TED2018
Tamekia MizLadi Smith: How to train employees to have difficult conversations
Tamekia MizLadi Smith: Comment former les employés aux discussions difficiles
Filmed:
Readability: 3.9
2,028,253 views
Il est grand temps d'investir dans des formations individuelles qui donnent les outils aux employés pour tenir des discussions difficiles, nous affirme Tamekia MizLadi Smith. Avec humour et un brin de provocation, elle nous présente un programme de formation professionnelle appelé « Je suis E.S.T.I.MÉ. » qui inspire les dirigeants et employés à communiquer avec compassion et respect. Le minimum est de toujours expliquer aux gens pourquoi leur travail est important.
Tamekia MizLadi Smith - Performer, mentor
Tamekia MizLadi Smith wants to start new conversations around involving non-clinical staff in healthcare. Full bio
Tamekia MizLadi Smith wants to start new conversations around involving non-clinical staff in healthcare. Full bio
Double-click the English transcript below to play the video.
00:12
We live in a world
where the collection of data
where the collection of data
0
968
2198
Nous vivons dans un monde
où on collecte les données
où on collecte les données
00:15
is happening 24 hours a day,
seven days a week,
seven days a week,
1
3190
2548
24 heures par jour,
sept jours sur sept,
sept jours sur sept,
00:17
365 days a year.
2
5762
2293
365 jours par an.
00:20
This data is usually collected by
what we call a front-desk specialist now.
what we call a front-desk specialist now.
3
8730
4323
Les données sont collectées
par les spécialistes en première ligne.
par les spécialistes en première ligne.
00:25
These are the retail clerks
at your favorite department stores,
at your favorite department stores,
4
13077
3120
Ce sont les vendeurs des grands magasins,
00:28
the cashiers at the grocery stores,
5
16221
2443
les caissiers dans les épiceries,
00:30
the registration specialists
at the hospital
at the hospital
6
18688
2605
les réceptionnistes dans les hôpitaux,
et même la personne qui vous a vendu
votre billet de cinéma récemment.
votre billet de cinéma récemment.
00:33
and even the person that sold you
your last movie ticket.
your last movie ticket.
7
21317
3114
00:36
They ask discreet questions, like:
"May I please have your zip code?"
"May I please have your zip code?"
8
24908
3875
Ils vous posent des questions anodines :
« Pourrais-je avoir votre code postal ? »
« Pourrais-je avoir votre code postal ? »
ou : « Souhaitez-vous utiliser
votre carte de réduction aujourd'hui ? »
votre carte de réduction aujourd'hui ? »
00:40
Or, "Would you like to use
your savings card today?"
your savings card today?"
9
28807
3111
00:44
All of which gives us data.
10
32369
2309
Tout cela nous donne des données.
00:46
However, the conversation
becomes a little bit more complex
becomes a little bit more complex
11
34702
4587
Toutefois, la conversation
se complique un peu
se complique un peu
00:51
when the more difficult questions
need to be asked.
need to be asked.
12
39313
3318
quand il faut poser
des questions plus difficiles.
des questions plus difficiles.
00:54
Let me tell you a story, see.
13
42655
1793
Écoutez cette histoire.
00:56
Once upon a time, there was
a woman named Miss Margaret.
a woman named Miss Margaret.
14
44750
3018
Il était une fois une femme
qui s'appelait Miss Margaret.
qui s'appelait Miss Margaret.
00:59
Miss Margaret had been
a front-desk specialist
a front-desk specialist
15
47792
2151
Miss Margaret était réceptionniste
01:01
for almost 20 years.
16
49967
1460
depuis presque 20 ans.
01:03
And in all that time, she has never,
and I do mean never,
and I do mean never,
17
51451
3817
Elle n'avait jamais, pas une seule fois,
01:07
had to ask a patient their gender,
race or ethnicity.
race or ethnicity.
18
55292
3520
dû demander à un patient son sexe,
sa race ou son ethnie.
sa race ou son ethnie.
01:10
Because, see, now Miss Margaret
has the ability to just look at you.
has the ability to just look at you.
19
58836
3223
Miss Margaret, voyez-vous, a deux yeux
qui peuvent observer.
qui peuvent observer.
