Cadres & modèles6 min de lecture

Compétences IA des salariés : prévision ou scénario ?

Les compétences IA des salariés doivent inclure un réflexe : qualifier chaque chiffre comme prévision, scénario, objectif ou estimation avant d’agir.

Bokili EditorialPublié le 26 octobre 2026· Vérifié le 26 octobre 2026

Un dossier de preuves mène vers une prévision avec incertitude, plusieurs scénarios, un objectif et une estimation sans preuve avant une décision humaine.

La maîtrise de l'IA par les collaborateurs passe par un réflexe analytique simple : qualifier chaque chiffre avant de l'utiliser. Une réponse soignée de l'IA peut présenter 12 500 unités comme une prévision. En réalité, ce chiffre peut être un scénario optimiste, un objectif de vente ou une simple estimation. Le calcul n'est pas le seul risque. Sa qualification change ce que le décideur est en droit de croire.

Apprenez à vos collaborateurs à distinguer quatre concepts : une prévision estime un résultat sur la base de données et d'hypothèses définies ; un scénario explore ce qui pourrait arriver dans un ensemble de conditions cohérentes ; un objectif énonce ce que l'entreprise veut atteindre ; une estimation n'a ni méthode traçable ni preuve. Ces termes varient selon les métiers. La formation doit donc exiger de préciser la méthode locale et le responsable, pas seulement l'étiquette.

Qualifier les chiffres : une compétence IA essentielle

Le guide des prévisions du ministère des Transports britannique en donne un exemple précis : il définit une prévision comme le résultat d'un modèle sur un an avec un jeu d'hypothèses, et un scénario comme un ensemble de prévisions basées sur un même jeu d'hypothèses. Le même document utilise des scénarios centraux et alternatifs pour rendre l'incertitude visible. Ces définitions sont propres au secteur des transports, mais la leçon est claire : hypothèses et objectif sont indissociables du chiffre.

Le guide de mise en œuvre de l’AI Risk Management Framework du NIST recommande de même de mesurer la performance par rapport à la réalité du terrain dans le contexte prévu, de documenter les écarts entre l'environnement de test et de déploiement, et de vérifier si les données représentent toujours l'environnement opérationnel. Le guide britannique sur l'évaluation des interventions d'IA demande aussi aux équipes de définir la situation de référence et de documenter le statu quo avant de comparer les résultats. Un chiffre sans son contexte ne peut véhiculer ces informations.

	Définition	Preuves nécessaires	Usage approprié
Prévision	Meilleure estimation actuelle selon une méthode et un horizon définis	Période des données, méthode, hypothèses, incertitude et responsable	Planifier tout en suivant l’erreur et en actualisant lorsque les conditions changent
Scénario	Un avenir plausible sous un ensemble cohérent de conditions	Conditions nommées, cohérence interne et objectif de décision	Tester une décision dans plusieurs futurs possibles
Objectif	Un résultat souhaité ou un engagement	Justification métier, responsable, ressources et échéance	Coordonner l’action sans le présenter comme une probabilité
Estimation	Un nombre sans fondement traçable	Pas encore de preuve suffisante	Le traiter comme une question à examiner, pas comme une donnée de décision

Ce n'est pas seulement l'affaire des analystes, mais une question de maîtrise de l'IA. Le guide actuel de la Commission européenne précise que les actions de formation à l'IA doivent tenir compte des connaissances du personnel, du système, de ses risques et du contexte d'utilisation. Un collaborateur qui utilise l'IA générative pour rédiger une note budgétaire, un plan de demande ou un brief projet doit avoir assez de recul pour reconnaître un chiffre qui, bien que plausible, manque de preuves pour être qualifié.

Utilisez la méthode SCOPE avant toute décision chiffrée

Prévisions, scénarios, objectifs : les 5 points clés

S — Spécifiez le type

Qualifiez le chiffre : prévision, scénario, objectif ou estimation non vérifiée. Si le type est incertain, arrêtez-vous là.

C — Conditions et horizon

Précisez la période, la population, la zone géographique et les conditions de validité du chiffre.

O — Origine des données et méthode

Indiquez les données sources, la période et la méthode. Si l'IA a transformé les données ou choisi les hypothèses, rendez sa contribution visible.

P — Probabilité et incertitude

Présentez une marge d'erreur, un intervalle de confiance, une analyse de sensibilité ou l'absence explicite de probabilité. Ne transformez pas un scénario en résultat probable par le simple ton employé.

