Consulter directement une partie :
Des changements radicaux dans la valeur du métier et la pyramide des talents
Adaptez votre stratégie de gestion des talents à quatre catégories de main-d'œuvre.
Sur la base des tâches définies dans la base de données d'O*NET et de notre analyse des scores d'exposition pour différentes professions, nous avons classé la main-d'œuvre type en quatre grands groupes en fonction de l'impact de l'IA générative sur chacun d'entre eux.
Chaque groupe verra la valeur ajoutée de sa fonction changer à un degré plus ou moins élevé. Compte tenu de l'évolution des postes des travailleurs et de la valeur ajoutée fluctuante des emplois, chaque cohorte aura un impact différent sur les modèles de talents organisationnels et nécessitera une approche différente en matière d'acquisition de compétences.
Il est important de noter que ces catégories présentent une vision macroéconomique générale et que la réalité est plus nuancée. Les postes et tâches définis par O*NET, par exemple, ne correspondent pas toujours parfaitement aux fonctions et tâches propres à l'entreprise. En outre, selon la culture d'entreprise, les dirigeants de diverses sociétés peuvent faire des choix totalement différents pour un même poste, en fonction de leur stratégie commerciale.
Par exemple, bien qu'il soit possible d'automatiser entièrement certaines fonctions du service client depuis un certain temps, de nombreuses entreprises ont choisi de ne pas le faire. Ainsi, même si notre analyse des scores d'exposition classerait les agents du service client dans la catégorie « entièrement automatisé », de nombreuses entreprises les placeraient dans la catégorie « augmenté », ce qui leur permettrait de travailler avec de nouveaux outils d'IA générative plutôt que d'être remplacés par ceux-ci. Ils pourraient aussi bien se retrouver dans la catégorie « transformé » dans le cas d'entreprises qui choisissent de requalifier les agents du service client pour leur confier des postes entièrement nouveaux.
Néanmoins, cette vision globale fournit un dispositif permettant aux cadres d'évaluer les fonctions au sein de leurs équipes et de déterminer les actions adéquates pour les différents groupes d'employés.
Les métiers fondamentalement inchangés par l'IA
En bref
Ces professions impliquent généralement un travail physique, qu'il s'agisse de tâches hyperspécialisées nécessitant des années de formation professionnelle et initiale, telles que la chirurgie, l'électricité ou la plomberie, ou de tâches non spécialisées nécessitant peu d'expérience, telles que les métiers de surveillance.
L'IA générative n'imposera certes que peu de changements aux tâches essentielles et à valeur ajoutée optimale de ces professions, mais elle aura probablement un impact sur les tâches adjacentes, ce qui améliorera la qualité de leur travail et la quantité de travail qu'elles peuvent effectuer.
Points saillants
Automatisation : tâches de très bas niveau ou périphériques
Types de travailleurs : professionnels qui effectuent un travail physique ou hautement spécialisé, chirurgiens et anesthésistes ou plombiers et électriciens.
Impact sur le métier : minimal ou nul
Stratégie en matière de talents : formation continue aux fondamentaux de l'IA générative
L'IA générative aura peu d'impact sur le travail manuel, en particulier hautement spécialisé. Ce sont principalement les tâches périphériques et de moindre valeur ajoutée, comme la rédaction de notes sur les patients dans le cas d'un chirurgien, qui pourraient se voir optimisées par l'IA générative.
La technologie modifiera toutefois le travail qui s'effectue autour de la fonction. Pour un chirurgien, il peut s'agir de diagnostics médicaux ou de communications avec le patient et de soins de suivi plus personnalisés. La qualité du travail effectué augmentera également à mesure que les systèmes utilisés par le chirurgien évolueront pour fournir davantage d'informations sur le patient, la meilleure approche thérapeutique et les dernières recherches et procédures cliniques. Cela se traduit par une mise en avant des informations les plus pertinentes et à la plus haute valeur ajoutée à partir des vastes quantités de données disponibles.
La formation spécialisée en IA générative n'est pas une priorité absolue pour cette cohorte. Cependant, la compréhension des bases de l'IA générative, des considérations éthiques et des méthodes de collaboration avec les outils d'IA peut aider ces professionnels à intégrer la technologie à leurs flux de travail, ce qui augmente l'efficacité sans modifier leurs fonctions principales.
