« Est-ce qu’on peut lui faire confiance ? » revient dans presque toutes les conversations sur l’IA en entreprise, et la question est mal posée dès le départ. Elle suppose une réponse unique, oui ou non, alors que la confiance qu’on accorde à un comptable stagiaire et celle qu’on accorde à un expert-comptable associé ne sont pas les mêmes non plus. La bonne question n’est pas si on peut faire confiance à l’IA, c’est pour quoi.
Pourquoi l’assistant a toujours l’air sûr de lui
Un modèle de langage ne cherche pas une réponse vraie, il calcule le mot suivant le plus probable compte tenu de ce qui précède. Sur une question factuelle bien couverte par ce qu’il a appris, ce calcul tombe presque toujours juste. Sur une question précise, récente, ou spécifique à votre dossier, le calcul continue de tourner exactement de la même façon, et produit une phrase tout aussi assurée, qu’elle soit exacte ou non.
C’est le point que les dirigeants sous-estiment le plus souvent. Un collaborateur hésitant dit « je ne suis pas certain, il faudrait vérifier ». Un assistant ne dit jamais cela spontanément, sauf si on le lui demande explicitement. Le ton de la réponse ne porte donc aucune information sur sa fiabilité. C’est une source d’erreur silencieuse : on relâche l’attention parce que la phrase sonne bien construite, alors que la construction et l’exactitude n’ont rien à voir l’une avec l’autre.
Un exemple simple : demandez à un assistant le numéro d’article exact d’une convention collective peu consultée. Il vous le donnera avec la même assurance que pour un article très connu, vrai ou faux, sans qu’aucun signal dans le style de la réponse ne trahisse le doute.
La question qui ne sert à rien
Demander « est-ce que c’est bon » à un assistant sur son propre travail est une question fermée qui appelle presque toujours une réponse positive, parce que le modèle a été entraîné à se montrer utile et coopératif, pas à contredire celui qui le sollicite. Le biais est structurel, pas calculé : on le retrouve chez les quatre grands assistants du marché, ChatGPT, Claude, Gemini et Mistral.
La question qui fonctionne se retourne : au lieu de demander une validation, on demande une liste. « Qu’est-ce qui pourrait manquer dans ce document ? », « Quels chiffres ici mériteraient d’être revérifiés ? », « Quelle clause pourrait poser un problème dans six mois ? ». Ces questions n’ont pas de réponse binaire confortable, elles forcent l’assistant à produire du contenu vérifiable point par point, que vous pouvez ensuite confirmer ou écarter un par un. La question du sort de vos données mérite le même traitement direct : mieux vaut savoir précisément où elles vont que de le supposer.
Poste par poste, pas d’un bloc
La confiance ne se décide pas pour « l’IA dans l’entreprise » en général, elle se décide pour chaque tâche, et le critère qui tranche est simple : que se passe-t-il si la réponse est fausse et qu’elle part sans relecture ?
- Si l’erreur reste interne et réversible (un brouillon de compte-rendu, une première version d’email), l’assistant peut aller loin sans supervision serrée. Le coût d’une erreur est faible et se corrige au prochain échange.
- Si l’erreur touche un tiers, un montant, une date légale ou un engagement écrit, la vérification humaine reste obligatoire avant tout envoi, quelle que soit la qualité apparente de la réponse.
Cette grille à deux niveaux règle l’essentiel des cas. Un dirigeant qui l’applique n’a pas besoin de trancher la question à chaque tâche : il la tranche une fois par catégorie de tâche, et applique ensuite la règle sans y repenser.
Vous vous demandez ce que ça donnerait chez vous ? Le diagnostic gratuit vous dit par quoi commencer, en 2 minutes.
La vérification qui prend moins de temps que le doute
Le réflexe naturel face à une réponse d’assistant est de la relire dans son ensemble, du début à la fin, en cherchant une impression générale de justesse. C’est justement la méthode la plus lente et la moins fiable, parce que l’impression générale est le terrain où l’assistant est le plus convaincant.
Une vérification plus courte cible trois éléments précis, toujours les mêmes : les chiffres, les noms propres et les dates. Ce sont les trois catégories où une erreur d’IA a le plus de conséquences et le moins de chances d’être repérée à l’œil, parce qu’un chiffre faux dans une phrase bien tournée ne saute pas aux yeux. En pratique, cela veut dire relire la réponse une deuxième fois, mais uniquement pour surligner mentalement ces trois familles d’éléments et les confronter à la source d’origine : le contrat, le relevé, l’échange initial.
Cette méthode a un avantage que la relecture complète n’a pas : elle prend un temps stable, quelle que soit la longueur du texte produit, parce qu’on ne cherche plus une impression, on coche une liste courte.
Ce que la confiance ne remplace jamais
Un assistant peut préparer une décision, jamais la prendre à votre place, et pas seulement pour une raison de prudence. Il n’a pas accès à ce que vous savez et qu’aucun document ne dit : la relation avec tel client qui rend une clause acceptable ou non, l’historique avec tel fournisseur qui change le ton d’un email, le contexte de trésorerie du mois qui rend un délai de paiement négociable ou pas. Ces éléments-là ne se retrouvent dans aucun texte que l’assistant a lu, et il ne peut donc ni les connaître ni les intégrer.
C’est cette part-là qui reste, quoi qu’il arrive, entre vos mains : pas parce que l’outil manque de capacité, mais parce que la décision porte sur des informations qu’il n’a jamais eues.
