Human Capacity : l'humain peut-il encore suivre le rythme du changement ?
Dans mes précédents articles, j'ai présenté les deux premiers piliers de notre modèle opératoire : Remote-First et AI-Native. Voici le troisième : Human Capacity.
Human Capacity désigne la capacité d'une organisation à réunir et développer les qualités humaines dont dépend la performance dans un travail à distance et augmenté par l'IA : la rigueur, l'autonomie et la discipline d'un côté, le jugement et l'esprit critique de l'autre. Le remote a supprimé le cadre physique qui structurait le travail : le bureau, la présence, le contrôle implicite. L'IA intervient désormais directement dans le travail intellectuel : elle analyse, rédige, programme et contribue à la décision. Deux transformations, une même question : notre capacité à nous organiser, à juger et à nous adapter évolue-t-elle aussi vite que notre manière de travailler ? Mon hypothèse est que non, pas spontanément. Et toutes ces qualités ne relèvent pas de la même logique : certaines se recrutent, d'autres se développent.
Qu'est-ce que Human Capacity ?
Human Capacity désigne l'ensemble des capacités humaines qu'une organisation doit réunir et développer pour que ses collaborateurs restent performants lorsque le cadre traditionnel du travail disparaît. Ce n'est pas une compétence technique. C'est une posture, que l'entreprise doit rendre possible.
Cela ne signifie pas freiner l'adoption de l'IA, ni demander aux collaborateurs de tout revérifier. Cela signifie reconnaître que la technologie progresse par versions successives, alors que les capacités humaines se construisent lentement, par l'apprentissage, la pratique et l'environnement de travail. Une organisation qui intègre l'IA sans investir dans ces capacités ne devient pas plus performante : elle devient plus fragile.
La valeur de l'humain ne disparaît pas avec l'IA. Elle se déplace : de la production vers le jugement, de l'exécution vers la supervision. Et ce déplacement ne se fait pas tout seul.
Ce pilier répond à deux transformations qui se renforcent mutuellement. Remote-First retire le cadre physique : plus de bureau pour structurer la journée, plus de présence pour prouver le travail, plus de collègue à côté pour corriger le tir. L'IA retire une partie de la production : le collaborateur n'exécute plus, il oriente et vérifie. Dans les deux cas, la structure qui portait le travail s'efface.
Remote-First retire le cadre physique. L'IA retire une partie de la production. Ce que l'organisation ne fournit plus de l'extérieur, l'humain doit le porter de l'intérieur.
Ce que le remote exige déjà des collaborateurs
Chez Itersys, nous travaillons en Remote-First depuis 2017, et en semaine de quatre jours depuis 2022. Bien avant l'IA, ce modèle nous a appris une chose : à distance, la performance ne repose plus sur la présence. Elle repose sur des capacités individuelles que le bureau rendait moins visibles :
- la rigueur : écrire, documenter, rendre son travail visible et tenir ses engagements, parce que ce qui n'est pas écrit n'existe pas ;
- l'autonomie : organiser sa journée, prioriser et avancer sans attendre une validation immédiate ;
- la discipline : tenir un cadre que personne ne vient contrôler, se protéger des sollicitations et savoir s'arrêter.
Comme je l'écrivais dans l'article Remote-First, l'autonomie appelle la responsabilité, pas la liberté totale. Sans ces capacités, le remote ne produit pas de l'autonomie : il produit de l'improvisation. Ces capacités relèvent largement de la personnalité : un cadre clair peut les renforcer, pas les créer. J'y reviens plus loin.
Avec l'IA, ce socle devient décisif. En remote, le développeur travaille souvent seul face à l'IA. Il n'y a plus de collègue par-dessus l'épaule pour remarquer une incohérence ou poser la question qui dérange. Le contrôle informel que le bureau assurait sans le formaliser disparaît, au moment même où l'IA le rend plus nécessaire.
Le remote et l'IA ne demandent pas des capacités différentes. Ils demandent les mêmes, et chacun rend l'autre plus exigeant.
