Je me souviens de mes débuts.
Il fallait des semaines, parfois des mois, pour apprendre un outil.
Je tapais des commandes MS DOS. J'apprivoisais Oracle comme on dompte un animal sauvage. Et j'adorais ça.
Mes collègues venaient me voir quand ils bloquaient. Mes managers le remarquaient.
J'ai eu des promotions. Des augmentations. De la reconnaissance.
Et à chaque fois, ça confirmait ce que je croyais : maîtriser les outils, c'était ma valeur.
J'en étais convaincue.
Puis j'ai changé de poste. Huit fois en vingt ans.
Et à chaque fois, je recommençais. J'apprenais les outils. Je devenais la super utilisatrice. Je travaillais avec les ingénieurs pour améliorer et déployer les nouveaux systèmes. Et j'en étais fière à chaque fois.
Mais plus je progressais, plus je voyais les choses en face.
Cette partie, c'était la partie facile.
Le vrai travail, c'était d'accompagner les gens pour qu'ils utilisent vraiment les outils sans s'épuiser. De faire en sorte que les outils s'adaptent aux usages, pas l'inverse. De savoir quand demander les bons investissements, et comment les défendre.
Parce que quand les outils ne conviennent pas, les gens trouvent des contournements. Et ces contournements coûtent cher : pour les personnes qui les portent, pour la sécurité, et pour la qualité.
Dans les organisations avec un patrimoine technique important, cette compétence valait bien plus que de connaître chaque fonctionnalité de chaque plateforme.
Je n'ai pas arrêté de maîtriser les outils. J'ai juste arrêté de croire que ça suffisait.
Je le vois tous les jours dans mon travail de conseil.
Des équipes design talentueuses, engagées, qui avancent seules.
Chacune défriche comme elle peut, souvent sur son temps personnel, sans accompagnement clair, pragmatique et humain de la part de l'organisation.
Et les conséquences sont toujours les mêmes. Burn-out. Des gens qui doutent de leur valeur. Des livrables incohérents. Des risques de sécurité et de qualité que personne n'avait anticipés. Et des coûts qui explosent.
Avec l'IA, ces problèmes ne disparaissent pas. Ils s'amplifient.
Parce que l'IA ne corrige pas les données floues. Elle les amplifie.
La qualité de ce qu'on obtient dépend entièrement de la qualité de ce qu'on y met. La recherche utilisateur. Le design system. Les feuilles de route. La documentation sur les projets. Les conventions de nommage.
Une matière première pauvre donne des résultats pauvres. À grande échelle, à grande vitesse, avec un coût exponentiel.
Ce n'est pas un problème d'outils. C'est un problème d'organisation.
Aujourd'hui, je me suis donné pour mission d'aider les équipes à travailler avec discernement.
C'est pour ça que je fais les deux.
Je consulte parce que j'ai besoin de rester sur le terrain. De continuer à prendre des décisions sous de vraies contraintes, avec de vraies équipes, dans de vraies organisations.
J'enseigne parce que ça me force à prendre du recul sur mes pratiques. À explorer les travaux académiques et scientifiques qui questionnent ou étayent mes convictions. À rendre explicite ce qui est implicite.
Et parce que les apprenants sont impitoyables, dans le meilleur sens du terme. Si quelque chose est incohérent dans ce que je partage, ils le voient. Ils le disent.
C'est une prise de risque. Et ça vaut le coup à chaque fois.
Ça rend mes pratiques agiles, transformatives et robustes.
Je le conseille à toutes celles et tous ceux qui peuvent et veulent le faire.
C'est de ça que parle Learnings.
Ce que je découvre sur le terrain. Ce que la recherche dit. Ce que je teste, ce qui rate, ce qui marche.
Je ne parlerai pas toujours d'IA. Pour moi, c'est un outil en arrière-plan, pas le personnage principal.
Je parlerai de design, d'organisation, de leadership, de culture, d'inclusion, et de tout ce que ma curiosité m'amènera à explorer.
Je suis Zalihata. Plus de vingt ans dans la tech et l'éducation.
Je suis contente que tu sois là.