01:14
Uh-huh.
20
62083
1158
Oh, oh.
01:15
And she can tell
if you are a boy or a girl,
if you are a boy or a girl,
21
63265
2777
Elle voit si vous êtes
un homme ou une femme,
un homme ou une femme,
01:18
black or white, American or non-American.
22
66066
3237
blanc ou noir, américain ou pas.
01:21
And in her mind,
those were the only categories.
those were the only categories.
23
69327
3238
Dans son esprit,
ce sont les seules catégories.
ce sont les seules catégories.
01:24
So imagine that grave day,
24
72589
2016
Imaginez donc le jour
01:26
when her sassy supervisor invited her
to this "change everything" meeting
to this "change everything" meeting
25
74629
4893
où sa chef, l'insolente, l'a invitée
à une réunion pour « tout changer »
à une réunion pour « tout changer »
01:31
and told her that would have to ask
each and every last one of her patients
each and every last one of her patients
26
79546
3634
et lui a dit qu'elle devrait demander
à chaque patient, à tous les patients,
à chaque patient, à tous les patients,
01:35
to self-identify.
27
83204
1405
de s'identifier.
01:36
She gave her six genders,
eight races and over 100 ethnicities.
eight races and over 100 ethnicities.
28
84633
4770
Elle lui a remis une liste de 6 genres,
8 races et plus de 100 ethnies.
8 races et plus de 100 ethnies.
01:41
Well, now, Miss Margaret was appalled.
29
89427
2588
Miss Margaret était choquée.
En fait, elle s'est sentie insultée.
01:44
I mean, highly offended.
30
92039
1397
01:45
So much so that she marched down
to that human-resource department
to that human-resource department
31
93460
3331
À un point tel qu'elle est allée
directement aux ressources humaines
directement aux ressources humaines
01:48
to see if she was eligible
for an early retirement.
for an early retirement.
32
96815
2524
pour vérifier si elle avait
droit à la pré-retraite.
droit à la pré-retraite.
01:51
And she ended her rant by saying
33
99363
1960
Elle a conclu sa diatribe en expliquant
01:53
that her sassy supervisor invited her
to this "change everything" meeting
to this "change everything" meeting
34
101347
4870
que son arrogante chef l'avait
conviée cette réunion « tout changer »
conviée cette réunion « tout changer »
01:58
and didn't, didn't, even, even
35
106241
2024
sans même, sans même,
02:00
bring, bring food, food, food, food.
36
108289
3028
apporter quelque chose à manger.
02:03
(Laughter)
37
111341
1154
(Rires)
02:04
(Applause) (Cheers)
38
112519
5067
(Applaudissements) (Encouragements)
02:10
You know you've got to bring food
to these meetings.
to these meetings.
39
118681
2434
Vous savez, on doit apporter
à manger à ces réunions.
à manger à ces réunions.
02:13
(Laughter)
40
121139
2343
(Rires)
02:15
Anyway.
41
123506
1159
Bref.
02:16
(Laughter)
42
124689
1508
(Rires)
02:18
Now, that was an example
of a healthcare setting,
of a healthcare setting,
43
126221
2769
C'est un exemple
dans un établissement de soin.
dans un établissement de soin.
Évidemment, on collecte toutes sortes
de données dans tous les secteurs.
de données dans tous les secteurs.
02:21
but of course, all businesses
collect some form of data.
collect some form of data.
44
129014
3333
02:24
True story: I was going
to wire some money.
to wire some money.
45
132371
3142
Une histoire vraie :
je devais faire un virement bancaire.
je devais faire un virement bancaire.
02:28
And the customer service
representative asked me
representative asked me
46
136165
2555
L'agent au guichet m'a demandé
02:30
if I was born in the United States.
47
138744
2334
si j'étais née aux États-Unis.
02:33
Now, I hesitated to answer her question,
48
141419
2381
J'hésitais avant de répondre,
02:35
and before she even realized
why I hesitated,
why I hesitated,
49
143824
3130
et avant de comprendre
pourquoi j'hésitais,
pourquoi j'hésitais,
02:38
she began to throw the company
she worked for under the bus.
she worked for under the bus.
