Skip to main content

Podcast

Utiliser l’intelligence artificielle pour améliorer les renseignements sur les avantages sociaux : la science derrière la personnalisation

Comment l’intelligence artificielle peut réduire les risques liés aux décisions complexes en matière d’avantages sociaux grâce à une architecture de choix validée, à la transparence, à une « friction saine » et au maintien du pouvoir décisionnel humain.

Regardez notre balado vidéo sur la façon dont l’intelligence artificielle peut réduire les risques dans les décisions complexes liées aux avantages sociaux.

L’intelligence artificielle peut réduire les risques auxquels les employés sont exposés lorsqu’ils prennent des décisions importantes en matière d’avantages sociaux, qu’il s’agisse de primes, de franchises ou de compromis à long terme concernant la santé et les finances, tout en laissant le pouvoir décisionnel à l’employé. Pour réduire les erreurs et les risques de responsabilité, il faut d’abord mettre en place une architecture de choix solide, afin que l’intelligence artificielle repose sur une base fiable et puisse tracer, de façon responsable, un « chemin plausible ». Cela signifie utiliser l’intelligence artificielle pour clarifier les termes techniques, mettre en évidence les options les plus pertinentes et les moins risquées, et s’adapter aux changements de situation afin que les recommandations demeurent pertinentes et défendables.

Dans cet épisode de « Transformer les avantages sociaux grâce à la technologie », l’animateur Andrew Owens, accompagné de Ting Lye et de la Dre Zoe Dimov, présente des mesures concrètes d’atténuation des risques. Il recommande d’adopter des normes de conception claires ainsi qu’une communication explicite sur les données utilisées pour les recommandations, y compris celles qui sont absentes. Il propose aussi d’introduire une « friction saine », par exemple des invites de confirmation et des pauses planifiées, afin d’éviter l’acceptation automatique des conseils. Enfin, il suggère de positionner l’intelligence artificielle comme un outil d’explication et d’aide à la sélection plutôt que comme une autorité décisionnelle. Cette approche réduit le risque de décisions inappropriées ou dommageables.

Principaux points à retenir pour les employeurs

Placeholder Image

Poser les bases pour réduire les risques décisionnels

Mettre en place une architecture de choix solide afin que les employés comprennent bien leurs options. Déployer l’intelligence artificielle seulement une fois les options et les règles validées afin d’éviter des recommandations trompeuses.

Placeholder Image

Aider, sans remplacer – limiter l’exposition aux mauvais résultats

Utiliser l’intelligence artificielle pour expliquer et structurer les choix (traduire le jargon, mettre en évidence les options à moindre risque, s’adapter aux changements de vie), tout en conservant le pouvoir décisionnel final entre les mains de l’employé pour limiter les risques juridiques et financiers.

Placeholder Image

Concevoir pour éviter la dépendance excessive et les décisions erronées

Intégrer une « friction saine » dans l’expérience, comme des invites de confirmation, des pauses planifiées et des vérifications réflexives, pour interrompre les réactions impulsives et réduire la délégation cognitive pouvant mener à de mauvais résultats.

Placeholder Image

Améliorer la sécurité grâce à la transparence et à la validation continue

Être explicite sur les sources de données et leurs limites utilisées pour les recommandations, consigner les facteurs décisionnels pour assurer la traçabilité, et utiliser des boucles de rétroaction basées sur les résultats afin de détecter, corriger et prévenir au fil du temps les recommandations non sécuritaires ou biaisées.

Disponible en anglais seulement

À propos de nos conférenciers

Andrew Owens

Directeur de la technologie, Mercer Marsh Avantages Sociaux, Royaume-Uni

Andrew est un chef d’entreprise principal possédant des dizaines d’années d’expérience dans la transformation organisationnelle des grandes organisations de développement de logiciels et des entreprises globales de produits logiciels. Il se spécialise dans l’introduction et la gestion de la maturité agile au sein d’organisations de développement à l’échelle mondiale. Il détient une feuille de route jalonnée de réussites en matière de transformation des entreprises, avec un accent mis sur la migration des entreprises de logiciels « traditionnels » vers les entreprises de logiciels-services.

Ting Lye

Responsable mondial de l’élaboration des propositions, Mercer Marsh Avantages Sociaux, Royaume-Uni

Ting Lye est une responsable du développement de produits et d’offres spécialisées dans les plateformes numériques mondiales de santé et d’avantages sociaux. Elle dirige actuellement l’élaboration de produits et de propositions pour une application mobile mondiale sur la santé et les avantages sociaux chez Marsh. Son parcours l’a menée à travailler en consultation, au sein d’entreprises en démarrage et dans le domaine de l’innovation commerciale, notamment en fondant une entreprise en santé numérique. Elle a aussi travaillé au Royaume-Uni, aux États-Unis et en Asie afin de transformer des idées émergentes en produits évolutifs pouvant être commercialisés à grande échelle. Elle s’intéresse particulièrement à l’avenir de la santé numérique, notamment l’intelligence artificielle, la personnalisation et les nouveaux modèles de partenariat.

Dr. Zoe Dimov

Senior UX Researcher, Mercer Royaume-Uni

  • United Kingdom

La Dre Zoe Dimov est une chercheuse principale en expérience utilisateur chez Mercer, animée par une mission claire. Elle est spécialisée dans la conception centrée sur l’humain et fondée sur les données, dans le domaine des avantages sociaux des employés et des domaines connexes. Elle possède plus de 12 ans d’expérience dans le domaine de l’interface homme-machine et en développement de produits. Elle conçoit des cadres de mesure et applique les sciences du comportement pour définir les parcours d’expérience des employés. Son travail vise à transformer les résultats de la recherche en décisions concrètes pour les produits et les offres.