Combler le fossé Collaboration
Nouveau livre blanc présenté à ISPI 2026
31 mars 2026. Aujourd'hui, lors de la Conférence ISPI Performance sur l'amélioration à Nashville, Tennessee, nous lançons notre troisième livre blanc : Combler le fossé Collaboration : un cadre de compétences comportementales pour l'amélioration de la collaboration Homme-IA Performance. Lisez et téléchargez ici.
Ce document marque une évolution par rapport à nos précédents livres blancs. Si le document de vision original présentait PAICE (People + AI Collaboration Effectiveness) et que le livre blanc sur la confidentialité et la sécurité détaillait son architecture d'intégrité cryptographique, ce livre blanc s'adresse directement à la communauté de l'amélioration des performances. Il avance une idée simple : mesurer la collaboration People+AI n'est pas une nouvelle discipline. C'est la prochaine application des cadres que le domaine de la technologie de la performance humaine (HPT) a affinés depuis plus de soixante ans.
Contenu du document
Le livre blanc présente un argument structuré en faveur du traitement de la collaboration avec l'IA comme un domaine de performance mesurable, et non comme un problème d'adoption technologique.
Le nouveau domaine Performance. Lorsque l'IA est passée de simple outil passif à contributeur actif, le travail professionnel est devenu un système à double acteur. La valeur principale de l'humain est passée de la création à la vérification et au jugement. La plupart des organisations n'ont aucun moyen de mesurer ce qui se passe lors de cette transition.
Le fossé connaissance-comportement. Connaître les règles ne prédit pas qu'elles seront suivies sous pression. Les professionnels qui élaborent des principes solides de vérification de l'IA acceptent couramment les résultats de l'IA confiants et bien formatés sans les vérifier. Les taux d'achèvement des formations et les tableaux de bord d'utilisation ne peuvent pas détecter ce fossé.
Le problème de l'auto-évaluation. Les systèmes d'IA fournissent un renforcement positif quel que soit le rendement de l'utilisateur. Cela gonfle la perception de soi d'une manière que les enquêtes traditionnelles auto-déclarées ne peuvent corriger. L'observation comportementale est le seul signal fiable.
Un cadre de mesure comportementale. Le livre blanc détaille comment PAICE mesure cinq dimensions de l'efficacité de la collaboration grâce à l'injection stratégique d'erreurs : en introduisant des erreurs réalistes dans les réponses de l'IA et en observant si les professionnels les détectent sans qu'on ne le leur demande.
Approche de mise en œuvre. Une séquence structurée de quatre semaines (Évaluation initiale, Analyse diagnostique, Synthèse pour dirigeants, Réévaluation continue) conçue pour le déploiement en entreprise dans les secteurs réglementés.
Pourquoi cela est important maintenant
Les organisations investissent des milliards dans les outils d'IA, mais elles ne peuvent pas répondre à la question la plus fondamentale concernant leurs capacités : nos équipes collaborent-elles efficacement avec l'IA, ou l'utilisent-elles simplement fréquemment ?
Le fossé n'est pas théorique. Chaque secteur réglementé est confronté au même scénario : un professionnel utilise l'IA pour rédiger un document, préparer une analyse ou générer une recommandation. Le résultat est impeccable. Il est présenté avec assurance. Et dans un pourcentage significatif des cas, il contient des erreurs que seule une expertise du domaine peut détecter. La question est de savoir si le professionnel les a détectées.
La complétion de la formation n'est pas une capacité. Un professionnel peut réussir tous les modules d'alphabétisation en IA et quand même accepter une citation hallucinée sous la pression d'une échéance. La formation vérifiait s'il connaissait la bonne réponse. Elle ne vérifiait pas s'il appliquait cette connaissance lorsqu'un résultat confiant de l'IA rendait cela facile à ne pas faire.