Cela pourrait entraîner une très légère réduction du nombre de travailleurs nécessaires, car l'IA générative permet d'accomplir les tâches plus rapidement. Mais dans l'ensemble, la pyramide traditionnelle du personnel reste inchangée, car les travailleurs de cette cohorte devront toujours acquérir de l'ancienneté à mesure qu'ils accumulent de l'expérience et des connaissances pratiques.
Les métiers augmentés par l'IA
En bref
La cohorte augmentée verra les tâches à faible valeur ajoutée automatisées dans une plus large mesure, ce qui entraînera des changements significatifs dans ses méthodes de travail. Même si l'IA contribue à l'accomplissement de certaines tâches de plus grande valeur ajoutée, les tâches essentielles liées à la fonction resteront en grande partie la prérogative des humains.
Les compétences reposant sur la production, comme la rédaction de premières ébauches et de synthèses, perdront de la valeur, tandis que la prise de décision, la communication, la collaboration et la résolution de problèmes gagneront en importance.
Points saillants
Automatisation : de nombreuses tâches de moindre valeur ajoutée, quelques tâches de plus grande valeur ajoutée
Types de travailleurs :
- Personnel créatif (du graphiste débutant jusqu'à la direction de la création) ;
- Éducateurs (de l'assistant d'éducation à la direction) ;
- Avocats (de l'avocat stagiaire à l'avocat général) ;
- Hauts dirigeants d'entreprise (du directeur opérationnel au PDG).
Impact sur l'emploi : modéré
Stratégie en matière de talents : mise à niveau sur les outils d'IA générative, avec une formation personnalisée aux nouvelles façons de travailler avec ces outils.
Lorsque l'IA générative a fait son apparition, l'un des principaux facteurs de différenciation était sa capacité à produire des documents créatifs tels que des textes marketing, des poèmes et des conceptions visuelles. En conséquence, des fonctions comme celles de directeur artistique, de directeur de la création, de rédacteur et de concepteur semblent menacées d'automatisation complète.
À présent, la menace semble s'être atténuée, et non seulement parce que les modèles d'IA générateurs d'images produisent encore des résultats d'apparence fantastique et irréaliste plutôt qu'authentique et naturelle. C'est aussi parce que ces puissants outils ne peuvent rien produire du tout tant que quelqu'un ne leur dit pas ce qu'ils doivent produire. La plupart des entreprises ont découvert que ce travail était mieux réalisé par une personne capable de concevoir et d'exprimer un ensemble d'instructions clairement définies pour obtenir un résultat d'excellence : en d'autres termes, un concepteur ou un directeur créatif.
Il en va de même pour les autres postes augmentés. Pour les enseignants, l'IA peut accélérer les tâches telles que la planification des cours et les devoirs. Pour les avocats, elle peut aider à analyser les précédents, à préparer des dossiers et à déposer des recours. Les dirigeants d'entreprise, quant à eux, peuvent s'appuyer sur l'IA générative pour des tâches telles que la préparation et l'approbation des budgets et des bilans, ainsi que l'analyse des opérations commerciales.
Cependant, alors que les compétences requises pour effectuer les tâches automatisables perdront de la valeur, celles associées aux tâches non automatisées en gagneront, car ces professionnels disposeront de la marge de manœuvre nécessaire pour affiner ces capacités exclusivement humaines.
Les enseignants se concentreront davantage sur l'implication des élèves et la personnalisation des expériences d'apprentissage. Les juristes mettront davantage l'accent sur la présentation des dossiers, la négociation des règlements et le conseil aux clients, pour lesquels la résolution de problèmes complexes et des compétences interpersonnelles sont cruciales. De même, les chefs d'entreprise feront preuve de plus d'empathie et prendront davantage de décisions pour mener à bien leurs initiatives stratégiques.
Les outils d'IA générative peuvent considérablement améliorer la productivité et la qualité du travail effectué par ces professionnels. C'est particulièrement vrai aux niveaux inférieurs de la pyramide des talents, où les personnes moins expérimentées peuvent atteindre plus rapidement des niveaux de compétence plus élevés via des outils d'IA générative qu'il ne leur en faudrait pour développer ces compétences par elles-mêmes.
La préoccupation la plus urgente en matière de compétences est de doter les travailleurs des outils et de la formation dont ils ont besoin, tels que la rédaction de requêtes, afin d'accroître la valeur ajoutée d'un éventail de tâches existant.
