent responsables de ce qu\u2019elles demandent \u00e0 l\u2019IA, du contexte \u00e0 fournir, de l\u2019output \u00e0 choisir, de la mani\u00e8re de le modifier et, en fin de compte, de l\u2019utilisation de l\u2019IA. Avant d\u2019apposer leur nom ou celui d\u2019une organisation sur le contenu g\u00e9n\u00e9r\u00e9 par l\u2019IA, les \u00e9tudiants devraient donc pouvoir \u00e9valuer le contenu, expliquer et d\u00e9fendre le raisonnement qui sous-tend le r\u00e9sultat final et accepter la responsabilit\u00e9 de ses cons\u00e9quences. La capacit\u00e9 essentielle n\u2019est pas seulement de savoir comment g\u00e9n\u00e9rer du contenu avec l\u2019IA, mais de d\u00e9velopper le jugement pour savoir quand faire confiance \u00e0 l\u2019IA, quand la questionner et quand tout simplement ne pas utiliser ses r\u00e9sultats.<\/p>\n\n\n\n
5. Agence professionnelle et r\u00e9silience : que se passe-t-il lorsque l\u2019IA est d\u00e9sactiv\u00e9e ?<\/h2>\n\n\n\n
Parfois, l\u2019IA ne peut pas fournir la r\u00e9ponse. Elle peut \u00eatre indisponible, interdite pour des travaux confidentiels, contradictoire elle-m\u00eame ou inappropri\u00e9e dans une situation qui requiert une expertise. Les \u00e9tudiants doivent disposer de suffisamment de capacit\u00e9s ind\u00e9pendantes pour continuer \u00e0 travailler de toute fa\u00e7on.<\/p>\n\n\n\n
Les dipl\u00f4m\u00e9s doivent donc poss\u00e9der un niveau de comp\u00e9tence professionnel minimum suffisant. Ils devraient \u00eatre capables d\u2019organiser un probl\u00e8me d\u2019entreprise de base, de communiquer de mani\u00e8re claire, de r\u00e9aliser des calculs raisonnables, d\u2019interpr\u00e9ter les informations, de formuler un jugement pr\u00e9liminaire et de d\u00e9terminer la prochaine \u00e9tape \u00e0 suivre.<\/p>\n\n\n\n
Une agence professionnelle exige \u00e9galement une humilit\u00e9 intellectuelle. L\u2019IA peut expliquer un sujet inconnu de mani\u00e8re aussi claire que les gens se sentent mieux \u00e0 l\u2019aise lorsqu\u2019ils le comprennent. Les \u00e9tudiants doivent savoir o\u00f9 se termine leur savoir et quand appeler un comptable, un avocat, un sp\u00e9cialiste de la cybers\u00e9curit\u00e9, un ing\u00e9nieur, un manager ou un autre professionnel qualifi\u00e9. Cela rev\u00eat une importance encore plus grande lorsque les managers prennent des d\u00e9cisions concernant les technologies qu\u2019ils utilisent et que leur \u00e9quipe n\u2019aurait jamais pu concevoir elle-m\u00eame.<\/p>\n\n\n\n
La gestion de projet applique le m\u00eame principe. L\u2019IA peut pr\u00e9parer des calendriers, estimer les charges de travail, identifier les risques et suivre l\u2019avanc\u00e9e des projets. Mais le projet se r\u00e9v\u00e8le alors diff\u00e9rent de ce que l\u2019on avait pr\u00e9vu : les exigences changent, les ressources diminuent, les priorit\u00e9s s\u2019affrontent, les responsabilit\u00e9s se compliquent et les collaborateurs s\u2019entretuent. Un responsable de projet doit alors r\u00e9agir lorsque la situation ne correspond plus au plan initial.<\/p>\n\n\n\n
Christine Gerard, Sciences de l'informatique et gestion de projet<\/h3>\n\n\n\n
Christine Gerard sugg\u00e8re que le leadership adaptatif dans la gestion de projet d\u00e9pend d\u2019un fondement de connaissances et d\u2019exp\u00e9riences. Les \u00e9tudiants doivent comprendre les bases du management de projet, notamment les priorit\u00e9s, les d\u00e9pendances, les ressources, les risques et les compromis, avant de pouvoir prendre des d\u00e9cisions \u00e9clair\u00e9es lorsque les conditions changent. Ils doivent \u00e9galement disposer de possibilit\u00e9s de mettre en pratique ces connaissances. L\u2019exp\u00e9rience se d\u00e9veloppe au fil de l\u2019exercice, de la rencontre avec des probl\u00e8mes, de la prise de d\u00e9cisions et de l\u2019observation des cons\u00e9quences. Au fil du temps, cette combinaison de connaissances et d\u2019exp\u00e9riences contribue \u00e0 la capacit\u00e9 de jugement n\u00e9cessaire pour r\u00e9pondre efficacement lorsque un projet ne suit plus le plan.<\/p>\n\n\n\n
Elle d\u00e9crit cette relation comme une pyramide : les fondements constituent la base, l\u2019exp\u00e9rience s\u2019appuie sur eux, le jugement se fonde sur les deux, et la g\u00e9n\u00e9ration et l\u2019analyse assist\u00e9es par l\u2019IA occupent la partie sup\u00e9rieure. L\u2019IA peut renforcer ce que peut accomplir un bon responsable de projet, mais les \u00e9tudiants ont encore besoin des connaissances et de l\u2019exp\u00e9rience sous-jacentes pour \u00e9valuer ce que propose l\u2019IA, reconna\u00eetre quand un plan ne correspond plus \u00e0 la r\u00e9alit\u00e9 et d\u00e9cider ensuite quoi faire. Cela est \u00e9galement directement li\u00e9 \u00e0 REACT : l\u2019utilisation responsable de l\u2019IA d\u00e9pend en fin de compte de la prise de d\u00e9cision humaine que l\u2019\u00e9ducation et l\u2019exp\u00e9rience ont contribu\u00e9 \u00e0 d\u00e9velopper.<\/p>\n\n\n\n
La cybers\u00e9curit\u00e9 constitue un autre exemple. La plupart des dipl\u00f4m\u00e9s en gestion d\u2019entreprise ne deviendront pas des sp\u00e9cialistes de la cybers\u00e9curit\u00e9, mais ils prendront des d\u00e9cisions concernant les donn\u00e9es, l\u2019acc\u00e8s, la confidentialit\u00e9, les fournisseurs, les syst\u00e8mes, les clients et les employ\u00e9s. Un jugement de base en mati\u00e8re de cybers\u00e9curit\u00e9 permet aux managers de reconna\u00eetre lorsque ces d\u00e9cisions impliquent des risques qui m\u00e9ritent une attention particuli\u00e8re de la part des sp\u00e9cialistes.<\/p>\n\n\n\n
Dr. Amin Ranj Bar, Design de logiciels et cybers\u00e9curit\u00e9<\/h3>\n\n\n\n
Le Dr Amin Ranj Bar sugg\u00e8re que tout dipl\u00f4m\u00e9 en informatique devrait comprendre les bases de la cybers\u00e9curit\u00e9, car les d\u00e9cisions en mati\u00e8re de s\u00e9curit\u00e9 commencent bien avant que les probl\u00e8mes techniques ne deviennent visibles. Les \u00e9tudiants devraient bien comprendre les principes de base tels que le contr\u00f4le d\u2019acc\u00e8s, l\u2019authentification, la confidentialit\u00e9, la protection des donn\u00e9es, la manipulation s\u00e9curis\u00e9e des informations et les vuln\u00e9rabilit\u00e9s courantes afin de reconna\u00eetre lorsqu\u2019un processus, produit ou technologie propos\u00e9 cr\u00e9e un risque inutile. Cette connaissance devient de plus en plus pertinente au-del\u00e0 des r\u00f4les techniques, car les d\u00e9cisions commerciales concernant les clients, les employ\u00e9s, les donn\u00e9es, le logiciel, les fournisseurs et les syst\u00e8mes d\u2019IA peuvent toutes avoir des cons\u00e9quences en mati\u00e8re de cybers\u00e9curit\u00e9.<\/p>\n\n\n\n
Amin souligne \u00e9galement que de nombreuses vuln\u00e9rabilit\u00e9s naissent lors de la conception, lorsque les implications en mati\u00e8re de s\u00e9curit\u00e9 peuvent \u00eatre n\u00e9glig\u00e9es car les personnes qui prennent les premi\u00e8res d\u00e9cisions manquent de connaissances suffisantes en mati\u00e8re de s\u00e9curit\u00e9. L\u2019IA peut aider \u00e0 effectuer une analyse technique, identifier les vuln\u00e9rabilit\u00e9s et recommander des mesures de protection, mais les professionnels de l\u2019entreprise doivent encore avoir une compr\u00e9hension suffisante pour poser des questions de s\u00e9curit\u00e9 d\u00e8s le d\u00e9part. Ils doivent \u00eatre capables de reconna\u00eetre les situations o\u00f9 une d\u00e9cision pourrait exposer des personnes, des informations ou des syst\u00e8mes \u00e0 des risques, d\u2019int\u00e9grer les consid\u00e9rations en mati\u00e8re de s\u00e9curit\u00e9 dans la conception d\u2019une solution et de savoir quand une expertise sp\u00e9cialis\u00e9e est n\u00e9cessaire. La cybers\u00e9curit\u00e9 devient donc une partie int\u00e9grante du jugement professionnel : la s\u00e9curit\u00e9 doit \u00eatre prise en compte lors de la conception d\u2019un syst\u00e8me ou d\u2019un processus, plut\u00f4t que seulement apr\u00e8s qu\u2019un probl\u00e8me se soit produit.<\/p>\n\n\n\n
La r\u00e9silience professionnelle inclut \u00e9galement la capacit\u00e9 de continuer \u00e0 apprendre. L\u2019IA peut expliquer des concepts complexes, fournir un retour imm\u00e9diat et favoriser une pratique fr\u00e9quente. Les enseignants doivent n\u00e9anmoins prot\u00e9ger les efforts productifs, car r\u00e9cup\u00e9rer des connaissances, tenter de trouver une solution, commettre une erreur et r\u00e9viser une id\u00e9e contribuent tous \u00e0 une compr\u00e9hension durable.<\/p>\n\n\n\n
