Retour à la bibliothèque

Question clé Nouveau

Traité par IA · Validé par l'auteur

Comment les managers s'approprient-ils le travail assisté par l'IA, et quand sa divulgation sert-elle ou dessert-elle leur crédibilité ?

When Is It Still My Work? Generative AI, Defensibility, and Disclosure in Software Product Managers’ Work
Phong Trang, Tran Dieu Hieu Nguyen, Soumitra Chowdhury · International Conference on Information Systems (ICIS) · 2026
Illustration pour : Comment les managers s'approprient-ils le travail assisté par l'IA, et quand sa divulgation sert-elle ou dessert-elle leur crédibilité ?

Charge le lecteur Spotify ; Spotify peut déposer des cookies. Cet appareil mémorise votre choix.

Principaux résultats

  • Les managers s'appuient fréquemment sur une routine « Demander-Ajuster-Partager », utilisant la phase cruciale d'« Ajustement » pour intégrer contexte exclusif, contraintes techniques et jugement stratégique dans les ébauches générées par l'IA.
  • La défendabilité au niveau de l'artefact s'établit lors de la modification avant le partage, garantissant que l'auteur puisse répondre aux interrogations approfondies des parties prenantes, quel que soit l'outil utilisé.
  • La défendabilité et la visibilité induite par la divulgation peuvent se dissocier, certains managers dissimulant l'aide de l'IA sur des documents profondément retravaillés pour éviter que leurs collègues ne dévalorisent leurs efforts.
  • L'étude suggère que la divulgation encourage l'expérimentation d'équipe si le document est perçu comme substantiellement retravaillé, mais suscite un jugement négatif s'il est perçu comme un simple raccourci.
  • En l'absence de gouvernance d'entreprise formelle, les normes d'équipe locales et les réactions des pairs déterminent de façon informelle quelles pratiques de l'IA deviennent acceptables et ouvertement discutables.

Ce que cela implique pour vous

DSI / Dirigeant IT

Where AI use runs ahead of policy, build guidelines on existing team norms. Encourage disclosure of substantially reworked work, and protect staff, especially early-career staff, from being judged as low effort when they disclose AI use.

Responsable informatique

Review team routines to ensure that every AI-assisted draft undergoes the critical 'Tweak' phase—embedding proprietary context, technical constraints, and business judgement—before it is shared with stakeholders.

Stratège d'entreprise

Before sharing an AI-assisted roadmap or rationale, check it against the decisions, constraints and history colleagues are likely to ask about.

Chercheur

Test whether defensibility and visibility decouple in a setting with formal AI governance, and examine whether seniority and local team norms change how disclosure is received.

Décideur public

When writing guidance on AI disclosure at work, consider that the same disclosure can be read as openness or as low effort, depending on how much the work was reworked.

Résumé

Cette étude qualitative examine comment les chefs de produit logiciel intègrent l'IA générative dans leurs routines de coordination en l'absence de politiques d'entreprise formelles. À travers des entretiens semi-directifs et des sessions de partage d'écran avec 21 chefs de produit au sein d'une entreprise de logiciels automobiles, les chercheurs analysent comment ces professionnels produisent un travail défendable et gèrent la divulgation. Les résultats décrivent comment ils évaluent les ébauches de l'IA face aux réalités organisationnelles et aux attentes sociales avant de partager leurs livrables.

Problématique

Le travail managérial repose fortement sur la production de livrables partagés, comme des feuilles de route produit ou des argumentaires stratégiques, qui engagent la responsabilité professionnelle et exigent d'être défendus. L'IA générative rendant la paternité du travail opaque, les managers peinent à justifier comme étant le leur un contenu assisté par l'IA face aux questions de leurs pairs. De plus, les professionnels hésitent à divulguer l'usage de l'IA, craignant que cela n'entache leur crédibilité plutôt que d'illustrer leur sens de l'innovation.

Transcription
Host: Bonjour et bienvenue dans A.I.S. Insights — powered by Living Knowledge. Je suis Anna Ivy Summers. Aujourd'hui, nous nous penchons sur une étude intitulée « Quand est-ce encore mon travail ? IA générative, défendabilité et divulgation dans le travail des chefs de produit logiciel », présentée par Phong Trang, Tran Dieu Hieu Nguyen et Soumitra Chowdhury à l'ICIS 2026. Cette recherche analyse comment les chefs de produit logiciel intègrent les outils d'IA générative dans leurs activités quotidiennes en l'absence de politiques d'entreprise claires. Avec moi pour en discuter, Alex Ian Sutherland. Bonjour Alex.

