AIPTLF 2025 - du 8 au 11 juillet 2025
Qualité de Vie :
Du Travail aux Autres Sphères de l'Existence
Session :
Pourquoi et comment les chercheurs utilisent l'intelligence artificielle pour traiter leurs données sur la satisfaction au travail : une étude PRISMA
AUBOUIN-BONNAVENTURE J. 1, SINAN G. 1, CHEVALIER S. 1, SERRES B. 2,3, VENTURINI G. 3, FOUQUEREAU E. 1
1 QualiPsy UR 1901, Université de Tours, Tours, France; 2 CETU ILIAD3, Université de Tours, Tours, France; 3 LIFAT, Université de Tours, Tours, France
L'évolution rapide des outils d'Intelligence Artificielle (IA) disponibles génère des changements importants dans tous les secteurs professionnels, y compris dans celui de la recherche scientifique. Spécifiquement dans ce dernier, les chiffres démontrent que l'IA suscite actuellement un intérêt sans précédent de la part des chercheurs. Ainsi, alors que PubMed recensait 95 articles publiés comportant le terme « intelligence artificielle » dans leur titre et/ou leur résumé en 2010, il en dénombrait 5413 en 2020, et 18 013 en 2024. Cet emballement préfigure l’intensité des changements qui s’annoncent dans la recherche scientifique dans les prochaines années et témoigne de l’avènement d’un changement de paradigme dans la manière de concevoir les protocoles de recherche et de traiter les données.
L’utilisation des outils d'IA génère de nouveaux défis pour les chercheurs, car elle soulève des questions sur leur intérêt par rapport aux approches traditionnelles et sur leur intégration de plus en plus fréquente dans les études scientifiques. Or, si des travaux scientométriques sur l’usage de l’IA dans de la recherche scientifique en médecine ont déjà été publiés (e.g., Tran et al., 2019), il n’existe pas à notre connaissance, d’étude de ce type centrée sur son utilisation dans la recherche scientifique en psychologie du travail et des organisations. Afin de dépasser un tel constat et d’apporter notre contribution à la connaissance des usages de l’IA dans ce champ disciplinaire, nous avons fait le choix de nous centrer sur l'un des construits les plus étudiés dans cette littérature : la satisfaction au travail (Judge et al., 2017).
Précisément, cette étude a pour objectif de comprendre pourquoi et comment les chercheurs utilisent le Machine Learning (ML) pour analyser leurs données sur la satisfaction au travail. Elle vise donc à apporter des éléments de réponse notamment aux questions suivantes : (1) Quels sont les objectifs scientifiques des chercheurs utilisant le ML pour traiter leurs données sur la satisfaction au travail ? (2) Sur quelles méthodes de collecte et quelle taille d’échantillon ont-ils fondé leurs recherches ? (3) Quels traitements de ML ont-ils adoptés ? (4) Quels intérêts et limites les chercheurs ont-ils évoqués pour le traitement des données par ML comparativement à ceux des analyses statistiques traditionnelles ?
Pour ce faire, nous avons procédé à une revue systématique de la littérature avec la méthode PRISMA (Page et al., 2021) sur les études publiées au cours des 5 dernières années (2020-2024) qui traitent des données sur la satisfaction au travail à l'aide du ML. Quatre bases de données ont permis le recensement d’un panel de 279 articles avec les mots-clés suivant : “artificial intelligence” OR “Machine learning” OR “deep learning” OR “neural network” OR “random Forest” AND “Job satisfaction” OR “work satisfaction” OR “employee satisfaction” OR “worker satisfaction” OR “occupational satisfaction” OR “satisfaction at work”. Trois évaluateurs indépendants ont ensuite évalué leur pertinence par rapport à nos questions de recherche. Finalement, 29 articles ont été retenus pour l’extraction des données.
L’analyse des données issues de cette revue systématique de la littérature est en cours de finalisation. Les éléments de réponse aux différentes questions posées ci-dessus feront l’objet d’une présentation détaillée. Les contributions méthodologiques de ce travail et les perspectives de recherche identifiées seront discutées.
References: