Dans les environnements de travail rapides et compétitifs d'aujourd'hui, on attend des employés qu'ils dépassent leurs objectifs. Les sessions d'apprentissage concentré au travail sont un luxe idéaliste, à moins que leur valeur ne soit comprise. En revanche, les interruptions, qu'elles soient auto-initiées ou externes, imprègnent la journée de travail. Traditionnellement, ces interruptions ont été considérées comme des tueuses de productivité. Ou sont-elles nécessaires ? Ce chapitre reconsidère ces moments perturbateurs comme des opportunités d'« apprentissage interruptif », essentiel pour rester informé, améliorer son savoir-faire, être adaptable et augmenter le travail. Ces interruptions, ou arrêts aux stands, peuvent intégrer divers outils d'IA générative ou logiciels d'IA qui peuvent vous soutenir pour intégrer l'apprentissage de manière plus intentionnelle tout en travaillant. L'IA générative pourrait combler un vide et aider à accomplir des tâches dans différents flux de travail, mais seulement si un temps suffisant est alloué par l'employé pour apprendre à utiliser ces nouveaux outils.

La pression que pourrait ressentir la direction pour que les employés intègrent l'IA générative dans leurs flux de travail, sans orientation suffisante, représente également une opportunité de changer une attente courante dans de nombreux environnements organisationnels, à savoir que les employés apprennent sur leur propre temps.

Cartographier les interruptions dans vos flux de travail

Il peut être difficile de retracer une expérience passée où vous avez dû apprendre quelque chose, mais lorsque cela se produit et que vous le cartographiez, cela ouvre la voie à la réflexion sur la manière dont un outil d'IA pourrait vous soutenir pendant cette interruption. Vous avez plusieurs directions à considérer. La première consiste à utiliser des méthodes anciennes pour trouver l'information dont vous avez besoin pour résoudre un problème et continuer votre travail. Pensez à un programmeur qui se retrouve bloqué sur une partie du code. Il pourrait se rendre dans ses référentiels familiers ou ses portails web pour trouver l'aide dont il a besoin. De nos jours, de nombreux développeurs demandent à des modèles de langage (LLM) de les aider à apprendre comment résoudre le problème, en générant du code qu'ils peuvent au moins essayer et affiner. Les LLM sont également utilisés pour déboguer du code avec un certain succès.

Considérez une tâche relativement simple, comme supprimer l'arrière-plan d'une image afin qu'il ne reste que la silhouette complète d'un personnage. De nombreux outils intégrés à Photoshop et autres logiciels de manipulation d'images peuvent facilement le gérer. La courbe d'apprentissage est probablement faible. Mais que se passe-t-il si l'arrière-plan consiste en différentes couleurs ? Que faire si une partie de la couleur de l'arrière-plan est la même que celle des mains du personnage ? Vous vous retrouvez alors face à un problème plus complexe et devrez faire appel à votre expertise en utilisant un logiciel établi en combinaison avec certains des nouveaux outils d'édition IA qu'il propose. Différents obstacles nécessiteront différentes solutions, et certains peuvent être impossibles à résoudre pour tout outil d'IA générative. D'autres types d'obstacles sont impossibles à résoudre, tout simplement parce que nous n'avons pas toujours un manuel des choses à faire quand il s'agit de résoudre des problèmes que nous n'avons jamais rencontrés auparavant. Différents outils d'IA générative peuvent vous offrir des options pour vous guider vers des solutions auxquelles vous n'auriez pas pensé par vous-même.

