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.

L'IA excelle à présenter des options comme des solutions abouties. Demandez une recommandation, et elle peut produire une liste concise, un choix privilégié et ses justifications, le tout en une seule réponse fluide. Cette commodité masque une distinction cruciale : générer des possibilités n'est pas la même chose que de décider laquelle l'organisation doit adopter.
Lorsque ces deux tâches sont effectuées en une seule fois, la première option plausible peut influencer le reste de la réponse. Les critères apparaissent après la recommandation, les hypothèses restent implicites, et l'humain se retrouve à valider une conclusion plutôt qu'à prendre une décision. Un meilleur flux de travail sépare ces étapes : utilisez l'IA pour élargir et challenger le champ des possibles, puis l'humain pour choisir et documenter la décision finale de manière responsable.
La limite à préserver
L'IA peut aider à créer, comparer et challenger les options. La personne responsable choisit toujours les critères, accepte les compromis et assume la décision.
Pourquoi les recommandations en une seule étape sont difficiles à évaluer
Une recommandation combine plusieurs activités : comprendre le brief, inventer des options, sélectionner des critères, évaluer des preuves et accepter les conséquences. Si l'IA effectue toutes ces tâches en une seule réponse, un évaluateur ne peut pas facilement voir où une hypothèse faible est apparue ou si un critère différent changerait le résultat.
Le cadre de gestion des risques de l'IA du NIST traite la gouvernance, la cartographie contextuelle, la mesure et la gestion comme des activités connectées tout au long du cycle de vie de l'IA. Son profil d'IA générative note également que certaines utilisations justifient un examen humain, un suivi et une documentation supplémentaires. Pour une décision commerciale courante, cela peut être léger : séparez l'artefact exploratoire du dossier de décision.
| Recommandation en une seule passe | Décision en deux passes | |
|---|---|---|
| Première étape | Demander la meilleure réponse | Demander des options réellement différentes |
| Critères | Souvent déduits dans la réponse | Définis et vérifiés par la personne responsable |
| Challenge | Appliquée surtout à l’option privilégiée | Appliquée à chaque option encore envisagée |
| Résultat | Une recommandation bien présentée | Un éventail d’options et une décision consignée séparément |
| Responsabilité | Diluée par la fluidité du texte | Nommée au moment du choix |
Utilisez deux étapes : EXPLORER–CHALLENGER, puis CHOISIR–ENREGISTRER
Les quatre étapes d'une décision IA en deux temps
EXPLORER le champ
Donnez à l'IA le résultat, les contraintes et les preuves. Demandez trois à cinq options qui diffèrent par leur mécanisme, pas seulement par leur formulation. Exigez une alternative 'ne rien faire' ou manuelle si elle est réellement disponible.
CHALLENGER chaque option
Testez chaque option selon les mêmes critères. Demandez ce qui doit être vrai, ce qui pourrait échouer, quelles preuves manquent et quel acteur supporte les inconvénients. Ne laissez pas l'IA éliminer silencieusement une option.
CHOISIR en dehors de la phase de génération
La personne responsable fixe les pondérations, résout les conflits de valeurs et sélectionne, combine ou rejette les options. Si les preuves sont insuffisantes, la décision est de rassembler plus de preuves, pas d'exiger une réponse plus confiante.
ENREGISTRER la décision
Capturez l'option choisie, les critères décisifs, les alternatives rejetées, les hypothèses non résolues, le responsable et le déclencheur de révision. Gardez-le suffisamment concis pour être relu lors de la révision de la décision.
La méthode ne suppose pas que l'IA est neutre. Elle rend son influence plus facile à inspecter. L'ensemble des options montre ce que le système a proposé. Le dossier de décision montre ce que l'humain a accepté et pourquoi. Les directives d'interaction humain-IA de Microsoft Research soulignent également l'importance de soutenir la correction, le rejet et un contrôle humain approprié lorsque les systèmes sont incertains ou erronés.
Exemple concret : choisir un format de pratique pour les managers
Lire, c'est bien. Pratiquer, ça change tout.
CommencerSupposons qu'un responsable L&D doive aider 120 managers à pratiquer une délégation d'IA sécurisée. La session doit durer 30 minutes, n'utiliser aucune donnée sensible des employés et fonctionner sans acheter un nouvel outil. Au lieu de demander : « Quel est le meilleur atelier ? », le responsable procède en deux étapes.
Étape 1 — construire et challenger l'ensemble des options
- 1
