Et si le vrai défi des jumeaux numériques était le travail cognitif ?

Les jumeaux numériques connaissent le succès et attirent l’attention parce qu’ils donnent l’impression qu’un système complexe peut enfin être compris, représenté et piloté sans approximation. Cette promesse a fait ses preuves dans l’industrie, où modéliser un actif physique permet d’améliorer sa performance sans l’exposer inutilement (Les jumeaux numériques : de quoi parle-t-on vraiment ?). Mais cette réussite a aussi fait naitre une sorte de rêve sinon de fantasme : si cela fonctionne pour les machines, pourquoi pas pour le travail lui-même ?

Depuis trente ans, le secteur tertiaire poursuit pourtant un objectif resté largement hors d’atteinte : comprendre, formaliser et améliorer le travail du savoir avec la même rigueur que le travail industriel. Knowledge management, processus, outils collaboratifs et plateformes successives ont tous porté, à leur manière, cette ambition et les jumeaux numériques réactivent aujourd’hui ce projet ancien, sans toujours en mesurer la difficulté. D’ailleurs, avec du recul, je dois admettre que cela a été mon fil rouge inconscient depuis au moins 20 ans même si ce fut inconscient (L’open space n’est pas une usine mais parfois vous devriez le regarder ainsi et Ca n’est pas parce que le travail est invisible qu’on ne peut l’améliorer).

Remarquez que malgré la difficulté apparente de l’exercice j’ai tout de même pu remarquer que des concepts tels que la théorie des contraintes expliquent très bien, avec quelques adaptations, des choses que l’on observe en termes de collaboration et de productivité des travailleurs du savoir (Optimum local vs optimum global et théorie des contraintes : pourquoi vos gains de productivité ne servent parfois à rien et Le But, d’Eliyahu Goldratt : un autre regard sur la productivité) et que ce les principes de ce bon Deming fonctionnent bien au delà des usines (« Chaque système est parfaitement conçu pour obtenir les résultats qu’il obtient » – W. Edwards Deming).

Mais pour revenir au sujet de cet article, question n’est donc pas de savoir si le travail cognitif peut être modélisé mais ce que l’on accepte de perdre ou de déformer lorsqu’on essaie de le faire entrer dans un modèle.

En bref :

• Les jumeaux numériques ont prouvé leur utilité dans l’industrie en modélisant des systèmes physiques mesurables, mais leur transposition au travail cognitif soulève des questions de représentation plus complexes.
• Depuis trente ans, le secteur tertiaire cherche à modéliser le travail du savoir avec la même rigueur que le travail industriel, sans y parvenir complètement malgré les outils et approches successives.
• Le travail cognitif est difficile à modéliser car il repose sur des arbitrages, des interactions humaines et des efforts invisibles qui échappent aux traces enregistrées par les outils numériques.
• Les « organizational digital twins » simplifient le travail cognitif pour le rendre simulable, en évitant volontairement de modéliser les processus mentaux individuels, ce qui limite leur portée pour comprendre le travail réel.
• Représenter le travail du savoir implique des choix non neutres sur ce que l’on décide de rendre visible et mesurable, orientant ainsi la manière dont on conçoit, gouverne ou transforme l’organisation.

Rien n’introduit mieux le sujet que cet extrait d’un article du New Yorker que je ne me lasse pas de citer à l’envi :

« Peter Drucker notait qu’au cours du XXᵉ siècle, la productivité des travailleurs manuels dans le secteur manufacturier avait augmenté d’un facteur cinquante, à mesure que nous devenions plus intelligents sur la meilleure manière de fabriquer des produits. Il soutenait qu’à l’inverse, le secteur du savoir avait à peine commencé un processus similaire d’auto-examen et d’amélioration, et qu’il se trouvait, à la fin du XXᵉ siècle, là où l’industrie manufacturière en était cent ans plus tôt. »  (Slack Is the Right Tool for the Wrong Way to Work)

Et une dernière précision sémantique avant de rentrer dans le vif du sujet. Historiquement, on a parlé de travail du savoir pour désigner le basculement économique vers des activités fondées sur l’information et l’expertise mais, Aujourd’hui, lorsque l’on s’interroge sur ce que les jumeaux numériques tentent de représenter, c’est bien du travail cognitif qu’il est question : décisions, arbitrages, attention et coordination sous contrainte. Mais j’avoue que la frontière est encore floue, en tout cas pour moi, et que je m’autorise à utiliser les deux termes pour l’instant, quitte à m’attirer les foudres des experts.

Pourquoi les jumeaux numériques se sont d’abord imposés dans le monde physique

Le jumeau numérique s’est développé là où la représentation posait peu de questions conceptuelles. Une machine, une ligne de production ou un équipement industriel produisent des signaux observables, mesurables et relativement cohérents dans le temps. Les variables sont identifiables, les états comparables, et les écarts interprétables ce qui fait que même lorsque la complexité est élevée elle reste de nature technique.