L'IA générative peut automatiser un grand nombre de tâches de bas niveau effectuées dans le cadre de ces fonctions. Le nombre de personnes chargées d'effectuer les tâches de routine pourrait donc diminuer. Toutefois, au fil du temps, à mesure que les jeunes travailleurs acquièrent des compétences en IA générative sur le lieu de travail (ou qu'ils entrent sur le marché du travail avec ces compétences), la nature du travail au bas de la pyramide pourrait changer et l'élever vers le milieu de la pyramide.
Cette dynamique pourrait également accroître le besoin de professionnels de haut niveau qui endossent des responsabilités plus complexes impliquant la faculté de juger, la vérification ou l'évaluation de la qualité, la collaboration ou la stratégie.
Les métiers transformés par l'IA
En bref
Le changement est beaucoup plus radical pour ce groupe. De nombreuses tâches de grande ou de faible valeur ajoutée peuvent être automatisées par l'IA générative, ce qui laisse aux travailleurs une poignée de tâches importantes à accomplir, mais potentiellement trop peu nombreuses pour justifier un poste à temps plein.
En conséquence, ces métiers évolueront complètement. Ils pourraient conduire à une réorientation ou se redéfinir en fonction des tâches à forte valeur ajoutée qui restent à accomplir, ainsi que des nouvelles tâches rendues nécessaires par l'utilisation de l'IA générative. Autrement, ils pourraient basculer vers des postes hyperspécialisés exigeant des ensembles de compétences spécifiques.
Points saillants
Automatisation : un grand nombre de tâches à faible et à forte valeur ajoutée
Types de travailleurs :
- Programmeurs (du développeur junior au responsable de la programmation) ;
- Analystes financiers (de l'analyste débutant au responsable de la recherche/gestionnaire de portefeuille) ;
- Rédacteur technique (du spécialiste en documentation au directeur technique).
Impact sur l'emploi : majeur
Stratégie en matière de talents : requalification pour accéder à des postes et à des emplois entièrement nouveaux
Si l'IA générative peut aujourd'hui accomplir un grand nombre des tâches clés de ces fonctions, les nouveaux types de travail émergents auront une valeur ajoutée extrêmement élevée, à condition que les effectifs se soient formés pour les accomplir.
Par exemple, un grand nombre des tâches les plus valorisantes effectuées par les programmeurs informatiques sont très susceptibles de se voir automatisées par l'IA générative, y compris l'écriture de code. Pour autant, le besoin d'un ensemble de compétences analytiques et d'une compréhension de la conception des systèmes ne disparaîtra pas.
Ce poste ne disparaîtra pas, il sera transformé et se concentrera de plus en plus sur des compétences humaines à haute valeur ajoutée telles que la communication, la collaboration et la résolution de problèmes. Les programmeurs informatiques, par exemple, se concentrent de plus en plus sur le développement itératif et rapide. Ils devront s'accorder avec les utilisateurs professionnels, concevoir ensemble des solutions à la volée et apporter des changements en fonction des résultats en temps réel qu'ils constatent.
Ils combleront également les lacunes entre les équipes de programmation, d'ingénierie et techniques afin de favoriser un processus de développement plus intégré et cohérent.
L'impact sur les pyramides de talents est significatif. Si un travail s'automatise à 80 %, par exemple, les entreprises n'auront peut-être plus besoin d'autant d'employés. D'un autre côté, de nouveaux emplois apparaîtront, souvent dans les couches intermédiaires de la pyramide.
Par exemple, les entreprises peuvent créer une réserve de travailleurs hyperspécialisés qui effectuent les 10 à 20 % des tâches impossibles à automatiser dans le cadre de fonctions multiples. Prenons l'exemple d'une nouvelle fonction créée en combinant les tâches non automatisables qui subsistent pour les développeurs et les testeurs de logiciels.
Elles peuvent aussi choisir de créer des fonctions entièrement nouvelles. Si les analystes financiers consacrent moins de temps à des tâches hautement automatisables telles que l'analyse de données et la compilation de notes de recherche, par exemple, ils pourront se concentrer davantage sur la collaboration avec les banquiers d'affaires pour attirer de nouveaux clients, sur la présentation de rapports et sur leur rôle de référence pour la tarification des actifs. Autrement, ils pourront également occuper de nouveaux postes, par exemple experts en définition de la valeur des actifs et des produits de l'entreprise.
