Définir les critères de succès avant de déléguer à l'IA
Avant de rédiger votre prompt, définissez en cinq lignes les critères de succès pour le travail de l'IA : objectif, preuves, limites, format et responsable de la décision.

De nombreux résultats d'IA médiocres proviennent de missions mal définies. Un manager demande un « bon briefing », sans jamais préciser son objectif, les preuves à utiliser ou le responsable de l'approbation. Le modèle comble ces lacunes avec des choix plausibles. La solution n'est pas un prompt plus long. Définissez les critères de succès avant de commencer la tâche.
La qualité s'intègre au brief
La recherche de Microsoft sur l'interaction humain-IA recommande de clarifier ce qu'un système d'IA peut faire et avec quelle efficacité, et d'anticiper les erreurs. Le profil de risque de l'IA générative du NIST considère également l'évaluation et la gestion des risques comme un travail organisationnel. Pour les tâches quotidiennes, ce principe peut se traduire par un contrat en cinq lignes entre le demandeur, l'utilisateur et le relecteur.
La définition de succès en cinq lignes
Objectif
Nommez la décision ou l'action que ce résultat doit soutenir.
Preuves
Listez les sources autorisées et les affirmations qui doivent être traçables.
Limites
Indiquez les données, affirmations, actions et sujets hors de portée.
Format
Précisez la longueur, la structure, le ton et les champs nécessaires au relecteur.
Responsable de la décision
Nommez le rôle humain qui vérifie le résultat et décide de son utilisation.
Exemple concret : un briefing fournisseur
« Résumer ces propositions de fournisseurs » semble efficace, mais laisse toutes les décisions importantes en suspens. Une définition de succès rend la mission évaluable : le brief soutient une réunion de présélection ; les affirmations doivent citer les propositions soumises ; la conformité légale est hors de portée du modèle ; le résultat est une comparaison d'une page avec les inconnues ; le service achats est responsable de la recommandation finale.
Prompt sans définition de succès
- Rédiger une synthèse persuasive de ces propositions.
- Choisir le meilleur fournisseur.
- Rester concis.
Brief avec critères d'acceptation
- Soutenir une décision de présélection, pas l’attribution finale.
- Utiliser uniquement les propositions et citer chaque affirmation importante.
- Séparer les faits, les hypothèses et les preuves manquantes.
- Le service achats vérifie le résultat et assume la décision.
Transformez la définition en prompt
- 1
Rédigez d'abord les cinq lignes
Faites-le en dehors du chat pour que la norme ne dérive pas avec le résultat.
- 2
Ajoutez le contexte de la tâche
Expliquez l'audience, la date limite et les documents fournis sans modifier les critères d'acceptation.
- 3
Demandez une auto-vérification
Exigez un tableau final montrant comment le résultat respecte chaque ligne et où les preuves manquent.
- 4
Évaluez selon le contrat
Jugez le travail selon les cinq lignes, pas l’aisance du texte ou son ton assuré.
- 5
Enregistrez un schéma d'échec
Utilisez-le pour améliorer la prochaine tâche, le modèle ou le garde-fou.
Lire, c'est bien. Pratiquer, ça change tout.
Commencer| Semble réussi | Respecte les critères | |
|---|---|---|
| Objectif | Se lit facilement | Permet la décision prévue |
| Preuves | Contient des détails | Les affirmations importantes sont traçables |
| Limites | Semble complet | Signale les exclusions et les inconnues |
| Responsabilité | L’IA recommande | Un rôle humain désigné décide |
Vérification du manager avant délégation
- Puis-je nommer la décision que ce résultat doit soutenir ?
- Ai-je listé les preuves autorisées ?
- Ai-je fixé les limites de données et d’action ?
- Deux relecteurs pourraient-ils s’accorder sur le format attendu ?
- Un rôle humain est-il responsable de l’acceptation ?
Placez la norme là où le travail commence
Une définition de succès est plus efficace lorsqu'elle est visible avant même l'ouverture d'un outil d'IA. Ajoutez les cinq lignes au formulaire de demande, à la fiche de tâche ou au modèle d'équipe qui lance déjà le travail. Gardez des exemples à côté des critères, mais ne laissez pas un exemple les remplacer. Si les relecteurs sont souvent en désaccord, le critère est probablement trop vague. Reformulez-le pour qu'un collègue puisse pointer des preuves observables. Cela rend la norme portable entre les modèles et les outils : la technologie peut changer, tandis que la décision, le cadre des preuves et le responsable restent stables.
Entraînez-vous sur une tâche réversible
- Choisissez une tâche à faible risque que vous maîtrisez déjà.
- Rédigez l’objectif en une phrase.
- Listez les preuves et une limite importante.
- Précisez un format facile à vérifier.
- Nommez le responsable de la décision, puis demandez à un collègue si les cinq lignes sont sans ambiguïté.
Les critères d'acceptation ne rendent pas toutes les tâches adaptées à l'IA
Si le travail implique des données interdites, des décisions sensibles aux droits, un jugement réglementé ou une action en dehors des limites de l'outil approuvé, arrêtez et suivez la politique pertinente.
L'habitude centrale est de déplacer le jugement au début. Une définition de succès laisse moins de place à l'IA pour deviner et donne au relecteur un meilleur outil que l'instinct. Bokili aide les équipes à pratiquer cette habitude sur des tâches réalistes et délimitées jusqu'à ce que la délégation et la vérification claires fassent partie des pratiques de management courantes.
Sources
- Guidelines for Human-AI Interaction — Microsoft Research
- How to build effective human-AI interaction — Microsoft Research
- Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — NIST
Lire, c'est bien. Pratiquer, ça change tout.
Bokili transforme ce type de compétence en missions de dix minutes pour toute l'équipe, avec un retour immédiat et une progression visible.
CommencerÀ lire ensuite

Cours d’IA pour débutants : créez un premier exercice sûr
Choisissez une tâche à faible enjeu, protégez les entrées, définissez un critère de qualité et créez un premier échantillon de travail IA vérifié.

Séparer génération et décision : un modèle IA en deux temps
L'IA pour explorer, affiner les options, puis l'humain pour décider et documenter de manière responsable.

La maîtrise de l'IA commence à la première erreur
La vraie maîtrise de l'IA ne se mesure pas à la perfection d'une première réponse, mais à la capacité de détecter une erreur, la corriger et valider le résultat.