6. IA et alphab\u00e9tisation technique : savoir ce qui se cache derri\u00e8re les fonctions<\/h2>\n\n\n\n
Les cinq premi\u00e8res capacit\u00e9s d\u00e9crivent ce que la personne apporte au travail. La sixi\u00e8me concerne la technologie elle-m\u00eame. Le cadre de comp\u00e9tences \u00ab Human-AI Complementarity \u00bb d\u00e9velopp\u00e9 par Business Physics liste les comp\u00e9tences pratiques pour travailler avec l\u2019IA : d\u00e9cider si l\u2019IA doit \u00eatre utilis\u00e9e, s\u00e9lectionner et pr\u00e9parer les informations, communiquer avec les syst\u00e8mes IA, inspecter les r\u00e9sultats, conserver l\u2019autorit\u00e9 d\u00e9cisionnelle, interpr\u00e9ter les donn\u00e9es, convertir les informations en d\u00e9cisions, r\u00e9glementer l\u2019utilisation de l\u2019IA et continuer \u00e0 apprendre.<\/p>\n\n\n\n
Chacune de ces comp\u00e9tences d\u00e9pend de la compr\u00e9hension suffisante de la technologie pour pouvoir prendre des d\u00e9cisions \u00e9clair\u00e9es.<\/p>\n\n\n\n
D\u00e9cider de l\u2019utilisation de l\u2019IA n\u00e9cessite une prise de d\u00e9cision avant de s\u00e9lectionner l\u2019outil. L\u2019analyse d\u2019une sortie n\u00e9cessite une connaissance suffisante pour rep\u00e9rer les faiblesses. Le maintien de l\u2019autorit\u00e9 d\u00e9cisionnelle exige une compr\u00e9hension suffisante pour prendre ou d\u00e9fendre cette d\u00e9cision. L\u2019interpr\u00e9tation des donn\u00e9es n\u00e9cessite un contexte d\u2019affaires. La gouvernance de l\u2019IA n\u00e9cessite une prise en compte des cons\u00e9quences, des limites et des responsabilit\u00e9s.<\/p>\n\n\n\n
Les dipl\u00f4m\u00e9s en informatique peuvent d\u00e9l\u00e9guer l\u2019ing\u00e9nierie de l\u2019IA aux sp\u00e9cialistes. Ils doivent avoir une connaissance suffisante des mod\u00e8les, des outils, de l\u2019infrastructure et des limitations pour les choisir et les utiliser correctement.<\/p>\n\n\n\n
Aboubakar Samake, Mod\u00e8les et outils d\u2019IA<\/h3>\n\n\n\n
Aboubakar Samake sugg\u00e8re que les dipl\u00f4m\u00e9s en sciences \u00e9conomiques doivent poss\u00e9der \u00e0 la fois une compr\u00e9hension pratique des mod\u00e8les d\u2019IA et le jugement n\u00e9cessaire pour d\u00e9terminer quand et comment ils doivent les utiliser. Les \u00e9tudiants n\u2019ont pas besoin de devenir ing\u00e9nieurs en IA, mais ils devraient comprendre que les diff\u00e9rents syst\u00e8mes d\u2019IA sont con\u00e7us pour des objectifs diff\u00e9rents, reposent sur diff\u00e9rents types de donn\u00e9es et utilisent des approches diff\u00e9rentes, et poss\u00e8dent des capacit\u00e9s et des limites diff\u00e9rentes. Cette base devrait leur permettre de reconna\u00eetre que choisir un outil d\u2019IA n\u2019est pas simplement une question de choisir le syst\u00e8me le plus puissant ou le plus pratique.<\/p>\n\n\n\n
Parall\u00e8lement, les \u00e9tudiants devraient d\u00e9velopper leur jugement en mati\u00e8re de s\u00e9lection d\u2019IA en partant du probl\u00e8me d\u2019entreprise plut\u00f4t que de la technologie. Ils devraient pouvoir d\u00e9terminer si l\u2019IA est appropri\u00e9 pour cette t\u00e2che, quelles capacit\u00e9s sont r\u00e9ellement n\u00e9cessaires, quel type de syst\u00e8me convient et quelles limitations ou risques doivent \u00eatre pris en consid\u00e9ration. Ils devraient \u00e9galement reconna\u00eetre les situations dans lesquelles l\u2019IA ne devrait pas \u00eatre utilis\u00e9e ou dans lesquelles son r\u00e9sultat n\u00e9cessite une v\u00e9rification suppl\u00e9mentaire. L\u2019objectif n\u2019est pas de conna\u00eetre tous les mod\u00e8les d\u2019IA, mais de bien les comprendre afin de les s\u00e9lectionner et les utiliser de mani\u00e8re cibl\u00e9e, de questionner leurs limites et de prendre des d\u00e9cisions \u00e9clair\u00e9es quant \u00e0 savoir quand un autre outil ou un jugement humain est plus appropri\u00e9.<\/p>\n\n\n\n
Le d\u00e9veloppement de logiciels soul\u00e8ve un probl\u00e8me similaire. Alors que l\u2019IA devient plus capable de produire du logiciel, les professionnels de l\u2019entreprise peuvent s\u2019\u00e9loigner davantage de la phase technique. Ils doivent n\u00e9anmoins poss\u00e9der suffisamment de connaissances pour communiquer les exigences, identifier les risques, remettre en question les hypoth\u00e8ses et travailler efficacement avec les sp\u00e9cialistes techniques.<\/p>\n\n\n\n
Hichem Benzair, D\u00e9veloppement logiciel IA<\/h3>\n\n\n\n
Hichem Benzair sugg\u00e8re que les dipl\u00f4m\u00e9s en commerce doivent poss\u00e9der une bonne ma\u00eetrise des logiciels pour participer de mani\u00e8re productive aux d\u00e9cisions technologiques, sans avoir besoin de devenir eux-m\u00eames d\u00e9veloppeurs de logiciels. Ils devraient bien comprendre des concepts de base tels que les exigences, les donn\u00e9es, les tests, la s\u00e9curit\u00e9, l\u2019int\u00e9gration, l\u2019architecture et la maintenance, de sorte \u00e0 pouvoir poser des questions utiles et comprendre les cons\u00e9quences des choix techniques. Il relie cela \u00e0 l\u2019id\u00e9e d\u2019une langue universelle : les professionnels du commerce et des technologies doivent disposer d\u2019un vocabulaire commun afin de pouvoir comprendre le m\u00eame probl\u00e8me et communiquer efficacement sur ce qui est en cours de d\u00e9veloppement.<\/p>\n\n\n\n
Cette base technique devrait soutenir les d\u00e9cisions commerciales et de gouvernance. Les \u00e9tudiants devraient \u00eatre en mesure de se demander si un syst\u00e8me r\u00e9sout le probl\u00e8me pertinent, si ses exigences refl\u00e8tent les besoins r\u00e9els de l\u2019entreprise, quels sont les risques et les compromis impliqu\u00e9s, et si la solution restera s\u00e9curis\u00e9e, maintenable, \u00e9volutive et \u00e9conomiquement viable. Ils n\u2019ont pas besoin de prendre toutes les d\u00e9cisions techniques eux-m\u00eames, mais ils doivent avoir suffisamment de connaissances pour reconna\u00eetre quand une d\u00e9cision est importante et quand une expertise sp\u00e9cialis\u00e9e est requise.<\/p>\n\n\n\n
L\u2019IA rend cette capacit\u00e9 plus importante, et non moins importante. Alors que l\u2019IA devient capable de g\u00e9n\u00e9rer du code, des prototypes, des architectures et des recommandations techniques \u00e0 partir d\u2019instructions en langage naturel, les professionnels des affaires pourraient devenir plus directement impliqu\u00e9s dans la cr\u00e9ation de technologies. Ils ont donc besoin d\u2019une compr\u00e9hension fondamentale suffisante pour remettre en question les solutions g\u00e9n\u00e9r\u00e9es par l\u2019IA plut\u00f4t que de les accepter simplement. La capacit\u00e9 essentielle est la capacit\u00e9 de relier les besoins de l\u2019entreprise aux fonctionnalit\u00e9s r\u00e9elles de la technologie, et de questionner, \u00e9valuer et travailler efficacement avec les personnes et les syst\u00e8mes d\u2019IA qui les d\u00e9veloppent.<\/p>\n\n\n\n
Le marketing en offre un autre exemple. L\u2019IA peut automatiser la ciblage des audiences, la production de contenu, la personnalisation, l\u2019optimisation des campagnes et certaines phases du parcours client. Le jugement marketing comprend la d\u00e9cision de ce qui devrait \u00eatre automatis\u00e9, la mani\u00e8re dont les d\u00e9cisions automatis\u00e9es doivent \u00eatre surveill\u00e9es et les cas o\u00f9 la compr\u00e9hension humaine des clients apporte encore de la valeur ajout\u00e9e.<\/p>\n\n\n\n
Jon Schlaich, Intelligence artificielle et automatisation marketing<\/h3>\n\n\n\n
Jon Schlaich sugg\u00e8re que les \u00e9tudiants ont besoin \u00e0 la fois de solides bases en marketing et de la capacit\u00e9 de jugement pour d\u00e9cider comment utiliser l\u2019automatisation. M\u00eame si l\u2019IA assume une plus grande responsabilit\u00e9 en mati\u00e8re de ciblage, de cr\u00e9ation de contenu, d\u2019ex\u00e9cution des campagnes et de parcours client, les \u00e9tudiants doivent encore comprendre les clients, la segmentation, le positionnement, les propositions de valeur, la marque et l\u2019exp\u00e9rience client. Sans cette base, ils pourraient \u00eatre capables de g\u00e9rer des syst\u00e8mes d\u2019IA et d\u2019automatisation sophistiqu\u00e9s sans pouvoir d\u00e9terminer si les d\u00e9cisions marketing qui les sous-tendent sont appropri\u00e9es ou efficaces.<\/p>\n\n\n\n