50
146978
3015
elle a commencé à jeter
son entreprise aux lions :
son entreprise aux lions :
02:42
She said, "Girl, I know it's stupid,
but they makin' us ask this question."
but they makin' us ask this question."
51
150017
5072
« Je sais que c'est ridicule mais,
on nous oblige à poser cette question. »
on nous oblige à poser cette question. »
02:47
(Laughter)
52
155113
1151
(Rires)
Elle m'a expliqué
que je lui avais paru penser :
que je lui avais paru penser :
02:48
Because of the way she presented it to me,
53
156288
2073
02:50
I was like, "Girl, why?
54
158385
1600
« Et alors ?
02:52
Why they makin' you ask this question?
55
160561
2230
Pourquoi vous devez poser cette question ?
02:54
Is they deportin' people?"
56
162815
1802
On expulse les gens ici ? »
02:56
(Laughter)
57
164641
2142
(Rires)
Mais après, le côté poétique
en moi s'est réveillé,
en moi s'est réveillé,
02:58
But then I had to turn on
the other side of me,
the other side of me,
58
166807
2222
03:01
the more professional
speaker-poet side of me.
speaker-poet side of me.
59
169053
2568
mon côté poétique professionnel.
03:04
The one that understood that there were
little Miss Margarets all over the place.
little Miss Margarets all over the place.
60
172164
4150
Celui qui comprend
que les Miss Margaret sont partout.
que les Miss Margaret sont partout.
03:08
People who were good people,
maybe even good employees,
maybe even good employees,
61
176871
2968
Des gens qui sont des gens bien,
et sans doute de bons employés,
et sans doute de bons employés,
03:11
but lacked the ability
to ask their questions properly
to ask their questions properly
62
179863
2552
mais sans les compétences
pour bien poser les questions.
pour bien poser les questions.
03:14
and unfortunately, that made her look bad,
63
182439
2535
Hélas, ça la desservait,
03:16
but the worst, that made
the business look even worse
the business look even worse
64
184998
3246
et pire, ça donnait une plus mauvaise
image de l'entreprise
image de l'entreprise
03:20
than how she was looking.
65
188268
1666
que dans la réalité.
03:22
Because she had no idea who I was.
66
190236
1767
Car elle ne savait pas qui j'étais.
03:24
I mean, I literally could have been
a woman who was scheduled to do a TED Talk
a woman who was scheduled to do a TED Talk
67
192027
3685
Littéralement, j'aurais pu être un orateur
programmé chez TED
programmé chez TED
03:27
and would use her as an example.
68
195736
1778
et l'utiliser comme exemple.
03:29
Imagine that.
69
197538
1300
Imaginez un peu.
03:30
(Applause)
70
198862
4262
(Applaudissements)
03:35
And unfortunately,
71
203148
1183
Malheureusement,
03:36
what happens is people would decline
to answer the questions,
to answer the questions,
72
204355
2895
les gens refusent
de répondre à vos questions,
de répondre à vos questions,
car ils imaginent que vous allez
utiliser cette information
utiliser cette information
03:39
because they feel like
you would use the information
you would use the information
73
207274
2509
03:41
to discriminate against them,
74
209807
1425
pour les discriminer,
03:43
all because of how you presented
the information.
the information.
75
211256
2391
simplement sur base de votre formulation.
Alors, on collecte
des mauvaises informations.
des mauvaises informations.
03:45
And at that point, we get bad data.
76
213671
1778
03:47
And everybody knows what bad data does.
77
215473
2111
On connaît tous l'impact
des mauvaises données.
des mauvaises données.
03:49
Bad data costs you time,
it costs you money
it costs you money
78
217608
2793
Elles coûtent en temps et en argent,
03:52
and it costs you resources.
79
220425
1946
et elles coûtent en ressources.
03:54
Unfortunately, when you have bad data,
80
222395
2563
Malheureusement, des mauvaises données
03:56
it also costs you a lot more,
81
224982
3079
vous coûtent bien plus cher aussi,
04:00
because we have health disparities,
82
228085
2395
car nous avons des conditions
de santé différentes,
de santé différentes,
04:02
and we have social determinants of health,
83
230504
2214
des déterminants sociaux pour notre santé,
04:04
and we have the infant mortality,
84
232742
1658
et la mortalité infantile,
04:06
all of which depends
on the data that we collect,
on the data that we collect,
85
234424
2643
et tout ça dépend des données
que nous collectons,
que nous collectons,
04:09
and if we have bad data,
than we have those issues still.
than we have those issues still.