Dans d'autres cas encore, les emplois deviendront hyperspécialisés sur des tâches à haute valeur ajoutée ou des tâches émergentes par l'utilisation de l'IA. Si 50 % d'un travail est automatisable, les travailleurs peuvent concentrer 100 % de leur énergie aux tâches restantes, ce qui accroît leur productivité. Imaginons des programmeurs utiliser des ensembles d'outils d'IA pour produire des logiciels plus performants que jamais, ou des analystes financiers traduire les informations en recommandations de manière beaucoup plus efficace. Leurs responsabilités les amèneraient ensuite à aider les équipes commerciales à clarifier les stratégies d'investissement et les suggestions de produits auprès des clients.
Les emplois entièrement automatisables par l'IA
En bref
Peu de tâches effectuées par ce groupe requièrent des compétences spécialisées ou de l'expérience, ce qui les rend extrêmement compatibles avec l'automatisation par l'IA générative. Les entreprises peuvent choisir de supprimer progressivement ces emplois et de les automatiser complètement. Elles peuvent aussi évaluer les compétences à haute valeur ajoutée des titulaires de ces fonctions, telles que la réflexion critique, la résolution des problèmes et la prise de décision, afin de les aider à l'exercer d'une nouvelle manière ou à changer de fonction.
Points saillants
Automatisation : pratiquement toutes les tâches sont automatisées
Types de travailleurs :
- Chargés de la saisie de données (de l'employé à l'expert en saisie de données) ;
- Assistants statistiques (de l'assistant de recherche au technicien en statistiques) ;
- Gestionnaires de paie et de pointage ;
- Agents de service client
Impact sur l'emploi : perturbateur
Stratégie en matière de talents : requalification en vue d'une réaffectation à un nouveau poste ou d'un retrait de la fonction
Cette cohorte comprend de nombreuses professions traditionnellement « peu qualifiées » dont les tâches (de la compilation de rapports au traitement des salaires) peuvent être effectuées plus rapidement, plus efficacement et plus précisément grâce à l'IA générative. Toutefois, alors que ces fonctions pourraient faire l'objet d'une automatisation intégrale par l'IA générative, cela pourrait nettement fragiliser la pyramide des talents. En effet, bon nombre de ces postes forment traditionnellement l'afflux de potentiels parmi lesquels les entreprises recrutent pour les postes intermédiaires et supérieurs.
En outre, les compétences en matière de pensée critique, de prise de décision et de résolution des problèmes requises pour un grand nombre de ces postes conserveront toujours de la valeur. Si la réduction des effectifs est une solution, la requalification des employés pour des postes à plus forte valeur ajoutée constitue donc une alternative viable et souvent préférable.
Les agents de service client illustrent bien cette opportunité. Au fil du temps, ceux-ci développent une connaissance institutionnelle approfondie des systèmes et processus de l'entreprise, ainsi que des produits et des services qu'elle propose. Ces connaissances sont très précieuses pour les postes d'analystes métiers, de concepteurs de solutions ou d'architectes de produits.
À mesure que l'IA générative automatise leurs interactions de routine, les agents de service client pourraient se concentrer sur les aspects plus complexes de la résolution de problèmes. Ils adopteraient ainsi de nouvelles méthodes de travail ou changeraient plus facilement de poste.
En matière de réaffectation des postes de service client, prenons l'exemple d'IKEA : depuis 2021, 8 500 agents de centres de prise d'appel ont bénéficié d'une formation pour devenir conseillers en décoration d'intérieur. Jusqu'à présent, l'entreprise n'a pas prévu de réduire ses effectifs, même si son chatbot a traité 47 % des demandes clients acheminées vers les centres de prise d'appel au cours des deux dernières années.
Les chefs d'entreprise doivent définir une position stratégique claire : réorientation des professionnels titulaires de fonctions hautement automatisables vers d'autres secteurs de l'entreprise ou simple licenciement? Des stratégies d'entreprise différentes apporteront des réponses différentes. En réalité, les entreprises doivent se préparer à un monde dans lequel de vastes segments de leur main-d'œuvre peuvent encore apporter de la valeur ajoutée, mais d'une manière très différente d'aujourd'hui.