Parall\u00e8lement, les \u00e9tudiants doivent d\u00e9velopper une capacit\u00e9 de jugement en mati\u00e8re d\u2019automatisation. Ils doivent pouvoir d\u00e9terminer quelles activit\u00e9s peuvent \u00eatre automatis\u00e9es de mani\u00e8re productive, o\u00f9 la pr\u00e9sence humaine continue \u00e0 apporter de la valeur, et quand l\u2019automatisation pourrait cr\u00e9er des probl\u00e8mes pour les clients, les relations ou la marque. L\u2019efficacit\u00e9 en soi ne doit pas d\u00e9terminer si quelque chose doit \u00eatre automatis\u00e9. Le professionnel de l\u2019entreprise doit bien comprendre le marketing pour d\u00e9cider ce que l\u2019IA doit faire, ce que les personnes doivent continuer \u00e0 faire, et quand le jugement humain doit remplacer ce que recommande un syst\u00e8me automatis\u00e9.<\/p>\n\n\n\n
Tous ces exemples d\u00e9pendent de l\u2019alphab\u00e9tisation num\u00e9rique. Les syst\u00e8mes d\u2019IA puissants peuvent \u00eatre faciles \u00e0 utiliser mais difficiles \u00e0 comprendre. L\u2019alphab\u00e9tisation num\u00e9rique implique une certaine compr\u00e9hension de l\u2019origine des informations, de la mani\u00e8re dont les syst\u00e8mes peuvent \u00e9chouer, des risques associ\u00e9s \u00e0 leur utilisation et du moment o\u00f9 un r\u00e9sultat convaincant m\u00e9rite un scepticisme.<\/p>\n\n\n\n
Annabelle Roy, IA et alphab\u00e9tisation num\u00e9rique<\/h3>\n\n\n\n
Annabelle Roy sugg\u00e8re que l\u2019alphab\u00e9tisation num\u00e9rique en 2030 devrait combiner une compr\u00e9hension pratique de l\u2019IA avec une pens\u00e9e critique solide. Les \u00e9tudiants n\u2019ont pas besoin de comprendre exactement comment les syst\u00e8mes d\u2019IA sont con\u00e7us ou de ma\u00eetriser les d\u00e9tails techniques de leur programmation. Cependant, ils devraient comprendre suffisamment pour reconna\u00eetre que l\u2019IA ne \u201c sait \u201d pas les choses de la m\u00eame mani\u00e8re qu\u2019une personne. Les syst\u00e8mes d\u2019IA peuvent commettre des erreurs, refl\u00e9ter des biais connus ou non reconnus et produire des informations qui semblent convaincantes sans n\u00e9cessairement \u00eatre exactes. Cette compr\u00e9hension de base donne aux \u00e9tudiants les bases n\u00e9cessaires pour utiliser l\u2019IA avec la prudence voulue.<\/p>\n\n\n\n
Pour Annabelle, la capacit\u00e9 la plus importante est celle avec laquelle les \u00e9l\u00e8ves utilisent cette compr\u00e9hension. Ils devraient questionner les informations g\u00e9n\u00e9r\u00e9es par l\u2019IA, v\u00e9rifier ces informations lorsque cela est appropri\u00e9, r\u00e9fl\u00e9chir \u00e0 l\u2019origine de ces informations, reconna\u00eetre les probl\u00e8mes li\u00e9s \u00e0 la s\u00e9curit\u00e9, \u00e0 la confidentialit\u00e9 et \u00e0 l\u2019\u00e9thique, et d\u00e9cider si l\u2019IA est r\u00e9ellement le bon outil pour cette t\u00e2che. \u00c0 mesure que l\u2019IA devient de plus en plus pr\u00e9sente dans l\u2019\u00e9ducation, le travail et la vie quotidienne, la ma\u00eetrise de l\u2019informatique doit se traduire non seulement par la connaissance de l\u2019utilisation de l\u2019IA, mais aussi par la connaissance de la mani\u00e8re, du moment et de la possibilit\u00e9 d\u2019utiliser cette technologie de mani\u00e8re responsable.<\/p>\n\n\n\n
Nous avons \u00e9galement demand\u00e9 l\u2019avis de l\u2019IA<\/h1>\n\n\n\n
Business Physics comprend des membres issus de la communaut\u00e9 humaine, de m\u00eame que des contributeurs ind\u00e9pendants ; nous avons donc pos\u00e9 la m\u00eame question \u00e0 ces derniers. Charlie AI se concentre sur les preuves, les hypoth\u00e8ses et l\u2019analyse quantitative. Lena AI se concentre sur les aspects humains, culturels et sociaux.<\/p>\n\n\n\n
Charlie AI, Evidences, hypoth\u00e8ses et contr\u00f4le quantitatif<\/h3>\n\n\n\n
Charlie AI a fourni la sortie suivante : les \u00e9tudiants ne devraient jamais d\u00e9l\u00e9guer enti\u00e8rement l\u2019\u00e9valuation finale des preuves \u00e0 l\u2019IA. Un syst\u00e8me d\u2019IA peut aider \u00e0 trouver des informations, comparer des sources, identifier des incoh\u00e9rences, tester des hypoth\u00e8ses et examiner des affirmations quantitatives, mais il peut \u00e9galement reproduire des erreurs, s\u2019appuyer sur des preuves faibles ou fournir une explication convaincante pour une conclusion qui n\u2019est pas suffisamment \u00e9tay\u00e9e. L\u2019utilisation d\u2019un seul syst\u00e8me d\u2019IA pour v\u00e9rifier un autre ne supprime pas la n\u00e9cessit\u00e9 d\u2019un jugement humain.<\/p>\n\n\n\n
Les \u00e9tudiants devraient donc apprendre \u00e0 se demander quelles preuves soutiennent r\u00e9ellement une conclusion, si les hypoth\u00e8ses qui la sous-tendent sont raisonnables, si les chiffres sont coh\u00e9rents et quelles informations peuvent \u00eatre manquantes. L\u2019IA peut renforcer ce processus en mettant en question le raisonnement de l\u2019\u00e9tudiant et en attirant son attention sur d\u2019\u00e9ventuelles faiblesses, mais l\u2019\u00e9tudiant doit toujours d\u00e9cider s\u2019il existe suffisamment de preuves pour prendre cette d\u00e9cision. L\u2019objectif n\u2019est pas de faire fi de l\u2019IA, mais de d\u00e9velopper l\u2019habitude de questionner les preuves et les hypoth\u00e8ses, que la conclusion provienne d\u2019une personne, d\u2019un ensemble de donn\u00e9es ou d\u2019un syst\u00e8me d\u2019IA.<\/p>\n\n\n\n
Lena AI : perspectives humaines, culturelles et sociales<\/h3>\n\n\n\n
Lena AI a fourni le r\u00e9sultat suivant : les \u00e9tudiants devraient conserver la capacit\u00e9 de comprendre comment les d\u00e9cisions commerciales affectent les personnes de mani\u00e8re que les donn\u00e9es ne puissent pas toujours rendre pleinement compte de cette r\u00e9alit\u00e9. L\u2019IA peut identifier des tendances, comparer les alternatives et recommander des actions, mais les personnes sont influenc\u00e9es par la culture, les relations, les \u00e9motions, l\u2019histoire, la confiance et les circonstances individuelles. Une recommandation qui para\u00eet raisonnable \u00e0 partir des informations disponibles peut donc avoir des cons\u00e9quences que le syst\u00e8me d\u2019IA ne peut pas pr\u00e9voir enti\u00e8rement.<\/p>\n\n\n\n
Les \u00e9tudiants devraient apprendre \u00e0 prendre en consid\u00e9ration qui sera affect\u00e9 par une d\u00e9cision, dont la perspective peut \u00eatre absente, et comment diff\u00e9rentes personnes ou communaut\u00e9s pourraient percevoir la m\u00eame action diff\u00e9remment. L\u2019IA peut aider \u00e0 \u00e9largir l\u2019analyse et \u00e0 identifier des perspectives m\u00e9ritant d\u2019\u00eatre prises en consid\u00e9ration, mais les \u00e9tudiants doivent toujours \u00e9couter, observer, poser des questions et comprendre les personnes concern\u00e9es. La capacit\u00e9 humaine \u00e0 laquelle il faut pr\u00e9server la valeur est la capacit\u00e9 de reconna\u00eetre qu\u2019une d\u00e9cision peut avoir du sens analytiquement tout en \u00e9tant inappropri\u00e9e pour les personnes et le contexte dans lequel elle sera appliqu\u00e9e.<\/p>\n\n\n\n
Il y a quelque chose de pertinent dans le r\u00e9sultat : l\u2019IA contribue \u00e0 d\u00e9finir les limites de son propre r\u00f4le dans les d\u00e9cisions humaines.<\/p>\n\n\n\n
Quels sont les 18 points de vue qui nous disent quelque chose<\/h1>\n\n\n\n
Seize personnes et deux agents d'IA ont r\u00e9pondu \u00e0 la m\u00eame question issus de domaines tr\u00e8s diff\u00e9rents. Lues ensemble, leurs r\u00e9ponses r\u00e9v\u00e8lent dix sch\u00e9mas.<\/p>\n\n\n\n