86
237091
3248
et avec des mauvaises données,
ces problèmes persistent.
ces problèmes persistent.
Il y a aussi les populations défavorisées
04:12
And we have underprivileged populations
87
240363
1899
04:14
that remain unfortunate
and underprivileged,
and underprivileged,
88
242286
2791
qui restent défavorisées et démunies,
04:17
because the data that we're using
is either outdated,
is either outdated,
89
245101
3926
parce que les données que nous utilisons
sont trop vieilles,
sont trop vieilles,
04:21
or is not good at all
or we don't have anything at all.
or we don't have anything at all.
90
249051
3293
ne sont pas exactes,
voire n'existent pas du tout.
voire n'existent pas du tout.
04:24
Now, wouldn't it be amazing
if people like Miss Margaret
if people like Miss Margaret
91
252987
2636
Ne serait-ce pas incroyable
si toutes les Miss Margaret
si toutes les Miss Margaret
04:27
and the customer-service
representative at the wiring place
representative at the wiring place
92
255647
3150
et les personnes au service clientèle
dans les call-centers
dans les call-centers
04:30
were graced to collect data
with compassionate care?
with compassionate care?
93
258821
4374
pouvaient collecter les données
avec compassion et estime ?
avec compassion et estime ?
04:35
Can I explain to you
what I mean by "graced?"
what I mean by "graced?"
94
263562
2317
Qu'est-ce que j'entends par « estime? »
04:38
I wrote an acrostic poem.
95
266324
1666
J'ai écrit un poème
sur base d'un acronyme.
sur base d'un acronyme.
04:40
G: Getting the front desk specialist
involved and letting them know
involved and letting them know
96
268300
4773
E: l'Engagement des spécialistes
aux premières lignes et les informer.
aux premières lignes et les informer.
04:45
R: the Relevance of their role
as they become
as they become
97
273097
3953
S : Souligner la pertinence de leur rôle
04:49
A: Accountable for the accuracy
of data while implementing
of data while implementing
98
277074
3531
T : les Tenir responsables
de l'exactitude des données
de l'exactitude des données
04:52
C: Compassionate care within
all encounters by becoming
all encounters by becoming
99
280629
4044
I : les Investir dans la compassion
pour chaque rencontre avec un client
pour chaque rencontre avec un client
04:56
E: Equipped with the education
needed to inform people
needed to inform people
100
284697
3301
ME : une Meilleure formation
pour comprendre
pour comprendre
05:00
of why data collection is so important.
101
288022
3293
pourquoi la collecte
des données est cruciale.
des données est cruciale.
05:04
(Applause)
102
292315
2949
(Applaudissements)
05:07
Now, I'm an artist.
103
295288
2096
Je suis une artiste.
Ce qu'il se passe
05:09
And so what happens with me
104
297408
1674
quand je suis dans un processus
créatif artistique,
créatif artistique,
05:11
is that when I create
something artistically,
something artistically,
105
299106
2174
c'est que le formateur
en moi se réveille.
en moi se réveille.
05:13
the trainer in me is awakened as well.
106
301304
1923
05:15
So what I did was, I began to develop
that acrostic poem into a full training
that acrostic poem into a full training
107
303251
4072
J'ai donc développé ce poème
en une formation complète
en une formation complète
05:19
entitled "I'm G.R.A.C.E.D."
108
307347
1548
nommée : « Je suis E.S.T.I.MÉ. »
05:20
Because I remember,
being the front-desk specialist,
being the front-desk specialist,
109
308919
2841
Je me souviens de mon expérience
de réceptionniste
de réceptionniste
et quand je me suis alée dans le bureau
pour l'égalité des chances,
pour l'égalité des chances,
05:23
and when I went to the office
of equity to start working,
of equity to start working,
110
311784
2674
05:26
I was like, "Is that why they asked us
to ask that question?"
to ask that question?"
