Quand l'algorithme remplace le gestionnaire
Une action collective d'envergure vient de secouer l'industrie technologique en Californie. Vingt-six anciens employés du groupe Meta ont déposé une plainte devant un tribunal fédéral d'Oakland, accusant l'entreprise d'avoir utilisé des systèmes d'intelligence artificielle opaques pour sélectionner les salariés à licencier lors de sa récente restructuration de grande ampleur. Selon les plaignants, ces outils algorithmiques auraient ciblé de manière disproportionnée les employés en congé de maladie, en congé parental ou en situation de handicap.
Le mécanisme dénoncé par les employés repose sur une logique purement quantitative. Les systèmes d'évaluation de Meta auraient compilé des indicateurs de productivité brute, tels que le rythme de frappe au clavier, l'activité sur le réseau interne ou encore l'utilisation de jetons d'intelligence artificielle. Or, ces indicateurs se trouvent mécaniquement réduits à zéro ou fortement dégradés lorsqu'un salarié s'absente légitimement pour des raisons médicales ou familiales. En l'absence d'une révision humaine individualisée et neutre, l'algorithme a assimilé ces périodes d'absence à une baisse de performance, désignant ainsi ces personnes comme des cibles prioritaires pour les compressions de personnel.
La boîte noire de la productivité numérique
Cette affaire met en lumière les dérives de la gestion algorithmique des ressources humaines, souvent qualifiée de « boîte noire ». Lorsque les décisions de maintien en poste ou de licenciement sont déléguées à des modèles mathématiques complexes, la nuance humaine et le contexte légal s'effacent derrière des courbes d'optimisation. Les critères de performance deviennent non seulement invisibles pour les employés, mais parfois aussi pour les gestionnaires eux-mêmes, incapables d'expliquer la logique sous-jacente aux recommandations de la machine.
Sur le plan juridique, cette opacité se heurte à des cadres réglementaires de plus en plus stricts. En Europe, le Règlement général sur la protection des données (RGPD) pose, dans son article 22, un principe d'interdiction des décisions individuelles automatisées produisant des effets juridiques, sauf exceptions strictement encadrées. Au Québec, la Loi 25 sur la protection des renseignements personnels impose des obligations similaires : toute organisation utilisant un système décisionnel automatisé doit être en mesure d'expliquer au citoyen ou à l'employé les paramètres ayant mené à la décision, ainsi que les données utilisées pour l'alimenter. Selon une étude publiée par l'Organisation internationale du Travail, l'absence de transparence dans l'évaluation algorithmique nuit gravement au climat de confiance et expose les organisations à des risques de discrimination systémique.
L'alternative de la transparence : l'approche de ProductivIA
Face à ces dérives de l'évaluation invisible, la conception de la plateforme ProductivIA repose sur un principe fondamental : la transparence absolue par architecture. Contrairement aux environnements propriétaires qui collectent des données d'activité à l'insu des utilisateurs pour alimenter des profils de performance, ProductivIA garantit que chaque donnée générée est entièrement traçable et accessible.
Cette transparence se matérialise d'abord à travers l'application Nuage. Cet espace de stockage cloud transparent permet à chaque utilisateur de consulter, de vérifier et d'exporter l'intégralité des données stockées dans son silo logique. Rien n'est dissimulé dans des bases de données inaccessibles. L'utilisateur sait précisément quelles informations sont conservées, éliminant ainsi le risque de surveillance invisible ou de notation clandestine.
De plus, lorsqu'il s'agit d'aider à la prise de décision, ProductivIA refuse la logique des modèles prédictifs opaques. L'aide à la décision s'appuie exclusivement sur des critères explicites et vérifiables indexés dans l'application Base documentaire. Cette application utilise la technique du RAG (Retrieval-Augmented Generation, ou génération augmentée par récupération). Au lieu de laisser un modèle d'IA extrapoler des jugements à partir de données comportementales floues, le système va chercher des faits précis dans des documents réels de l'organisation (politiques internes, conventions collectives, grilles d'évaluation officielles) préalablement vectorisés sous forme d'embeddings.
Lorsqu'un gestionnaire interroge l'Assistant pour préparer un bilan, l'IA ne génère pas une sentence automatisée : elle extrait les critères textuels des documents officiels et cite explicitement ses sources. La décision finale reste ainsi pleinement humaine, éclairée par des faits vérifiables et exempte de biais algorithmiques cachés.
Vers une gouvernance éthique des outils de travail
Le cas de Meta démontre que la productivité ne peut se mesurer au détriment de l'équité et du droit à l'explication. Les organisations publiques et privées doivent aujourd'hui choisir entre deux visions de la technologie : celle d'un outil de contrôle opaque qui déshumanise les relations de travail, ou celle d'un environnement collaboratif où l'intelligence artificielle assiste l'humain sans jamais se substituer à son jugement éthique.
La transition vers des plateformes souveraines et transparentes devient alors un enjeu de gouvernance majeur. En garantissant la traçabilité des données et en ancrant les recommandations de l'IA dans des bases documentaires explicites, il devient possible de concilier efficacité administrative et respect rigoureux des droits individuels.