Comment l’utilisation de l’IA permet de rendre le travail plus intéressant
Dans un contexte professionnel en pleine accélération et où l’information afflue, comment se concentrer sur ce qui compte vraiment ? Découvrez comment l’équipe dédiée au machine learning utilise une technologie de pointe pour rendre le travail plus intéressant.
La technologie nous a permis d’être plus connecté·es, rapides et efficaces. Mais elle a aussi considérablement augmenté le volume d’informations à traiter. Selon une estimation, 120 milliards d’e-mails professionnels seront envoyés chaque jour cette année. L’utilisation d’appareils mobiles nous rend disponibles pour des équipes réparties dans le monde entier, ce qui devrait étendre la journée de travail traditionnelle, comprise entre 9 heures et 17 heures, de 5 heures à 21 heures.
Imaginez un assistant personnel universel capable de répondre à nos besoins au moment opportun
Dans les années à venir, plutôt que d’augmenter le volume d’informations à traiter, la technologie nous aidera à concevoir des expériences plus personnalisées. Elle mettra de côté les informations superflues pour ne garder que les plus importantes. Place à la pertinence !
Se concentrer sur l’essentiel
C’est une promesse de longue date de l’IA. Oubliez l’idée selon laquelle les robots s’accapareront les emplois des humains. Considérez-les plutôt comme des assistants personnels universels qui passeraient au crible les e-mails, les invitations à des réunions, les messages instantanés, les notifications et les mises à jour sur les projets, pour répondre à nos besoins au moment opportun.
Cela vous paraît irréaliste ? Pourtant, si vous utilisez Workplace, vous en avez déjà fait l’expérience.
Des messages hautement pertinents
La mission de l’équipe dédiée au machine learning de Workplace consiste à rendre la plateforme aussi pertinente que possible pour chaque utilisateur·ice. « Lorsque vous vous connectez à Workplace, la plateforme vous permet d’accéder facilement aux éléments dont vous avez besoin pour accomplir vos tâches. Vous pourrez ainsi collaborer très facilement avec vos collègues. Cela signifie que vous travaillerez mieux », explique Tamar Bar Lev, la responsable technique qui dirige l’équipe.
« Lorsque vous vous connectez à Workplace, la plateforme vous permet d’accéder facilement aux éléments dont vous avez besoin pour accomplir vos tâches »
Le machine learning est un sous-domaine de l’IA qui permet aux ordinateurs d’apprendre à effectuer différentes tâches en leur fournissant des informations, sans avoir à les programmer explicitement.
L’équipe de Tamar Bar Lev travaille sur des problèmes de classement et de recommandation. Son travail consiste à s’assurer qu’à chacune de vos connexions à Workplace, l’algorithme mette en avant les publications et les recommandations susceptibles de vous être utiles et relègue les autres au second plan.
L’analyse prédictive améliore l’expérience utilisateur·ice
Le machine learning avancé dépend de la puissance de calcul brute. « Nous entraînons nos modèles selon des exemples précédents », explique Tamar Bar Lev. « Nous fournissons à nos modèles des informations sur le comportement passé des utilisateur·ices et sur leurs interactions avec différents produits. Lorsqu’ils disposent de suffisamment d’informations, les modèles sont en mesure d’apprendre à prédire la probabilité de certains évènements. Nous pouvons ensuite exploiter ces probabilités prédites pour déterminer les stories et les recommandations les plus pertinentes à montrer à chaque utilisateur·ice. »
« Nous regroupons toutes ces probabilités sous la forme d’un score final. La publication avec le score le plus élevé apparaît en premier. »
Cette prouesse technologique est orchestrée chaque fois que vous ouvrez Workplace. Tamar Bar Lev poursuit : « Pour alimenter le fil d’actualité [la partie centrale de Workplace où apparaissent les publications et les recommandations], nous parcourons et sélectionnons quelques publications de personnes que vous suivez, de collègues ou de membres de vos groupes. »
« Nous procédons ensuite à une analyse des fonctionnalités de chaque publication, comme le nombre de clics sur une publication d’un·e utilisateur·ice au cours des 7 derniers jours. Nous fournissons ensuite cette information à l’algorithme et obtenons ainsi des probabilités. Quelle est la probabilité que vous commentiez ? »
« Quelle est la probabilité que vous attribuiez une mention J’aime ? Que vous réagissiez ? Nous regroupons toutes ces probabilités sous la forme d’un score final et organisons l’ensemble des publications par ordre décroissant. Résultat, la publication avec le score le plus élevé apparaît en premier. »
Rendre le travail plus intéressant
Cela ne correspond peut-être pas à l’IA que vous avez vue (ou redoutée) dans les films hollywoodiens. Il s’agit pourtant de la technologie de pointe du machine learning, issue d’années de recherche sur la consommation de la part de Facebook. Tamar Bar Lev poursuit : « Le classement dans le fil d’actualité de Workplace repose sur des données existantes. Nous avons beaucoup appris au cours des nombreuses années passées à développer le fil d’actualité des consommateur·ices dans Facebook. Nous savons ce qui fonctionne et ce qui ne fonctionne pas. Le défi consiste à implémenter ces éléments dans l’environnement professionnel. »
Nous voulons faire en sorte que vous ne manquiez aucune information importante pour votre travail lorsque vous vous connectez le matin
Par exemple ? « Nous voulons nous assurer que vous ne passiez à côté d’aucune information importante. Nous voulons faire en sorte que vous ne manquiez aucune information importante pour votre travail après votre journée, lorsque vous vous reconnectez le lendemain matin ou après un week-end prolongé. Les publications à afficher dans de telles circonstances et celles à afficher sur votre compte Facebook personnel lorsque vous ouvrez l’application sont déterminées de façon très différente. »
Graphe professionnel et optimisation de la connectivité sur Workplace
Ce qui est exaltant, c’est que nous n’en sommes qu’aux balbutiements de l’IA et que l’équipe (tout comme l’algorithme) apprend vite. Pour faire écho au graphe social de Facebook, un réseau qui établit des liens selon le type de relation (ami·es, famille) et les centres d’intérêt, l’équipe d’ingénierie de Tamar Bar Lev planche actuellement sur le développement d’un graphe professionnel. Cet outil pourrait bien, à sa manière, s’avérer tout aussi révolutionnaire.
« Nous essayons de vous aider à nouer des relations plus pertinentes. Nous voulons déterminer dans quelle mesure il sera intéressant pour vous de suivre quelqu’un. Allez-vous rencontrer cette personne par la suite ? Participerez-vous aux mêmes évènements ? »
« En analysant les profils de vos collègues les plus performant·es, nous cherchons à déterminer si vous travaillez avec elles ou eux sur des outils Quip ou G-drive. Faites-vous le point avec ces personnes ? Commentez-vous leurs publications ? Nous voulons comprendre le fonctionnement de votre réseau. Ainsi, lorsque nous vous suggérons des publications ou des stories classées, nous savons que ces contenus vous seront utiles. »
Et ensuite ? « Cela signifie que vous travaillerez mieux. Vous aurez le sentiment de travailler plus vite avec Workplace, qui vous deviendra rapidement indispensable. »