111
314482
3555
je pensais : « Est-ce la vraie raison
pour laquelle on demande ça ? »
pour laquelle on demande ça ? »
05:30
It all became a bright light to me,
112
318061
1768
Tout est devenu très clair soudain.
05:31
and I realized that I asked people
and I told people about --
and I told people about --
113
319853
3637
J'ai compris que je demandais aux gens,
et que je leur affirmais des choses -
et que je leur affirmais des choses -
05:35
I called them by the wrong gender,
I called them by the wrong race,
I called them by the wrong race,
114
323514
3284
je les appelais par le mauvais genre,
par la mauvaise race,
par la mauvaise race,
05:38
I called them by the wrong ethnicity,
115
326822
1803
par la mauvaise ethnie.
05:40
and the environment became hostile,
116
328649
2007
L'environnement devenait hostile,
05:42
people was offended and I was frustrated
because I was not graced.
because I was not graced.
117
330680
4284
les gens se sentaient injuriés et moi,
frustrée car je n'étais pas estimée.
frustrée car je n'étais pas estimée.
05:46
I remember my computerized training,
118
334988
2587
Je me souviens
de ma formation en informatique
de ma formation en informatique
05:49
and unfortunately, that training did not
prepare me to deescalate a situation.
prepare me to deescalate a situation.
119
337599
5626
mais hélas, cette formation ne m'a pas
préparée pour apaiser les situations,
préparée pour apaiser les situations,
05:55
It did not prepare me to have
teachable moments when I had questions
teachable moments when I had questions
120
343249
3376
ni à créer des moments d'apprentissage
sur le sens des questions à poser.
05:58
about asking the questions.
121
346649
1658
06:00
I would look at the computer and say,
"So, what do I do when this happens?"
"So, what do I do when this happens?"
122
348331
3564
Je demandais à mon ordinateur :
« Je fais quoi dans cette situation ? »
« Je fais quoi dans cette situation ? »
06:03
And the computer would say ...
123
351919
1858
Et l'ordinateur me répondait...
06:05
nothing, because a computer
cannot talk back to you.
cannot talk back to you.
124
353801
3268
Rien en fait, parce qu'un ordinateur
ne peut pas vous répondre.
ne peut pas vous répondre.
06:09
(Laughter)
125
357093
3207
(Rires)
06:12
So that's the importance
of having someone there
of having someone there
126
360324
2571
Voilà l'importance d'avoir une personne
06:14
who was trained to teach you
and tell you what you do
and tell you what you do
127
362919
2777
formée pour vous former
et vous dire quoi faire
et vous dire quoi faire
06:17
in situations like that.
128
365720
1690
dans des situations semblables.
06:20
So, when I created
the "I'm G.R.A.C.E.D" training,
the "I'm G.R.A.C.E.D" training,
129
368030
2626
Quand j'ai créé la formation
« Je suis E.S.T.I.MÉ. »,
« Je suis E.S.T.I.MÉ. »,
06:22
I created it with that experience
that I had in mind,
that I had in mind,
130
370680
2994
j'avais cette expérience à l'esprit
06:25
but also that conviction
that I had in mind.
that I had in mind.
131
373698
2516
et la conviction de cette nécessité.
06:28
Because I wanted
the instructional design of it
the instructional design of it
132
376238
2253
Je voulais en effet
que la structure pédagogique
que la structure pédagogique
offre un espace sécurisant
pour avoir des discussions franches.
pour avoir des discussions franches.
06:30
to be a safe space
for open dialogue for people.
for open dialogue for people.
133
378515
2778
06:33
I wanted to talk about biases,
134
381317
1895
Je voulais parler des biais,
06:35
the unconscious ones
and the conscious ones,
and the conscious ones,
135
383236
2397
des biais inconscients et conscients,
06:37
and what we do.
136
385657
1166
et de nos actes.
06:38
Because now I know
that when you engage people in the why,
that when you engage people in the why,
137
386847
3944
Car aujourd'hui, je sais que, quand nous
engageons des gens dans le pourquoi,
engageons des gens dans le pourquoi,
06:42
it challenges their perspective,
and it changes their attitudes.
and it changes their attitudes.