Pourquoi la puissance de l'IA ne suffit pas
Dans l'article sur l'AI-Native, je concluais que le vrai goulot d'étranglement n'est plus l'IA, mais l'humain. Je décrivais le biais d'automatisation : la tendance à surestimer la fiabilité d'un système rapide et convaincant. Human Capacity part de ce constat et va plus loin.
Chez Itersys, notre usine logicielle agentique intègre des validations humaines à chaque étape. Ces validations existent. Elles sont réalisées. Et pourtant, des erreurs passent.
Ce constat révèle un premier paradoxe. Au départ, certains développeurs craignaient que l'IA remplace leur travail. À mesure qu'ils découvrent sa puissance, ils cherchent la solution auprès d'elle avant de construire leur propre raisonnement. Ceux qui craignaient d'être remplacés finissent par sous-estimer leur propre valeur lorsqu'ils travaillent avec l'IA.
Le second phénomène concerne la vitesse. L'IA génère en quelques minutes des milliers de lignes de code, avec leurs tests et leur documentation. Le développeur doit désormais comprendre et évaluer un travail qu'il n'a pas réalisé lui-même.
La production s'accélère considérablement. Notre capacité à comprendre et à vérifier ne progresse pas dans les mêmes proportions.
La leçon oubliée de l'automatisation
Ce phénomène n'est pas nouveau. En 1983, la chercheuse Lisanne Bainbridge publiait Ironies of Automation, une analyse des systèmes industriels automatisés.
Son constat : en automatisant les tâches faciles, on laisse à l'humain les plus difficiles. Surveiller un système qui fonctionne presque toujours, détecter l'anomalie rare, reprendre la main au mauvais moment. Et on lui donne de moins en moins l'occasion de pratiquer ce qu'on attend de lui.
L'aviation et l'industrie ont mis des décennies à en tirer les conséquences : formation continue, simulateurs, procédures de contrôle actives. Quarante ans plus tard, l'IA générative rejoue exactement ce scénario, cette fois dans le travail intellectuel.
L'humain n'est pas devenu incapable de contrôler. Ce sont nos méthodes de validation qui ne sont plus adaptées aux volumes et à la vitesse de production.
Les six capacités de Human Capacity
Mieux concevoir les contrôles ne dispense pas de développer les personnes. Dans notre modèle opératoire, Human Capacity repose sur six capacités, que je regroupe en trois axes. Chacune est sollicitée à la fois par le remote et par l'IA :
- Garder la main : autonomie et discipline. En remote, organiser son travail et tenir un cadre que personne ne contrôle. Face à l'IA, ne pas dépendre de ses réponses et résister à la solution immédiate qu'on n'a pas examinée. J'ai développé ce lien dans Le futur du travail exigera plus d'autonomie… et plus de discipline.
- Questionner : jugement et esprit critique. En remote, décider à partir de l'information écrite, sans validation de couloir. Face à l'IA, comprendre un travail qu'on n'a pas produit, identifier ses limites et décider en connaissance de cause.
- Élever le niveau : exigence et apprentissage continu. En remote, la rigueur de l'écrit et de la documentation. Face à l'IA, ne pas confondre rapidité et qualité : un programme qui fonctionne n'est pas forcément bien conçu ou maintenable. Dans les deux cas, faire évoluer ses méthodes, pas seulement ses outils.
Les mêmes capacités servent deux transformations : travailler sans cadre physique, et travailler avec une machine qui produit plus vite que nous.
Tout le monde pourra-t-il s'adapter ?
Cette question est inconfortable, mais incontournable. Ma réponse est claire, et je sais qu'elle n'est pas politiquement correcte : non, pas tout le monde.
Toutes les capacités de Human Capacity ne relèvent pas de la même logique. Je distingue deux familles :
- Les prérequis : rigueur, autonomie, discipline. Ces qualités relèvent largement de la personnalité. Elles se renforcent avec l'expérience et un cadre clair, mais une entreprise ne les crée pas chez quelqu'un qui ne les possède pas. Elle doit les identifier au recrutement.
- Les capacités à développer : jugement, esprit critique, apprentissage continu. Personne ne naît en sachant challenger une analyse produite par un agent IA. Ces capacités s'apprennent par la pratique, l'accompagnement et des méthodes de travail adaptées. C'est la responsabilité de l'entreprise.
