Pour mieux travailler avec l'IA, demandez-lui de vous contredire

Scientifiques, enseignants, juristes ou cadres d'entreprise confient de plus en plus à l'intelligence artificielle générative des tâches qui exigent de l'imagination et de la réflexion. Paradoxe : ce recours peut finir par les dispenser de penser. Face à des réponses rapides et formulées avec assurance, beaucoup s'en remettent à la machine, au risque de solutions expéditives et médiocres. C'est le constat de départ de Monideepa Tarafdar, professeure de systèmes d'information à l'université du Massachusetts à Amherst, dans un article publié par le magazine Greater Good de l'université de Berkeley, repris de The Conversation. Sa conclusion, elle, est plus encourageante : tout dépend de la manière dont on interroge l'outil.

Le piège de la délégation mentale

Les chercheurs parlent de « délestage cognitif » pour désigner cette tendance à laisser la machine réfléchir à sa place. Selon plusieurs travaux, ce réflexe peut éroder les compétences mêmes qui font la valeur des professionnels du savoir. Le risque est renforcé par un phénomène bien identifié : les modèles s'adaptent vite à la façon dont un utilisateur formule ses demandes et lit leurs réponses, et finissent par lui présenter l'information selon ses propres schémas, au point de devenir une chambre d'écho.

Ce que montre l'étude

Avec ses collègues, Monideepa Tarafdar a interrogé 45 personnes travaillant dans une université publique américaine, qui utilisaient toutes l'IA générative pour l'essentiel de leur travail : produire des idées nouvelles, résoudre des problèmes complexes, concevoir des solutions. L'équipe a aussi analysé les requêtes et les réponses de leurs échanges successifs avec les outils. Résultat : lorsque ces professionnels se servent volontairement de l'IA pour mettre leurs idées à l'épreuve, autrement dit pour créer de la « friction », leurs performances progressent nettement. Des recherches antérieures sur l'évaluation de demandes de prêt menée conjointement par des humains et une IA aboutissaient à des résultats comparables.

Quelques exemples de friction utile

Un professionnel du marketing a demandé à l'IA de créer des clients fictifs dont le profil les amènerait à rejeter un programme de certificat en comptabilité en cours de conception. Ces avis contraires ont fait apparaître des attentes que le concepteur n'avait pas envisagées, comme le souhait d'illustrer un même principe par des cas tirés de secteurs différents plutôt que d'un seul. Un avocat a, de son côté, utilisé l'IA pour débusquer des failles juridiques méconnues et imaginer comment des entreprises pourraient les exploiter, ce qui a mis au jour des scénarios réalistes de comportements contraires à l'éthique, difficiles à repérer.

Explorer des idées improbables ou opposées peut désorienter. L'autrice recommande donc de s'appuyer sur sa propre expertise pour questionner ce que propose la machine. Un chercheur en logistique a ainsi adapté à ses modèles de chaînes d'approvisionnement des méthodes venues du traitement du signal et des communications sans fil, suggérées par l'IA : ces domaines lui étaient étrangers, mais sa connaissance de son propre champ lui a permis d'en tirer parti. Une autre étude, à laquelle elle n'a pas participé, a observé que des rédacteurs produisaient de meilleurs textes lorsqu'ils utilisaient l'IA comme interlocuteur pour tester leurs idées plutôt que comme prête-plume.

L'IA peut enfin servir à examiner un sujet sous plusieurs angles. Un chercheur a demandé des articles scientifiques utilisant le concept qu'il étudiait, mais dans des contextes contrastés, pour mieux le cerner. Une juriste a vérifié les références proposées par l'IA en réclamant d'autres types de cas, ce qui l'a aidée à comprendre en profondeur l'affaire de départ et à rédiger un mémoire solide.

Ce que peuvent faire les organisations

La méthode la plus simple consiste à formuler des requêtes qui contestent le raisonnement de l'utilisateur au lieu de l'approuver, et à confronter les réponses à son expérience et à son éthique professionnelle : une réponse peut être exacte sans rien apporter d'original. Les dirigeants peuvent aussi organiser des séances régulières de partage d'expériences, animées par des référents ou des groupes de travail transversaux, ainsi que des ateliers internes pour comprendre ce que les outils savent faire ou non. Une professeure chargée de l'usage de l'IA dans l'enseignement a même instauré des concours récompensant les collègues ayant suivi ces formations. Autre piste : des environnements protégés où les salariés peuvent expérimenter sans risque.

Le message central rejoint d'autres réflexions récentes, comme celle de la spécialiste de la décision Cheryl Strauss Einhorn sur le jugement humain à l'ère de l'IA : une IA qui semble travailler contre vous, en vous contredisant, travaille souvent davantage pour vous.

À lire avec recul

Les résultats reposent sur des entretiens qualitatifs menés dans une seule université américaine et présentés lors d'une conférence, non sur une expérimentation à grande échelle. Ils dessinent une piste prometteuse plutôt qu'une démonstration définitive.

À lire aussi dans notre réseau

• La lettre Intelligences #11 : puissance de calcul, données personnelles et IA au travail
• Dans les archives d'Intelligences : l'émergence des agents logiciels autonomes
• L'intelligence n'est pas qu'optimisation : ce que Kant oppose à notre vision de l'IA
• À l'heure de l'IA, écrire chaque jour change encore la vie, affirme Darius Foroux