Il existe une idée rassurante selon laquelle une organisation qui documente bien son activité ne perd jamais vraiment ce qu’elle sait faire. Les procédures sont archivées, les plans sont stockés, les rapports sont accessibles, et l’on suppose que l’expertise pourra être réactivée le moment venu. Cette vision alimente aujourd’hui l’espoir que des jumeaux numériques et des assistants fondés sur l’IA puissent prolonger indéfiniment la mémoire d’un expert voire en préserver la substance.
Peut-on alors maintenir une expertise par un jumeau numérique, ou ne fait-on que confondre archive et capacité d’agir ?
Le fantasme de la mémoire organisationnelle permanente
Dans beaucoup d’entreprises la question arrive trop tard, souvent au moment où l’on découvre que « la personne qui savait » est déjà sur le départ. On parle alors à parler de capitalisation et de continuité et l’idée d’un jumeau numérique appliqué au travail du savoir devient séduisante parce qu’elle semble promettre ce que l’organisation n’a pas su organiser, à savoir la conservation infinie la mémoire.
Conserver des traces vs conserver une capacité de jugement
Conserver des traces, c’est archiver des documents, des présentations, des conversations, des décisions. C’est utile, parfois indispensable, mais une expertise ne se réduit pas à ce corpus. Elle se manifeste dans la capacité à interpréter une situation, à détecter ce qui change, à décider ce qui mérite d’être vérifié, à choisir une action acceptable dans un contexte donné en fonction de ses contraintes. C’est d’ailleurs la limites de l’IA appliquée au travail cognitif (Et si le vrai défi des jumeaux numériques était le travail cognitif ? et IA et jumeaux cognitifs : une modélisation forcément partielle du travail cognitif) et on voit d’ailleurs que lorsqu’on parle de jumeaux cognitifs utilisés pour « scaler » des expertises on parle le plus souvent d’agents IA capables de raconter le passé et très très rarement d’agents capables d’utiliser un savoir pour impacter un système en simulant son impact (Les jumeaux d’experts : rendre l’expertise scalable sans épuiser les personnes). Des agents partout, des vrais jumeaux quasiment nulle part.
Jumeau figé vs jumeau évolutif : un faux dilemme
On présente souvent le sujet comme un choix : soit un jumeau figé, vite obsolète, soit un jumeau vivant qui apprend mais, en pratique, ce dilemme masque l’essentiel, à savoir le mécanisme de mise à jour et sa gouvernance.
Dans l’industrie, le jumeau « vit » parce qu’il est alimenté par des flux de capteurs et des événements observables, dans un langage de modèle relativement stable. Les plateformes de jumeaux numériques sont structurées autour de cette logique, qu’on la retrouve chez AWS avec AWS IoT TwinMaker (AWS IoT TwinMaker) ou dans les approches orientées simulation et exploitation d’actifs chez NVIDIA autour des jumeaux numériques industriels (Build intelligent factories, warehouses, and industrial facilities for the era of physical AI). Sa dynamique reflète celle du système physique alors que dans le travail du savoir, rien n’est automatique : si l’on ne formalise pas explicitement les raisonnements et les arbitrages, le modèle ne fait qu’empiler des documents.
Le rôle irremplaçable du collectif vivant dans la transmission
Quand un expert part, on perd rarement une somme de documents. On ne perd pas un stock d’informations mais une capacité qui n’avait jamais été distribuée au reste de l’équipeou, dit autrement, une capacité collective qui n’a pas été rendue collective. Le sujet n’est donc pas seulement technologique : il est organisationnel et managérial.