L’IA paraît convaincante. C’est justement le problème.
Perception de l’IA: Les gens ont des opinions tranchées sur l’IA, mais beaucoup ne comprennent pas vraiment son impact futur.
Qualité des retours: Les retours issus de l’IA comme des humains sont souvent peu fiables, ce qui remet en cause la supériorité de l’instinct sur l’IA.
Processus décisionnel: Prendre de bonnes décisions repose sur la diversité des points de vue, et non sur des réponses assurées mais non remises en question.
Limites de l’IA: La dépendance accrue à l’IA peut diminuer la pensée critique et engendrer des oublis dans la prise de décision.
Jugement structuré: La prise de décision profite d’approches structurées, ce qui nécessite bien plus que des collectes informelles de retours.
La confiance n’est pas synonyme d’exactitude. Avoir l’air de savoir de quoi on parle n’est pas la même chose que de savoir réellement de quoi on parle.
Tout le monde a un avis sur l'IA en ce moment : totalement pour, contre, ou dans l'attente de voir comment cela va évoluer. Nous défendons ces avis avec beaucoup d'assurance, mais au fond, presque personne ne comprend vraiment ce que c'est ni où tout cela nous mène. C'est ainsi que LinkedIn se retrouve envahi de personnes qui ont déjà tranché.
La semaine dernière, j'ai eu un échange avec l'une de ces personnes. Elle avait posté un appel : arrêtez d'utiliser l'IA pour obtenir des retours sur votre travail. Son argument était de ceux que la plupart valident d'un hochement de tête. L'IA ne sait pas se taire. On lui pose une question, elle répond toujours, que ce soit juste ou non. Si vous avez besoin de l'IA pour savoir si votre travail vaut quelque chose, soutenait-elle, c'est là le véritable problème. Faites confiance à votre instinct.
Je me suis opposé, non pas parce qu'elle avait tort, mais parce qu'elle n'avait que partiellement raison sur la solution. La plupart des retours ne sont pas bons, qu’ils proviennent de l'IA ou d'humains. Votre propre intuition peut échouer de la même manière. Et une réponse sûre d'elle, bien structurée — ce que l'IA sait si bien produire et que les gens donnent sans cesse — est la chose la plus facile à croire et la plus difficile à remettre en question.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
La confiance n'est pas synonyme d'exactitude. Avoir l'air de savoir de quoi on parle n'est pas la même chose que de savoir réellement de quoi on parle. Je l'ai appris à mes dépens.
Le Prix de la Confiance
Il y a des années, j'étais responsable UX pour l'équipe derrière Shopify Capital, le produit qui propose des avances de trésorerie aux marchands en fonction de leurs ventes. Lorsqu’un commerçant acceptait une offre, il fallait jusqu'à sept jours pour que l'argent obtienne les approbations internes. Pour une petite entreprise qui attend de se réapprovisionner ou de démarrer un projet, une semaine paraît interminable.
Le système derrière ces validations était un MVP ancien auquel personne n’avait touché depuis des années. J’ai donc réuni les bonnes personnes : la finance, ceux qui s’occupaient des validations, les développeurs et designers qui avaient construit le système d’origine.
Le blocage venait d’une poignée d’étapes d’approbation manuelles. Nous avons décortiqué chaque décision prise par les validateurs, et réfléchi à la façon dont un système pourrait les remplacer. La solution a été trouvée en une heure. Nous aurions pu la lancer dès le lendemain.
Une validation bloquait tout. L’accord appartenait à un responsable produit éloigné de ce type de réunions. Sa réponse fut claire, précise, catégorique : cela devait rester manuel. La décision avait été prise des années auparavant. Personne ne pouvait dire pourquoi. Aucun justificatif. Impossible d’aller plus loin.
Alors nous avons fait comme la plupart des équipes. Nous nous sommes rangés à l’avis confiant. Puis nous avons passé trois semaines à prouver qu’il était erroné. Vingt réunions, des interviews avec tous ceux qui manipulaient vraiment le système, une cartographie de ce qui s’y passait réellement en coulisses.
Au final, nous avons livré exactement la solution trouvée dès la première heure. Le retour du responsable était autoritaire, bien argumenté et totalement faux. Il identifiait un problème qui n’existait pas.
Voilà l’échec dont il est question dans cet article. Ni l’IA, ni les humains. Des avis confiants, non éprouvés, auxquels on se fie avant d’agir.