Manuel de gestion des talents
1. Gérer l'intégrité de votre pyramide des talents
Les salariés débutants, chargés d'exécuter des tâches peu qualifiées, constituent la base de l'écosystème des compétences actuel. Cependant, à l'heure actuelle, ces tâches de premier niveau sont très susceptibles d'être automatisées par l'IA générative.
Sans la progression régulière des employés qui acquièrent des compétences au fil du temps et gravissent les échelons, la pyramide des talents pourrait complètement s'effondrer. La raréfaction des tâches moins qualifiées réservées aux subalternes obligerait les entreprises à investir davantage dans les employés débutants qu'elles embauchent. En effet, ces professionnels auraient besoin de plus de temps pour commencer à contribuer efficacement et de plus de formation au début de leur carrière.
Si ce fossé entre les emplois débutants se creuse de manière spectaculaire, une intervention des pouvoirs publics sous la forme de programmes d'apprentissage ou d'autres mécanismes de financement pourrait s'avérer nécessaire. La mise en œuvre de ces mesures prend toutefois du temps.
Si elle progresse plus lentement, la dynamique du marché pourrait progressivement corriger ce déséquilibre en rendant l'embauche de personnel expérimenté suffisamment coûteuse pour que les entreprises décident de réinvestir dans la formation des nouvelles recrues.
Attendre l'un ou l'autre de ces résultat est une mauvaise stratégie à long terme. Les entreprises devront plutôt commencer à investir dans des modèles de talents viables à court et à long terme, à un niveau probablement très inhabituel pour elles. Plutôt que d'automatiser l'ensemble des tâches, elles devront confier aux travailleurs débutants un sous-ensemble de tâches de faible valeur ajoutée à exécuter pendant leur gain d'expérience et d'expertise. En parallèle, ils participeront à des programmes de formation complets pour passer plus rapidement à des fonctions plus complexes et moins automatisables, pour lesquelles ils devront perfectionner des compétences humaines essentielles impliquant la faculté de juger et la communication interpersonnelle.
2. Cultiver en permanence l'expérience et l'expertise humaines
Les nombreux exemples que nous avons analysés tendent à la réduction des tâches à forte valeur ajoutée accomplies par les professionnels expérimentés. Ils deviendraient alors dépositaires du travail effectué par l'IA générative par la vérification et la validation de ses résultats. Toutefois, cela présente un défi important à long terme, à savoir la perte d'ensembles de compétences critiques qui, bien qu'automatisables, offrent une importante valeur ajoutée.
Les concepteurs reconnaissent une bonne conception grâce à leur expérience dans ce domaine. De même, les programmeurs savent à quoi ressemble un mauvais code parce qu'ils ont de nombreuses années de codage à leur actif. Lorsqu'il devient impossible d'acquérir cette expérience pratique et cette compréhension nuancée en effectuant soi-même les tâches, la profondeur et l'étendue de l'expertise au sein d'une entreprise s'en trouvent menacées. Cette érosion des compétences peut diminuer la capacité d'innovation et de résolution des problèmes de la main-d'œuvre, car elle devient de plus en plus dépendante des outils d'IA.
La dépendance organisationnelle envers l'IA pourrait également s'avérer difficile à inverser. Si les systèmes d'IA échouent ou produisent des résultats décevants, le manque de professionnels expérimentés capables de résoudre les problèmes pourrait représenter un risque important pour l'entreprise.
Les entreprises doivent trouver l'équilibre entre exploitation de l'IA à des fins d'efficacité et maintien du développement de compétences humaines essentielles, en veillant à ce que leur main-d'œuvre continue à développer et à conserver une expertise précieuse. Il peut s'agir de créer des opportunités pour les employés de s'impliquer dans des tâches pratiques, de fournir des programmes d'apprentissage et de développement continus, et de favoriser une culture qui valorise les contributions humaines et celles de l'IA.
3. Se préparer au changement du comex
Notre rapport s'est principalement concentré sur les travailleurs intermédiaires et inférieurs de la hiérarchie d'entreprise, compte tenu de leur exposition à l'IA générative. Cependant, cet impact concerne également l'échelon supérieur.
Bien que les postes de direction, à l'image du PDG, soient relativement protégés de l'automatisation en raison du niveau de responsabilité de ces postes et de leurs pouvoirs décisionnels, nous prévoyons que l'empiètement de l'IA sur certaines activités du comex transformera fondamentalement les compétences et l'expérience requises à ce niveau.
