Multiplayer AI

Le choix de votre assistant devrait vous appartenir

Il est normal que chacun préfère des outils d’IA différents. Les métiers diffèrent, les méthodes de travail diffèrent, et l’outil qui convient à une tâche peut mal convenir à une autre. Il faut s’attendre à ce que ces choix continuent d’évoluer.

Exiger que tout le monde migre vers le même produit d’IA fait peser la charge de la collaboration sur les personnes qui font le travail. Cela devient plus difficile encore lorsqu’un projet fait intervenir un client ou un prestataire qui a déjà fait ses propres choix.

Nous pensons que les assistants devraient pouvoir travailler ensemble par-delà ces frontières. Rejoindre un projet devrait donner à votre assistant accès au travail qui le concerne. Cela ne devrait pas obliger tout le projet à se réorganiser autour de votre assistant.

Ce n’est pas aux personnes de porter chaque échange

Si vous copiez ce que votre assistant a produit, que vous l’envoyez à un collègue et que vous attendez qu’il le colle dans le sien, les assistants comptent toujours sur vous pour maintenir le lien.

Cela coûte plus que le temps passé à copier. Vous décidez de ce qui mérite d’être transmis avant que l’autre assistant ait pu poser ses questions. Le raisonnement se raccourcit. Une piste abandonnée disparaît. Des détails qui semblaient secondaires se révèlent importants plus tard.

Un résumé est utile, mais il ne devrait pas être la seule information que l’assistant suivant puisse atteindre. Les assistants devraient pouvoir retrouver le travail pertinent au niveau de détail qu’exige leur tâche. Obliger une personne à préparer chaque échange limite à la fois la quantité d’information qui circule et ce que l’assistant destinataire peut en faire.

Le multiplayer AI exige un contexte partagé, en temps réel

Votre assistant devrait pouvoir se servir de ce que le mien est en train d’élaborer pendant que nous travaillons encore tous les deux. S’il doit attendre que je termine, que je prépare un résumé et que je l’envoie, nous avons conservé le même passage de relais manuel à l’intérieur d’un flux de travail plus rapide.

Cela suppose un contexte partagé : des informations de projet que nos assistants peuvent lire et enrichir depuis leurs propres outils. Cela comprend le raisonnement derrière une décision, les questions encore en suspens et le travail qui n’est pas terminé. Ces détails comptent le plus tant qu’il est encore temps d’agir.

Lorsqu’un assistant consigne une découverte ou modifie un plan, un autre peut intégrer cette mise à jour à son travail. Il peut remettre en cause une hypothèse, répondre à ce qui bloquait l’avancement ou ajuster son approche avant d’aller plus loin. Le projet progresse par ces échanges.

Nous pensons que c’est le fondement du multiplayer AI. Des assistants distincts ont besoin d’une compréhension commune du travail à mesure qu’il évolue, et d’un moyen de contribuer eux-mêmes à cette compréhension.

Cela suppose aussi un moyen d’orienter l’attention. Les assistants doivent savoir quels changements les concernent, quelles questions sont en attente et ce qu’on leur a demandé de faire. Les boîtes de réception et les attributions font de ces échanges une part du travail. La réponse a sa place à côté de la question, là où le participant suivant pourra s’en servir.

Les entreprises devraient conserver le savoir qu’elles paient pour produire

Lorsqu’une entreprise intègre l’IA à ses processus, ses équipes produisent du savoir en chemin. Elles apprennent pourquoi un client a besoin d’une dérogation, quelles hypothèses se sont révélées fausses et comment une procédure devrait changer.

Le livrable final n’en retient souvent qu’une partie. Si le reste demeure dispersé dans des conversations individuelles, l’organisation doit sans cesse reconstituer un savoir qu’elle a déjà payé pour développer.

Nous pensons que c’est l’une des questions les plus lourdes de conséquences dans l’IA en entreprise : que reste-t-il à l’entreprise une fois la conversation terminée ?

Le contexte produit par le travail de l’entreprise devrait avoir un lieu que l’entreprise contrôle. Il devrait rester disponible quand des employés partent et quand l’organisation change d’outils d’IA. Les équipes devraient pouvoir emporter leurs décisions et leurs procédures de travail dans un nouvel outil sans les reconstituer de mémoire.

La propriété doit aussi être concrète. L’organisation devrait pouvoir inspecter les enregistrements, gérer les accès et exporter le travail écrit. Dépendre d’un seul assistant pour interpréter tout ce qu’il a accumulé est une forme faible de contrôle.

La visibilité fait partie du travail en commun

À mesure que le travail passe par l’IA, chacun doit pouvoir suivre la manière dont il s’est construit. Qui a modifié le cahier des charges ? Quelle décision fonde le plan actuel ? Qu’a-t-on corrigé, et quel raisonnement a été consigné ?

Un enregistrement partagé donne à chacun quelque chose de concret à examiner. Il rend les désaccords plus faciles à trancher et les hypothèses erronées plus faciles à retracer. Il permet aussi aux découvertes utiles de circuler au-delà de la personne qui y est parvenue la première.

Cela n’exige pas d’ouvrir les conversations privées de chacun. Nous voulons de la visibilité sur le travail que les personnes versent au projet, avec une paternité claire, un historique et des limites d’accès. Consigner une conclusion la rend vérifiable ; cela ne la rend pas juste.

Avec le temps, cet enregistrement peut devenir une part du fonctionnement de l’organisation. Une procédure améliorée au cours d’un projet peut guider le suivant. Un nouveau collègue peut demander ce qui a déjà été décidé. Le savoir se construit par le travail même qui le produit.

La frontière de l’entreprise ne peut pas être la fin de la collaboration

Les clients, les prestataires et les partenaires font partie de la façon dont les entreprises avancent. Leurs assistants devraient pouvoir participer sans obtenir accès à tout ce que l’entreprise sait.

Les autorisations sont donc fondamentales au multiplayer AI. Chacun doit choisir ce qu’il partage et si les autres peuvent le modifier. Ces limites doivent être appliquées par le système, y compris lorsqu’un assistant demande une information qu’il ne devrait pas recevoir.

Une collaboration devrait pouvoir s’élargir sans que chaque nouveau participant devienne une décision d’accès de plus, à prendre en tout ou rien.