Démarrer l'essai gratuit
Tendances Nouveau Genres Auteurs
EnglishEnglish
EspañolSpanish
简体中文Chinese
繁體中文Chinese (Traditional)
FrançaisFrench
DeutschGerman
日本語Japanese
PortuguêsPortuguese
ItalianoItalian
한국어Korean
РусскийRussian
NederlandsDutch
العربيةArabic
PolskiPolish
हिन्दीHindi
Tiếng ViệtVietnamese
SvenskaSwedish
ΕλληνικάGreek
TürkçeTurkish
ไทยThai
ČeštinaCzech
RomânăRomanian
MagyarHungarian
УкраїнськаUkrainian
IndonesiaIndonesian
DanskDanish
SuomiFinnish
БългарскиBulgarian
עבריתHebrew
NorskNorwegian
HrvatskiCroatian
CatalàCatalan
SlovenčinaSlovak
LietuviųLithuanian
SlovenščinaSlovenian
СрпскиSerbian
EestiEstonian
LatviešuLatvian
فارسیPersian
മലയാളംMalayalam
தமிழ்Tamil
اردوUrdu
Recherche en cours...
SoBrief
The Algorithmic Leader

The Algorithmic Leader

Dirigez l’IA sans renoncer à votre discernement : repensez le travail, guidez les équipes et maintenez la responsabilité humaine.
par Mike Walsh 2019 256 pages
3.88
255 évaluations
Écouter
Immersif
V2.3
Amazon Kindle Audible
Essayez l'accès complet pendant 3 jours
Débloquez l'écoute et bien plus !
Continuer

Points clés

Devenez la personne qui conçoit ce que des machines plus intelligentes sont autorisées à faire

Le système a échoué. Sur le vol 3411 de United, des règles guidées par ordinateur ont contribué à déterminer le moment où l’équipage embarquerait, la somme que la compagnie verserait aux passagers pour qu’ils renoncent à leur siège et les personnes à choisir si personne ne se portait volontaire. Lorsque David Dao a résisté à son débarquement forcé, les employés ont suivi les procédures, mais le résultat a tourné au désastre public. L’échec ne relevait pas simplement d’un mauvais service à la clientèle. Le système était conçu pour récompenser l’efficacité opérationnelle sans laisser aux employés suffisamment de latitude pour agir avec humanité.

La responsabilité incombe toujours aux dirigeants. Walsh appelle leader algorithmique un dirigeant qui adapte la prise de décision, la gestion et le travail créatif à la complexité des machines. Les algorithmes peuvent analyser et agir, mais ce sont les personnes qui choisissent leurs objectifs, leurs données, leurs garde-fous et les exceptions. Le rôle des dirigeants ne consiste plus à prendre chaque décision, mais à concevoir le système qui en prend beaucoup.

Analyse

Ce qui frappe, c’est la facilité avec laquelle la responsabilité peut se dissoudre dans une chaîne de règles localement raisonnables. C’est un problème classique en ingénierie de la sécurité : les défaillances ne résultent souvent pas de l’imprudence d’une seule personne, mais de plusieurs composantes qui interagissent mal. L’histoire de la compagnie aérienne rend la responsabilité concrète. Un dirigeant ne peut pas déléguer son jugement à un processus, puis prétendre que celui-ci a agi seul. La marge de manœuvre doit toutefois aussi avoir des limites. L’improvisation sans cadre des employés peut entraîner des incohérences ; les exceptions empreintes d’humanité doivent donc être conçues, mises en pratique et examinées, plutôt que laissées au hasard.

Partez des comportements de demain, pas des gadgets de demain

Les expériences durent plus longtemps que les appareils. Les algorithmes sont des méthodes étape par étape qui transforment des données d’entrée en résultats. L’apprentissage automatique moderne peut ajuster ces méthodes en apprenant à partir des données, et devenir ainsi très performant dans une tâche précise. L’occasion stratégique ne réside pas simplement dans un appareil plus rapide, mais dans un service qui comprend ce qu’une personne cherche à faire et rend l’expérience naturelle.

Commencez par le client. Netflix s’est appuyé sur les données du public pour s’engager à produire une saison complète de The Crown avant même de tourner un épisode pilote, estimant que la série dramatique plairait à ses abonnés et accompagnerait son expansion prochaine au Royaume-Uni. Walsh évoque aussi la génération suivante: les enfants d’Alexandra Samuel, âgés de sept et dix ans, façonnaient délibérément les publicités qu’ils recevaient en répétant dans Gmail le nom des articles qu’ils souhaitaient. Ils avaient déjà compris que les plateformes apprennent à partir des comportements. Les clients de demain apprennent à anticiper les systèmes personnalisés, à les influencer et à les attendre.

Analyse

La stratégie passe ainsi de la prévision des produits à celle des comportements. Un gadget peut être copié ; un service qui s’intègre aisément aux habitudes d’une personne peut être plus difficile à remplacer, car il devient partie intégrante de sa façon de se souvenir, de choisir ou d’agir. Le risque, c’est que la fluidité dissimule une influence. Lorsqu’un algorithme anticipe un besoin, il peut aussi restreindre les choix qui s’offrent à la personne. Une personnalisation utile devrait donc simplifier l’expérience sans substituer discrètement les préférences de la plateforme à celles de l’utilisateur.

