Colleague Skill : comment un projet chinois numérise les employés avant leur licenciement

Le projet chinois Colleague Skill est apparu sur GitHub et a gagné des milliers d'étoiles en quelques semaines : son idée est à la fois simple et alarmante — enregistrer tout ce qu'un salarié sait avant d'être licencié et transférer ces connaissances à un agent IA successeur.

Qu'est-ce que la « distillation » de salarié

Le terme est emprunté au machine learning : la distillation de modèle est le transfert de connaissances d'un grand réseau de neurones vers un petit. La logique est la même ici, sauf que la source de connaissances est une personne vivante. La pratique consiste à créer des ensembles de données à partir du travail réel d'un spécialiste — sa correspondance, ses documents, ses décisions, ses modèles de comportement — et ensuite affiner un modèle de langage qui imitera le style et les compétences de ce salarié spécifique.

Il ne s'agit pas d'un projet isolé. Des outils similaires apparaissent sur GitHub sous différents noms — Knowledge Transfer AI, Employee Distillation, Skill Extraction. La tendance vient de Chine, où les entreprises automatisent activement les processus, mais se répand rapidement aux startups occidentales.

Le projet Colleague Skill automatise ce processus. Un gestionnaire connecte les chats d'entreprise, le courrier électronique et les fichiers de travail du salarié, lance le pipeline — et obtient une « empreinte numérique » du spécialiste, prête à être intégrée dans l'assistant IA d'entreprise. De plus, cela peut être fait tandis que la personne est encore au travail ou immédiatement après avoir reçu un avis de licenciement.

Qu'est-ce qui entre exactement dans l'ensemble de données

Un ensemble de données typique qu'un tel système traite :

• Correspondance dans Slack, Teams, WeChat au cours des 1–3 dernières années
• Commentaires de code, pull requests et décisions architecturales
• Chaînes d'email avec les clients, partenaires et collègues
• Documents internes, feuilles de calcul, rapports avec historique des modifications
• Enregistrements d'appels et transcriptions de réunions

Le résultat est un modèle qui sait exactement comment ce spécialiste répondait aux questions inconfortables des clients, comment il formatait le code et comment il résolvait les conflits dans l'équipe. En essence, une copie numérique d'une personnalité professionnelle — créée à l'insu de la personne elle-même.

Bombe juridique et éthique

C'est ici que commencent les véritables problèmes. Dans la plupart des pays, un salarié dispose de droits limités mais réels sur les données concernant ses activités. Le RGPD européen exige le consentement explicite pour l'utilisation de données personnelles de salariés à de nouvelles fins. Le CCPA californien, depuis 2020, donne aux travailleurs le droit de savoir quelles données leur employeur collecte à leur sujet. La loi russe sur la protection des données personnelles est également formellement applicable, bien que son application dans les litiges du travail soit encore limitée.

« Ce n'est pas seulement une question d'éthique.

Si une entreprise entraîne un modèle sur des données de salariés sans leur consentement — c'est une violation potentielle de plusieurs actes législatifs », écrivent les participants d'une discussion sur Hacker News.

La plupart des contrats de travail d'entreprise sont rédigés sans tenir compte de ce scénario. Ils ne contiennent ni interdiction explicite ni permission explicite d'utiliser l'empreinte numérique d'un salarié pour l'entraînement IA. C'est une zone grise où l'issue d'un différend dépend de la juridiction, de la rédaction du contrat et de la volonté des parties d'aller devant les tribunaux. Une question distincte est ce qui se passe avec le salarié « distillé » après son départ. Sa copie numérique continue de « travailler », de prendre des décisions selon son style, d'interagir avec ses anciens collègues et clients. La personne n'est plus dans l'entreprise, mais sa personnalité professionnelle l'est.

Ce que cela signifie

La « distillation de salariés » est déjà un outil fonctionnel, pas un concept du futur. Tant que les régulateurs n'ont pas formulé de règles, les entreprises font face à un choix : utiliser un outil puissant de transfert de connaissances avec risque juridique, ou attendre pendant que les concurrents le font déjà. Pour les salariés, cela signifie une nouvelle réalité : les données professionnelles deviennent un actif d'entreprise bien avant que des lois n'émergent pour le réglementer. C'est précisément pour cette raison que Colleague Skill n'est pas simplement un projet viral GitHub, mais un symptôme d'une transformation bien plus large du marché du travail.