Le cas Michelin : 114 401 réponses, 2 963 563 mots
Résumé
In the aftermath of the pandemic, the Information Systems Department of Michelin Group is questioning the actual practice of digital work among white-collar employees. How can we characterize digital work practice in the field? What are the expectations and needs related to digital work expressed by office workers? We have translated these industrial inquiries into the following research question: "How to observe digital work practice among white-collar employees from a big quali corpus?". We proposed to address these questions using an existing textual database of over 100,000 responses to two open-ended questions from an annual job satisfaction survey. Consequently, we explored the literature on digital work and textual data analysis. We then proceeded in two distinct methodological phases, chronologically separated by the emergence of mainstream generative AI. After performing top-down classifications, our first "classic" approach proposes a manual qualification of classes (by coding a part of the sentences). In contrast, the second approach leverages the analytical capabilities of ChatGPT 4.0 to perform the same qualification. The following research question thus arises: "What is the difference between the 'classic' class qualification through manual coding and class qualification assisted by AI?". Our work presents several contributions. On one hand, our research proposes a methodological approach for researchers and practitioners, allowing the longitudinal observation of a complex phenomenon from a Big Quali corpus. On the other hand, our work demonstrates the interest of class qualification assisted by artificial intelligence. Finally, the rapidness and neutrality induced by AI allowed us to perform consecutive top-down classifications enabling thematic deepening.
Au lendemain de la crise sanitaire, la Direction des Systèmes d’Information du Groupe Michelin se questionne sur la pratique effective du travail digital des cols blancs. Comment se caractérise cette pratique du travail digital des cols blancs sur le terrain ? Quelles sont les attentes et les besoins relatifs au travail digital exprimés par les travailleurs de bureau ? Nous avons procédé à la traduction de ces questionnements industriels en question de recherche suivante : « Comment observer la pratique du travail digital des salariés cols blancs à partir d’un corpus big quali ? ». Nous avons proposé d’adresser ces questionnements à partir d’une base de données textuelles existante de plus de 100 000 réponses à deux questions ouvertes issues d’une enquête annuelle sur la satisfaction au travail. Nous avons conséquemment successivement exploré la littérature sur le travail digital et sur l’analyse de données textuelles. Nous avons ensuite procédé en deux phases méthodologiques distinctes, chronologiquement séparées de l'émergence des IA génératives grand public. Au terme de classification hiérarchiques descendantes, la première approche « classique » propose une qualification manuelle des classes (codage d’une partie des phrases). Au contraire, la seconde approche mobilise les capacités analytiques de ChatGPT 4.0 afin de procéder à cette même qualification. La question de recherche suivante découle ainsi de manière sous-jacente : « Quelle est la différence entre la qualification de classes « classique » au travers d’un codage manuel et la qualification de classes assistée par l’IA ? ». Nos travaux présentent plusieurs contributions. D’une part, nos travaux proposent une démarche méthodologique à destination des chercheurs et des praticiens, permettant l’observation longitudinale d’un phénomène complexe à partir d’un corpus Big Quali. D’autre part, nos travaux montrent l’intérêt d’une qualification de classes assistée par intelligence artificielle. Enfin, la rapidité et la neutralité induite par l’IA nous a permis de réaliser des classifications hiérarchiques descendantes consécutives permettant l’approfondissement thématique.