Misez sur la croissance à grande échelle rendue possible par les données et abandonnez l’idée gagnante d’hier

L’incrémentalisme peut masquer les retards. Sur les marchés alimentés par les données et les effets de réseau, une amélioration modeste peut ne pas suffire pour rester compétitif. Un nombre accru d’utilisateurs peut produire davantage de données, ce qui améliore un service et attire encore plus d’utilisateurs. Le livre décrit ce phénomène comme une boucle de croissance auto-entretenue. Reid Hoffman privilégiait les entreprises capables de croître grâce à leurs réseaux plutôt que de dépendre principalement de la publicité.

Les succès passés peuvent devenir une cage. Sous Steve Ballmer, Microsoft a vu croître son chiffre d’affaires et ses bénéfices, mais sa structure centrée sur Windows l’a empêchée de réagir rapidement aux évolutions du Web, du mobile et du cloud. Satya Nadella a réorienté l’attention vers de nouvelles capacités. Masayoshi Son propose un autre modèle: imaginer la vie dans plusieurs décennies, puis remonter le fil jusqu’aux technologies et aux entreprises nécessaires pour y parvenir. Son investissement initial de 20 millions de dollars dans Alibaba valait environ 50 milliards de dollars lors de l’introduction en bourse de l’entreprise en 2014.

Analyse

L’argument est particulièrement convaincant lorsque la croissance à grande échelle améliore le produit lui-même, par exemple lorsque l’accumulation de données rend les rapprochements ou les prédictions plus utiles. Il l’est moins comme prescription générale : tous les marchés ne sont pas des marchés où le gagnant rafle tout, et la croissance peut amplifier les mauvais comme les bons comportements tout aussi efficacement. La leçon stratégique consiste à vérifier si la croissance à grande échelle procure un véritable avantage d’apprentissage, plutôt qu’à rechercher la taille pour elle-même. Les dirigeants doivent aussi pouvoir abandonner un modèle rentable avant que son succès ne devienne une identité organisationnelle.

Décomposez le problème, puis révisez vos probabilités à mesure que les données évoluent

Raisonnez à partir des principes fondamentaux. La pensée informatique consiste à décomposer un problème, à repérer des schémas, à décrire les étapes susceptibles de le résoudre et à généraliser les règles utiles. Elle aide les dirigeants à se demander de quoi se compose un problème, au lieu d’emprunter une réponse à un cas qui lui ressemble en apparence. Elon Musk s’est servi de cette approche pour remettre en question le prix des fusées: les matières premières ne représentaient qu’une petite part de leur coût, ce qui laissait penser qu’une conception et un processus de fabrication différents pourraient en modifier l’économie.

Considérez vos conclusions comme provisoires. Le raisonnement bayésien part d’une croyance initiale, puis la révise à mesure que de nouvelles données pertinentes apparaissent. Brentford et Midtjylland ont utilisé les buts attendus, une mesure du nombre et de la qualité des occasions de marquer, pour évaluer les performances d’une équipe au-delà du résultat incertain d’une victoire ou d’une défaite. De la même manière, les expériences sont surtout précieuses lorsqu’elles révèlent quelles questions comptent, et pas seulement quelle couleur de bouton remporte un test.

Analyse

Ces méthodes associent deux formes de rigueur : d’abord, résister aux idées reçues ; ensuite, résister à l’attrait d’une conclusion nouvelle. Cette combinaison est utile en gestion, car les succès et les échecs spectaculaires renseignent souvent mal sur les performances sous-jacentes. Les buts attendus, par exemple, distinguent la qualité des occasions de la part de chance propre à un seul match. La mesure n’est toutefois pas neutre. Les variables choisies déterminent ce qui compte comme une performance ; l’analyse quantitative doit donc affiner la réflexion humaine, et non décider discrètement des valeurs de l’organisation.

Laissez les principes guider les équipes autonomes et servez-vous des données pour façonner la culture

La culture est une infrastructure opérationnelle. De nouveaux logiciels ne rendront pas une entreprise adaptable si ses employés attendent toujours la permission d’agir. Netflix a réduit le nombre de règles et de procédures tout en s’appuyant sur des attentes comportementales concrètes. Amazon a rendu ses principes visibles à travers des pratiques telles que demander aux équipes de rédiger des annonces imaginaires pour un produit et des questions de clients avant de le concevoir.

Créez les conditions propices à un travail de qualité. Satalia, l’entreprise de Daniel Hulme, s’est appuyée sur des données concernant les relations de travail entre collègues pour faciliter la répartition des décisions au sein d’une entreprise comptant peu de hiérarchies formelles. Chez Google, le projet Aristotle a étudié 180 équipes et constaté que la sécurité psychologique — la confiance nécessaire pour poser des questions, exprimer un désaccord et risquer une idée nouvelle sans être humilié — comptait davantage que la simple réunion de collaborateurs vedettes. La tâche du dirigeant consiste à définir l’orientation, les ressources et les garde-fous, puis à laisser les équipes s’organiser autour du travail.