138
390815
3476
ça remet en question leur perspective,
ça change leur attitude.
ça change leur attitude.
06:46
Now I know that data
that we have at the front desk
that we have at the front desk
139
394315
3159
Maintenant, je sais que les données
qu'on obtient à l'accueil
qu'on obtient à l'accueil
06:49
translates into research that eliminates
disparities and finds cures.
disparities and finds cures.
140
397498
4813
se traduisent en recherche
qui supprime les disparités
qui supprime les disparités
et développe des traitements.
06:54
Now I know that teaching people
transitional change
transitional change
141
402335
3706
Maintenant je sais que former les gens
au changement transitoire
au changement transitoire
06:58
instead of shocking them into change
142
406065
2846
au lieu de les condamner au changement,
07:00
is always a better way
of implementing change.
of implementing change.
143
408935
3255
est un meilleur moyen
de mettre en œuvre le changement.
de mettre en œuvre le changement.
Je sais que les gens sont davantage prêts
à partager des informations
à partager des informations
07:04
See, now I know people are more likely
to share information
to share information
144
412214
3046
07:07
when they are treated with respect
by knowledgeable staff members.
by knowledgeable staff members.
145
415284
3859
quand ils sont traités avec respect
par des personnes compétentes.
par des personnes compétentes.
07:11
Now I know that you
don't have to be a statistician
don't have to be a statistician
146
419167
3021
Je sais aussi qu'il n'est pas
nécessaire d'être statisticien
nécessaire d'être statisticien
07:14
to understand the power
and the purpose of data,
and the purpose of data,
147
422212
3001
pour comprendre la puissance
et le sens des données,
et le sens des données,
07:17
but you do have to treat people
with respect and have compassionate care.
with respect and have compassionate care.
148
425237
4364
mais que c'est crucial de traiter les gens
avec respect et compassion.
avec respect et compassion.
07:21
Now I know that when you've been graced,
149
429625
2825
Je sais que quand vous êtes estimé,
c'est votre responsabilité de permettre
à quelqu'un d'autre de se développer.
à quelqu'un d'autre de se développer.
07:24
it is your responsibility
to empower somebody else.
to empower somebody else.
150
432474
3376
07:27
But most importantly, now I know
151
435874
2425
Et plus important, maintenant je sais
07:30
that when teaching human beings
152
438323
2413
que quand on forme des êtres humains
07:32
to communicate with other human beings,
153
440760
3079
à communiquer avec d'autres êtres humains,
07:35
it should be delivered by a human being.
154
443863
3785
ça doit être fait par un être humain.
07:40
(Applause)
155
448117
6792
(Applaudissements)
07:46
So when y'all go to work
156
454933
1849
Quand vous irez au travail,
07:48
and y'all schedule that
"change everything" meeting --
"change everything" meeting --
157
456806
3335
et que vous allez mettre à l'agenda
une réunion « pour tout changer »,
une réunion « pour tout changer »,
07:52
(Laughter)
158
460165
1650
(Rires)
07:53
remember Miss Margaret.
159
461839
1515
souvenez-vous de Miss Margaret.
07:55
And don't forget the food, the food,
the food, the food.
the food, the food.
160
463792
3819
Surtout, n'oubliez pas le repas,
le repas, le repas.
le repas, le repas.
08:00
Thank you.
161
468103
1151
Merci.
08:01
(Applause) (Cheers)
162
469278
5475
(Applaudissements) (Encouragements)
08:06
Thank you.
163
474777
1175
Merci.
08:07
(Applause)
164
475976
1595
(Applaudissements)
ABOUT THE SPEAKER
Tamekia MizLadi Smith - Performer, mentorTamekia MizLadi Smith wants to start new conversations around involving non-clinical staff in healthcare.
Why you should listen
As a spoken-word performer, Tamekia MizLadi Smith educates and empowers her audiences with what she calls EDUtainment, a witty combination of music and storytelling. She has worked as a consultant and mentor for programs such as Girls in Action, Dear Sistah Girlfriend and the Columbus City Schools. Her forthcoming book, True Story, explores how to improve community health through mentoring and creative arts.
Tamekia MizLadi Smith | Speaker | TED.com