Où se produisent les interruptions et quels outils utilisez-vous pour les éliminer ? Prenez un moment pour réfléchir à ce qui se passe lorsque vous êtes confronté à un apprentissage nécessaire pour avancer dans la réalisation de vos tâches. L'IA peut agir comme un membre de l'équipe de course lors d'un arrêt aux stands et, dans certains cas, avoir le potentiel de vous indiquer ce que vous devez apprendre pour résoudre le problème auquel vous faites face. Bien qu'il ne s'agisse pas uniquement d'efficacité, les outils d'IA générative apportent un changement bienvenu dans votre manière habituelle de résoudre des problèmes et de prendre le temps d'apprendre quelque chose de nouveau. Ils s'intercalent avec créativité, imprévu, tout en ayant le potentiel d'accélérer la suppression des obstacles, du moins pour certaines parties de vos flux de travail. Inversement, ils peuvent ajouter des tâches supplémentaires à votre flux de travail auxquelles vous ne vous attendiez pas, mais parfois cela peut être aussi nécessaire pour éliminer les obstacles que vous avez. Les interruptions imprévues qu'une IA peut introduire peuvent mener à de nouvelles façons d'aborder un problème, offrir des pivots actionnables ou simplement provoquer des moments de révélation qui pourraient amener votre travail à un endroit inattendu que vous n'aviez pas imaginé.

Toutes les interruptions ne sont pas égales

Il est important de distinguer les interruptions distrayantes ou perturbatrices et celles qui sont potentiellement précieuses en introduisant des connaissances nouvelles pertinentes ou en suscitant une idée. Une interruption qui se produit lorsque vous êtes profondément concentré sur une tâche complexe sera bien différente de celle qui surviendrait lors d'une activité routinière. Cette compréhension nous aide à gérer nos réponses aux perturbations. Cette vieille histoire soufie enseigne que parfois les interruptions et la confusion peuvent mener à des solutions créatives et souligne l'absurdité de certaines situations.

Le Sermon interrompu

Nasrudin donnait un sermon sur la place du village. Il commença en demandant : "Savez-vous de quoi je vais parler aujourd'hui ?" La foule répondit : "Non, nous ne savons pas." Nasrudin dit : "Eh bien, si vous ne savez pas, il n'y a pas de raison de vous en parler," et il partit. Le lendemain, il commença son sermon avec la même question : "Savez-vous de quoi je vais parler aujourd'hui ?" Cette fois, la foule répondit : "Oui, nous savons." Nasrudin dit : "Eh bien, si vous savez déjà, il n'est pas nécessaire que je vous le dise," et il repartit. Le troisième jour, déterminés à obtenir un sermon, la foule élabora un plan. Lorsque Nasrudin demanda : "Savez-vous de quoi je vais parler aujourd'hui ?" la moitié de la foule répondit "Oui", tandis que l'autre moitié répondit "Non". Nasrudin fit une pause, puis dit : "Eh bien, ceux qui savent peuvent dire à ceux qui ne savent pas," et il repartit.

Types d'arrêts aux stands

Chacun de nous apprend différemment. Au travail, cette différence peut être encore plus marquée. Quand on vous demande si vous êtes conscient des façons dont vous apprenez, à quelle vitesse pouvez-vous répondre ? Le défi avec l'apprentissage, tout comme avec l'action de faire, c'est qu'il est difficile d'articuler le processus. De plus, nous apprenons tous des choses différentes de manière différente, selon le but que nous avons en apprenant quelque chose. Au travail, il n'y a pratiquement pas de temps pour articuler comment nous apprenons, quand nous sommes tellement concentrés à essayer de comprendre ce qu'il nous faut savoir pour éliminer un obstacle ou résoudre un problème lié à l'accomplissement de nos tâches.

Identifier les meilleures conditions dans lesquelles vous pouvez apprendre est essentiel à savoir. Vous pourriez vous sentir intimidé de ne pas savoir comment accomplir une tâche particulière, surtout si vous avez été embauché comme expert dans un domaine particulier. Cela pourrait vous empêcher de demander de l'aide à un collègue. Vous ne savez jamais vraiment quand votre capacité à apprendre sera activée. C'est particulièrement vrai lorsque vous travaillez pour accomplir des tâches spécifiques. Il n'est pas rare de commencer la journée en se disant : "Qu'est-ce que je vais devoir apprendre aujourd'hui pour accomplir mon travail ?"