Analyse

Voilà une utile réfutation de l’idée selon laquelle l’autonomie signifie l’absence de gestion. En pratique, l’autonomie repose sur des attentes communes, l’accès à l’information et un moyen fiable de résoudre les conflits. La sécurité psychologique ne signifie pas le confort à tout prix ; elle consiste à pouvoir exprimer socialement ses doutes avant qu’ils ne se transforment en erreurs coûteuses. Les données sur la collaboration peuvent révéler des schémas cachés, mais suivre les employés de trop près risque de faire ressembler la confiance à de la surveillance. La mesure devrait éclairer le travail, sans transformer chaque interaction en note.

Repensez le travail lui-même avant d’en automatiser les étapes

Interrogez-vous sur la raison d’être du travail. Joshua Browder a créé DoNotPay après avoir constaté que contester des amendes de stationnement suivait un processus répétitif de questions-réponses. Son simple outil en ligne automatisait les recours, puis s’est étendu à d’autres services d’aide aux consommateurs. La leçon plus générale n’est pas de numériser tous les anciens processus, mais de se demander quel résultat les gens recherchent et si le processus existant est nécessaire.

Rendez le savoir réutilisable. Un jumeau numérique est un modèle fondé sur des données d’un actif ou d’un processus physique, actualisable afin de simuler, de surveiller et d’améliorer son équivalent réel. Rolls-Royce s’est servi de données et de capteurs installés sur ses moteurs pour passer de la vente de moteurs à la gestion de leurs performances grâce à un service facturé à l’heure d’utilisation. Les organisations peuvent aussi préserver les schémas de compétences, c’est-à-dire le savoir-faire pratique des employés expérimentés, en consignant leurs recommandations et en tirant des enseignements de la manière dont elles sont appliquées.

Analyse

La refonte du travail commence par une question d’une simplicité trompeuse : quelle serait l’expérience du client ou de l’employé si l’organisation ne comportait ni services, ni formulaires, ni transferts de dossiers hérités du passé ? Cette question peut révéler des complexités inutiles et faire émerger de nouveaux services, comme le montre l’exemple de Rolls-Royce. La codification de l’expertise a cependant ses limites. Une recommandation tirée du jugement d’un employé expérimenté peut préserver un savoir-faire utile ou reproduire les angles morts d’une personne. Les systèmes de gestion des connaissances fonctionnent mieux lorsque les employés peuvent en contester les résultats et y apporter des corrections.

Automatisez les tâches routinières, puis investissez dans le jugement et la reconversion

Les emplois évoluent de façon inégale. L’automatisation peut réduire la main-d’œuvre nécessaire à une tâche tout en faisant baisser les coûts et en stimulant la demande pour le service. Après que les guichets automatiques ont réduit le nombre d’employés nécessaires dans chaque agence, les banques ont ouvert davantage d’agences et le travail des guichetiers s’est orienté vers les relations avec la clientèle et les conseils sur les produits. Rien ne garantissait pour autant que chaque employé trouverait un meilleur poste. Les compétences, la formation, la demande et les institutions du travail déterminent qui en tire profit.

Orientez les personnes vers les cas exceptionnels. Une fois que les logiciels prennent en charge les vérifications répétitives, les employés peuvent examiner les cas inhabituels, interpréter le contexte et intervenir lorsqu’un schéma révèle un risque. AT&T a constaté que 100 000 de ses 240 000 employés occupaient des postes dont l’entreprise prévoyait de ne plus avoir besoin dans les dix ans; elle a ensuite créé des outils pour aider les employés à explorer de nouveaux postes et les compétences exigées. La reconversion nécessite du temps, du soutien et des perspectives crédibles, pas seulement un lien vers des cours en ligne.

Analyse

La distinction entre l’automatisation des tâches et la suppression des professions est essentielle, mais elle ne doit pas rassurer en laissant croire que les bouleversements se résoudront d’eux-mêmes. Les travailleurs peuvent perdre leurs revenus, se heurter à des obstacles géographiques ou recevoir une formation trop tardive. L’exemple d’AT&T implique une obligation plus exigeante : les employeurs devraient prévoir l’évolution des compétences requises et préparer les transitions tant que les employés ont encore des options. L’automatisation peut accroître la valeur du travail humain, mais seulement si les gains de productivité se traduisent par des postes enrichissants, de la formation et une rémunération adéquate.

Examinez de près l’objectif, les données d’entraînement et la possibilité de faire intervenir un humain

Les algorithmes héritent de choix. Une étude de 2013 a montré que les mentions « J’aime » sur Facebook permettaient de prédire des caractéristiques sensibles que les utilisateurs n’avaient pas explicitement divulguées. Cambridge Analytica a ensuite utilisé des données obtenues par l’intermédiaire d’un test de personnalité et des réseaux sociaux des utilisateurs pour établir le profil de millions de personnes. Cet épisode montre qu’une collecte de données légale n’est pas nécessairement éclairée, équitable ou digne de confiance. Les modèles peuvent aussi reproduire les biais lorsque les données sont incomplètes ou non représentatives.