Les indicateurs d'utilisation ne sont pas synonymes de qualité. Des taux d'adoption élevés vous indiquent que les gens utilisent l'IA. Ils ne vous disent rien sur le fait que les résultats sont vérifiés, contestés ou acceptés sans esprit critique. Une organisation avec 95 % d'adoption de l'IA et une culture de vérification nulle présente un risque plus grand qu'une organisation avec 30 % d'adoption et de solides habitudes de révision.
Le domaine de l'amélioration des performances connaît cette distinction depuis des décennies. Le premier théorème de Gilbert sur l'ingénierie du comportement établit que la performance accomplie, et non l'activité, est l'unité de mesure appropriée. Mager et Pipe ont élaboré des organigrammes pour distinguer les déficits de connaissances des déficits d'exécution. Les mêmes cadres analytiques s'appliquent directement à la collaboration avec l'IA, mais jusqu'à présent, personne ne les a transposés à ce domaine.
C'est ce que fait ce livre blanc.
Pour la communauté HPT
Ce livre blanc a été écrit pour ISPI parce que la lignée intellectuelle est réelle.
Les cadres cités dans ce livre blanc ne sont pas de simples références décoratives. Ils ont façonné la pensée qui a construit le système. L'accent de Gilbert sur la performance valable plutôt que sur le comportement. L'insistance de Mager et Pipe sur la distinction entre ce que l'on "ne peut pas faire" et ce que l'on "ne veut pas faire". L'attention de Rummler et Brache aux transferts au niveau du processus entre les exécutants. L'exigence de Thalheimer selon laquelle l'évaluation doit mesurer les décisions, pas les perceptions. Le rigorisme de Phillips dans l'isolement des effets. Le récentisme de Brinkerhoff sur l'étude de ce que les gens font réellement en pratique.
PAICE applique ces principes à un domaine de performance qui n'existait pas lorsque ces cadres ont été développés. Mais la structure analytique est précise parce que la question sous-jacente est la même : cette personne est-elle performante efficacement, et comment le savons-nous ?
Pour les praticiens de la HPT, la collaboration People+AI représente un domaine de pratique émergent avec une demande immédiate de la clientèle. Les organisations savent déjà qu'elles doivent mesurer cela. Elles savent déjà que les tableaux de bord de complétion de formation sont insuffisants. Ce qui leur manque, c'est une méthodologie de mesure comportementale fondée sur la même approche systématique et basée sur des preuves qu'ISPI préconise depuis sa création.
Ce livre blanc démontre que la mesure de la collaboration avec l'IA n'est pas un éloignement de la technologie de la performance humaine. C'est sa prochaine application naturelle. La communauté de l'amélioration des performances n'a pas besoin d'apprendre une nouvelle discipline pour aborder ce domaine. Elle doit appliquer celle qu'elle possède déjà.
Mesure préservant la vie privée
Une section du livre blanc aborde un défi spécifique à l'évaluation comportementale en entreprise : comment produire des informations exploitables au niveau de la cohorte sans exposer les scores individuels aux employeurs.
PAICE résout ce problème par la confidentialité par l'architecture, et non par la politique. Les données d'évaluation individuelles ne sont pas conservées sous une forme permettant un recoupement après la livraison. Les acheteurs en entreprise reçoivent les distributions de cohorte, les plages de percentile et les données de tendance sans aucun mappage individuel. Le système est conçu pour rendre structurellement impossible le rétro-ingénierie des scores individuels à partir des données de cohorte.
Pour la communauté de l'amélioration des performances, cela est important car cela supprime la barrière à l'adoption qui a historiquement limité l'évaluation comportementale en milieu de travail. Les professionnels sont plus enclins à s'engager authentiquement dans une évaluation lorsque leurs résultats individuels ne peuvent pas être utilisés contre eux par leur employeur.