Les fondations ont la priorit\u00e9 sur la d\u00e9l\u00e9gation.<\/strong> C\u2019est le point le plus souvent r\u00e9p\u00e9t\u00e9. Ahmed Hegazy veut que les \u00e9tudiants r\u00e9alisent eux-m\u00eames une \u00e9tude de march\u00e9 avant de s\u2019appuyer sur l\u2019IA. Ann Lockquell affirme la m\u00eame chose pour le travail cr\u00e9atif, Jon Schlaich pour les fondamentaux du marketing et Naomi Tessier pour le contenu. Christine Gerard donne une forme \u00e0 cette id\u00e9e : une pyramide avec les fondamentaux au bas, l\u2019exp\u00e9rience au-dessus, le jugement fond\u00e9 sur les deux \u00e9l\u00e9ments, et l\u2019IA en haut.<\/p>\n\n\n\nLe jugement prend une forme diff\u00e9rente dans chaque domaine.<\/strong> Vinay Kumar d\u00e9crit le jugement de supervision. Ann Lockquell d\u00e9crit le jugement cr\u00e9atif, Naomi Tessier le jugement r\u00e9dactionnel, Jon Schlaich le jugement d\u2019automatisation, et Aboubakar Samake le jugement de s\u00e9lection en IA. Chaque forme d\u00e9pend de la connaissance du domaine.<\/p>\n\n\n\nLa surveillance doit correspondre au risque.<\/strong> Vinay Kumar, Sebastien Favre et Charlie AI arrivent \u00e0 cette conclusion s\u00e9par\u00e9ment. Une t\u00e2che \u00e0 faible risque n\u00e9cessite une v\u00e9rification rapide. Une d\u00e9cision impliquant de l\u2019argent, des personnes, la vie priv\u00e9e ou des obligations l\u00e9gales n\u00e9cessite une v\u00e9rification plus approfondie et une approbation humaine.<\/p>\n\n\n\nLa responsabilit\u00e9 reste avec la personne.<\/strong> Vinay Kumar, Naomi Tessier et Thomas Hormaza Dow affirment chacun que celui qui d\u00e9l\u00e8gue une t\u00e2che \u00e0 l\u2019IA reste responsable du r\u00e9sultat.<\/p>\n\n\n\nD\u00e9cider contre l\u2019IA est une comp\u00e9tence.<\/strong> Aboubakar Samake, Annabelle Roy, Naomi Tessier et Jon Schlaich d\u00e9crivent toutes des situations o\u00f9 la bonne d\u00e9cision consiste \u00e0 choisir un autre outil, \u00e0 maintenir une personne impliqu\u00e9e ou \u00e0 mettre de c\u00f4t\u00e9 les r\u00e9sultats de l\u2019IA.<\/p>\n\n\n\nLe probl\u00e8me vient avant l\u2019outil.<\/strong> Aboubakar Samake demande aux \u00e9tudiants de commencer par le probl\u00e8me d\u2019entreprise. Hichem Benzair se demande si un syst\u00e8me r\u00e9sout le probl\u00e8me correct. Ahmed Hegazy se demande si la bonne question de recherche a \u00e9t\u00e9 pos\u00e9e.<\/p>\n\n\n\nLes gens remarquent les donn\u00e9es qui sont manquantes.<\/strong> Viviane Paul d\u00e9crit l\u2019intuition \u00e9clair\u00e9e que les leaders acqui\u00e8rent gr\u00e2ce \u00e0 leur exp\u00e9rience. Lena AI \u00e9voque la culture, l\u2019\u00e9motion, l\u2019histoire et la confiance. Banafsheh Peyrovian \u00e9voque l\u2019exp\u00e9rience directe avec les clients, l\u2019incertitude et l\u2019\u00e9chec.<\/p>\n\n\n\nLe polonais a cess\u00e9 d\u2019\u00eatre un gage de qualit\u00e9.<\/strong> Naomi Tessier, Annabelle Roy et Charlie AI mettent en garde contre le fait que les r\u00e9sultats de l\u2019IA puissent para\u00eetre convaincants ou avoir un son convaincant, tout en \u00e9tant n\u00e9anmoins inexacts ou insuffisamment \u00e9tay\u00e9s.<\/p>\n\n\n\nLa v\u00e9rit\u00e9 prime sur le message.<\/strong> Lyndon Johnson place l'honn\u00eatet\u00e9 au c\u0153ur de la communication, une vision partag\u00e9e par de nombreux autres membres du laboratoire. Les \u00e9tudiants doivent d\u00e9terminer ce qui est connu et ce qui reste incertain avant de d\u00e9cider de ce qu'ils doivent dire.<\/p>\n\n\n\nLes professionnels des affaires et les techniciens ont besoin d\u2019un vocabulaire commun.<\/strong> Hichem Benzair appelle cette langue omnipr\u00e9sente \u00ab\u00a0language universel\u00a0\u00bb. Amin Ranj Bar ajoute que les questions de s\u00e9curit\u00e9 doivent \u00eatre prises en compte d\u00e8s la phase de conception, ce qui exige des professionnels du secteur qui en savent suffisamment pour les poser.<\/p>\n\n\n\nCes six capacit\u00e9s constituent une r\u00e9ponse pratique. Les contributeurs peuvent interpr\u00e9ter diff\u00e9remment ces sch\u00e9mas, et d'autres contributions pourront r\u00e9v\u00e9ler ce qui manque encore.<\/p>\n\n\n\n
Quatre niveaux de responsabilit\u00e9<\/h1>\n\n\n\n
Ces six comp\u00e9tences d\u00e9crivent les comp\u00e9tences que les \u00e9l\u00e8ves doivent d\u00e9velopper. La question suivante est de savoir quelle part de chacune d\u2019entre elles doit \u00eatre assum\u00e9e personnellement par chaque \u00e9l\u00e8ve lorsque l\u2019IA sera disponible.<\/p>\n\n\n\n
La r\u00e9ponse varie d'une comp\u00e9tence \u00e0 l'autre. Une approche pratique consiste \u00e0 distinguer quatre niveaux de responsabilit\u00e9 humaine : \u00ab Doit accomplir \u00bb, \u00ab Doit comprendre \u00bb, \u00ab Doit v\u00e9rifier \u00bb et \u00ab Doit assumer \u00bb.<\/p>\n\n\n\n
Doit \u00eatre ex\u00e9cut\u00e9<\/h2>\n\n\n\n
Certaines capacit\u00e9s devraient rester ex\u00e9cutables ind\u00e9pendamment car leur r\u00e9alisation contribue \u00e0 d\u00e9velopper une comp\u00e9tence professionnelle.<\/p>\n\n\n\n
Un \u00e9tudiant peut avoir besoin de communiquer une id\u00e9e, de raisonner sur un probl\u00e8me d\u2019entreprise de base, de participer \u00e0 une conversation difficile, d\u2019estimer si un chiffre est raisonnable ou de prendre un jugement de base sans l\u2019aide d\u2019IA.<\/p>\n\n\n\n
Les comp\u00e9tences acquises ind\u00e9pendamment sont importantes lorsque l\u2019activit\u00e9 elle-m\u00eame d\u00e9veloppe ou d\u00e9montre une capacit\u00e9 dont le professionnel aura encore besoin.<\/p>\n\n\n\n
Il faut comprendre<\/h2>\n\n\n\n
D'autres activit\u00e9s peuvent \u00eatre effectu\u00e9es en grande partie par l'IA, tandis que l'\u00e9tudiant conserve suffisamment de connaissances pour comprendre le processus et ses implications.<\/p>\n\n\n\n
Un manager peut d\u00e9l\u00e9guer la r\u00e9daction de logiciels, le calcul des statistiques, la conception d\u2019un syst\u00e8me de refroidissement pour un centre de donn\u00e9es ou la r\u00e9alisation de chaque \u00e9tape d\u2019une campagne de marketing num\u00e9rique. Le manager doit n\u00e9anmoins poss\u00e9der suffisamment de connaissances pour communiquer avec les sp\u00e9cialistes, reconna\u00eetre les implications importantes et poser les bonnes questions.<\/p>\n\n\n\n
Ce niveau prend de plus en plus d'importance \u00e0 mesure que les syst\u00e8mes d'entreprise deviennent techniquement complexes. Les managers prendront souvent des d\u00e9cisions concernant des technologies qu'ils ne pourraient pas mettre en place eux-m\u00eames. Le niveau \u00ab Must Understand \u00bb signifie savoir suffisamment pour participer de mani\u00e8re productive \u00e0 ces d\u00e9cisions et pour reconna\u00eetre quand une expertise suppl\u00e9mentaire est n\u00e9cessaire.<\/p>\n\n\n\n
Il faut v\u00e9rifier<\/h2>\n\n\n\n
Certaines t\u00e2ches peuvent \u00eatre d\u00e9l\u00e9gu\u00e9es \u00e0 l\u2019IA, tandis que l\u2019homme d\u00e9cide si le r\u00e9sultat est suffisamment fiable pour \u00eatre utilis\u00e9.<\/p>\n\n\n\n
La v\u00e9rification n\u00e9cessite une appr\u00e9ciation des \u00e9l\u00e9ments de preuve, des risques, du contexte et des cons\u00e9quences. Une t\u00e2che \u00e0 faible risque peut n\u00e9cessiter une r\u00e9vision rapide. Une d\u00e9cision ayant un impact important peut n\u00e9cessiter des \u00e9l\u00e9ments de preuve ind\u00e9pendants, des avis sp\u00e9cialis\u00e9s ou plusieurs niveaux de v\u00e9rification.<\/p>\n\n\n\n
La v\u00e9rification n\u00e9cessite \u00e9galement une attention particuli\u00e8re aux hypoth\u00e8ses sous-jacentes \u00e0 une r\u00e9ponse. Un calcul peut \u00eatre correct, mais les hypoth\u00e8ses, les donn\u00e9es ou le contexte peuvent encore rendre la recommandation inappropri\u00e9e.<\/p>\n\n\n\n
Doit \u00eatre poss\u00e9d\u00e9<\/h2>\n\n\n\n
Certaines d\u00e9cisions restent de la responsabilit\u00e9 d'une personne m\u00eame lorsque l'IA contribue fortement \u00e0 l'analyse.<\/p>\n\n\n\n
L\u2019IA peut identifier des alternatives, comparer des sc\u00e9narios, estimer les r\u00e9sultats et recommander un plan d\u2019action. Le professionnel responsable doit n\u00e9anmoins comprendre pourquoi cette d\u00e9cision est prise, tenir compte de ses cons\u00e9quences plus larges et accepter la responsabilit\u00e9 de son action.<\/p>\n\n\n\n
Ces quatre niveaux permettent aux \u00e9ducateurs de d\u00e9terminer comment utiliser l\u2019IA dans une activit\u00e9 d\u2019apprentissage. Ils relient \u00e9galement les six capacit\u00e9s \u00e0 la responsabilit\u00e9 professionnelle :<\/p>\n\n\n\n
\n- Rapports de responsabilisation et de contr\u00f4le<\/strong> Ils exigent souvent des \u00e9tudiants de v\u00e9rifier et de prendre leurs propres d\u00e9cisions.<\/li>\n\n\n\n
- Pens\u00e9e ind\u00e9pendante et conception de probl\u00e8mes<\/strong> Cela peut n\u00e9cessiter que les \u00e9tudiants proc\u00e8dent eux-m\u00eames \u00e0 une premi\u00e8re analyse.<\/li>\n\n\n\n