Concevez des systèmes qui rendent des comptes. Les dirigeants doivent se demander ce qu’un algorithme cherche à optimiser, qui en bénéficie, qui risque d’en subir les effets négatifs et si les personnes concernées peuvent contester un résultat. Le système de gestion des centres de données de DeepMind associait des recommandations automatisées à des limites de sécurité définies par des humains et à une vérification locale. L’apprentissage automatique centré sur l’humain commence par les besoins et les contextes réels des personnes, puis s’en sert pour façonner les données, les logiciels et les interfaces. Dans les situations à forts enjeux, un humain doit pouvoir examiner, expliquer et corriger une décision.

Analyse

L’objectif d’un algorithme est une formulation condensée des priorités institutionnelles. Un système qui optimise l’efficacité peut réussir sur le plan technique tout en imposant des coûts aux personnes exclues de sa définition de la réussite. Le droit de faire appel et l’examen humain relèvent donc de la conception du système, et non d’une réflexion après coup sur le service à la clientèle. Le jugement humain n’est pas pour autant automatiquement plus équitable que le calcul. La meilleure approche associe des objectifs explicites, des données représentatives, un examen diversifié et des voies de recours concrètes, tout en faisant preuve de prudence lorsque les erreurs peuvent avoir de graves conséquences.

Rendez le travail algorithmique évolutif sans rendre les personnes jetables

La raison d’être fait partie du travail. Le travail apporte aux gens bien plus qu’un revenu: il peut leur donner une identité, la maîtrise d’un savoir-faire et un lien visible entre l’effort et le résultat. ING a réorganisé ses employés en petites équipes dotées d’objectifs centrés sur les clients, afin que chacun puisse voir sa contribution à un service au lieu de s’occuper d’un fragment d’un projet s’étalant sur plusieurs années. Walsh avertit que l’automatisation peut fragmenter davantage le travail, même lorsqu’elle rend les organisations plus efficaces.

Concevez les plateformes comme si vous les utilisiez vous-même. La gestion algorithmique peut rendre les horaires et les tâches plus efficaces tout en transférant les risques aux travailleurs. Walsh soutient que les dirigeants devraient évaluer les plateformes de travail du point de vue des personnes soumises à leurs règles, et pas seulement de celui de leurs propriétaires. Il faut notamment se demander si les travailleurs peuvent comprendre les décisions, organiser leur vie et gagner dignement leur vie. L’éducation et l’accès aux compétences comptent aussi, surtout lorsque la propriété des plateformes et le contrôle des algorithmes se concentrent entre les mains d’un petit groupe.

Analyse

La conclusion du livre ne dit pas que chaque organisation doit se doter d’une grande mission sociale. Elle affirme que les gens doivent comprendre pourquoi leur travail compte et conserver une juste part de pouvoir d’action. Cela relie la raison d’être à la conception institutionnelle : il est difficile de préserver un travail porteur de sens lorsqu’un travailleur ne peut ni influer sur ses horaires, ni contester une évaluation, ni constater le résultat de son labeur. Le défi consiste à concilier souplesse et protection. Les plateformes peuvent élargir l’accès au travail, mais la flexibilité pour l’entreprise peut se traduire par l’instabilité pour le travailleur.

Analyse

La contribution centrale de Walsh consiste à déplacer la question du leadership: au lieu de se demander si les machines remplaceront les personnes, il faut se demander qui conçoit les systèmes qui organisent leur travail et leurs choix. Le livre rend ce déplacement frappant avec le vol 3411 de United, où des procédures optimisées en fonction des effectifs, des revenus et de la valeur accordée aux clients ont conjugué leurs effets pour aboutir à une catastrophe humaine. Cette histoire donne une portée morale à l’argument: les algorithmes ne sont pas des outils extérieurs dont les conséquences ne concerneraient que les ingénieurs. Ils incarnent des décisions organisationnelles, et les dirigeants demeurent responsables de leurs objectifs, de leurs données, de leurs limites et des mesures correctives.

La progression en trois parties du livre est stratégiquement efficace. Il commence par les habitudes de pensée des dirigeants, passe à la culture organisationnelle et à la conception du travail, puis examine les conséquences pour les clients et la société. À tous ces niveaux, il privilégie la capacité d’adaptation aux plans figés: raisonner à partir des principes fondamentaux, réviser ses croyances, laisser les équipes agir selon des principes et repenser le travail lui-même. Son idée pratique la plus forte est que la valeur de l’IA tient souvent à la transformation du service ou du modèle opérationnel, et pas simplement à l’accélération d’une tâche existante. La surveillance des moteurs de Rolls-Royce et la tentative de Babylon d’élargir l’accès aux soins illustrent cette distinction.

