Développer son esprit critique face à l’IA

Une réponse rédigée dans un français impeccable, structurée, rapide et assurée produit un effet redoutable : elle donne l’impression d’avoir été vérifiée. C’est précisément là que commence le travail pour développer son esprit critique face à l’IA. Le risque ne réside pas seulement dans une erreur factuelle. Il réside dans la facilité avec laquelle une formulation plausible peut orienter une décision, fermer une discussion ou rendre invisible un désaccord pourtant légitime.

Dans les organisations, l’IA ne remplace pas le jugement. Elle le reconfigure. Elle déplace ce que les personnes doivent vérifier, expliquer, assumer et arbitrer. Développer l’esprit critique ne consiste donc ni à refuser l’outil par principe ni à soupçonner chaque réponse d’être inutilisable. Il s’agit de conserver la capacité de demander : d’où vient cette proposition, que laisse-t-elle de côté, au nom de quels critères paraît-elle pertinente, et qui supportera les conséquences si elle est fausse ?

Le vrai problème n’est pas l’erreur, mais l’autorité apparente

Une IA générative peut produire une information exacte, une simplification utile ou une proposition féconde. Elle peut aussi inventer une référence, confondre deux situations ou reproduire une norme implicite. Ces limites sont souvent décrites comme des défauts techniques. Elles deviennent pourtant des enjeux managériaux dès lors qu’un texte, une recommandation ou une synthèse entre dans une décision de recrutement, d’évaluation, de communication ou de transformation.

Le psychologue John Lee a montré, dans ses travaux sur l’automatisation, que la confiance ne doit être ni excessive ni insuffisante : elle doit être calibrée. Une confiance excessive conduit à accepter une recommandation sans contrôle. Une défiance systématique prive à l’inverse d’un appui potentiellement utile. Entre les deux, il y a une compétence : savoir ajuster son degré de confiance à l’enjeu, à la qualité des informations disponibles et aux conséquences d’une erreur.

Cette question est particulièrement sensible lorsque le système parle le langage de l’expertise. Plus une réponse paraît fluide, plus l’utilisateur peut confondre cohérence linguistique et solidité du raisonnement. Or, une phrase bien construite n’est pas une preuve. Un tableau clair n’est pas une analyse. Et une recommandation présentée comme neutre peut contenir des choix de valeurs très contestables.

Développer son esprit critique face à l’IA commence par de bonnes questions

L’esprit critique n’est pas une posture de surplomb. C’est une discipline de l’enquête. Face à un contenu généré, la première question utile n’est pas « est-ce que l’IA a raison ? ». Elle est : « de quoi cette réponse dépend-elle ? »

Une réponse dépend d’abord de la manière dont la demande a été formulée. Si un manager demande comment réduire la résistance au changement, il suppose déjà que la résistance est un obstacle à contourner. Pourtant, elle peut être le signal d’une charge de travail ignorée, d’une crainte justifiée pour l’autonomie professionnelle ou d’un défaut de dialogue. L’IA répondra volontiers à la question posée. Elle ne corrigera pas nécessairement le cadrage politique ou social qui la précède.

Il faut ensuite interroger le statut de ce qui est avancé. S’agit-il d’un fait vérifiable, d’une interprétation, d’une hypothèse, d’une moyenne statistique ou d’un conseil général ? Ces catégories sont régulièrement mélangées dans les contenus produits automatiquement. Les séparer change la qualité de la discussion. Un fait appelle une source. Une interprétation appelle une confrontation des points de vue. Une recommandation appelle des critères explicites et une responsabilité clairement attribuée.

Enfin, toute réponse mérite une question sur ses absences. Quelles variables ne sont pas prises en compte ? Quelles personnes ne sont pas représentées ? Quelles contraintes de terrain disparaissent derrière une solution élégante ? Une procédure peut sembler rationnelle sur le papier et devenir impraticable pour les équipes qui devront la porter.

Le biais d’automatisation est aussi un phénomène collectif

On parle souvent du biais d’automatisation comme d’un réflexe individuel : une personne suivrait une recommandation parce qu’elle vient d’une machine. Dans le travail réel, le phénomène est plus social. Une réponse produite par IA peut devenir difficile à contester parce qu’elle est perçue comme rapide, objective ou issue d’une intelligence supérieure.

Cette apparente objectivité pèse sur les rapports de pouvoir. Dans une réunion, qui osera remettre en cause une synthèse déjà présentée comme « produite par l’IA » ? Qui prendra le temps de rouvrir un débat lorsqu’une réponse prête à l’emploi permet d’avancer ? La technologie peut alors servir de caution à une décision déjà souhaitée. Le conflit politique ne disparaît pas : il se déguise en réponse technique.