- Evidences et v\u00e9rification<\/strong> exiger des \u00e9tudiants la compr\u00e9hension des bases d\u2019une sortie et leur v\u00e9rification selon le risque.<\/li>\n\n\n\n
- Communication et relations humaines<\/strong> Ils n\u00e9cessitent souvent une intervention humaine directe et une implication personnelle.<\/li>\n\n\n\n
- Agence professionnelle et r\u00e9silience<\/strong> exiger des \u00e9tudiants une capacit\u00e9 suffisante pour fonctionner lorsque l\u2019IA n\u2019est pas disponible ou inappropri\u00e9e.<\/li>\n\n\n\n
- IA et alphab\u00e9tisation technique<\/strong> Il exige des \u00e9tudiants une connaissance suffisante de la technologie pour pouvoir choisir les outils, poser des questions \u00e9clair\u00e9es et travailler avec des sp\u00e9cialistes.<\/li>\n<\/ul>\n\n\n\n
REACT et le r\u00e9flexe de responsabilit\u00e9<\/h1>\n\n\n\n
Les quatre niveaux de responsabilit\u00e9 expliquent ce que les \u00e9tudiants doivent effectuer, comprendre, v\u00e9rifier ou ma\u00eetriser. Le cadre REACT leur offre une m\u00e9thode pratique pour prendre ces d\u00e9cisions lors de leur travail avec l'IA.<\/p>\n\n\n\n
REACT invite les \u00e9tudiants \u00e0 consid\u00e9rer cinq \u00e9l\u00e9ments : la raison, les preuves, la responsabilit\u00e9, les contraintes et les compromis (Hormaza Dow & Nassi, 2026).<\/p>\n\n\n\n
Raison<\/strong> associe l\u2019utilisation de l\u2019IA \u00e0 un objectif pr\u00e9cis. Les \u00e9l\u00e8ves devraient savoir pourquoi l\u2019IA est utilis\u00e9e et \u00e0 quoi elle doit contribuer.<\/p>\n\n\n\nPreuve<\/strong> Il demande si les informations et les r\u00e9sultats obtenus sont suffisamment fiables pour l\u2019utilisation pr\u00e9vue. Le niveau de contr\u00f4le doit refl\u00e9ter l\u2019importance et le risque de la t\u00e2che.<\/p>\n\n\n\nResponsabilit\u00e9<\/strong> Il permet de maintenir la propri\u00e9t\u00e9 visible. Une personne reste responsable des travaux soumis et des d\u00e9cisions prises, quelle que soit la part que l\u2019IA ait eue dans leur r\u00e9alisation.<\/p>\n\n\n\nContraintes<\/strong> inclure la confidentialit\u00e9, la s\u00e9curit\u00e9, les r\u00e8gles organisationnelles, les exigences l\u00e9gales, l\u2019\u00e9thique, les ressources disponibles et le but de l\u2019activit\u00e9 d\u2019apprentissage.<\/p>\n\n\n\nCompromis<\/strong> Il faut que les \u00e9tudiants prennent en consid\u00e9ration les avantages, les co\u00fbts et les cons\u00e9quences ensemble. Les d\u00e9cisions commerciales ne permettent rarement d\u2019optimiser tous les objectifs en m\u00eame temps.<\/p>\n\n\n\nLes compromis m\u00e9ritent un exemple. Une entreprise peut adopter l\u2019IA pour augmenter la productivit\u00e9 et \u00e9galement augmenter ses besoins en informatique. Une technologie peut r\u00e9duire un impact environnemental et augmenter un autre. Prolonger la dur\u00e9e de vie des \u00e9quipements informatiques r\u00e9duit la consommation de mati\u00e8res premi\u00e8res, mais les \u00e9quipements plus anciens deviennent finalement assez inefficaces que le remplacement devient plus logique. L\u2019automatisation peut gagner du temps tout en r\u00e9duisant les possibilit\u00e9s pour les employ\u00e9s ou les \u00e9tudiants de d\u00e9velopper des comp\u00e9tences sp\u00e9cifiques.<\/p>\n\n\n\n
Le jugement professionnel consiste \u00e0 reconna\u00eetre ces effets contradictoires, \u00e0 \u00e9valuer les preuves disponibles, \u00e0 comprendre le contexte et \u00e0 prendre une d\u00e9cision que la personne peut d\u00e9fendre.<\/p>\n\n\n\n
La pratique r\u00e9p\u00e9t\u00e9e peut transformer ces cinq questions en un r\u00e9flexe. D\u2019ici 2030, cette conscience de l\u2019obligation de rendre des comptes pourrait \u00eatre plus importante que le type particulier d\u2019interface d\u2019IA que l\u2019\u00e9tudiant a appris \u00e0 utiliser \u00e0 l\u2019universit\u00e9.<\/p>\n\n\n\n
Dix recommandations pour l\u2019\u00e9ducation des entreprises d\u2019ici 2030<\/h1>\n\n\n\n
La th\u00e8se propose une norme pratique : les programmes d\u2019\u00e9tudes commerciales devraient \u00e9valuer ce que les \u00e9tudiants peuvent produire avec l\u2019IA, ainsi que ce qu\u2019ils peuvent comprendre, questionner, v\u00e9rifier, communiquer, d\u00e9cider et poss\u00e9der.<\/p>\n\n\n\n
1. L\u2019utilisation de l\u2019IA dans la conception en fonction de l\u2019objectif d\u2019apprentissage<\/h2>\n\n\n\n
Les \u00e9ducateurs devraient commencer par identifier les capacit\u00e9s que l\u2019activit\u00e9 vise \u00e0 d\u00e9velopper, puis introduire l\u2019IA d\u2019une mani\u00e8re qui soutienne cet objectif.<\/p>\n\n\n\n
Si l\u2019objectif est un raisonnement fondamental, les \u00e9tudiants peuvent avoir besoin de travailler ind\u00e9pendamment avant d\u2019utiliser l\u2019IA. Si l\u2019objectif est une collaboration professionnelle avec l\u2019IA, les \u00e9tudiants devraient utiliser l\u2019IA tout en documentant leurs d\u00e9cisions, v\u00e9rifiant les r\u00e9sultats et expliquant leur jugement final.<\/p>\n\n\n\n
2. \u00c9valuer le jugement en parall\u00e8le avec les r\u00e9sultats<\/h2>\n\n\n\n
Un produit intelligent et assist\u00e9 par l\u2019IA montre ce que peut produire un \u00e9tudiant. Il r\u00e9v\u00e8le beaucoup moins de choses sur ce que l\u2019\u00e9tudiant comprend r\u00e9ellement.<\/p>\n\n\n\n
L\u2019\u00e9valuation devrait \u00e9galement examiner la mani\u00e8re dont les \u00e9tudiants ont formul\u00e9 le probl\u00e8me, s\u00e9lectionn\u00e9 les informations, \u00e9valu\u00e9 les r\u00e9sultats de l\u2019IA, identifi\u00e9 les limites, envisag\u00e9 des alternatives, compris les cons\u00e9quences et d\u00e9fendu leurs d\u00e9cisions.<\/p>\n\n\n\n
3. Utilisez explicitement les quatre niveaux de responsabilit\u00e9<\/h2>\n\n\n\n
Les cours doivent indiquer si une comp\u00e9tence doit \u00eatre effectu\u00e9e, comprise, v\u00e9rifi\u00e9e ou d\u00e9tenue par le personnel.<\/p>\n\n\n\n
Des niveaux de responsabilit\u00e9 clairs aident les \u00e9l\u00e8ves \u00e0 comprendre les attentes. Ils permettent \u00e9galement aux enseignants de trouver un \u00e9quilibre entre une d\u00e9l\u00e9gation totale des responsabilit\u00e9s et des restrictions inutiles concernant les applications AI utiles.<\/p>\n\n\n\n
4. Apprenez REACT comme une habitude professionnelle<\/h2>\n\n\n\n
Les \u00e9tudiants devraient s\u2019entra\u00eener \u00e0 identifier les raisons de l\u2019utilisation de l\u2019IA, \u00e0 \u00e9valuer les preuves, \u00e0 clarifier la responsabilit\u00e9, \u00e0 reconna\u00eetre les contraintes et \u00e0 prendre en consid\u00e9ration les compromis.<\/p>\n\n\n\n
L\u2019utilisation r\u00e9p\u00e9t\u00e9e peut faire de ces consid\u00e9rations une partie du jugement professionnel normal.<\/p>\n\n\n\n
5. Pr\u00e9server l\u2019effort productif<\/h2>\n\n\n\n
Les \u00e9l\u00e8ves ont besoin d\u2019opportunit\u00e9s pour acqu\u00e9rir de nouvelles connaissances, essayer de trouver des solutions, faire des erreurs, recevoir des commentaires et r\u00e9viser leur fa\u00e7on de penser.<\/p>\n\n\n\n
L\u2019IA peut \u00e9liminer les barri\u00e8res inutiles. L\u2019effort visant \u00e0 d\u00e9velopper une compr\u00e9hension durable doit \u00eatre maintenu.<\/p>\n\n\n\n
6. D\u00e9velopper une capacit\u00e9 professionnelle minimale et viable<\/h2>\n\n\n\n
Chaque dipl\u00f4m\u00e9 en affaires devrait pouvoir organiser un probl\u00e8me d\u2019entreprise de base, communiquer de mani\u00e8re claire, effectuer des calculs raisonnables, interpr\u00e9ter les informations, formuler un jugement pr\u00e9liminaire et d\u00e9terminer la prochaine \u00e9tape appropri\u00e9e sans d\u00e9pendre enti\u00e8rement de l\u2019IA.<\/p>\n\n\n\n
7. Apprendre aux \u00e9l\u00e8ves quand chercher l\u2019expertise humaine<\/h2>\n\n\n\n
La connaissance de l\u2019IA devrait inclure la capacit\u00e9 \u00e0 reconna\u00eetre les limites tant du syst\u00e8me que de l\u2019\u00e9tudiant. Les dipl\u00f4m\u00e9s devraient savoir quand impliquer des comptables, des avocats, des sp\u00e9cialistes de la cybers\u00e9curit\u00e9, des ing\u00e9nieurs, des managers ou d\u2019autres professionnels qualifi\u00e9s.<\/p>\n\n\n\n
8. Faire prendre conscience de la responsabilit\u00e9<\/h2>\n\n\n\n
On attend des \u00e9tudiants qu'ils comprennent le travail soumis sous leur nom et qu'ils s'y tiennent. Il doit toujours \u00eatre clair qui a pris la d\u00e9cision, qui a v\u00e9rifi\u00e9 le r\u00e9sultat et qui est responsable de ses cons\u00e9quences.<\/p>\n\n\n\n