Les systèmes d'IA peuvent traiter de grandes quantités de données, identifier des tendances et proposer des décisions stratégiques avec une rapidité et une précision inégalées, potentiellement supérieures aux capacités humaines. En conséquence, les compétences et l'expérience traditionnellement liées à la prise de décision des cadres pourraient devenir moins essentielles. Cela pourrait conduire à une réduction de la taille des comex, étant donné que les entreprises comptent davantage sur l'IA que sur de grandes équipes dirigeantes pour appuyer les décisions stratégiques.
Certains, dont le PDG d'OpenAI, Sam Altman, envisagent même la possibilité de créer des entreprises d'une valeur d'un milliard de dollars avec un seul employé : un PDG à la barre, tandis que l'IA gère toutes les autres fonctions de l'entreprise. Cet exemple extrême illustre à quel point la planification de la transmission peut devenir un problème : que se passe-t-il pour l'entreprise si son seul employé tombe malade ou se retrouve en incapacité de travailler ?
À une échelle plus raisonnable, la diminution de la taille du comex génère des défis similaires. Les entreprises ont besoin d'un vivier diversifié de cadres en mesure de mettre leurs compétences et leur expérience à disposition à tout moment, à différents niveaux de l'entreprise et selon ses besoins. Si la perspective de cadres automatisés peut paraître absurde, la prolifération des systèmes automatisés utilisés dans la prise de décision peut réduire l'exposition des jeunes dirigeants au processus et tarir l'afflux de cadres aguerris. Les entreprises doivent continuer à impliquer les cadres intermédiaires afin de s'assurer qu'ils engrangent l'expérience dont ils auront un jour besoin au sommet de la hiérarchie.
4. Les compétences au service des résultats tangibles et intangibles
Pour favoriser une culture en faveur de l'innovation, les entreprises doivent offrir à tous les employés la possibilité d'expérimenter l'IA générative sans la pression d'un rendement immédiat.
L'un des moyens d'y parvenir est de créer un espace où chacun peut prendre le temps d'explorer les outils d'IA, de tester des idées et de développer des compétences pratiques dans un cadre peu contraignant. Même si ces investissements ne produisent pas un retour sur investissement immédiat, ils permettent aux employés d'apprendre par la pratique.
L'adoption d'un état d'esprit de type « fail-fast » nécessite un changement d'orientation de la part des dirigeants, qui doivent donner la priorité à la croissance à long terme plutôt qu'à la rentabilité à court terme. Par la création d'un environnement qui encourage l'expérimentation, les entreprises peuvent développer une main-d'œuvre plus adaptable et prête à relever les défis à venir.
Vision de la future main-d'œuvre
Amélioré, augmenté, transformé, entièrement automatisé : ces quatre catégories de poste existent sous une forme ou une autre au sein de la main-d'œuvre de toute entreprise.
Les décisions que prennent aujourd'hui les chefs d'entreprise en matière de gestion des talents n'ont jamais été aussi importantes pour préparer ces différents groupes de métiers à travailler avec l'IA générative. Elles auront non seulement un impact sur les individus qui occupent ces postes, mais également des conséquences majeures sur leurs propres modèles de talents et sur la forme de leur main-d'œuvre dans un avenir proche et lointain.
Comme toutes les innovations, l'IA générative aura un effet à la fois additif et soustractif. En évaluant soigneusement les changements apportés aux postes, aux tâches et aux compétences par l'adoption de l'IA générative, les entreprises peuvent élaborer une équation qui modélise les ajouts et les multiplications qu'elle rend possibles.
Ollie O'Donoghue
Senior Director, Cognizant Research
Ollie O'Donoghue dirige Cognizant Research, fort de plus d'une décennie d'expérience en tant qu'analyste sectoriel et consultant. Il s'attache principalement à comprendre l'impact des nouvelles tendances économiques et technologiques sur les entreprises et les industries.
Tout au long de sa carrière, Ollie a partagé son expertise avec des dirigeants afin de les aider à prendre les meilleures décisions dans un contexte de transformation numérique, d'environnements économiques changeants et de nouveaux modèles économiques. Il a également contribué à affiner les messages marketing et à développer des stratégies de commercialisation pour de grandes entreprises de services informatiques et des éditeurs de logiciels.