Cadres de référence clés
| Cadre | Principe fondamental | Application PAICE |
|---|---|---|
| Modèle d'ingénierie du comportement de Gilbert | Mesurer la performance valable, pas l'activité | Noter l'efficacité de la collaboration, pas le volume d'utilisation |
| Analyse Performance de Mager et Pipe | Distinguer les déficits de compétence des déficits d'exécution | L'injection stratégique d'erreurs sépare la connaissance du comportement |
| Cadre Rummler-Brache Performance | Analyser les transferts entre les exécutants | Mesurer la frontière de vérification People+AI |
| Processus HPT systématique d'ISPI | Utiliser des approches systématiques basées sur des preuves | Séquence de mise en œuvre structurée de quatre semaines |
| LTEM de Thalheimer | Évaluer les décisions, pas les perceptions | Observation comportementale plutôt que les enquêtes auto-déclarées |
| Méthodologie ROI de Phillips | Isoler les effets avec un rigueur de mesure | Analyses au niveau de la cohorte avec des bases contrôlées |
| Méthode de succès de Brinkerhoff | Étudier ce que les gens font réellement | Évaluation comportementale en temps réel pendant les tâches réelles |
Aperçu vidéo
Nous avons récemment publié The Deadliest White Space in the Modern Office et The Behavioral Measurement of AI Collaboration, deux vidéos générées par NotebookLM explorant l'argument central de ce livre blanc. La vidéo couvre le passage des systèmes de travail à un seul acteur à ceux à double acteur et pourquoi le fossé entre le résultat de l'IA et l'acceptation humaine est désormais le défi de mesure le plus critique dans le travail professionnel.
Si vous avez regardé l'une ou l'autre vidéo et souhaitiez la recherche complète derrière elle, ce livre blanc en est le fondement. Le document fournit la base théorique, les références cadres et la méthodologie de mise en œuvre que la vidéo ne pouvait qu'introduire.
Téléchargement et lecture
Le livre blanc complet est disponible maintenant à paice.work/whitepapers.
Que vous soyez :
- Un professionnel de l'amélioration des performances explorant la collaboration IA comme un nouveau domaine de pratique
- Un responsable L&D cherchant des approches de mesure allant au-delà de la complétion de formation
- Un consultant conseillant les clients des secteurs réglementés sur la gouvernance et le risque liés à l'IA
- Un chercheur étudiant les cadres de compétences comportementales pour les modèles de travail émergents
...le document fournit la base théorique et le détail de mise en œuvre pratique pour commencer.
C'est notre troisième livre blanc, et chacun a ciblé un public différent. Le livre blanc DevLearn a présenté la vision à la communauté des technologies d'apprentissage. Le livre blanc NEARCON a fourni la profondeur technique pour les professionnels de la sécurité et de la confidentialité. Ce livre blanc ISPI s'adresse aux personnes qui ont consacré leur carrière à rendre la performance humaine mesurable et améliorable, et il leur demande d'apporter cette expertise au domaine de performance le plus important de cette génération.
Le document est publié sous une licence Creative Commons Attribution 4.0 International (CC BY 4.0). Partagez-le, citez-le, développez-le.
Prêt à évaluer vos capacités de collaboration IA ? Effectuez l'évaluation PAICE pour obtenir des informations et des recommandations personnalisées.
Impliquez-vous :
- Effectuez l'évaluation (gratuit, toujours)
- Établissez votre référence en matière de collaboration IA (pour les organisations)
- Lisez le livre blanc (cadre complet)
- Contactez-nous concernant vos besoins spécifiques
Lectures recommandées
📖 Livres blancs précédents :
- Livre blanc PAICE.work sur la vision - Le cadre original de DevLearn 2025
- Livre blanc sur la confidentialité et la sécurité - Intégrité cryptographique et inférence protégée par TEE
📖 Contenu connexe :
- The Deadliest White Space in the Modern Office - Aperçu vidéo généré à partir de ce livre blanc
- Comprendre les cinq dimensions PAICE - Analyse approfondie du cadre de mesure PAICE
- Ce que teste PAICE - Comment l'évaluation comportementale diffère du test de connaissances
- Introduction à AI Capability Baseline - Pourquoi les organisations ont besoin de points de départ mesurables
Curieux mais pressé ?
Faites le PAICE Pulse en 3 minutes — une vérification rapide qui cartographie votre perception de votre posture de collaboration IA. Aucune connexion requise.