C’est pourquoi l’esprit critique doit être organisé collectivement. Les équipes ont besoin d’espaces où il est légitime de dire qu’une proposition est incomplète, mal posée ou incompatible avec l’expérience du travail. La contradiction ne doit pas être interprétée comme un retard dans l’adoption. Elle constitue une condition de qualité, surtout lorsque les décisions affectent les personnes.

Vérifier selon l’enjeu, pas selon l’enthousiasme

Tous les usages ne requièrent pas le même niveau de contrôle. Une première ébauche de plan de réunion n’appelle pas les mêmes précautions qu’un texte destiné à éclairer une mobilité interne ou une orientation stratégique. L’erreur coûte plus cher quand elle touche à la réputation, aux droits, aux parcours professionnels ou à la santé des personnes.

Une règle simple peut guider les collectifs : plus une réponse est susceptible d’avoir des effets importants, plus elle doit être vérifiée par des personnes compétentes et confrontée à des sources indépendantes. Cette vérification ne consiste pas uniquement à repérer une date erronée. Elle porte aussi sur le raisonnement, les critères retenus et les conséquences possibles.

Prenons un cas courant. Une direction souhaite utiliser une IA pour synthétiser des verbatims issus d’une enquête interne. Le gain de temps peut être réel. Mais si la synthèse efface les formulations minoritaires, regroupe des critiques distinctes sous l’étiquette vague de « besoin d’accompagnement » ou transforme une colère en simple « préoccupation », elle modifie le diagnostic. Le problème n’est plus seulement informationnel. Il devient relationnel et politique.

Dans ce type de situation, les verbatims originaux doivent rester accessibles aux personnes qui interprètent les résultats. Il est également utile de comparer plusieurs synthèses, de demander ce qui a été regroupé et de repérer les thèmes minoritaires mais significatifs. Une organisation attentive n’utilise pas l’IA pour faire taire la complexité du terrain.

Préserver l’expertise sans sacraliser les habitudes

L’IA peut fragiliser les savoirs professionnels lorsqu’elle devient un raccourci permanent. Si l’on délègue trop vite la préparation d’un diagnostic, d’un argumentaire ou d’une analyse, on risque de ne plus exercer les capacités qui permettent justement d’évaluer une réponse. C’est un cercle préoccupant : moins on pratique le jugement, moins on est en mesure de repérer les erreurs de l’outil.

Pour autant, préserver l’expertise ne signifie pas sanctuariser les routines. Certains professionnels peuvent tirer profit d’une première structuration, d’une mise en contraste ou d’une reformulation qui libère du temps pour des tâches plus interprétatives. Tout dépend de l’activité, du niveau de risque et de la possibilité de reprendre la main.

La bonne question n’est donc pas « quelles tâches peut-on confier à l’IA ? », mais « quelles capacités voulons-nous maintenir et développer chez les personnes ? ». Dans une fonction RH, par exemple, l’écoute des situations singulières, l’interprétation des signaux faibles et la capacité à expliquer une décision ne peuvent pas être ramenées à une production de texte. Dans le management, l’arbitrage ne se réduit pas à la sélection d’une option présentée comme optimale.

Installer des pratiques de discussion plutôt que des règles abstraites

Les chartes éthiques ont leur utilité, mais elles restent insuffisantes si elles ne transforment pas les pratiques ordinaires. Pour développer son esprit critique face à l’IA, il faut créer des occasions concrètes de discuter des usages : quels contenus peuvent être produits avec assistance, lesquels doivent être revus, qui est responsable de la version finale et dans quels cas faut-il interrompre l’usage ?

Les managers ont un rôle déterminant. Ils peuvent banaliser la vérification en demandant non seulement « qu’a produit l’IA ? », mais aussi « qu’avons-nous vérifié ? », « qu’est-ce qui nous surprend ? » et « quel point de vue manque à cette analyse ? ». Ces questions paraissent simples. Elles changent pourtant la place de l’outil : il devient un matériau de travail, pas un arbitre.

Les formations les plus utiles ne se limitent pas à expliquer les limites générales des systèmes. Elles partent de situations réelles : une note de synthèse, une préparation d’entretien, une analyse de retours clients, un document de transformation. Elles permettent aux participants d’identifier les erreurs plausibles, les implicites normatifs et les effets sur leur métier. L’esprit critique se forme moins par l’injonction que par l’exercice répété du discernement.

L’IA peut accélérer la production de réponses. Elle ne doit pas accélérer l’abandon des questions. Dans une organisation responsable, la maturité ne se mesure pas au volume de contenus générés, mais à la capacité des collectifs à rester auteurs de leurs décisions.