Notre vision du change

Twisting intervient au moment critique où la découverte scientifique ou la rupture technologique est avérée, mais où son adoption et son impact sociétal demeurent incertains.

Là où le change management classique se focalise sur l'alignement de l'humain à l'outil par des métriques instrumentales (taux d'adoption, KPI de productivité, satisfaction ergonomique), l'approche Twisting adopte une posture de sociologie des usages et des organisations. Elle vise non pas à faire « accepter » l'outil à tout prix, mais à comprendre la confrontation réciproque entre le système technique et le collectif de travail afin de réduire l'inconnu.

L'objectif est de dépasser l’attitude purement techno-push pour transformer l'IA en une solution appropriée, utile et socialement désirée. La méthodologie s'articule autour de trois grands axes d'investigation empirique, menés principalement par des enquêtes de terrain d'ordre ethnographique.

Nous nous intéressons d'abord à la genèse du dispositif et à la manière dont la technologie est façonnée par ses créateurs avant même son déploiement.

La traduction des attentes : Analyser comment les concepteurs informatiques traduisent, codent et modélisent les besoins, les attentes et les contraintes des futurs utilisateurs professionnels ou citoyens. L'analyse ne prend pas l'outil comme un fait accompli, mais interroge la genèse technique pour identifier les décalages potentiels entre l'intention technique et les réalités du terrain.

La cartographie du travail invisible : Mettre en lumière toutes les activités de l'ombre indispensables au fonctionnement de l'IA (nettoyage de données, labellisation, maintenance, ajustements manuels). Contrairement aux KPI classiques qui mesurent la productivité apparente, cette étape rend visibles les nouvelles lignes de coopération indispensables tout au long de la chaîne de production pour que le système fasse sens.

Puis nous confrontons ou analysons la confrontation de l'outil aux pratiques réelles au sein des structures qui l'intègrent, afin d'évaluer la reconfiguration des dynamiques collectives.

* L'observation des usages concrets : Suivre l'insertion de l'outil dans le quotidien pour comprendre comment les acteurs s'ajustent à ces dispositifs, les détournent ou se les approprient.

* La recomposition des hiérarchies et des rôles : Étudier la manière dont l'introduction de l'IA redéfinit les compétences, modifie la répartition du pouvoir, déplace les responsabilités et fait émerger de nouvelles dynamiques de collaboration ou de rivalité au sein des équipes.

Le dernier axe vise à inscrire le déploiement de l'IA dans le temps long et à outiller le dialogue social pour anticiper les risques systémiques.

L'analyse des troubles et des controverses : Documenter les formes de réflexivité, les doutes éthiques ou opérationnels et les résistances manifestées par les différentes parties prenantes face aux décisions automatisées. Ces frictions ne sont pas neutralisées mais traitées comme des signaux faibles essentiels.

La trajectoire socio-historique et les limites de la solution : Replacer le système technique dans l'histoire de l'organisation pour évaluer si l'IA répond de manière pertinente aux défis structurels ou si elle ne représente qu'une réponse technoscientifique temporaire face à des incertitudes plus profondes (techno-solutionisme).

Twisting propose ainsi aux organisations un outil de pilotage stratégique permettant d’ouvrir un dialogue social éclairé, de désamorcer les risques de rejet et d'accompagner sereinement le changement face aux ruptures algorithmiques.