L’esprit critique, la compétence qui nous manque face à l’IA

On demande une synthèse à l’IA, elle répond en quelques secondes, avec aplomb. La tentation est grande de s’arrêter là. Pourtant, ce n’est pas la qualité de la réponse qui pose question : c’est la vitesse à laquelle on l’accepte sans la vérifier. L’intelligence artificielle ne remplace pas notre jugement. Elle en révèle, et parfois en amplifie, les failles. Voici pourquoi, et comment garder la main.

Pourquoi un texte fluide nous fait baisser la garde

Posez la question suivante : la mémoire d’un poisson rouge dure-t-elle trois secondes, plusieurs minutes, ou plusieurs mois ? La plupart des gens répondent “quelques secondes”, par réflexe, parce que l’expression est passée dans le langage courant. La bonne réponse est pourtant plusieurs mois : un poisson rouge apprend des tâches, reconnaît des repères, retient des habitudes bien au-delà de ce que l’on croit. Même chose pour la Grande Muraille de Chine, que l’on dit visible depuis l’espace à l’œil nu : c’est un mythe, démenti à plusieurs reprises par des astronautes.

Ces deux exemples n’ont rien d’anecdotique. Ils montrent qu’une affirmation formulée avec assurance, dans un style clair et bien structuré, nous paraît vraie, indépendamment de son exactitude. C’est exactement ce que produit une IA générative : un texte fluide, argumenté, parfois même une source inventée mais citée avec le même aplomb que les autres. Nous confondons alors la qualité de la forme avec la qualité du fond. Ce réflexe n’est pas nouveau, mais l’IA l’amplifie en produisant ce type de contenu à grande échelle et à grande vitesse, et avec une confiance qui ne faiblit jamais, même quand elle devrait.

Les biais qui s’activent sans qu’on s’en rende compte

On connaît tous, un peu, la notion de biais cognitif : un raccourci mental qui nous aide à décider vite, mais qui peut aussi nous tromper. Plusieurs d’entre eux s’activent particulièrement face à l’IA.

Le biais d’autorité, d’abord : un texte qui semble rédigé par un expert, avec un vocabulaire précis et une structure soignée, inspire confiance, même sans preuve à l’appui. L’IA en bénéficie directement, parce qu’elle produit ce type de texte par défaut, sur n’importe quel sujet.

Le biais de confirmation, ensuite : on retient la réponse qui va dans le sens de ce qu’on pensait déjà, et on ignore celle qui le contredit. Une IA interrogée plusieurs fois peut produire des avis différents selon la formulation de la question : on ne garde souvent que celui qui nous arrange.

Il y a aussi le biais d’ancrage : on se fixe sur la première réponse obtenue et on construit la suite du raisonnement autour d’elle, sans explorer d’autres pistes, sans même se demander si une autre lecture du problème était possible.

Enfin, un biais plus récent mais tout aussi réel : à force de déléguer certaines tâches à l’IA, certains professionnels finissent par douter de leur propre compétence, au point de penser que l’outil raisonne mieux qu’eux sur leur propre métier. C’est l’inverse de l’objectif recherché : l’IA devrait renforcer la confiance dans son jugement, pas l’éroder.

Trois réflexes pour garder la main sur son jugement

La bonne nouvelle, c’est que ces biais se contrent avec des réflexes simples, applicables à n’importe quel résultat produit par une IA, quel que soit le métier.

Le premier réflexe consiste à séparer ce qui relève du fait, de l’interprétation et de la recommandation. Un chiffre vérifiable n’a pas le même poids qu’une déduction, qui elle-même n’a pas le même poids qu’un conseil. Mélanger les trois dans un même paragraphe, avec le même ton assuré, c’est exactement ce qui crée la confusion et empêche de repérer ce qui mériterait d’être vérifié.

Le deuxième réflexe est de résister à la première réponse. Plutôt que de l’accepter telle quelle, il est utile de se demander ce qui pourrait la remettre en cause, ou de demander explicitement une autre façon de voir le problème. Une IA, interrogée en ce sens, propose en général volontiers des alternatives, mais seulement si on les lui demande : par défaut, elle ne les offre pas spontanément.

Le troisième réflexe est de ne jamais traiter un résultat d’IA comme une source en soi. C’est un point de départ, pas un point d’arrivée. Ce qui confirme un fait, c’est un document interne, une donnée vérifiée, une personne compétente sur le sujet : jamais la confiance que l’IA affiche dans sa propre réponse, aussi assurée soit-elle.

Adapter sa vigilance à l’enjeu de la décision

Tous les usages de l’IA ne se valent pas. Demander une idée de formulation pour un mail n’engage rien : on peut avancer vite, sans réclamer de preuves à chaque étape. En revanche, dès qu’un résultat sert à prendre une décision qui a des conséquences, pour une équipe, un budget, un client, le niveau d’exigence doit changer.

Dans ce second cas, il est utile de se poser systématiquement quelques questions avant d’agir : sur quelles preuves repose cette conclusion ? Que se passe-t-il si elle est fausse ? Qui doit la vérifier avant qu’elle ne devienne une décision ? Ce n’est pas une question de défiance envers l’outil, mais de proportion : plus l’enjeu est élevé, plus la vérification doit l’être aussi.

Cette discipline ne ralentit pas le travail, elle évite la reprise. Une mauvaise recommandation détectée en amont coûte quelques minutes de vérification. Détectée en aval, après avoir été mise en œuvre, elle coûte beaucoup plus : en temps, en crédibilité, parfois en argent.

L’esprit critique, une compétence qui se muscle

L’IA ne pense pas à notre place : elle produit des hypothèses, avec une confiance qui n’a souvent rien à voir avec leur solidité. L’esprit critique n’est pas un frein à son usage, c’est la condition pour en tirer une vraie valeur, plutôt qu’une fausse certitude. Trois réflexes suffisent pour commencer : distinguer les faits des interprétations, challenger la première réponse, et adapter sa vigilance à ce qui est réellement en jeu.