David Kalfon, président de Sanso Longchamp AM, défend une lecture pragmatique de l’intelligence artificielle en entreprise. Selon lui, le risque principal ne réside plus dans le remplacement des professionnels, mais dans leur refus d’apprendre à travailler avec ces outils.
Depuis l’essor de l’IA générative, les entreprises oscillent souvent entre inquiétude et enthousiasme excessif. David Kalfon écarte ces deux lectures dans cette tribune consacrée à l’évolution du travail. Son idée centrale tient en quelques mots : l’intelligence artificielle accélère de nombreuses tâches, mais la qualité du résultat dépend toujours du discernement humain, de la vérification et de la capacité à poser les bonnes questions.
L’IA déplace le travail plutôt qu’elle ne le supprime
Pendant longtemps, une grande partie du travail intellectuel consistait à rechercher l’information. Selon David Kalfon, le problème s’est inversé. Les professionnels doivent désormais trier des volumes considérables de données, d’études, de commentaires et de publications.
L’IA apporte ici un gain de vitesse évident. Elle synthétise des centaines de pages, rapproche des informations éloignées et repère certaines corrélations beaucoup plus rapidement qu’un humain. Mais ce gain modifie aussi la répartition du travail. La rédaction laisse davantage de place à la relecture, au contrôle des sources et à l’évaluation de la pertinence. Kalfon résume cette évolution par une compétence centrale : le discernement.
L’usage quotidien de ces outils exige également un apprentissage. Les équipes travaillent leurs prompts, reformulent leurs questions et cherchent à mieux encadrer les réponses. Elles tentent surtout d’obtenir de l’IA une formulation encore difficile : « Je ne sais pas. »
La gestion d’actifs impose une vigilance supplémentaire
Dans la gestion d’actifs, David Kalfon estime que cette capacité de jugement devient particulièrement importante. Les modèles d’IA apprennent principalement à partir de données passées. Ils détectent des régularités, identifient des comportements récurrents et extrapolent.
Les marchés financiers, eux, connaissent des ruptures. Les crises, les changements de politiques monétaires, le retour de l’inflation ou les tensions géopolitiques peuvent modifier rapidement les équilibres établis.
Un modèle sophistiqué ne garantit donc pas l’identification immédiate d’un changement de régime. L’expérience accumulée, l’intuition et la remise en question des modèles gardent ici une place déterminante.
L’agilité technologique, un enjeu opérationnel
Sanso Longchamp AM utilise plusieurs outils d’intelligence artificielle selon les besoins : usages techniques, analyse, synthèse ou aide à la rédaction. David Kalfon précise que ces usages reposent sur un environnement sécurisé et un cadre défini.
Le choix d’un outil n’est toutefois pas considéré comme définitif. Les modèles évoluent vite, et la société privilégie une logique d’agilité plutôt qu’une dépendance à une technologie précise.
Pour Kalfon, l’écart entre les entreprises se fera surtout dans leur capacité à exploiter l’information rapidement et conserver suffisamment de recul. Une IA bien encadrée accélère le travail. Mal utilisée, elle peut aussi accélérer la production d’erreurs. Le discernement reste donc au centre de cette nouvelle organisation du travail.
Article basé sur un communiqué de presse reçu par la rédaction.
- Partager l'article :
Restez à la pointe de l'information avec
INTELLIGENCE-ARTIFICIELLE.COM !
