L’IA générative accélère la création. La conception centrée sur l’humain (CCH) permet d’orienter cette rapidité vers des problèmes qui méritent d’être résolus et des résultats qui ont une réelle valeur pour les personnes.

La compréhension humaine constitue un avantage concurrentiel

Les modèles d’IA générative sont intrinsèquement sujets à un phénomène de « régression vers la moyenne », ce qui signifie que leurs résultats peuvent présenter moins de diversité que les expériences observées dans le monde réel1. Bien que les techniques d’ingénierie des requêtes puissent accroître cette diversité, les organisations ont toujours besoin de l’apport humain pour repérer des occasions qui se distinguent réellement, plutôt que de simplement refléter ce qui est le plus probable.

Humans are remarkably good at finding ways around broken experiences, creating our own workarounds when products, services, or experiences are suboptimal. These are often undocumented and don’t show up in large language models.

Les humains excellent à composer avec des expériences défaillantes. Lorsque des produits, des services ou des expériences ne répondent pas pleinement à leurs besoins, ils trouvent souvent des moyens de contourner les obstacles et créent leurs propres solutions de rechange. Or, ces comportements sont rarement documentés et échappent généralement aux grands modèles de langage.

La CCH est une approche de résolution de problèmes qui place les personnes au cœur du processus de conception. Elle s’appuie sur l’observation directe, les échanges avec les utilisateurs et le prototypage pour révéler des besoins non satisfaits, comprendre les comportements réels et concevoir des solutions adaptées. Cette démarche explore délibérément diverses perspectives, y compris les cas extrêmes, afin de mettre à l’épreuve la désirabilité des solutions et de valider la demande. Comme l’a démontré depuis longtemps la conception inclusive, lorsque nous prenons le temps de comprendre la complexité des besoins et des contextes, nous créons des solutions qui profitent à un éventail plus large de personnes.

Mieux nous comprenons les personnes, meilleurs sont les produits, services et expériences que nous créons pour elles.

L’IA générative a considérablement réduit les obstacles à la création et accéléré le passage de l’idée à la réalisation. Quelques requêtes bien formulées et un peu d’expérimentation suffisent souvent pour concrétiser un concept. Toutefois, la rapidité à elle seule ne crée pas de valeur. Pour obtenir des résultats durables, nous devons concevoir des solutions qui répondent à de véritables besoins, plutôt que de simplement créer plus vite.

Étude de cas: favoriser l’inclusion

En collaboration avec un organisme national sans but lucratif, nous avons conçu un outil d’adaptation du milieu de travail propulsé par l’IA. Cette solution aide les organisations à offrir des mesures d’adaptation liées au handicap de façon plus uniforme, plus efficace et plus équitable.

Problème

Les recherches ont révélé que de nombreux employeurs perçoivent comme un défi la mise en place de l’infrastructure et de la culture inclusive nécessaires pour engager et maintenir en poste des personnes en situation de handicap en toute confiance. Nous avons également constaté que ces personnes hésitent souvent à divulguer leur handicap par crainte de préjugés ou de répercussions négatives sur leur cheminement professionnel. L’équipe a donc cherché à déterminer si une solution fondée sur l’IA générative pouvait contribuer à relever ces défis. 

Solution

Nous avons mené une vaste démarche de recherche auprès des utilisateurs, réalisé des entrevues avec des parties prenantes et tenu des ateliers de cocréation avec des personnes en situation de handicap afin de cerner les occasions d’améliorer l’inclusion en milieu de travail. En collaborant directement avec des personnes ayant une expérience vécue, nous avons exploré, testé et peaufiné des concepts prometteurs. Nous avons rapidement constaté que l’inclusion au travail se vit avant tout dans les interactions quotidiennes avec les gestionnaires de proximité. Même les politiques les plus réfléchies et les initiatives les mieux intentionnées peuvent avoir une portée limitée si les gestionnaires ne favorisent pas activement l’inclusion au quotidien.

Par une série d’ateliers de conception collaboratifs, nous avons finalement cocréé Adaptive Accommodations, une solution propulsée par l’IA générative conçue pour aider les employés en situation de handicap et leurs gestionnaires de proximité à élaborer et à gérer des mesures d’adaptation personnalisées et efficaces en milieu de travail.

Adaptive Accommodations est conçue pour fournir des recommandations personnalisées en matière d’adaptation du milieu de travail, des conseils aux gestionnaires, des outils de planification et de suivi des mesures d’adaptation, ainsi qu’un soutien proactif et des processus simplifiés. Son objectif est de rendre les mesures d’adaptation plus accessibles, plus rapides à mettre en œuvre et plus cohérentes, tout en préservant la confidentialité des renseignements et en maintenant une supervision humaine.

Nous n’aurions pas pu concevoir une solution aussi pertinente sans la participation active des personnes pour lesquelles elle était destinée. Leur contribution nous a permis d’accélérer le développement d’une preuve de concept fonctionnelle, tout en veillant à résoudre le bon problème de la bonne façon.

Comment Deloitte peut vous aider

Il ne s’agit pas d’opposer l’IA générative aux perspectives humaines, mais plutôt de comprendre comment et à quel moment tirer parti des forces propres à chacune pour se démarquer, et non simplement reproduire ce qui existe déjà.

Voici quelques questions que nous aimerions explorer avec votre organisation :

Valider l’adéquation entre le problème et la solution

• Comment et à quelles étapes pouvons-nous tirer parti des perspectives humaines pour valider les hypothèses générées par l’IA avant de concevoir une solution?

Choisir et valider le produit minimal viable

• Compte tenu de la facilité et du faible coût de création d’un prototype, quelle est la valeur ajoutée des perspectives humaines à cette étape?
  
  
• Comment et à quelles étapes l’IA peut-elle améliorer le processus de prototypage? Dans quels cas l’intervention humaine demeure-t-elle essentielle?

Lancement de nouvelles entreprises

• Comment trouver le juste équilibre entre la rapidité de mise en œuvre et la nécessité de répondre aux besoins de populations et de contextes variés lorsqu’il n’existe pas de solution unique?
  
  
• Comment préserver la pertinence et la confiance envers notre offre à mesure qu’elle prend de l’ampleur?

Remerciements à nos collaboratrices: Yasmine Dabbous & Lidiia Tulenkova


Note de fin
Princeton University. “Variance reduction in output from Generative AI,” published 2 mars, 2025.