1. Définir le brief de décision
Résultat : les managers peuvent définir une tâche, une limite d'entrée et une étape de révision. Contraintes : 30 minutes, logiciel de réunion existant, exemples synthétiques uniquement.
- 2
2. Générer différents mécanismes
L'IA propose un exercice de scénario en direct, une clinique d'évaluation par les pairs, une courte démonstration suivie d'une pratique, et un kit d'animation d'équipe dirigé par un manager. Les options diffèrent par qui pratique, qui donne le feedback et quand le transfert a lieu.
- 3
3. Appliquer une grille de challenge
Pour chaque option, examinez le temps de pratique, la charge de facilitation, la preuve de compétence, les besoins d'accès et le risque que les managers observent plutôt qu'ils n'agissent.
- 4
4. Exposer les preuves manquantes
L'ensemble des options signale deux inconnues : les facilitateurs disponibles et si chaque manager peut participer à une session en direct. Ces questions sont renvoyées au propriétaire avant la sélection.
Deuxième passe — choisir et consigner la décision
- 1
1. Définir les critères décisifs
Le responsable L&D accorde plus de poids au temps de pratique et au comportement observable qu'à la commodité de la livraison.
- 2
2. Choisir en nommant le compromis
L'exercice de scénario est choisi car chaque manager doit prendre les trois décisions cibles. Il nécessite plus de facilitation, donc les groupes sont limités et une deuxième session est prévue.
- 3
3. Enregistrez le déclencheur de révision
Après la première cohorte, le responsable examinera l'achèvement, les erreurs courantes et la charge des animateurs. Si le plafond crée une longue file d'attente, la clinique par les pairs reste la solution de secours.
Une décision enregistrée qui tient sur un écran
Consigner ces sept éléments
- Décision et personne responsable
- Résultat attendu et contraintes non négociables
- Options envisagées, y compris l’option manuelle ou le statu quo lorsqu’ils sont pertinents
- Critères utilisés et pondération explicite éventuelle
- Option choisie et compromis accepté
- Hypothèses non résolues ou preuves manquantes
- Date ou événement susceptible de rouvrir la décision
Cet enregistrement n'est pas une transcription de chaque prompt. C'est la preuve minimale nécessaire pour comprendre le choix plus tard. Gardez les résultats exploratoires de l'IA comme matériel de travail ; gardez l'enregistrement de décision comme artefact organisationnel.
Sachez quand le modèle est trop léger
Un modèle en deux passes aide pour les choix commerciaux ordinaires et réversibles. Il ne remplace pas les contrôles formels lorsqu'une décision affecte la sécurité, les droits légaux, l'emploi, le crédit, la santé ou d'autres résultats à fortes conséquences. Ces cas peuvent nécessiter des systèmes approuvés, un examen spécialisé, des tests documentés et une gouvernance au-delà de la personne prenant la décision immédiate.
- Choisissez une petite décision réversible à prendre cette semaine.
- Notez le résultat attendu, trois contraintes et les éléments déjà disponibles.
- Demandez à un outil d’IA approuvé trois options réellement différentes et, pour chacune, une question sur les preuves manquantes.
- Mettez chaque option à l’épreuve des trois mêmes critères.
- Fermez la réponse de l’IA, puis choisissez, rejetez ou suspendez la décision en tant que personne responsable.
- Consignez les sept éléments de la décision et nommez le déclencheur de révision.
De meilleures options n'éliminent pas le besoin de décider
La valeur de l'IA n'est pas qu'elle puisse épargner aux gens tous les choix. Elle peut élargir le champ, exposer les hypothèses et faciliter l'examen des compromis. Le modèle en deux passes protège le moment où l'assistance se termine et la responsabilité commence.
Les courtes missions de Bokili en milieu de travail peuvent aider les équipes à pratiquer cette limite à plusieurs reprises : créer des options, les remettre en question avec des preuves, puis prendre une décision humaine visible. La compétence utile n'est pas d'obtenir une recommandation. C'est de savoir comment l'utiliser sans renoncer au choix.
Sources
- AI Risk Management Framework Core — NIST AI Resource Center
- Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — NIST
- Guidelines for Human-AI Interaction — Microsoft Research
- Bokili — Practical AI skills for real work — Bokili
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.

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.

Formation IA des équipes terrain : le guide du travail posté
Concevez une formation IA pour les équipes terrain avec des séquences courtes, des exemples sûrs, un retour rapide et un transfert au poste suivant.