Anticiper les interruptions
Il est important de réfléchir à l’intégration de l’IA générative dans votre flux de travail, à quels outils pourraient vous aider pour des tâches spécifiques, à combien de temps il faudra pour tirer profit de ces interactions, et si l’utilisation répétée d’un ou plusieurs outils d’IA générative sera bénéfique. De plus, comment l’IA générative va-t-elle influencer ce que vous créez ? Les cas d’usage qui suivent ont pour but de susciter une réflexion sur la manière dont l’apprentissage de l’IA générative pourrait s’opérer. Chacun de ces exemples est une incitation à l'exploration. Ce sont des débuts, pas des idées figées. Que feriez-vous et quel savoir-faire devrait-vous acquérir ?

Création de podcasts
Réfléchissez au processus de production d’un épisode de podcast. Vous pourriez apprécier l’excitation d’interviewer, de rédiger un script, et d’assembler le tout pour créer une narration captivante qui capte l’attention des auditeurs. Que signifie capter l’attention d’un auditeur aujourd’hui ? Comment l’IA générative pourrait-elle soutenir cette dynamique ? Les tâches de mixage et de design sonore pourraient également vous plaire. Quel rôle l’audio généré pourrait-il jouer dans l’établissement du ton du podcast ? Utiliseriez-vous des parties de ce que vous générez pour souligner certains éléments ? Les tâches post-téléchargement peuvent sembler ennuyeuses pour certains. Écrire les notes de l’épisode, créer du contenu pour les réseaux sociaux, et informer les invités de leur passage en direct pourraient ne pas être des aspects agréables de votre processus. Cela pourrait-il être automatisé ? Que devient le contenu une fois automatisé ? Est-ce que cela le rend plus générique ? Cela vous permet-il de créer rapidement un prototype d’idée que vous pourrez affiner par la suite ? En revanche, vous pourriez vraiment apprécier toutes les étapes nécessaires pour publier votre podcast, car chacune d’entre elles vous aide à affiner votre futur contenu, à vous préparer pour de futurs épisodes, et vous soutient dans la présentation de votre podcast. Comment pouvez-vous équilibrer les avantages offerts par certaines IA génératives tout en vous assurant que votre voix reste présente tout au long du processus ?

Assistant créatif
On nous raconte souvent que l’IA générative peut servir d’assistant créatif ou de coéditeur – un stagiaire virtuel polyvalent, hautement qualifié et rapide, capable d’être formé. L’IA ne sera pas capable de mener un projet entier de manière indépendante, mais elle peut aider à la réflexion initiale et à l’affinement de vos idées floues ou incomplètes, en vous aidant à les explorer davantage. L’IA peut aussi aider à générer des brouillons pour des articles, des rapports, des textes marketing, voire des écrits créatifs. En apprenant à améliorer vos requêtes, un modèle de langage (LLM) pourrait vous faire gagner du temps et vous permettre de vous concentrer sur l’affinement du contenu. Sa capacité à analyser et à suggérer des améliorations pourrait améliorer la qualité globale de l’écriture ou rendre le contenu plus générique. L’IA peut aussi analyser une série de textes déjà rédigés, simuler votre style d’écriture, et vous fournir une analyse sur la manière dont vous structurez votre travail. C’est utile, mais peut-être qu’une perception plus réaliste d’un assistant créatif serait de le considérer comme nécessitant une supervision pendant le processus de génération.

