Études & analyses4 min de lecture

Vérifier une réponse IA, ce n'est pas changer sa décision

Scepticisme, vérification et confiance sont des comportements distincts. Formez vos équipes à repérer un risque, consulter la bonne source et modifier l'action finale.

Bokili EditorialPublié le 31 octobre 2026· Vérifié le 31 octobre 2026

Une personne repère une réponse IA douteuse, vérifie la source et corrige la décision finale.

On peut douter d'une réponse IA, la vérifier avec une source et pourtant prendre la même mauvaise décision. Ces résultats ne sont pas contradictoires. Ce sont trois comportements distincts, et chacun peut échouer indépendamment.

Une étude de septembre 2026 dans Current Opinion in Psychology distingue scepticisme, vérification et confiance dans l'usage d'assistants IA en entreprise. La distinction est clé pour la formation. Un avertissement peut inciter à la prudence, une citation à cliquer. Mais rien ne prouve que la vérification a réussi ou a changé l'action de la personne.

Mesurez trois comportements, pas un simple score de confiance

L'étude révèle que la plupart des recherches mesurent la confiance, tandis que le scepticisme et la vérification sont moins souvent mesurés directement. Elle rapporte aussi que les avertissements généraux sur les hallucinations ont des effets faibles et mitigés. Des indices plus ciblés sur les failles d'un système IA pourraient aider, mais les preuves restent limitées. La leçon pratique est simple : ne considérez pas un avertissement, un lien source ou un score de confiance comme une preuve d'utilisation sûre.

Le test de décision NCA

N — Noter

La personne peut-elle reconnaître que la réponse est peut-être fausse, incomplète ou inadaptée à cette décision ?

C — Vérifier

Peut-elle comparer l'affirmation avec une source indépendante, à jour et fiable, au lieu de simplement relire la réponse de l'IA ?

A — Agir

Le résultat de la vérification change-t-il le brouillon, la décision, la procédure d'escalade ou l'arrêt de l'IA ?

	Looks reassuring	Montre un comportement utile
Noter	L’utilisateur dit que l’IA peut halluciner	L’utilisateur signale l’affirmation précise à vérifier
Tester	L’utilisateur ouvre une source citée	L’utilisateur trouve et lit la source de référence
Agir	L’utilisateur déclare avoir confiance	L’utilisateur corrige, transmet ou rejette la réponse
Preuve	A completion tick	Une trace reliant l’affirmation, la source et la décision modifiée

Une bonne vérification doit pouvoir changer le résultat

Si l'exercice s'arrête à l'ouverture de la source, il ne mesure qu'une activité. Demandez ce que la source a changé.

Exemple concret : un assistant de politique de voyage interne

Un employé interroge un assistant IA interne sur le forfait repas pour un voyage. La réponse est 60 € et renvoie à la politique de voyage. La politique actuelle indique 45 €. L'employé a un doute et ouvre le document, mais lit la mauvaise section, conserve le chiffre de 60 € et soumet sa note de frais.

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

Commencer

Passer la réponse au test NCA

1
Noter le point de décision
La demande concerne une dépense remboursable. L'employé note donc le montant et la version de la politique à vérifier.
2
Vérifier la source de référence
Il ouvre la politique en vigueur, cherche la destination et la catégorie de repas, et note le paragraphe utilisé.
3
Expliquer le résultat
Il constate que la réponse IA a utilisé un plafond obsolète et identifie le bon plafond de 45 €.
4
Modifier l'action
Il modifie sa note de frais, conserve la référence de la source et signale la réponse obsolète via le canal approprié.
5
Généralisation
Il répète la méthode avec une autre question de politique où la réponse initiale de l'IA est correcte.

Cet exemple révèle quatre scénarios. Une personne peut ne pas voir le risque. Le voir mais ne pas vérifier. Tenter de vérifier et rater l'erreur. Ou trouver l'erreur mais ne pas changer son action. Un score unique de « confiance » masque ces différences et n'aide pas l'équipe de formation à savoir quoi travailler ensuite.

Concevoir l'évaluation selon l'impact de la décision

Le AI Risk Management Framework du NIST préconise une supervision humaine documentée, une interprétation des résultats en contexte et des mécanismes de feedback pour contester ou annuler. Le AI Playbook du gouvernement britannique indique que l'humain reste responsable des résultats et doit les valider en fonction de l'impact et du risque. Pour une note interne à faible enjeu, le NCA peut prendre une minute. Pour une décision publique, financière, juridique ou RH, la source, le validateur et la règle de diffusion doivent être explicites.

Prouver qu'une habitude de vérification fonctionne

L’apprenant identifie l’affirmation ou la recommandation précise à vérifier.
La source est indépendante de la réponse générée et à jour pour la tâche.
L’apprenant distingue l’ouverture d’une source de la recherche de la preuve pertinente.
Le résultat indique si l’affirmation a été confirmée, corrigée ou laissée sans réponse.
L’action finale change lorsque la preuve change.
Les cas non résolus ou à fort impact suivent une procédure de transmission définie.

Les directives de la Commission européenne sur la maîtrise de l'IA insistent aussi sur le contexte, l'objectif, les connaissances de l'utilisateur et les compétences de supervision humaine. Cela encourage une pratique ciblée : la vérification d'une politique diffère de celle d'un calcul, d'un message client ou d'un classement de personnes.

Créez un exercice NCA de dix minutes

Testez : noter, vérifier, agir

Choisissez une décision fictive à faible risque appuyée par une réponse d’IA.
Introduisez une erreur plausible dans une affirmation importante et fournissez la bonne source.
Demandez à l’apprenant d’indiquer ce qui doit être vérifié avant d’ouvrir la source.
Observez si l’apprenant trouve le passage de référence, et pas seulement un texte connexe.
Exigez une note de décision finale qui précise ce qui a changé et pourquoi.
Répétez avec une réponse correcte afin que la vérification ne devienne pas un rejet automatique.

Associez cette méthode à la vérification de couverture « rien trouvé », à la vérification des nombres UNIT et au brief commercial faits vs. hypothèses. Chacune donne une forme concrète à l'étape de vérification pour un type de travail différent.

L'objectif n'est pas la méfiance permanente, mais une confiance éclairée. Une bonne pratique de l'IA clarifie la marche à suivre : identifier le risque, vérifier les bonnes preuves, puis laisser les preuves orienter la décision.

Pratiquer le geste complet

Bokili transforme les principes de vérification en missions courtes par rôle, avec une tâche, un niveau de preuve et un feedback. La vraie preuve d'efficacité n'est pas qu'on a lu un avertissement, mais qu'on a pris une meilleure décision.