L’argument est traversé par une tension féconde. Walsh préconise la croissance à grande échelle, l’accumulation de données et l’anticipation, tout en avertissant que la personnalisation peut manipuler, que la gestion algorithmique peut intensifier le contrôle et que les données peuvent reproduire des hiérarchies sociales. Ces sujets ne sont pas séparés. Ils sont les conséquences d’une même capacité à observer les comportements et à les influencer. Une stratégie algorithmique mûre doit donc répondre à deux questions: le système apprend-il et crée-t-il de la valeur? Les personnes concernées peuvent-elles comprendre, contester ou refuser les effets importants qu’il entraîne?

L’optimisme du livre à l’égard du jugement humain est particulièrement convaincant lorsque les rôles humains sont clairement définis: fixer les objectifs, apporter le contexte, traiter les exceptions et préserver les relations. Il l’est moins si la supervision humaine reste une promesse vague, puisque les humains prennent eux aussi des décisions biaisées et incohérentes. La norme pratique n’est pas de choisir entre humain et machine, mais de bâtir un partenariat bien conçu, où l’automatisation est circonscrite, la responsabilité attribuée et les gains de productivité mis au service d’un meilleur travail plutôt que d’un contrôle plus strict.

Résumé en 30 secondes
Les dirigeants restent responsables des objectifs, des données, des garde-fous et des voies de recours intégrés aux décisions automatisées. Les données peuvent améliorer un service et attirer davantage d’utilisateurs, mais les succès passés peuvent laisser une entreprise mal préparée aux nouveaux marchés. Repensez le travail en fonction du résultat dont les personnes ont besoin avant d’automatiser les tâches. AT&T prévoyait que 100 000 de ses 240 000 employés auraient besoin de nouveaux postes, ce qui rendait indispensables le perfectionnement des compétences et des parcours professionnels crédibles. Un examen humain doit pouvoir enquêter sur les décisions lourdes de conséquences et les corriger.
Contient des spoilers

Dernière mise à jour:

Signaler un problème

Résumé des avis

3.88 sur 5
Moyenne de 255 évaluations de Goodreads et Amazon.

The Algorithmic Leader reçoit des avis partagés, avec des notes allant de 1 à 5 étoiles. Les avis positifs saluent ses réflexions sur l’IA, les algorithmes et le leadership de demain, et mettent en avant ses conseils pratiques et ses idées stimulantes. Les critiques lui reprochent de manquer de profondeur, de reprendre des concepts connus et d’apporter peu d’informations nouvelles. Certains lecteurs apprécient le regard porté par l’ouvrage sur l’adaptation du leadership à l’ère algorithmique, tandis que d’autres le trouvent superficiel. Dans l’ensemble, l’ouvrage suscite des discussions sur l’avenir du travail, l’impact de l’IA sur les entreprises et l’évolution du rôle des dirigeants dans un monde façonné par la technologie.

Votre note :
4.38
250 évaluations
Envie de lire le livre complet ?

Glossaire

leader algorithmique

Leader adapté à la complexité des machines

Leader qui adapte la prise de décision, la gestion et le travail créatif à la complexité de l’ère des machines. Son rôle ne consiste pas simplement à comprendre le vocabulaire de l’IA ou à approuver des projets techniques. Il comprend la mise en relation des personnes et des plateformes, la définition d’objectifs et de limites appropriés, ainsi que la responsabilité des effets organisationnels des décisions automatisées.

rhizome

Métaphore d’un réseau décentralisé

Métaphore inspirée de tiges souterraines interconnectées, comme celles du bambou ou du gingembre, qui peuvent croître dans plusieurs directions sans tronc central unique. Walsh l’utilise pour opposer le leadership en réseau à la hiérarchie rigide. Dans ce modèle, le leader crée des liens et soutient l’ensemble du système plutôt que de prétendre contrôler chaque décision depuis le sommet.

roue de l’expérience algorithmique

Trois éléments de l’expérience interconnectés

Une manière de concevoir des services algorithmiques autour des intentions, des interactions et de l’identité. Les intentions sont les besoins ou les désirs des utilisateurs, y compris ceux que l’on déduit de leur comportement. Les interactions désignent la manière dont les personnes utilisent un produit ou une plateforme. L’identité correspond à l’effet de l’expérience sur la façon dont les utilisateurs se perçoivent. Ces éléments se renforcent mutuellement à mesure qu’un service anticipe les besoins et façonne les comportements futurs.

pensée informatique

Approche structurée de résolution de problèmes

Méthode permettant de formuler les problèmes de façon à ce que les personnes, les ordinateurs ou les deux puissent contribuer à les résoudre. Elle décompose un problème complexe en éléments, repère des schémas, élabore des étapes ou des règles, puis en tire des enseignements plus généraux. Elle tient également compte de contraintes pratiques, comme le temps disponible, les ressources informatiques et le fait qu’une réponse approximative puisse suffire.