Expert: Bonjour Anna. C'est une étude qui touche directement aux pratiques de travail concrètes dans les équipes produit.

Host: Commençons par le problème de fond. Pourquoi l'arrivée de l'IA générative pose-t-elle un défi particulier aux managers et aux chefs de produit ?

Expert: Le travail d'un chef de produit repose sur la livraison de documents de coordination, comme des feuilles de route, des spécifications ou des argumentaires stratégiques. Ces documents engagent leur crédibilité professionnelle. Face aux collègues, aux ingénieurs ou à la direction, un chef de produit doit être en mesure d'expliquer et de défendre chaque décision contenue dans ses livrables. Avec l'IA générative, les frontières de la paternité intellectuelle deviennent floues. Les professionnels hésitent souvent à révéler leur utilisation de l'IA, par crainte que leurs pairs ne perçoivent cela comme un manque d'effort ou de compétence plutôt que comme un gain d'efficacité.

Host: Comment les chercheurs ont-ils examiné ce phénomène sur le terrain ?

Expert: Les auteurs ont mené une étude qualitative auprès de 21 chefs de produit au sein d'une entreprise de logiciels automobiles. La méthodologie combinait des entretiens semi-directifs et des sessions d'observation en partage d'écran. Cela a permis d'observer précisément comment ces professionnels interagissent avec les interfaces d'IA, modifient les résultats obtenus et préparent leurs documents avant de les diffuser.

Host: Quels sont les principaux résultats qui ressortent de ces observations ?

Expert: Le premier constat est l'émergence d'une routine récurrente structurée en trois temps : « Demander-Ajuster-Partager ». La phase centrale, l'ajustement, est la plus déterminante. C'est à ce moment que le manager injecte le contexte propre à l'entreprise, intègre les contraintes techniques réelles et applique son propre jugement stratégique sur l'ébauche produite par le modèle linguistique.

Host: C'est donc dans cette étape que s'établit ce que l'étude appelle la « défendabilité » ?

Expert: Exactement. La défendabilité au niveau du document signifie que le professionnel s'assure d'avoir la maîtrise complète des arguments, au point de pouvoir répondre aux questions critiques des parties prenantes, peu importe qui ou quoi a rédigé le premier jet. Mais l'étude montre un phénomène connexe : la défendabilité et la divulgation peuvent se séparer. Même après avoir profondément remanié un texte, certains managers choisissent de masquer l'utilisation de l'IA. Ils anticipent que l'étiquette « IA » conduirait leurs pairs à dévaloriser le travail intellectuel pourtant réellement fourni.

Host: La réaction des équipes face à la divulgation dépend donc du contexte perçu ?

Expert: Tout à fait. Lorsque les collègues constatent qu'un document a fait l'objet d'un travail critique substantiel, mentionner l'aide de l'IA peut encourager l'expérimentation collective. En revanche, si le document donne l'impression d'être une sortie brute ou un raccourci sans valeur ajoutée humaine, le jugement des pairs devient négatif. En l'absence de directives formelles venues de la direction, ce sont ces interactions locales qui définissent de manière informelle ce qui est acceptable ou non.

Host: Quelles sont les implications directes pour les organisations et les dirigeants d'entreprise ?

Expert: La première leçon pratique concerne la gouvernance. Fixer des interdictions strictes ou laisser un flou total conduit souvent à des pratiques cachées. Les entreprises ont plutôt intérêt à déplacer leur évaluation : au lieu de chercher à contrôler l'outil utilisé, il s'agit d'évaluer la robustesse du livrable final et la capacité du collaborateur à en justifier le contenu. Enfin, instaurer un cadre sécurisant pour parler ouvertement des usages permet aux équipes de partager les méthodes d'ajustement efficaces au lieu d'isoler chaque employé face à ces arbitrages.

Host: En somme, la valeur réside dans le jugement et l'adaptation au contexte plutôt que dans la rédaction initiale. Merci beaucoup Alex pour cette analyse détaillée.

Expert: Merci Anna.

Host: Merci à tous de nous avoir suivis sur A.I.S. Insights — powered by Living Knowledge. À très bientôt pour un nouvel épisode.
Artificial Intelligence & Automation Information Systems & Management Human-Computer Interaction Data Analytics & Big Data Digital Transformation & Strategy Cybersecurity & Privacy Cloud & Infrastructure E-Commerce & Digital Platforms Operations & Supply Chain Sustainability & Green IS

Generative AI, Software Product Management, Managerial Work, Accountability, AI Disclosure, Work Routines, artefact-level defensibility, disclosure-mediated visibility