Dans ce contexte, le jumeau numérique s’est imposé comme une extension logique de la simulation et du pilotage par les données. On représente un système tel qu’il est censé fonctionner, on observe ses écarts, puis on ajuste. L’amélioration passe par davantage de capteurs, de données et de capacité de calcul sans que cela ne remette en cause le périmètre de ce qui est modélisé.

Cette trajectoire a installé une vision rassurante voire séduisante du jumeau numérique : un outil de maîtrise fondé sur une correspondance relativement directe entre modèle et système observé.

Les choses se compliquent quand l’objet devient l’organisation

Depuis quelques années, le vocabulaire évolue. On parle désormais de « digital twin of the organization » ou d’ »organizational digital twin ». L’ambition n’est plus seulement de représenter un actif physique, mais d’aider à comprendre et tester des décisions dans un système organisationnel.

Un article souvent cité sur le sujet est celui de Parmar, Leiponen et Thomas qui pose les bases conceptuelles de cette extension (Building an organizational digital twin).

Il explique que le jumeau numérique d’une organisation sert avant tout à tester des décisions de management avant de les appliquer. Il permet de simuler des changements de structure, de règles ou de modes de coordination pour en anticiper les effets.

Le travail cognitif n’y est pas modélisé directement. Il est pris en compte de façon indirecte, à travers des comportements « moyens » et des décisions supposées rationnelles. Les auteurs ne cherchent pas à représenter l’attention, les arbitrages du quotidien ou la charge mentale. Ce n’est pas un manque, mais un choix méthodologique qui rend le modèle utilisable, tout en en fixant clairement les limites. A l’inverse si on essayait de décrire précisément la façon dont les gens réfléchissent, priorisent et prennent leurs décisions (ce qu’on appelle la cognition) cela rendrait le modèle trop instable et trop dépendant des situations pour rester exploitable comme outil d’aide à la décision.

Prendre en compte tous ces éléments n’est toutefois pas impossible mais ce n’est pas efficace pour l’objectif poursuivi. Par contre, et on en reparlera dans le futur, cela peut devenir pertinent à d’autres échelles comme, par exemple, explorer des expertises, des rôles, ou des activités spécifiques alors que c’est inutile pour simuler une réorganisation.

Tour cela est fondamental car dès que l’objet du jumeau n’est plus une machine mais une organisation, la question n’est plus seulement technique mais devient une question de représentation. Que décide-t-on de modéliser, et que laisse-t-on hors champ ?

Le travail du savoir ne se réduit pas à ses traces

Contrairement aux systèmes physiques, le travail du savoir n’est ni linéaire ni stable. Il est fait d’interruptions, de changements de priorité, de décisions prises sous contrainte, de coordination informelle et de compromis implicites.

Les outils numériques enregistrent des traces : messages, réunions, documents, tickets, notifications (De quelles données avons nous besoin pour comprendre comment les gens travaillent ?). Des traces utiles mais qui ne décrivent pas l’effort cognitif, l’attention mobilisée, la logique des arbitrages et encore moins la complexité des relations interpersonnelles. Elles montrent ce qui s’est matérialisé dans un système, pas le chemin intellectuel qui y a conduit et encore moins l’impact des rapports humains dans le process.

C’est un angle mort récurrent de nombreuses approches. On croit observer le travail alors qu’on observe surtout les traces qu’il laisse dans les outils alors que, dans les métiers cognitifs, une part importante de la valeur se décide précisément dans ce qui n’apparaît pas dans les outils : le raisonnement et les arbitrages qui précèdent la décision ou l’action et l’impact des personnalités dans le travail collaboratif.

Modéliser le travail prescrit ne suffit pas à comprendre le travail pratiqué

Dès que l’on cherche à représenter le travail, la tentation est forte de décrire ce qu’il devrait être. Des processus, des rôles, des étapes, des validations. Cette description est nécessaire pour se coordonner, mais elle ne constitue jamais une photographie fidèle de la pratique quotidienne.

La distance entre le travail tel qu’il est décrit et tel qu’il est effectué n’est pas un défaut du système mais elle est constitutive du travail cognitif. Les individus s’adaptent en permanence à des contraintes contradictoires, à des informations incomplètes et à des priorités changeantes sans parler de l’imperfection des outils et autres process (Le « work about work » : quand la réalité du travail consiste à faire fonctionner ce qui ne marche pas).

Un jumeau numérique appliqué au travail du savoir se situe donc dans une zone d’inconfort entre chercher à comprendre comment le travail se fait ou renforcer un modèle normatif sous couvert de maîtrise ?

Tant que l’on ne choisit pas un parti le risque est de produire un jumeau très élaboré d’un travail théorique qui existe surtout dans les procédures mais pas dans la réalité.