aversion aux algorithmes

Réticence à suivre les recommandations algorithmiques

Tendance des personnes à se méfier des recommandations algorithmiques ou à les rejeter, même lorsqu’un système fonctionne bien. Elles peuvent y résister parce qu’elles veulent garder le contrôle, remarquent plus facilement les erreurs d’une machine que celles d’un être humain, ou se méfient de décisions qu’elles ne comprennent pas. Faire participer les utilisateurs à la définition des limites de sécurité et comparer les résultats à ceux du jugement humain peut contribuer à instaurer une confiance adaptée.

groupe de réflexion algorithmique (algorithmic brain trust)

Groupe transversal de décision sur les données

Groupe régulier réunissant des dirigeants, des spécialistes des données et des personnes responsables de l’IA afin de partager des constats et de repérer des applications utiles. Il ne s’agit pas simplement de discuter de technologie. Ce groupe aide une organisation à transmettre les enseignements d’une équipe à l’autre, à relier les possibilités techniques aux besoins de l’entreprise et à transformer les usages fructueux des données en pratiques reproductibles.

jumeau numérique

Modèle fondé sur des données d’un système réel

Modèle numérique d’un objet physique, d’un processus ou d’une organisation, mis à jour à partir d’informations provenant de son équivalent réel. Un jumeau numérique peut faciliter la surveillance, la simulation, la prédiction et l’amélioration des performances. Rolls-Royce a utilisé les données de moteurs à réaction pour comprendre leur fonctionnement et leur maintenance, ce qui a permis de soutenir un modèle commercial axé sur la gestion des performances des moteurs plutôt que sur la seule vente de matériel.

schémas de compétences (talent patterns)

Savoir-faire pratique accumulé par les travailleurs

Connaissances nuancées et comportements que les personnes expérimentées développent au fil des années de travail, souvent absents des documents officiels ou des bases de données. Les organisations peuvent repérer et préserver ces schémas en consignant la manière dont les travailleurs qualifiés gèrent certaines situations, puis en utilisant des systèmes pour transmettre leurs recommandations à leurs collègues. Le processus doit permettre au jugement humain de corriger et d’améliorer ce qui est consigné.

apprentissage automatique centré sur l’humain

Conception de l’IA fondée sur les besoins humains

Approche qui associe le développement de l’apprentissage automatique à l’étude des besoins, des comportements et du contexte des personnes. Elle s’appuie notamment sur l’observation, les entretiens, l’analyse des demandes d’assistance et l’examen d’exemples concrets pour façonner le système. L’objectif n’est pas seulement de rendre un algorithme précis, mais aussi de veiller à ce que ses décisions et ses interactions soient utiles et adaptées aux personnes concernées.

décisions de type 1 et de type 2

Choix irréversibles ou réversibles

Distinction utilisée par Jeff Bezos pour séparer les décisions à fort impact, difficiles à annuler, des choix moins importants qui peuvent être modifiés. Les dirigeants doivent accorder une attention particulière aux décisions lourdes de conséquences et difficiles à inverser. Les décisions réversibles peuvent souvent être déléguées, prises rapidement ou automatisées, permettant aux équipes de tirer des enseignements des résultats sans attendre l’approbation de la direction.

FAQ

De quoi parle The Algorithmic Leader ?

  • Le leadership à l’ère de l’IA : The Algorithmic Leader de Mike Walsh examine comment les dirigeants peuvent réussir à une époque dominée par les algorithmes et l’intelligence artificielle, et souligne la nécessité d’adapter les modes de décision et de gestion.
  • Un cadre pour le changement : L’ouvrage présente un cadre composé de dix principes répartis en trois étapes : changer sa façon de penser, changer son travail et changer le monde. Il guide les dirigeants dans la transformation de leurs organisations.
  • Des exemples concrets : Walsh s’appuie sur des études de cas, comme l’incident de United Airlines, pour illustrer les conséquences de la prise de décision algorithmique et l’importance de la supervision humaine.

Pourquoi lire The Algorithmic Leader ?

  • Pertinence pour le leadership moderne : Alors que les entreprises s’appuient de plus en plus sur la technologie, il est essentiel de comprendre comment diriger dans ce contexte. Les réflexions proposées s’appliquent à divers secteurs.
  • Des principes concrets : L’ouvrage propose dix principes applicables pour aider les dirigeants à naviguer dans l’incertitude et la complexité de leurs organisations.
  • Inspiration et éclairage : Les lecteurs trouveront matière à réflexion dans les discussions sur l’avenir du travail et l’évolution du rôle des dirigeants, qui les encouragent à adopter une approche proactive du changement.

Quels sont les principaux enseignements de The Algorithmic Leader ?

  • Accueillir l’incertitude : Les dirigeants devraient adopter une pensée probabiliste, prendre leurs décisions à partir des meilleures données disponibles et les réviser à mesure que de nouvelles informations apparaissent.
  • Miser sur la culture : La culture est le véritable système d’exploitation d’une organisation. Les dirigeants devraient privilégier les principes aux processus afin de favoriser l’innovation et l’adaptabilité.
  • Penser de façon informatique : Décomposer les problèmes en éléments gérables et s’appuyer sur les données pour prendre des décisions permet aux dirigeants d’exploiter efficacement les algorithmes et l’IA.