9. Pensez au syst\u00e8me plus large<\/h2>\n\n\n\n
Certaines d\u00e9cisions commerciales li\u00e9es \u00e0 l\u2019IA doivent \u00eatre \u00e9valu\u00e9es au-del\u00e0 de leurs performances et de leurs co\u00fbts imm\u00e9diats.<\/p>\n\n\n\n
Les \u00e9tudiants devraient apprendre \u00e0 consid\u00e9rer le cycle de vie d'une technologie, l'infrastructure et les ressources dont elle d\u00e9pend, ses effets sur les personnes et les organisations, ainsi que les cons\u00e9quences qui pourraient se manifester ult\u00e9rieurement.<\/p>\n\n\n\n
Les \u00e9tudiants en commerce doivent poss\u00e9der une capacit\u00e9 de r\u00e9flexion syst\u00e9mique suffisante pour reconna\u00eetre les cons\u00e9quences d\u2019une d\u00e9cision au-del\u00e0 des variables pr\u00e9sent\u00e9es par une recommandation g\u00e9n\u00e9r\u00e9e par une IA, ainsi qu\u2019une capacit\u00e9 de jugement suffisante pour savoir quand une expertise technique ou environnementale est n\u00e9cessaire.<\/p>\n\n\n\n
10. Int\u00e9grer la sensibilisation aux ressources dans l\u2019analyse de l\u2019IA<\/h2>\n\n\n\n
L\u2019IA peut sembler intangible, mais son utilisation d\u00e9pend d\u2019une infrastructure physique qui n\u00e9cessite de l\u2019espace, de l\u2019eau, de l\u2019\u00e9nergie et des mati\u00e8res premi\u00e8res. Les \u00e9tudiants n\u2019ont pas besoin de devenir experts en mati\u00e8re d\u2019infrastructure des centres de donn\u00e9es, mais ils devraient comprendre que l\u2019utilisation de l\u2019IA a des cons\u00e9quences physiques qui varient en fonction de la technologie, de l\u2019\u00e9chelle et du contexte.<\/p>\n\n\n\n
Lorsqu'ils doivent d\u00e9cider si et comment utiliser l'IA, les \u00e9tudiants devraient donc tenir compte non seulement de ce que cette technologie peut accomplir, mais aussi de savoir si son utilisation est appropri\u00e9e et proportionn\u00e9e \u00e0 la t\u00e2che \u00e0 accomplir. La prise en compte des ressources devrait devenir l'un des crit\u00e8res qui informera les d\u00e9cisions en mati\u00e8re d'IA responsable, notamment \u00e0 mesure que cette technologie se g\u00e9n\u00e9ralisera.<\/p>\n\n\n\n
Est-ce que \u201c sans IA \u201d est la bonne question ?<\/h1>\n\n\n\n
Une fa\u00e7on courante de structurer ce d\u00e9bat consiste \u00e0 se demander ce que les \u00e9tudiants devraient pouvoir faire sans l\u2019IA. Cette expression est utile car elle attire l\u2019attention sur la d\u00e9pendance. Une question plus durable consiste \u00e0 se demander ce que les \u00e9tudiants doivent encore comprendre, accomplir, v\u00e9rifier et ma\u00eetriser.<\/p>\n\n\n\n
Les professionnels de l\u2019entreprise s\u2019appuient d\u00e9j\u00e0 sur des feuilles de calcul, des calculatrices, des bases de donn\u00e9es, des moteurs de recherche et des logiciels sp\u00e9cialis\u00e9s. Personne ne demande \u00e0 un comptable de renoncer \u00e0 la feuille de calcul comme preuve de comp\u00e9tence. La comp\u00e9tence est \u00e9valu\u00e9e par le fait que les personnes utilisent leurs outils de mani\u00e8re appropri\u00e9e et comprennent suffisamment pour prendre des d\u00e9cisions \u00e9clair\u00e9es. Le m\u00eame crit\u00e8re s\u2019applique \u00e0 l\u2019IA.<\/p>\n\n\n\n
Certaines fonctionnalit\u00e9s devraient rester ex\u00e9cutables ind\u00e9pendamment. D'autres doivent rester compr\u00e9hensibles. Certaines t\u00e2ches peuvent \u00eatre d\u00e9l\u00e9gu\u00e9es, mais doivent \u00eatre v\u00e9rifi\u00e9es. Certaines d\u00e9cisions doivent finalement \u00eatre assum\u00e9es par une personne.<\/p>\n\n\n\n
Les capacit\u00e9s de l\u2019IA continueront \u00e0 \u00e9voluer. La responsabilit\u00e9 \u00e9ducative de d\u00e9velopper des personnes comp\u00e9tentes restera.<\/p>\n\n\n\n
Vers 2030<\/h1>\n\n\n\n
Retour \u00e0 Maya et \u00e0 ses trois produits finis.<\/p>\n\n\n\n
Le client s'est demand\u00e9 pourquoi elle avait suppos\u00e9 une croissance de 12 %. L'IA a peut-\u00eatre produit cette pr\u00e9vision, mais Maya doit tout de m\u00eame comprendre cette hypoth\u00e8se, \u00e9valuer les preuves qui la sous-tendent, expliquer pourquoi elle est raisonnable, rep\u00e9rer ce qui pourrait la rendre erron\u00e9e et assumer la responsabilit\u00e9 de son utilisation.<\/p>\n\n\n\n
Ce moment illustre un d\u00e9fi plus g\u00e9n\u00e9ral pour l\u2019enseignement des affaires. D\u2019ici 2030, les \u00e9tudiants pourront r\u00e9guli\u00e8rement travailler avec des syst\u00e8mes d\u2019intelligence artificielle capables de rechercher, de calculer, d\u2019analyser, de comparer, de recommander, de communiquer et, de plus en plus, d\u2019agir en leur nom.<\/p>\n\n\n\n
L\u2019\u00e9ducation des affaires doit pr\u00e9server les capacit\u00e9s humaines \u00e0 juger, \u00e0 penser de mani\u00e8re ind\u00e9pendante, \u00e0 \u00e9valuer les preuves, \u00e0 communiquer avec les autres, \u00e0 comprendre la technologie utilis\u00e9e et \u00e0 agir avec initiative et responsabilit\u00e9. Ces capacit\u00e9s doivent rester suffisamment fortes pour que les dipl\u00f4m\u00e9s puissent comprendre les probl\u00e8mes auxquels ils sont confront\u00e9s, reconna\u00eetre quand l\u2019IA est peu fiable ou inappropri\u00e9e, prendre des d\u00e9cisions dans l\u2019incertitude, tenir compte des cons\u00e9quences plus larges, communiquer avec les autres, solliciter l\u2019expertise lorsque n\u00e9cessaire et s\u2019approprier les r\u00e9sultats.<\/strong><\/p>\n\n\n\nL\u2019IA peut acc\u00e9l\u00e9rer l\u2019analyse, \u00e9largir les options, identifier des tendances et ex\u00e9cuter des t\u00e2ches complexes. Ces capacit\u00e9s augmentent l\u2019importance du jugement humain, car il reste n\u00e9cessaire que quelqu\u2019un d\u00e9termine ce qui importe, quelles preuves m\u00e9ritent d\u2019\u00eatre prises en compte, quelles cons\u00e9quences sont acceptables et quelles actions doivent \u00eatre prises.<\/p>\n\n\n\n
Prenez l\u2019exemple d\u2019un futur gestionnaire qui \u00e9value une proposition concernant une infrastructure IA. L\u2019IA peut comparer les co\u00fbts, estimer les besoins en \u00e9lectricit\u00e9, analyser diff\u00e9rentes technologies, calculer les impacts sur la dur\u00e9e de vie et recommander une option. Le gestionnaire doit n\u00e9anmoins d\u00e9terminer ce qui m\u00e9rite d\u2019\u00eatre examin\u00e9. Les co\u00fbts et les performances sont certes importants, mais aussi l\u2019int\u00e9grit\u00e9, la confidentialit\u00e9, l\u2019\u00e9nergie, l\u2019eau, les mat\u00e9riaux, les employ\u00e9s, les impacts sur la communaut\u00e9 et la d\u00e9pendance \u00e0 long terme envers certaines technologies ou fournisseurs. Leur importance varie en fonction de la d\u00e9cision et de son contexte.<\/p>\n\n\n\n
Le calcul et la prise de d\u00e9cision sont des formes diff\u00e9rentes de travail.<\/strong><\/p>\n\n\n\nL\u2019IA peut aider \u00e0 d\u00e9terminer ce qui est possible, \u00e0 comparer les alternatives et \u00e0 identifier les cons\u00e9quences. Le jugement humain est toujours n\u00e9cessaire pour d\u00e9cider quelles cons\u00e9quences sont importantes, comment peser les priorit\u00e9s concurrentes, quand les preuves disponibles sont suffisantes, quand une expertise sp\u00e9cialis\u00e9e est n\u00e9cessaire et quelles actions doivent \u00eatre prises.<\/p>\n\n\n\n
Cette m\u00eame distinction s'applique lorsque l'IA \u00e9value un candidat \u00e0 un poste, recommande une strat\u00e9gie marketing, identifie un client comme pr\u00e9sentant un risque de cr\u00e9dit, propose un calendrier de projet, g\u00e9n\u00e8re une r\u00e9action publique \u00e0 une crise ou recommande un investissement.<\/p>\n\n\n\n
Alors que l\u2019IA devient plus comp\u00e9tente dans les domaines de la calcul, de l\u2019analyse, de la comparaison et de la recommandation, les \u00e9tudiants doivent acqu\u00e9rir une meilleure capacit\u00e9 de jugement pour d\u00e9terminer ce qui m\u00e9rite d\u2019\u00eatre pris en consid\u00e9ration lors de la prise de d\u00e9cision finale.<\/strong><\/p>\n\n\n\nCela ne signifie pas que les \u00e9tudiants doivent effectuer eux-m\u00eames toutes les t\u00e2ches. Certaines capacit\u00e9s doivent rester ex\u00e9cutables ind\u00e9pendamment. D\u2019autres doivent \u00eatre bien comprises pour pouvoir \u00eatre questionn\u00e9es et expliqu\u00e9es. Le travail g\u00e9n\u00e9r\u00e9 par l\u2019IA doit parfois \u00eatre v\u00e9rifi\u00e9, le niveau de v\u00e9rification refl\u00e9tant le risque impliqu\u00e9. Enfin, certaines d\u00e9cisions doivent en d\u00e9finitive \u00eatre d\u00e9tenues par une personne, peu importe le r\u00f4le que l\u2019IA y a jou\u00e9.<\/p>\n\n\n\n
