Au fait : comment LinkedIn parle de l'IA - et ce qui est perdu dans le processus

On les rencontre presque tous les jours sur LinkedIn : des personnes qui expliquent comment l'intelligence artificielle change notre travail, quels nouveaux modèles géniaux existent aujourd'hui, et surtout - combien d'argent on peut déjà gagner avec l'IA - avec leur IA bien sûr. Ces super-héros autoproclamés de l'IA publient des outils, montrent des prompteurs, résument ce que d'autres ont déjà dit. Leurs contributions sont claires, bien structurées, visuellement attrayantes. Mais - ils sont souvent étonnamment similaires si l'on se donne la peine de lire un peu dedans.

Beaucoup de ces contenus ont l'air professionnels, mais personne ne se pose la question de savoir d'où viennent ces connaissances. Et plus loin : qu'est-ce qui a été pensé par soi-même - et qu'est-ce qui a simplement été "repris", pour ne pas utiliser le mot "copié" ? Et la question la plus importante est sans doute de savoir à qui cela profite-t-il ?

Le savoir en série

Une grande partie de ces contributions suit un principe simple :

• Commencer par une promesse ("Comment mieux utiliser l'IA")
• une liste de recommandations
• un outil ou une invite
• une petite phrase à emporter

Cela fonctionne selon toute apparence, bien parce que c'est familier et que c'est facile à lire.

Mais cela reste presque toujours à la surface ou n'est pas compréhensible. Car - ce qui est présenté ici comme une "connaissance" est une répétition. Ce qui ressemble à de l'expérience est souvent de l'appropriation.

Quand l'IA écrit sur l'IA - est-ce que cela se passe bien ?

De nombreux textes sur l'IA sont désormais rédigés avec l'IA. Ce n'est pas un problème - tant que l'on révèle ce à quoi l'on a contribué soi-même. Mais c'est justement ce qui se passe rarement - en fait presque jamais ... au lieu de cela, on donne une impression de clarté, de profondeur et de connaissances.

Mais si l'on y regarde de plus près, on trouve généralement peu de choses qui permettent de s'orienter : Que signifie ce qui a été écrit ou publié pour moi - pour mon quotidien ? Qu'est-ce qui est vraiment utile à la clarification et à l'acquisition de connaissances personnelles ?

Ce qui manque aujourd'hui ...

À une époque où les contenus sur l'IA sont légion, il serait utile que les articles ne se contentent pas de montrer ce qui est possible, mais aussi ce à quoi il n'est pas possible de répondre du premier coup, voire pas du tout. Si l'on ne présente pas seulement des outils, mais aussi les pensées et les réflexions qui se cachent derrière.

Le respect envers les autres consisterait en outre à ne pas cacher l'incertitude qui accompagne l'innovation, mais à la rendre visible en tant que partie intégrante du débat.

En ce qui nous concerne ...

Ce texte a été rédigé à l'aide de l'IA. Et - moi aussi, j'utilise la structure, le langage et la condensation pour transmettre une pensée. Mais je m'efforce de rester authentique - avec le processus, avec la source, avec moi-même.

Moi aussi, je dois toujours me "remettre en question" et examiner d'un œil critique les questions ou les remarques critiques que je pose aux autres - qu'est-ce qui est vraiment pensé - et qu'est-ce qui n'est qu'un récit "bien emballé" ?

Au fait ...

C'est peut-être là que réside la différence : non pas si l'IA est ou a été impliquée - mais si l'on s'examine encore soi-même pour savoir comment on en arrive à ce que l'on publie.

Laura Colledani et Klaus Ammon ont plus de 40 ans d'expérience dans le domaine des études de consommation et de marketing. Au fil des années, ils ont développé un sens aigu de ce qui motive les gens, même au-delà des chiffres. Les deux auteurs plaident pour une culture de la communication qui écoute avant d'émettre. Avec la nouvelle approche des outils de gestion du consumer listening, ils souhaitent aider les responsables marketing à ne pas seulement interroger les consommateurs de manière traditionnelle, mais à entrer avec eux dans un véritable espace relationnel.