Tech • IA • Robotique
Comment Turing ouvre de nouvelles approches créatives en « se sortant » des problèmes grâce à l’IA
5/10INTRO
Turing a utilisé une stratégie d’adoption de l’IA par la base pour accélérer fortement le recrutement, automatiser le support RH et réduire la production de contenu de plusieurs semaines à quelques heures, tout en gardant les humains concentrés sur les tâches demandant plus d’empathie.
POINTS CLÉS
Intégration rapide à grande échelle
L’équipe RH et talents de Turing a reçu un mardi la demande d’intégrer 800 personnes avant le lundi suivant, et a respecté l’échéance. Cet effort est devenu un exemple marquant en interne de l’usage de l’IA pour résoudre rapidement des problèmes opérationnels urgents. Cette expérience a contribué à ancrer la devise interne consistant à trouver comment “faire avec l’IA” dans les workflows difficiles, plutôt que d’augmenter les effectifs ou de s’appuyer uniquement sur des processus manuels.
Une adoption par la base plutôt que par injonction
L’entreprise a privilégié une approche bottom-up de l’adoption de l’IA, au lieu d’imposer depuis le sommet l’usage d’un outil précis. Les dirigeants ont surtout aidé les employés à découvrir des usages concrets dans leur travail quotidien, estimant que les adultes apprennent mieux l’IA en expérimentant directement qu’en suivant une formation de type conformité. La stratégie reposait sur la curiosité, la créativité et l’identification des tâches répétitives où l’IA pouvait offrir un gain immédiat.
Des offsites centrés sur l’expérimentation pratique
L’un des programmes internes les plus populaires a été une série d’offsites “AI our way out of this”, où de petits groupes travaillaient sur de vrais problèmes métier. Avec Gemini, les équipes ont conçu des solutions étroitement liées aux besoins opérationnels plutôt que de simples démonstrations abstraites. Un concept initial créé par les opérations talents et les responsables people a ensuite été industrialisé par l’ingénierie, validé par la gouvernance, et devrait désormais économiser plusieurs milliers d’heures de travail manuel par an.
L’automatisation du support RH s’est rapidement étendue
En 2025, l’équipe people operations traitait manuellement environ 60 000 tickets avec une équipe flexible d’environ 12 à 16 personnes. Pour automatiser une partie de cette charge, l’entreprise a créé un assistant conversationnel d’IA appelé Allen et a réparti les demandes en deux catégories: les sujets adaptés à des réponses rapides, type distributeur automatique, et les cas nécessitant encore une interaction plus humaine, de type “guichet bancaire”. Ce cadrage a aidé à déterminer où l’automatisation serait acceptée et où le jugement humain restait indispensable.
Un bond soudain de 0,5 à 5 ETP de production
Au départ, Allen traitait un volume équivalant à environ un demi-poste à temps plein. Après des améliorations des instructions et de la base de connaissances sous-jacente, le système a atteint un point d’inflexion et, en environ 72 heures, a commencé à traiter un volume équivalent à près de 5 ETP. Le résultat a été non seulement un gain d’efficacité opérationnelle, mais aussi un niveau de qualité suffisant pour satisfaire à la fois les employés et les équipes RH utilisatrices du service.
L’automatisation a accru la demande au lieu de la réduire
Des réponses plus rapides n’ont pas réduit la demande RH. Au contraire, le volume de tickets chez Turing a à peu près doublé, reflétant une tendance plus large des opérations de service dopées à l’IA: quand les gens obtiennent vite des réponses utiles, ils posent davantage de questions. L’entreprise a aussi étendu sa base de connaissances au-delà des sujets RH traditionnels, élargissant la portée du modèle de support à davantage de fonctions de l’organisation.
Les humains se sont déplacés vers un travail à plus forte empathie
Plutôt que d’éliminer le besoin de spécialistes RH, l’automatisation leur a permis de se concentrer sur les 20 % de cas les plus complexes, là où les personnes recherchaient davantage de dialogue, d’empathie et de discernement. L’entreprise a volontairement présenté les cas d’usage de l’IA comme des outils qui augmentent la prise de décision humaine et la créativité, plutôt que de les remplacer. Ce choix de conception a été considéré comme central pour instaurer la confiance en interne.
La création de contenus de formation est passée de semaines à quelques heures
Côté développement des talents, les nouvelles capacités de code de Gemini ont permis à des non-ingénieurs de reconstruire des parties de Turing University sans développeurs. Un module prototype a été créé pendant un vol entre deux pays, illustrant la rapidité avec laquelle des outils internes pouvaient désormais être assemblés. L’équipe a indiqué que le temps de création de contenu était passé d’une norme du secteur de 2 à 5 semaines à environ 2 à 4 heures.
La confiance dépendait de la gouvernance et d’environnements familiers
Pour les organisations prudentes face à l’IA, les principales préoccupations restaient la sécurité, la confiance et le contrôle. Une leçon clé a été que l’adoption avançait plus facilement quand les outils d’IA vivaient dans des environnements d’entreprise de confiance comme Google Workspace, réduisant la nécessité de justifier des applications tierces peu familières auprès des responsables sécurité. Le défi global a été décrit moins comme un déploiement technologique que comme un processus de conduite du changement humain.
Un modèle pour faire monter l’adoption de l’IA à l’échelle
Le cadre de l’entreprise ressemblait à une mission en deux étapes: d’abord identifier des cas d’usage pratiques à l’échelle des tâches, puis laisser ces gains se cumuler en une transformation plus large. Les employés étaient encouragés à examiner l’ensemble de leurs responsabilités et à se demander où l’IA pouvait offrir un effet de levier. Les conseils de la direction mettaient l’accent sur l’empathie, en reconnaissant que le scepticisme envers l’IA générative reste réel et doit être traité directement pour que l’adoption se diffuse.
CONCLUSION
L’expérience de Turing suggère que les meilleurs gains initiaux de l’IA viennent de l’expérimentation portée par les employés, d’une automatisation ciblée et de frontières claires autour du jugement humain. Le bénéfice plus large n’est pas seulement l’efficacité, mais une redéfinition du travail qui oriente les personnes vers des tâches plus créatives et plus empathiques.
Explique-moi