Mécanismes de collecte de données auprès des salariés pour mesurer l'impact psychologique et organisationnel de l'IA : anxiété face à l'automation, satisfactions, besoins de formation. Ces données éclairent les stratégies de transition et les mesures de soutien aux collaborateurs.
Les enquêtes collaborateurs sur l'impact de l'IA au travail sont essentielles pour identifier les risques sociaux, tels que l'anxiété liée à l'automatisation, la déqualification ou les biais algorithmiques affectant les conditions de travail, mais aussi les opportunités d'amélioration de la productivité et de l'autonomie.
Une grande banque française conduit des enquêtes trimestrielles auprès de 600 collaborateurs pour évaluer leur perception du risque d'automation IA et leurs besoins de reskilling. Les résultats informent la stratégie de formation lancée en Q2 et le reporting ESRS S1.
Termes connexes (Social)
Biais algorithmique et discrimination
Distorsions systématiques dans les décisions fondées sur l'IA qui conduisent à des traitements inéquitables ou discriminatoires entre individus ou groupes. Ces biais proviennent généralement de données d'entraînement non représentatives, de variables proxy ou d'un étiquetage humain subjectif.
Audit de biais & test d'équité
Processus d'évaluation systématique des biais des modèles d'IA selon des métriques standardisées comme la parité démographique, l'équité des résultats et la calibration. Ces audits testent la performance du modèle sur des segments stratifiés par genre, ethnie et autres caractéristiques protégées.
Annotation de données & modération contenu
Activités externalisées consistant à étiqueter des données pour l'entraînement d'IA ou à modérer des contenus générés. Ces tâches exposent les travailleurs à des contenus violents, offensants ou traumatisants, posant des enjeux importants de bien-être psychologique et de conditions de travail décentes.
Formation continue reskilling & upskilling IA
Programmes de formation destinés à adapter les compétences des salariés aux transformations induites par l'IA, soit en les développant dans leurs domaines actuels (upskilling) soit en les préparant à de nouveaux métiers (reskilling). Ces dispositifs adressent les risques de déplacement d'emplois et d'inégalités de compétences.
Due diligence supply chain IA & travail
Processus d'audit systématique des fournisseurs de données, de matériel et de services cloud pour évaluer les risques sociaux et environnementaux. Elle couvre les conditions de travail des annotateurs, l'impact environnemental des GPU et des data centers, et la conformité aux normes d'éthique et de droits humains.
Transparence & traçabilité supply chain IA
Visibilité documentée des chaînes d'approvisionnement IA, incluant l'identification des fournisseurs de données, les conditions de travail dans les centres d'annotation et les impacts environnementaux du matériel informatique. Elle permet de détecter et de remédier aux violations des droits humains et environnementaux.