Le Second Avis Qu’on Ne Demande Plus
Quand une décision est importante, et que quelque chose cloche, on ne fait pas confiance à la première réponse assurée. On interroge la personne qui sait vraiment. On réunit deux ou trois personnes pour observer leurs désaccords. On laisse mûrir la réflexion. On sollicite l’avis de quelqu’un dont on estime le jugement avant de s’engager. Personne ne vous enseigne ça, personne ne le nomme. C’est juste ce que font les gens prudents.
Cet instinct, c’est le véritable jugement. Et un bon jugement a besoin de plusieurs perspectives sur le problème, avec tous les compromis exposés avant de prendre une décision. C’est ce à quoi servent les petites équipes : suffisamment proches pour réfléchir ensemble à voix haute, et assez réduites pour réellement le faire.
Mais la perspective n’est jamais automatique. Elle nécessite du temps, de la proximité, de l’espace pour respirer. L’IA va à l’encontre de ces trois éléments.
Et il faut ce que l’on néglige le plus : de la structure. La structure paraît lente, et face à la rapidité et à l’attrait de l’IA, personne ne veut ralentir.
L’IA produit des réponses sûres d’elles plus vite que vous ne pouvez les mettre à l’épreuve, et l’envie, c’est de prendre la réponse et de poursuivre sa route.
Et nous nous y abandonnons volontairement, parce que la promesse est séduisante. Tout le monde connaît ce sentiment, être attiré par quelque chose qui n’est pas vraiment dans notre intérêt et y aller quand même.
Nous tolérons ce que l’IA fait mal aujourd’hui pour ce qu’elle pourrait devenir demain, et nous faisons confiance aux personnes qui la développent pour combler les écarts. Rien de tout cela n’est insensé. C’est humain. C’est aussi exactement ce qui nous pousse à arrêter de mettre la pression sur nos tests.
Microsoft et Carnegie Mellon ont étudié ce qui se passe ensuite. Ils ont observé que plus les gens ont confiance en l’IA, moins ils font preuve d’esprit critique, et que le travail lui-même se déplace de l’exécution de la tâche à la supervision de l’IA qui la réalise. La supervision ne vous protège que si vous vérifiez vraiment. La plupart des gens arrêtent.
Ainsi, l’habitude informelle qui vous protégeait ne tombe pas bruyamment. Elle cesse simplement de s’étendre. Juste au moment où le nombre de décisions augmente, la rigueur qui rendait ces décisions bonnes s’amenuise.
Demander des retours n'est pas une discipline
Régler une contradiction, débusquer une hypothèse, comprendre pourquoi quelque chose est censé fonctionner d’une certaine façon, c’est cela qui cesse de coûter des minutes et commence à coûter des semaines…Une discipline répare tout. Je ne parle pas de volonté. Je parle d’une manière reproductible de conduire une décision.
Ainsi, la solution n’est pas de faire moins confiance à l’IA et plus à votre instinct. La solution, c’est la structure. Mais demander des retours autour de soi n’est pas la même chose que d’avoir une discipline en la matière, et c’est là la différence qui fait tout.
Demander autour de soi, c’est déjà ce que font la plupart des équipes. Quelque chose semble anormal, alors on sollicite la personne qui est là. On l’évoque en réunion. On espère que la personne qui sait vraiment est là, et qu’elle osera le dire. Parfois oui. La plupart du temps, c’est une question de chance, et on ne sait distinguer les jours de chance du reste que quand il est trop tard.
Demander autour de soi, c’est coûteux. Vous alignez les réunions, les agendas sont pleins, et le temps que le groupe puisse se réunir le moment est passé ou la décision a été prise sans eux. Alors les réunions commencent à ressembler à une taxe, qu’on paie de moins en moins souvent.
Les points de vue se dispersent alors, ici dans une présentation, là dans un email, ou un fil Slack que personne ne lit à temps. Tout le monde adore l’async parce que cela donne l’impression de gagner du temps, mais cela signifie que les perspectives ne se rencontrent jamais réellement.
L’asynchrone fonctionne jusqu’à ce que deux perspectives se contredisent. C’est précisément à ce moment-là qu’il faudrait du temps réel, des échanges, une personne qui dit que ce n’est pas ainsi que ça marche, une autre qui réplique jusqu’à ce qu’on découvre la vérité. L’async ne permet pas cela.
La contradiction qui prendrait cinq minutes à régler en salle va rebondir sur plusieurs jours de réponses. Régler une contradiction, débusquer une hypothèse, comprendre pourquoi une chose est censée fonctionner ainsi, c’est cela qui cesse de coûter des minutes et commence à coûter des semaines.
Une discipline répare tout. Je ne parle pas de volonté. Je parle d’une méthode reproductible pour gérer une décision. Elle décide, consciemment, des points de vue par lesquels elle doit passer avant d’être lancée. Pas ceux qui sont présents par hasard, mais ceux qui comptent vraiment pour cette décision. Vous soumettez délibérément la décision à chacun, une fois, et vous faites attention à ce que chacun a tendance à omettre. C’est ça, la structure. Intégrer sciemment les bons points de vue au lieu de les courir après réunion après réunion.
Pourquoi est-ce plus important que cela n’en a l’air ? Parce que savoir comment quelque chose fonctionne n’est pas pareil qu’en comprendre la raison d’être, et c’est dans cet écart que naissent les pires erreurs.
Richard Rumelt, auteur de « Good Strategy Bad Strategy », appelle la première véritable étape le diagnostic : comprendre ce qui se passe vraiment avant de décider. Un bon diagnostic nomme le vrai problème, pas le symptôme. « On sous-performe » n’est pas un diagnostic, c’est un constat. Le diagnostic, c’est la cause profonde, et il dit quels quelques points sont essentiels et lesquels ignorer.
C’est là qu’une pièce remplie de points de vue différents prend toute sa valeur. Le problème paraît différent selon qui le porte.
Le responsable du budget, la personne qui le construit, le client, chacun a sa propre version et attend autre chose de la décision prise. Résoudre le vrai problème n’est donc pas unique. C’est trouver la solution qui répond à assez de ces besoins différents à la fois, le choix qui élève le niveau pour tous, pas seulement pour un.
Vous ne trouvez pas cela seul, ni à distance. Vous le trouvez lorsque les perspectives se réunissent, et que leur désaccord révèle la nature réelle du problème.
Vous pouvez voir à quel point nous tenons à ces autres perspectives dans la manière dont nous parlons à l’IA. « Agis comme un rédacteur publicitaire. » « Agis comme un expert marketing. » Chaque prompt est un aveu : une seule personne ne possède qu’un nombre limité de points de vue, et nous le savons. Nous lui demandons de représenter ceux qui nous manquent.
C’est exactement là que l’IA intervient. Un modèle ne possède jamais que ce qui tient dans sa fenêtre de contexte, la tranche limitée de votre situation qui y a été chargée.
Elle ne peut pas voir ce qu’il lui manque, et ne peut pas confronter un point de vue à un autre. Elle n’a pas de point de vue proprement dit. Elle fonctionne selon les probabilités, prédisant ce qui doit le plus probablement suivre, sans aucun enjeu quant à la justesse de sa réponse. Elle vous livre donc une version convaincante.
Les trois semaines que mon équipe a passées à aller au fond des choses ? C’était du diagnostic. C’était comprendre pourquoi. L’IA va continuer à s’améliorer dans les réponses. Une réponse meilleure n’est pas encore une compréhension. La compréhension est venue de vraies personnes, chacune percevant le problème différemment, chacune concernée par le résultat. Un seul modèle ne peut être ces personnes, même s’il devient très performant. Ce rôle vous appartient, à vous et à votre équipe.
Quand tout le monde est d’accord, c’est qu’il manque quelqu’un
La compétence la plus difficile consiste à remarquer quand l’un de ces points de vue n’est pas représenté. Et le signal est l’inverse de ce qu’on attendrait. C’est l’accord. Lorsqu’une décision est prise trop facilement, que tout le monde acquiesce et que personne n’est mal à l’aise, ce n’est généralement pas un consensus.
On pourrait penser que je parle de multiplier les réunions, d’ajouter des personnes et des processus. Ce n’est pas le cas.
La discipline ne consiste pas à faire venir tout le monde dans la pièce. Selon moi, il faut le moins de personnes possible tant qu’ensemble, elles parviennent à embrasser l’intégralité du problème. Chacun couvre une partie que les autres ne voient pas, donc quelques personnes qui pensent différemment couvrent plus de terrain qu’une foule uniforme. L’effet de levier réside dans leur différence, pas dans leur nombre.
Vous n’avez pas besoin d’un organigramme pour cela. Pour chaque décision concrète, demandez-vous : qui d’autre voit une facette qui m’échappe ? La plupart des décisions font intervenir les mêmes profils : celui qui gère l’argent, le client, la personne qui doit construire le produit, celle qui le vend, et celle à qui l’on reprochera si ça casse.
Toutes les décisions n’exigent pas la présence de chacun. Lors d’un recrutement, on implique ceux avec qui la nouvelle personne travaillera au quotidien et le responsable du budget. Pour un changement d’organisation, on fait appel à ceux qui devront l’appliquer, et à ceux pour qui il est censé générer de la valeur—qui sont souvent absents au moment de la décision.
En ce moment, c’est ce que la plupart des équipes doivent assimiler : de nouveaux logiciels, plus de collaborateurs, l’IA intégrée à chaque aspect du travail, le tout généralement imposé de haut en bas. La vraie compétence, c’est d’identifier les deux ou trois angles clés d’une décision, pas de réunir une majorité.
La compétence la plus difficile consiste à remarquer quand l’un de ces angles n’est pas représenté. Et le signal est l’inverse de ce qu’on attendrait. C’est l’accord.
Lorsqu’une décision se prend trop facilement, que tout le monde acquiesce et que personne n’exprime de malaise, ce n’est généralement pas un consensus. C’est une perspective manquante. La personne qui aurait remis en question la décision n’est pas là. L’argument qui aurait mis le doigt sur le problème n’a pas lieu, donc la décision semble aboutie alors qu’elle n’a simplement pas été contestée.
Quand vous repérez le manque, vous avez deux options honnêtes. Aller chercher le point de vue absent avant de vous engager, même si cela vous coûte une journée. Ou, si ce n’est vraiment pas possible, le dire ouvertement : personne ici ne représente le client, donc on fait un pari à ce sujet.
Un manque identifié est un risque que l’on peut gérer. Un manque non nommé, c’est la réponse confiante et bien structurée qui se révèle fausse.
C’est aussi la raison pour laquelle la plupart des équipes gardent encore l’IA sous surveillance. Dans une enquête récente de la Harvard Business Review, seulement 6 % des entreprises déclaraient faire pleinement confiance aux agents IA pour gérer un processus clé de manière autonome, tandis que 43 % se contentaient de leur confier des tâches courantes et rien de plus.
Cet instinct est le bon. L’IA a sa place en périphérie du travail, dans l’exécution, pas au cœur de la décision. Mais gardez bien à l’esprit ce qu’elle est vraiment. L’IA est aujourd’hui présente dans la salle, elle écoute, transcrit, rédige le compte rendu pendant que vous parlez. Ce n’est pas la même chose que d’avoir un enjeu dans ce qui est décidé.
Si vous avez déjà lu l’un de ces comptes rendus par rapport à ce qui a réellement été dit, vous connaissez la suite. Il manque des éléments, remplit les vides avec ce qu’il n’a pas saisi en affichant de la certitude, et ne relit jamais son propre travail. Il enregistre ce qui s’est passé dans la pièce. Il ne peut pas y prendre position.
Une version à essayer dès lundi
Avant qu’une décision réellement importante ne soit prise, formulez-la en une seule phrase, puis identifiez les points de vue nécessaires. Ensuite, réunissez ces personnes, les vraies, dans la même pièce ou sur le même appel pendant quinze minutes.
Aucun nouvel outil, aucune nouvelle embauche, aucun nouveau processus n'est nécessaire pour cela. C'est justement tout l'intérêt.
La discipline que les entreprises en croissance tentent d’acheter via des logiciels et des embauches est quelque chose qu’une petite équipe peut simplement appliquer, car vous possédez déjà les deux choses nécessaires : les bonnes personnes, et la capacité de les réunir dans une salle.
Voici la version simplifiée.
Avant qu'une décision réellement importante ne soit prise, formulez-la en une phrase, puis identifiez les points de vue dont elle a besoin. Réunissez ensuite ces personnes, les vraies, dans la même pièce ou sur le même appel pendant quinze minutes. Pas une réunion récurrente. Pas un comité. Une session brève, volontaire et ciblée, dédiée à cette décision.
Lors de cette discussion, faites du désaccord une mission. Ne demandez pas si tout le monde est d’accord. Demandez à chacun ce que cette décision ignore de son point de vue. Vous ne recherchez pas un appui général, vous cherchez l’unique objection capable de remettre la réponse en question. Et si la discussion converge trop facilement, souvenez-vous ce que cela veut généralement dire : il manque quelqu’un d’important dans la salle.
Quand l’IA entre en jeu — et cela arrivera —, veillez à la garder du bon côté de la barrière. Laissez-la rédiger, résumer, ou faire ressortir un angle que vous auriez manqué. Puis soumettez sa proposition au groupe et mettez-la à l’épreuve comme pour n’importe qui d’autre.
Considérez-la comme une ébauche à vérifier, jamais comme un verdict définitif. Elle n’a pas de voix, juste une relecture. Et quand il n’y a que vous et l’IA, l’échange vous appartient : elle peut assumer la charge de travail, pas la responsabilité.