Les bénéfices de l’apprentissage par interruption
Toutes les interruptions ne sont pas des moments d’apprentissage, et toutes ne concernent pas des tâches spécifiques comme l’apprentissage des filtres neuronaux dans Photoshop tout en créant un artefact visuel. En utilisant l’IA générative, nous sommes parfois exposés à de nouvelles informations. Ces rencontres fortuites avec des informations en dehors de notre domaine immédiat peuvent élargir notre perspective et offrir des connexions ou des contenus inattendus. Que vous utilisiez ou non le contenu généré par l’IA, l’interaction avec la technologie peut casser les schémas de pensée inefficaces, vous sortant de cycles improductifs et vous ouvrant de nouvelles voies pour résoudre un problème ou accéder à des idées nouvelles. Les interruptions peuvent aussi réveiller une part de notre créativité dont nous n’avions pas conscience. Souvent, nous réalisons ce qu’il nous manque comme savoir-faire lorsqu’un obstacle ou une question se pose. Lorsque nous nous permettons d'explorer des interruptions intéressantes, nous stimulons une habitude d’exploration active et de recherche de connaissances.

Stratégies pour interrompre votre travail
Mais en avez-vous vraiment besoin ? Avant de vous lancer dans une exploration motivée par l’intégration de l’IA générative, il est essentiel de bien évaluer sa pertinence. Est-ce vraiment essentiel pour la tâche à accomplir ? Pour répondre à cette question, vous devez comprendre comment un outil d’IA spécifique pourrait soutenir votre travail. Pour cela, il vous sera utile d'examiner des cas d’usage. Il en existe de nombreux, et vous seriez surpris de découvrir ce que vous pourriez trouver en cherchant simplement des applications correspondant à votre domaine de travail ou au problème à résoudre.

Exploration en timeboxing
Fixez-vous une durée courte et définie (par exemple, 15 minutes) pour explorer des expérimentations avec des prompts sur n’importe quelle IA générative. Cela limite les distractions tout en vous permettant de pratiquer. C’est un exemple parmi d’autres. Vous pouvez allouer 30 minutes par jour à l'exploration de nouveaux outils qui pourraient vous être utiles, et 30 minutes supplémentaires pour en essayer un ou plusieurs, en apprenant à les utiliser tout en les appliquant à une tâche concrète.

Organisez vos captures
Enregistrez les idées intéressantes, les questions ou même les solutions partielles déclenchées par vos interactions avec l’IA. Intégrez-les plus tard dans votre flux de travail principal. Mettez en place un système Zettelkasten numérique à l’aide d’outils comme Miro ou Notion. Le Zettelkasten, une méthode de prise de notes et de gestion des connaissances, consiste à inscrire chaque idée ou information sur une note distincte et à les organiser de manière à faciliter leur récupération et connexion. Cette méthode, développée par le sociologue allemand Niklas Luhmann, permet de structurer les idées et de favoriser la production intellectuelle sur le long terme.

La frontière irrégulière de l’IA
Certaines études révèlent que l’IA générative, comme GPT, peut augmenter de manière significative la performance des employés qualifiés de jusqu'à 40 % lorsqu'elle est utilisée de manière appropriée. Cependant, pousser l’IA au-delà de ses capacités actuelles conduit à une diminution notable de la performance des travailleurs. Cela souligne l’importance de comprendre la « frontière technologique irrégulière » de l’IA, ses caractéristiques évoluant constamment. Les responsables doivent rester informés sur ces limitations, d’autant plus que les employés ont souvent du mal à discerner pour quelles tâches l’IA générative peut être utile.

L’apprentissage par interruption : une réalité inévitable
L’apprentissage par interruption est une réalité inévitable pour les travailleurs modernes. En reconnaissant la valeur potentielle de l’IA générative et en développant des stratégies pour gérer son utilisation, vous pouvez transformer ces interruptions en catalyseurs de croissance, conduisant à des résultats améliorés, modifiés ou augmentés. Si votre organisation n’a pas encore intégré l’IA générative, refuse son utilisation, ou n’encourage pas l’expérimentation avec cette technologie, vous pouvez vous préparer à son potentiel futur. La meilleure manière de commencer est de réfléchir aux objectifs d’apprentissage essentiels pour votre travail actuel et d’évaluer les parties de votre métier qui pourraient être accélérées, augmentées ou partiellement soutenues par l’IA générative.

Modifié le: mercredi 1 janvier 2025, 17:31