E — Escalade et responsable

Désignez qui peut approuver l'utilisation, quel changement déclencherait une révision et quand le chiffre doit être actualisé.

SCOPE ne transforme pas chaque collaborateur en prévisionniste. La méthode donne aux non-spécialistes une règle d'arrêt. Si la méthode, les hypothèses ou le responsable manquent, il ne faut ni renforcer la formulation, ni ajouter de décimales. Il faut alors demander les preuves manquantes ou transmettre le chiffre à la personne en charge de l'analyse.

Lire, c'est bien. Pratiquer, ça change tout.

Commencer

Cas pratique : le chiffre de 12 500 unités de demande

Un category manager demande à une IA d'estimer la demande du prochain trimestre. Son prompt inclut les ventes trimestrielles de l'an dernier (9,600, 10,100, 9,900 et 10,300 unités) et mentionne une promotion à venir. La réponse est : « La demande attendue est de 12 500 unités. » Elle n'indique ni modèle, ni impact de la promotion, ni contraintes de stock, ni horizon de prévision, ni marge d'erreur.

Validez le chiffre avant de l'utiliser

1
1. Testez le type
Ce n'est pas encore une prévision défendable, car la méthode et l'incertitude sont absentes. C'est peut-être un scénario optimiste ou une simple estimation non vérifiée.
2
2. Retrouvez les conditions
Demandez quelle taille de promotion, couverture de canaux, prix, disponibilité des stocks et période de comparaison mènent à 12 500. Séparez les faits confirmés des hypothèses proposées.
3
3. Bâtissez des scénarios
Créez un cas de base lié à l'historique, un scénario avec promotion et des hypothèses d'impact chiffrées, et un scénario pessimiste en cas de faible réponse ou de limites d'approvisionnement.
4
4. Séparez l'objectif
Si l'équipe commerciale vise 12 500 unités, enregistrez-le comme un objectif. Ne requalifiez pas cette ambition en résultat attendu.
5
5. Validez l'analyse
Le responsable de la planification de la demande choisit la méthode approuvée, vérifie les données, consigne l'incertitude et décide quel chiffre intégrer au plan.

L'outil d'IA reste utile. Il peut organiser les hypothèses, calculer des alternatives transparentes à partir des chiffres fournis, ébaucher une table de sensibilité et lister les données manquantes. Il ne doit pas transformer un objectif en prévision, ni un scénario en probabilité, simplement parce que le texte semble convaincant.

Quatre erreurs de formation types

Premièrement, les exercices récompensent le « bon » chiffre sans vérifier comment il a été produit. Deuxièmement, les scénarios sont présentés comme haut, moyen et bas, mais les hypothèses ne diffèrent pas. Troisièmement, l'objectif apparaît dans le même tableau que les prévisions sans étiquette distincte. Quatrièmement, l'apprenant demande à la même IA de générer le chiffre et de certifier sa fiabilité. Chaque erreur masque le processus de décision.

Utilisez des données fictives ou approuvées pour les exercices. Évaluez si l'apprenant qualifie le résultat, expose la méthode, nomme les hypothèses, communique l'incertitude et suit le bon circuit de validation. Évitez de noter la proximité avec un résultat futur que personne ne connaît encore. La preuve de la formation est la qualité du transfert d'analyse.

Qualifier les chiffres en 10 minutes

Choisissez un nombre produit par l’IA dans un exemple de planification synthétique.
Indiquez à côté : prévision, scénario, objectif ou estimation non vérifiée.
Ajoutez l’horizon temporel, la population et les conditions d’exploitation.
Listez les données sources, la méthode et les deux hypothèses qui influencent le plus le résultat.
Exprimez honnêtement l’incertitude, y compris lorsqu’aucune probabilité n’est disponible.
Nommez le responsable et le changement qui déclencherait une actualisation.

Formez aux usages de chaque chiffre

L'objectif n'est pas d'interdire l'IA pour la planification. Il est d'éviter que la qualité de la présentation ne l'emporte sur la rigueur de l'analyse. Quand les employés distinguent une prévision d'un scénario, d'un objectif et d'une estimation, ils savent si un chiffre sert à planifier, à tester des hypothèses, à coordonner ou à investiguer.

Associez cette compétence aux guides Bokili sur les preuves indépendantes et les seuils fondés sur le coût des erreurs. L’approche RH et L&D de Bokili transforme ces distinctions en exercices courts, adaptés aux rôles et accompagnés d’un retour visible.