Quels sont les dix principes présentés dans The Algorithmic Leader ?

  • Partir de l’avenir pour remonter le fil : Commencer par imaginer l’avenir et concevoir des stratégies en accord avec cette vision, en anticipant les changements et en s’y préparant.
  • Viser dix fois plus, et non 10 % de mieux : Chercher des possibilités de transformation plutôt que des améliorations progressives, afin de favoriser l’innovation et l’audace dans la prise de décision.
  • Accueillir l’incertitude : Accepter l’incertitude dans la prise de décision et recourir à la pensée probabiliste pour évaluer les risques et les possibilités.
  • Faire de la culture son système d’exploitation : Privilégier les valeurs et les principes culturels aux processus rigides afin de favoriser l’engagement et l’innovation.

Quelle est l’importance de la pensée informatique dans The Algorithmic Leader ?

  • Résolution structurée des problèmes : La pensée informatique consiste à décomposer les problèmes complexes en éléments plus petits, ce qui améliore la prise de décision et favorise l’innovation.
  • Renforcer l’intelligence humaine : Il s’agit de s’appuyer sur les algorithmes et les données pour renforcer les capacités humaines et encourager la collaboration entre personnes et machines.
  • Applications concrètes : Des exemples issus de domaines comme l’astronomie et la finance montrent comment la pensée informatique peut résoudre des problèmes complexes et stimuler l’innovation.

Comment The Algorithmic Leader aborde-t-il l’avenir du travail ?

  • Transformation des rôles : L’essor des algorithmes et de l’IA transformera la nature du travail et le rôle des dirigeants, qui devront s’adapter à un environnement axé sur la technologie.
  • Importance des compétences humaines : Si la technologie automatise des tâches, les compétences humaines comme la créativité, l’empathie et l’esprit critique gagnent en valeur.
  • Collaboration avec la technologie : L’ouvrage encourage une approche collaborative où les humains et les machines travaillent ensemble pour obtenir de meilleurs résultats.

Quel rôle la culture joue-t-elle dans The Algorithmic Leader ?

  • La culture comme système d’exploitation : La culture est le socle d’une organisation. Elle guide les comportements et la prise de décision, et favorise l’engagement, l’innovation et l’adaptabilité.
  • Les principes plutôt que les processus : Des principes clairs pour guider l’action permettent de gagner en souplesse et en réactivité dans un environnement en évolution rapide.
  • Autonomie et confiance : Les dirigeants devraient instaurer une culture de confiance et d’autonomie qui encourage les employés à prendre des risques et à innover.

Comment les dirigeants peuvent-ils appliquer les principes de The Algorithmic Leader ?

  • Commencer par une vision : Imaginer l’avenir et aligner les stratégies sur cette vision afin d’aider les organisations à se préparer aux changements.
  • Favoriser une culture de l’expérimentation : Encourager les équipes à explorer de nouvelles idées sans craindre l’échec, pour faire émerger des solutions et des perspectives novatrices.
  • Investir dans l’apprentissage et le développement : Faire de l’apprentissage continu des dirigeants et des équipes une priorité pour naviguer dans les complexités de l’ère algorithmique.

À quels défis les leaders algorithmiques sont-ils confrontés selon The Algorithmic Leader ?

  • Naviguer parmi les dilemmes éthiques : L’utilisation d’algorithmes dans la prise de décision soulève des questions éthiques qui exigent de prendre en compte leurs conséquences pour les employés et les clients.
  • Préserver les liens humains : À mesure que l’automatisation progresse, préserver les liens humains devient plus difficile. Il faut donc une technologie qui enrichisse les interactions au lieu de les remplacer.
  • S’adapter aux changements rapides : Le rythme rapide des évolutions technologiques oblige les dirigeants à faire preuve d’agilité et à adapter leurs stratégies pour rester pertinents.

Comment les dirigeants peuvent-ils utiliser les données pour améliorer les performances des équipes selon The Algorithmic Leader ?

  • Analyse comportementale : Suivre les interactions entre employés et prévoir les résultats en matière de performance afin de repérer les équipes les plus performantes et les domaines à améliorer.
  • Structures d’équipe adaptées : Utiliser les données pour concevoir des structures d’équipe qui favorisent la collaboration et optimisent la communication et la productivité.
  • Échanges fondés sur les faits : Aborder les performances et la culture à partir de faits, en écartant les biais et les suppositions pour prendre des décisions efficaces.

Quelles méthodes The Algorithmic Leader propose-t-il pour transformer la culture ?

  • Collecte et analyse des données : Recueillir des données sur les interactions entre employés afin de comprendre la culture existante et d’éclairer les stratégies d’amélioration.
  • Conception des environnements de travail : Créer des espaces de travail physiques et virtuels qui favorisent la collaboration et la créativité, en s’appuyant sur les connaissances des sciences comportementales.
  • Boucles de rétroaction continues : Mettre en place des mécanismes de retour d’information continu afin d’apporter des améliorations itératives en fonction des contributions des employés et de l’évolution des besoins.