Human Capacity se joue donc autant au recrutement qu'au développement des équipes.
Ce que cela change pour l'entreprise et le management
Une entreprise ne peut pas introduire de nouvelles technologies et supposer que ses collaborateurs suivront naturellement. Réunir et développer les capacités humaines devient une responsabilité de l'entreprise, au même titre que choisir ses outils ou concevoir ses processus : recruter les bons prérequis, puis développer le jugement.
Cela oblige à repenser le recrutement, la formation, l'accompagnement et la conception même du travail. Le management change aussi de nature : il ne s'agit plus seulement d'organiser le travail des équipes, mais de créer les conditions dans lesquelles elles exercent réellement leur jugement.
C'est là que nos piliers s'emboîtent. Remote-First a forgé chez nous la rigueur, l'autonomie et la discipline. AI-Native transforme notre capacité de production. Human Capacity garantit que cette puissance reste pilotée par des personnes capables de la comprendre et de la questionner. Le quatrième pilier, Adaptive Workforce, fera l'objet du prochain article.
Nous consacrons énormément d'énergie à anticiper ce que l'IA saura faire demain. Nous devrions en consacrer autant à une autre question : saurons-nous développer les qualités humaines nécessaires pour maîtriser cette puissance ?
Plus les machines produisent à notre place, plus notre capacité à comprendre, questionner et juger devient essentielle.
FAQ
Qu'est-ce que le pilier Human Capacity ? C'est le troisième des quatre piliers du modèle opératoire The Next Enterprise, avec Remote-First, AI-Native et Adaptive Workforce. Il désigne la capacité d'une organisation à réunir et développer la rigueur, l'autonomie, la discipline et le jugement de ses collaborateurs, pour qu'ils restent performants dans un travail à distance et augmenté par l'IA.
Pourquoi le remote exige-t-il des capacités humaines spécifiques ? Parce qu'à distance, le cadre physique du bureau disparaît : présence, contrôle implicite, coordination informelle. La performance repose alors sur la rigueur, l'autonomie et la discipline de chacun. Face à l'IA, ces mêmes capacités deviennent décisives, car le collaborateur travaille souvent seul avec elle.
Quelle différence entre AI-Native et Human Capacity ? AI-Native transforme les processus et la capacité de production de l'entreprise. Human Capacity garantit que les humains restent capables de piloter cette capacité : la comprendre, la questionner et assumer les décisions.
Pourquoi la validation humaine de l'IA ne suffit-elle pas ? Parce que l'IA produit plus vite que l'humain ne peut vérifier, et qu'une validation passive invite à approuver plutôt qu'à examiner. Prévoir un contrôle humain ne garantit pas que ce contrôle soit efficace.
Qu'est-ce que les ironies de l'automatisation ? C'est le constat formulé en 1983 par Lisanne Bainbridge : plus on automatise, plus on laisse à l'humain les tâches les plus difficiles, comme surveiller et détecter l'anomalie rare, tout en lui donnant moins d'occasions de pratiquer.
Comment rendre le contrôle humain de l'IA plus efficace ? En concevant des contrôles actifs : formuler ses attentes avant de lire la sortie, chercher le défaut plutôt que valider, injecter des erreurs connues, automatiser la vérification du volume et mesurer la qualité des validations.
Quelles capacités humaines développer pour travailler avec l'IA ? Six capacités, regroupées en trois axes : autonomie et discipline pour garder la main, jugement et esprit critique pour questionner, exigence et apprentissage continu pour élever le niveau.
Les capacités de Human Capacity s'apprennent-elles ? Pas toutes. La rigueur, l'autonomie et la discipline relèvent largement de la personnalité : elles se recrutent et se renforcent, mais ne se créent pas. Le jugement, l'esprit critique et l'apprentissage continu face à l'IA s'apprennent, et leur développement relève de la responsabilité de l'entreprise.
Sources : Lisanne Bainbridge, « Ironies of Automation », Automatica, 1983 · We Work Remotely, AMA avec Darren Murph, avril 2020.
Articles précédents qui peuvent vous intéresser sur ce thème :