Un \u00e9tudiant qui produit une excellente analyse avec l\u2019IA d\u00e9montre une comp\u00e9tence professionnelle importante. Les enseignants ont \u00e9galement besoin de preuves de ce que cet \u00e9tudiant sait, peut reconna\u00eetre, peut expliquer, peut d\u00e9cider et est pr\u00eat \u00e0 assumer ses responsabilit\u00e9s.<\/p>\n\n\n\n
L\u2019acc\u00e8s \u00e0 un syst\u00e8me intelligent ne conduit pas automatiquement \u00e0 une d\u00e9cision intelligente.<\/strong><\/p>\n\n\n\nAlors que les machines deviennent plus performantes dans leurs t\u00e2ches professionnelles, les \u00e9coles doivent \u00eatre plus attentives aux comp\u00e9tences humaines que celles-ci continuent de d\u00e9velopper. Un dipl\u00f4m\u00e9 en informatique pr\u00eat \u00e0 faire face \u00e0 l\u2019IA devra poss\u00e9der deux types de comp\u00e9tences : la capacit\u00e9 \u00e0 travailler efficacement avec des machines de plus en plus performantes, et la capacit\u00e9 \u00e0 rester une personne comp\u00e9tente et responsable tout en accomplissant ces t\u00e2ches.<\/p>\n\n\n\n
Lorsque le client demande pourquoi, Maya devrait avoir sa propre r\u00e9ponse.<\/strong><\/p>\n\n\n\nD\u00e9claration sur l'utilisation de l'IA<\/h1>\n\n\n\n
Deux agents d\u2019IA, Charlie AI et Lena AI, ont contribu\u00e9 \u00e0 r\u00e9pondre \u00e0 la question abord\u00e9e dans cet article. Leur r\u00e9ponse est indiqu\u00e9e comme \u00e9tant une production IA dans la section \u201c Nous avons \u00e9galement demand\u00e9 \u00e0 l\u2019IA \u201d. Un assistant d\u2019IA (Claude, Anthropic) a format ce document. Les auteurs humains ont examin\u00e9 l\u2019article dans son int\u00e9gralit\u00e9 et assument la responsabilit\u00e9 de son contenu.<\/p>\n\n\n\n
R\u00e9f\u00e9rence<\/h1>\n\n\n\n
Hormaza Dow, T., & Nassi, M. (2026, 11 mars). Enseignement de la judicieuse utilisation de l\u2019IA dans l\u2019enseignement sup\u00e9rieur : ressources en webinaire associ\u00e9es \u00e0 l\u2019adoption du cadre REACT. Zenodo. Webinaire PEEC : ENSEIGNER LA JUDICIE EN UTILISATION DE L\u2019IA EN \u00c9DUCATION SUPERIEURE, Qu\u00e9bec, Canada. https:\/\/doi.org\/10.5281\/zenodo.20259032<\/a><\/p>","protected":false},"excerpt":{"rendered":"Rethinking Business Education for 2030: A Collective Article by the Business Physics AI Lab Authors: This article was written collectively by sixteen members of the Business Physics AI Simulation Lab: Thomas Hormaza Dow (Founder and Lab Director), Vinay Kumar (Advanced Agentic AI Consulting), Sebastien Favre (AI Reliability Measures), Ann Lockquell (Innovation and Creativity), Dr. Banafsheh […]<\/p>\n","protected":false},"author":1,"featured_media":356,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[76],"tags":[79,78,77,80],"class_list":["post-348","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-business-physics-ai-lab-quarterly-review","tag-business-physics-ai-lab-team","tag-collective-article","tag-quarterly-review","tag-rethinking-business-ai-education-for-2030"],"yoast_head":"\n
What Must Remain Human? - Business Physics AI Lab<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/businessphysics.ai\/fr\/what-must-remain-human-education-for-2030\/\" \/>\n<meta property=\"og:locale\" content=\"fr_CA\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"What Must Remain Human? - Business Physics AI Lab\" \/>\n<meta property=\"og:description\" content=\"Rethinking Business Education for 2030: A Collective Article by the Business Physics AI Lab Authors: This article was written collectively by sixteen members of the Business Physics AI Simulation Lab: Thomas Hormaza Dow (Founder and Lab Director), Vinay Kumar (Advanced Agentic AI Consulting), Sebastien Favre (AI Reliability Measures), Ann Lockquell (Innovation and Creativity), Dr. Banafsheh […]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/businessphysics.ai\/fr\/what-must-remain-human-education-for-2030\/\" \/>\n<meta property=\"og:site_name\" content=\"Business Physics AI Lab\" \/>\n<meta property=\"article:published_time\" content=\"2026-10-03T14:32:31+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-10-03T16:21:53+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/businessphysics.ai\/wp-content\/uploads\/2026\/10\/Business-Physics-Team-2030.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1141\" \/>\n\t<meta property=\"og:image:height\" content=\"1280\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Business Physics\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Business Physics\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimation du temps de lecture\" \/>\n\t<meta name=\"twitter:data2\" content=\"42 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/what-must-remain-human-education-for-2030\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/what-must-remain-human-education-for-2030\\\/\"},\"author\":{\"name\":\"Business Physics\",\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/#\\\/schema\\\/person\\\/43e64101068fd3fb267236426d1587a7\"},\"headline\":\"What Must Remain Human?\",\"datePublished\":\"2026-10-03T14:32:31+00:00\",\"dateModified\":\"2026-10-03T16:21:53+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/what-must-remain-human-education-for-2030\\\/\"},\"wordCount\":9316,\"publisher\":{\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/what-must-remain-human-education-for-2030\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/businessphysics.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/Business-Physics-Team-2030.png\",\"keywords\":[\"Business Physics AI Lab Team\",\"Collective Article\",\"Quarterly Review\",\"Rethinking Business AI Education for 2030\"],\"articleSection\":[\"Business Physics AI Lab Quarterly Review\"],\"inLanguage\":\"fr-CA\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/what-must-remain-human-education-for-2030\\\/\",\"url\":\"https:\\\/\\\/businessphysics.ai\\\/what-must-remain-human-education-for-2030\\\/\",\"name\":\"What Must Remain Human? - Business Physics AI Lab\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/what-must-remain-human-education-for-2030\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/what-must-remain-human-education-for-2030\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/businessphysics.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/Business-Physics-Team-2030.png\",\"datePublished\":\"2026-10-03T14:32:31+00:00\",\"dateModified\":\"2026-10-03T16:21:53+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/what-must-remain-human-education-for-2030\\\/#breadcrumb\"},\"inLanguage\":\"fr-CA\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/businessphysics.ai\\\/what-must-remain-human-education-for-2030\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-CA\",\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/what-must-remain-human-education-for-2030\\\/#primaryimage\",\"url\":\"https:\\\/\\\/businessphysics.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/Business-Physics-Team-2030.png\",\"contentUrl\":\"https:\\\/\\\/businessphysics.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/Business-Physics-Team-2030.png\",\"width\":1141,\"height\":1280,\"caption\":\"Business Physics Team 2030\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/what-must-remain-human-education-for-2030\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/businessphysics.ai\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"What Must Remain Human?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/#website\",\"url\":\"https:\\\/\\\/businessphysics.ai\\\/\",\"name\":\"Business Physics AI Lab\",\"description\":\"About the Founder: Professor Thomas Hormaza Dow fosters an environment where research meets application, and where interns, researchers, and industry leaders collaborate to unlock new frontiers.