Productivité et qualité : un défi à relever

Introduction

La question de la conciliation entre l’augmentation de la productivité, grâce à des outils comme les modèles de langage (LLM), et le maintien d’une qualité élevée est devenue cruciale dans le paysage numérique actuel. Ce débat est particulièrement pertinent alors que les entreprises cherchent à optimiser leurs processus tout en préservant la fiabilité de leurs livrables.

État du marché numérique

Dans le secteur numérique, la productivité est souvent mise en avant. Des discours tels que : « Grâce aux LLM, un senior peut remplacer trois juniors en se contentant de relire et valider le travail généré, réduisant ainsi les coûts par trois » sont fréquents. Cette approche rappelle les promesses faites par l’offshoring, où l’externalisation de la production était censée permettre aux équipes locales de se concentrer sur la validation et l’amélioration.

Cependant, le problème ne réside pas dans la délégation elle-même, qu’elle soit confiée à un agent humain ou à un algorithme. La logique reste la même : déléguer pour réduire les coûts tout en conservant la validation en interne. Cette validation, cependant, impose une charge cognitive importante. Les recherches montrent que notre cerveau n’est pas conçu pour détecter des erreurs rares dans un flux continu, mais excelle dans la reconnaissance de schémas.

Paradoxe de la productivité

L’optimisation de la productivité semble séduisante. Un LLM ou une équipe offshore produit rapidement du contenu, tandis qu’un senior assure la validation. Cependant, cette dynamique engendre des défis. Relire un texte ou un code généré par une IA ne se limite pas à corriger quelques fautes ; cela revient à chercher une aiguille dans une botte de foin.

Des études en psychologie cognitive révèlent que les humains ont du mal à maintenir leur attention sur des tâches répétitives et à faible signal. Paradoxalement, plus un système est fiable, moins les erreurs sont détectées. Cela entraîne des faux négatifs, des erreurs non identifiées, et des problèmes qui s’infiltrent dans les processus décisionnels.

Conséquences des erreurs

Les erreurs, lorsqu’elles surviennent, peuvent avoir des conséquences graves. On peut citer :

• Des bugs critiques dans des systèmes en production, comme observé récemment avec des entreprises telles que Microsoft et Amazon.
• Des clauses juridiques ambiguës dans des contrats, qui peuvent avoir des répercussions à long terme.
• Des informations erronées dans des documents techniques.

Ces problèmes ne sont pas nouveaux. Dans des domaines tels que l’aviation, la médecine ou le nucléaire, des erreurs dues à une surcharge cognitive ont déjà été observées.

Conclusion

Face à ces enjeux, il est essentiel de repenser l’organisation du travail. La délégation, bien que bénéfique dans certains contextes, doit être utilisée judicieusement pour éviter de transférer des risques de qualité. Les entreprises doivent prioriser la qualité sur la seule productivité pour éviter des coûts de non-qualité à long terme.

Source : Boris Schapira.