Un graal poursuivi depuis trente ans

Derrière l’intérêt actuel pour les jumeaux numériques, on retrouve donc une ambition ancienne. En effet depuis les années 1990, de nombreuses approches ont cherché à modéliser, formaliser et capitaliser les savoirs dans les métiers cognitifs, avec l’espoir de reproduire, dans le tertiaire, les gains obtenus dans l’industrie.

Knowledge management, systèmes experts, ontologies, workflow, BPM, plateformes collaboratives, puis plus récemment process mining. A chaque étape on croit être encore plus proche du but : rendre le travail du savoir plus structurable, plus explicable et donc plus améliorable.

Ce que le jumeau numérique ajoute à cette histoire, c’est la promesse d’un lien plus étroit entre représentation, simulation et pilotage mais il n’efface pas la difficulté de fond qui est de représenter un travail qui tire une grande partie de sa valeur de ce qui échappe à la formalisation.

Ce que dit la recherche sur les jumeaux cognitifs

Vous avez sans doute compris que le sujet me passionne donc j’ai passé un certain temps, voire un temps certain, à chercher et potasser ce qui avait déjà été dit et tenté sur le sujet.

Il existe bien une littérature académique sur les « cognitive digital twins », mais elle vise le plus souvent à enrichir des jumeaux industriels avec des capacités de raisonnement, plutôt qu’à modéliser le travail cognitif au sens organisationnel.

Ces « cognitive digital twins » visent à apporter des jumeaux numériques classiques avec des capacités de raisonnement, en combinant données, modèles physiques et représentations de la connaissance. L’objectif est d’améliorer la compréhension, la simulation et l’adaptation de systèmes complexes, principalement industriels mais la cognition humaine y est traitée comme une capacité à modéliser ou à assister et pas comme une description du travail cognitif tel qu’il se déroule dans les organisations (The emergence of cognitive digital twin: vision, challenges and opportunities). Le cognitif est là pour améliorer l’industriel pas pour améliorer le cognitif.

Techniquement parlant, dans ces jumeaux numériques, l’IA mobilisée est avant tout prédictive et optimisatrice et l’IA générative, lorsqu’elle est présente, joue un rôle d’interface et de médiation, non de pilotage du système (Le jumeau numérique à l’ère de l’IA : progrès ou illusion de progrès ?).

On trouve également des travaux sur l’usage d’ontologies et de graphes de connaissances dans les jumeaux numériques qui montrent bien les enjeux de formalisation du vocabulaire et des catégories qui sont vitales pour des applications métier mais je n’irai pas plus loin sur ce sujet qui sera traité plus amplement dans un futur article (Ontologies in Digital Twins: A Systematic Literature Review)

Mais toutes ces recherches convergent sur un point : dès que l’on cherche à capturer de la connaissance, on doit expliciter des hypothèses, des concepts et des frontières. Autrement dit, on ne modélise jamais le travail tel qu’il est mais tel qu’on accepte de le décrire.

Dit autrement, le jumeau repose sur des hypothèses déterministes, l’entreprise aime se penser comme telle, alors que le travail humain échappe en grande partie à cette logique.

Les jumeaux cognitifs dans un cul de sac ?

Vous devez penser que cela ne valait pas la peine d’autant m’étendre sur le sujet pour arriver à la conclusion qu’on était sinon dans un cul de sac tout au moins dans l’obligation de reconnaitre que si un potentiel existait il n’était pas sans limites.

Mais c’était une étape nécessaire avant de passer à la suite de mon raisonnement et de changer d’angle d’observation en regardant non plus vers les machines, mais vers les personnes, les expertises et les organisations.

La suite de la série ne partira donc pas d’une promesse technologique mais d’une question de design organisationnel. A quelles conditions un jumeau appliqué au travail du savoir peut-il devenir un outil de compréhension et d’amélioration plutôt qu’un modèle impeccable qui documente surtout ce que l’on aimerait voir ?

Conclusion

Les jumeaux numériques ne sont pas en échec lorsqu’ils s’aventurent hors du monde physique mais ils changent de nature. Dès que l’objet n’est plus une machine mais une activité cognitive, la difficulté n’est plus d’affiner le modèle mais de reconnaître ce qui échappe à toute formalisation complète.

Chercher à représenter le travail du savoir revient à faire des choix sur ce que l’on considère comme pertinent, mesurable et améliorable. Des choix qui ne sont logiquement jamais neutres et orientent la manière dont le travail est compris et gouverné.

Les prochains articles partiront donc de ce constat pour examiner dans quelles conditions des jumeaux appliqués aux personnes, aux expertises et aux organisations peuvent aider à concevoir un travail plus cohérent et mieux mobiliser les expertises au lieu d’essayer de mettre le travail sous contrôle ou d’imposer un modèle imparfait.

Pour répondre à vos questions…

Crédit visuel : Image générée par intelligence artificielle via ChatGPT (OpenAI)