\",\"publisher\":{\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/businessphysics.ai\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-CA\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/#organization\",\"name\":\"Business Physics AI Lab\",\"url\":\"https:\\\/\\\/businessphysics.ai\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-CA\",\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/businessphysics.ai\\\/wp-content\\\/uploads\\\/2025\\\/01\\\/business-physics-logo-large-720.jpg\",\"contentUrl\":\"https:\\\/\\\/businessphysics.ai\\\/wp-content\\\/uploads\\\/2025\\\/01\\\/business-physics-logo-large-720.jpg\",\"width\":720,\"height\":720,\"caption\":\"Business Physics AI Lab\"},\"image\":{\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/#\\\/schema\\\/logo\\\/image\\\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/businessphysics.ai\\\/#\\\/schema\\\/person\\\/43e64101068fd3fb267236426d1587a7\",\"name\":\"Business Physics\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-CA\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/59db27a8d75ba16c76e0af319b569ba08a4650f1e9bc9141e5d749a790c51e7f?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/59db27a8d75ba16c76e0af319b569ba08a4650f1e9bc9141e5d749a790c51e7f?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/59db27a8d75ba16c76e0af319b569ba08a4650f1e9bc9141e5d749a790c51e7f?s=96&d=mm&r=g\",\"caption\":\"Business Physics\"},\"sameAs\":[\"https:\\\/\\\/businessphysics.ai\"],\"url\":\"https:\\\/\\\/businessphysics.ai\\\/fr\\\/author\\\/business-physics\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"What Must Remain Human? - Business Physics AI Lab","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/businessphysics.ai\/fr\/what-must-remain-human-education-for-2030\/","og_locale":"fr_CA","og_type":"article","og_title":"What Must Remain Human? - Business Physics AI Lab","og_description":"Rethinking Business Education for 2030: A Collective Article by the Business Physics AI Lab Authors: This article was written collectively by sixteen members of the Business Physics AI Simulation Lab: Thomas Hormaza Dow (Founder and Lab Director), Vinay Kumar (Advanced Agentic AI Consulting), Sebastien Favre (AI Reliability Measures), Ann Lockquell (Innovation and Creativity), Dr. Banafsheh […]","og_url":"https:\/\/businessphysics.ai\/fr\/what-must-remain-human-education-for-2030\/","og_site_name":"Business Physics AI Lab","article_published_time":"2026-10-03T14:32:31+00:00","article_modified_time":"2026-10-03T16:21:53+00:00","og_image":[{"width":1141,"height":1280,"url":"https:\/\/businessphysics.ai\/wp-content\/uploads\/2026\/10\/Business-Physics-Team-2030.png","type":"image\/png"}],"author":"Business Physics","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"Business Physics","Estimation du temps de lecture":"42 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/businessphysics.ai\/what-must-remain-human-education-for-2030\/#article","isPartOf":{"@id":"https:\/\/businessphysics.ai\/what-must-remain-human-education-for-2030\/"},"author":{"name":"Business Physics","@id":"https:\/\/businessphysics.ai\/#\/schema\/person\/43e64101068fd3fb267236426d1587a7"},"headline":"What Must Remain Human?","datePublished":"2026-10-03T14:32:31+00:00","dateModified":"2026-10-03T16:21:53+00:00","mainEntityOfPage":{"@id":"https:\/\/businessphysics.ai\/what-must-remain-human-education-for-2030\/"},"wordCount":9316,"publisher":{"@id":"https:\/\/businessphysics.ai\/#organization"},"image":{"@id":"https:\/\/businessphysics.ai\/what-must-remain-human-education-for-2030\/#primaryimage"},"thumbnailUrl":"https:\/\/businessphysics.ai\/wp-content\/uploads\/2026\/10\/Business-Physics-Team-2030.png","keywords":["Business Physics AI Lab Team","Collective Article","Quarterly Review","Rethinking Business AI Education for 2030"],"articleSection":["Business Physics AI Lab Quarterly Review"],"inLanguage":"fr-CA"},{"@type":"WebPage","@id":"https:\/\/businessphysics.ai\/what-must-remain-human-education-for-2030\/","url":"https:\/\/businessphysics.ai\/what-must-remain-human-education-for-2030\/","name":"What Must Remain Human? - Business Physics AI Lab","isPartOf":{"@id":"https:\/\/businessphysics.ai\/#website"},"primaryImageOfPage":{"@id":"https:\/\/businessphysics.ai\/what-must-remain-human-education-for-2030\/#primaryimage"},"image":{"@id":"https:\/\/businessphysics.ai\/what-must-remain-human-education-for-2030\/#primaryimage"},"thumbnailUrl":"https:\/\/businessphysics.ai\/wp-content\/uploads\/2026\/10\/Business-Physics-Team-2030.png","datePublished":"2026-10-03T14:32:31+00:00","dateModified":"2026-10-03T16:21:53+00:00","breadcrumb":{"@id":"https:\/\/businessphysics.ai\/what-must-remain-human-education-for-2030\/#breadcrumb"},"inLanguage":"fr-CA","potentialAction":[{"@type":"ReadAction","target":["https:\/\/businessphysics.ai\/what-must-remain-human-education-for-2030\/"]}]},{"@type":"ImageObject","inLanguage":"fr-CA","@id":"https:\/\/businessphysics.ai\/what-must-remain-human-education-for-2030\/#primaryimage","url":"https:\/\/businessphysics.ai\/wp-content\/uploads\/2026\/10\/Business-Physics-Team-2030.png","contentUrl":"https:\/\/businessphysics.ai\/wp-content\/uploads\/2026\/10\/Business-Physics-Team-2030.png","width":1141,"height":1280,"caption":"Business Physics Team 2030"},{"@type":"BreadcrumbList","@id":"https:\/\/businessphysics.ai\/what-must-remain-human-education-for-2030\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/businessphysics.ai\/"},{"@type":"ListItem","position":2,"name":"What Must Remain Human?"}]},{"@type":"WebSite","@id":"https:\/\/businessphysics.ai\/#website","url":"https:\/\/businessphysics.ai\/","name":"Business Physics AI Lab","description":"\u00c0 propos du fondateur : Le professeur Thomas Hormaza Dow favorise un environnement o\u00f9 la recherche rencontre l'application, et o\u00f9 les stagiaires, les chercheurs et les leaders de l'industrie collaborent pour ouvrir de nouvelles fronti\u00e8res.","publisher":{"@id":"https:\/\/businessphysics.ai\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/businessphysics.ai\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-CA"},{"@type":"Organization","@id":"https:\/\/businessphysics.ai\/#organization","name":"Business Physics AI Lab","url":"https:\/\/businessphysics.ai\/","logo":{"@type":"ImageObject","inLanguage":"fr-CA","@id":"https:\/\/businessphysics.ai\/#\/schema\/logo\/image\/","url":"https:\/\/businessphysics.ai\/wp-content\/uploads\/2025\/01\/business-physics-logo-large-720.jpg","contentUrl":"https:\/\/businessphysics.ai\/wp-content\/uploads\/2025\/01\/business-physics-logo-large-720.jpg","width":720,"height":720,"caption":"Business Physics AI Lab"},"image":{"@id":"https:\/\/businessphysics.ai\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/businessphysics.ai\/#\/schema\/person\/43e64101068fd3fb267236426d1587a7","name":"Physique des affaires","image":{"@type":"ImageObject","inLanguage":"fr-CA","@id":"https:\/\/secure.gravatar.com\/avatar\/59db27a8d75ba16c76e0af319b569ba08a4650f1e9bc9141e5d749a790c51e7f?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/59db27a8d75ba16c76e0af319b569ba08a4650f1e9bc9141e5d749a790c51e7f?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/59db27a8d75ba16c76e0af319b569ba08a4650f1e9bc9141e5d749a790c51e7f?s=96&d=mm&r=g","caption":"Business Physics"},"sameAs":["https:\/\/businessphysics.ai"],"url":"https:\/\/businessphysics.ai\/fr\/author\/business-physics\/"}]}},"_links":{"self":[{"href":"https:\/\/businessphysics.ai\/fr\/wp-json\/wp\/v2\/posts\/348","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/businessphysics.ai\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/businessphysics.ai\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/businessphysics.ai\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/businessphysics.ai\/fr\/wp-json\/wp\/v2\/comments?post=348"}],"version-history":[{"count":7,"href":"https:\/\/businessphysics.ai\/fr\/wp-json\/wp\/v2\/posts\/348\/revisions"}],"predecessor-version":[{"id":358,"href":"https:\/\/businessphysics.ai\/fr\/wp-json\/wp\/v2\/posts\/348\/revisions\/358"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/businessphysics.ai\/fr\/wp-json\/wp\/v2\/media\/356"}],"wp:attachment":[{"href":"https:\/\/businessphysics.ai\/fr\/wp-json\/wp\/v2\/media?parent=348"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/businessphysics.ai\/fr\/wp-json\/wp\/v2\/categories?post=348"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/businessphysics.ai\/fr\/wp-json\/wp\/v2\/tags?post=348"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}