Quelles sont les meilleures citations de The Algorithmic Leader et que signifient-elles ?

  • « La technologie, c’est la partie facile… » : Cette citation souligne que si la mise en œuvre de la technologie est simple, adapter la culture et les processus pour en tirer pleinement parti est difficile.
  • « Si vous voulez améliorer votre façon de penser… » : Elle met l’accent sur l’esprit critique et la décomposition des problèmes jusqu’à leurs vérités fondamentales, plutôt que sur le recours aux expériences passées.
  • « La véritable valeur de la réalisation d’expériences… » : Elle souligne l’importance de l’investigation et de l’exploration dans la prise de décision et suggère que l’expérimentation permet d’approfondir sa compréhension.

À propos de l'auteur

Mike Walsh est futurologue, auteur et conférencier. Il s’intéresse aux effets de la technologie sur les entreprises et le leadership. Il a écrit plusieurs ouvrages sur le sujet, dont « The Algorithmic Leader ». Son travail étudie la manière dont l’intelligence artificielle, les algorithmes et l’automatisation transforment les secteurs d’activité et les pratiques de gestion. Conférencier très sollicité, il partage avec des publics du monde entier ses réflexions sur l’adaptation aux changements technologiques et la préparation à l’avenir du travail. Il aide les organisations à mener leur transformation numérique et à élaborer des stratégies de réussite dans un monde toujours plus algorithmique. Son style d’écriture est réputé accessible et captivant, et rend compréhensibles des concepts technologiques complexes pour les dirigeants d’entreprise.

Télécharger le PDF

Pour garder le résumé de The Algorithmic Leader pour plus tard, téléchargez gratuitement le PDF. Vous pouvez l’imprimer ou le lire hors ligne quand vous le souhaitez.
Download PDF

Télécharger l'EPUB

Pour lire le résumé de The Algorithmic Leader sur votre liseuse ou dans une application de lecture, téléchargez gratuitement l’EPUB. Le format numérique .epub est idéal pour lire des livres numériques sur téléphone, tablette ou liseuse.
Download EPUB
Envie de lire le livre complet ?
Suivre
Écouter
Accueil
Swipe
Biblio
Appli
Essayez l'accès complet pendant 3 jours
Écoutez, enregistrez, et plus encore
Comparer les fonctionnalités Gratuit Pro
📖 Lire les résumés
Lisez des résumés illimités. Les utilisateurs gratuits en reçoivent 3 par mois
🎧 Écouter les résumés
Écoutez des résumés illimités dans 40 langues
—
❤️ Favoris illimités
Limité à 4 pour les utilisateurs gratuits
—
📜 Historique illimité
Limité à 4 pour les utilisateurs gratuits
—
📥 Téléchargements illimités
Limité à 1 pour les utilisateurs gratuits
—
Calendrier sans engagement
Aujourd'hui : Accès immédiat
Écoutez les résumés complets de plus de 26 000 livres. Soit plus de 12 000 heures d'audio !
Jour 2 : Rappel d'essai
Nous vous enverrons une notification pour vous informer que votre essai se termine bientôt.
Jour 3 : Votre abonnement commence
Vous serez débité le 25 nov.,
annulez à tout moment avant.
Consume 2.8× More Books
2.8× livres de plus Écoute Lecture
Nos utilisateurs nous adorent
1M+ lecteurs
Trustpilot Rating
TrustPilot
4.6 Excellent
Ce site change tout. Je n'ai jamais lu autant de résumés aussi rapidement. Je recommande vivement.
— Dave G
Ça vaut vraiment le coup en temps et en argent, et c'est très bien fait. Je n'ai jamais vu cette qualité de résumés ailleurs. Très utile !
— Em
Hautement recommandé !! Service fantastique. Parfait pour ceux qui veulent plus qu'un aperçu sans tous les détails d'un livre audio complet.
— Greg M
Économisez 62 %
Annuel
$119.88 $44.99/an/an
$3.75/mois
Mensuel
$9.99/mois
Démarrer un essai gratuit de 3 jours
3 jours gratuits, puis $44.99/an. Annulez à tout moment.
Unlock a world of fiction & nonfiction books
Plus de 26 000 livres pour le prix de 2 livres
Lisez n'importe quel livre en 10 minutes
Découvrez de nouveaux livres comme sur Tinder
Demandez n'importe quel livre s'il n'est pas encore résumé
Lisez plus de livres que quiconque
L'appli n°1 pour les amateurs de livres
Lifelike & immersive summaries
Garantie satisfait ou remboursé 30 jours
Téléchargez les résumés en EPUB ou PDF
Annulez à tout moment en quelques clics

Pourquoi un seul résumé ?

Scanner
Trouvez un code-barres à scanner

⭐
⭐
⭐
Nous avons un cadeau spécial pour vous
Ouvrir
38 % de réduction
RÉDUCTION POUR VOUS
⭐
⭐
⭐
$79.99
$49.99/an
Seulement $4.16 par mois
Continuer
2 touches pour commencer, résiliation ultra simple
Paramètres
Général
Widget
Chargement...