C’est la méthode. Nommez la décision, nommez les angles, réunissez les vraies personnes en temps réel, poussez-les à être en désaccord, et restez dans l’action. Cela ne coûte que quinze minutes.
L’alternative vous coûte trois semaines, pour une réponse assurée qui reposait sur une fausse hypothèse. Une intuition jamais testée. Une déduction prise pour un fait. Chez l’IA, on appelle ça une hallucination. Chez l’humain, on appelle ça de la confiance.
L’écart que les petites équipes sont faites pour combler
Prenez un peu de recul. Les humains comme l’IA peuvent se tromper, et une équipe peut s’en remettre. Ce qui lui est fatal, c’est la version la plus coûteuse du problème : le point de vue crucial manque à l’appel.
Les personnes qui doivent créer la valeur et celles pour qui elle est destinée sont rarement dans la même salle lors de la prise de décision.
Dans une grande entreprise, c’est la norme. La personne qui détient l’autorité décisionnelle est généralement la plus éloignée de là où la valeur se crée réellement ; elle est aussi la plus occupée, la dernière à pouvoir libérer quinze minutes. La décision est donc prise à distance, sur un résumé, par quelqu’un qui n’a pas assisté au désaccord qui aurait pu changer la réponse.
C’est l’écart que les directeurs financiers constatent sans pouvoir l’expliquer. Selon une récente étude du cabinet de conseil RGP, 66 % des CFO s’attendent à des retours significatifs de l’IA d’ici deux ans. Mais seulement 14 % affirment en voir la valeur aujourd’hui.
On a tendance à y voir un problème d’outillage qu’un meilleur logiciel ou une plateforme résoudra. Ce ne sera pas le cas. L’écart n’a jamais été dans les outils. Il se trouve dans la qualité des décisions qu’ils alimentent.
Voilà pourquoi une petite équipe est celle qui comble cet écart. La friction qui entrave les grandes entreprises — toutes ces couches, calendriers, coordinations — n’est généralement pas votre problème.
Les personnes que vous sollicitez se connaissent déjà, se font confiance et peuvent vigoureusement débattre... puis déjeuner ensemble. Vous ne faites pas remonter une décision via des inconnus sur un organigramme — vous vous tournez vers trois personnes avec qui vous travaillez chaque jour.
La discipline que les grandes entreprises tentent de réinstaller à grands frais est quelque chose que vous pouvez appliquer dès cet après-midi, car la distance qu’elles combattent n’a jamais existé chez vous.
J'ai vécu cela dans une petite agence, autrefois. Nous perdions de l'argent sur la plupart de nos plus gros projets. La solution n'était ni un outil, ni un nouveau recrutement. C'était de réunir toutes les personnes impliquées dans le travail dans une même pièce, de l'estimation et la tarification jusqu'à la planification et la livraison. Pas une seule réunion, mais encore et encore, pour aller au-delà des symptômes et comprendre ce qui se passait réellement.
Nous avons augmenté la marge nette de 33 %. L'effet de levier, c'était la décision de faire de la discussion des problèmes et des solutions, ensemble, une véritable habitude. Ce qui a fait la différence, c'est que chacun donnait son avis sur un travail qui n'était pas forcément le sien, expert ou non. C'est souvent là que naît l'innovation, et c'est exactement ce que nous espérons sans cesse obtenir de l'IA.
Et c'est ce que je fais depuis, aider des équipes à dépasser les problèmes trop complexes pour être résolus seul.
Le plus difficile n'a jamais été de trouver les bonnes personnes. C'est de les réunir au même endroit, au même moment, pour confronter leurs idées et les façonner ensemble. Chaque outil promet de remplacer ça, mais aucun n'y parvient. Mettez deux personnes qui voient les choses différemment l'une en face de l'autre, en temps réel, et le vrai problème se révèle. Le reste n'est que logistique.
L'IA n'a pas de point de vue. Pas d'opinion. Aucun ressenti. Pour un ensemble restreint de décisions, ce détachement est exactement ce que l'on recherche, et il faut l'utiliser ainsi. Mais la plupart du temps, notre travail vise à construire et à résoudre des problèmes pour d'autres êtres humains, aux côtés de personnes qui tiennent à ce que cela fonctionne.
C'est cette implication qui pousse quelqu'un à s'opposer, à rester dans la tension, et à repérer ce que tout le monde avait manqué.
Ces points de vue sont la seule partie du travail à ne jamais abandonner. Et si vous êtes une petite équipe, vous n'avez pas à le faire. Ils sont déjà autour de votre table. L'IA peut vous aider à faire le travail. Mais la partie qui vous appartient vraiment, celle-là, vous la gardez.
