Un comité de direction reçoit trois scénarios préparés avec l’IA. Le premier réduit les coûts, le deuxième améliore la disponibilité du service et le troisième conserve davantage de ressources pour accompagner les clients. L’assistant classe les options et recommande la première.
La recommandation peut être techniquement cohérente. Une question reste pourtant ouverte : pourquoi la réduction des coûts doit-elle primer sur les autres objectifs ?
La direction peut confier à un système des analyses et, dans un périmètre autorisé, certaines opérations. Elle doit toutefois expliciter et assumer les finalités, les critères et les limites qui engagent l’organisation. Une capacité de calcul ne constitue pas, à elle seule, un mandat pour choisir ces éléments.
Le titre pose donc une question de gouvernance autant que de technologie. Il ne signifie pas que toutes les décisions automatisées seraient interdites, ni que les humains décideraient toujours mieux que les machines.
Séparer trois actes que le mot « décision » rassemble
Analyser une situation, choisir entre des objectifs et autoriser une action ne sont pas le même acte.
L’IA peut aider à rassembler des informations, estimer des conséquences ou comparer des options. Le résultat dépend des données, des hypothèses et des critères utilisés.
L’arbitrage consiste ensuite à déterminer ce qui compte, notamment lorsque les objectifs entrent en tension. Une direction peut vouloir simultanément limiter les coûts, préserver une qualité de service et développer une activité. Elle doit préciser comment ces priorités s’articulent.
L’autorisation engage enfin une personne ou une instance disposant du pouvoir correspondant. Un document convaincant ne crée pas ce pouvoir. Une recommandation ne devient pas un engagement de l’entreprise parce qu’elle apparaît en tête d’un classement.
Ces distinctions permettent de profiter d’une assistance sans rendre invisible la manière dont l’organisation choisit.
Ce que les références apportent, et ce qu’elles ne tranchent pas
Les principes de l’OCDE sur l’IA, adoptés en 2019 et actualisés en 2024, mettent notamment l’accent sur la capacité d’action et de supervision humaines, l’explication des résultats et la responsabilité des acteurs selon leur rôle et le contexte.
Ils fournissent un repère normatif pour une IA digne de confiance. Ils ne constituent pas une loi française attribuant toute décision à la direction générale, ni une preuve expérimentale que toute intervention humaine améliore un résultat.
Sur un autre plan, la CNIL rappelle les règles particulières relatives aux décisions entièrement automatisées. L’article 22 du RGPD vise notamment les décisions fondées exclusivement sur un traitement automatisé qui produisent des effets juridiques sur une personne ou l’affectent de manière significative similaire. Des exceptions et des garanties spécifiques existent.
Ce cadre ne permet pas de conclure que toute automatisation est interdite. Il demande un examen du traitement et de ses effets avec les acteurs compétents. Les questions de direction développées ci-dessous sont des propositions de gouvernance ; elles ne remplacent pas cet examen juridique.
Choisir le problème que l’on veut résoudre
Le premier choix peut disparaître avant même la recommandation : quel problème l’entreprise demande-t-elle à l’outil de traiter ?
Si la question est « comment réduire la charge du service client ? », les réponses ne seront pas nécessairement les mêmes que pour « comment éviter aux clients de devoir nous rappeler ? ». Les deux objectifs peuvent se rejoindre, mais ils ne sont pas identiques.
Une direction doit donc savoir expliquer la finalité retenue. Elle peut demander à l’IA de la critiquer ou d’en proposer d’autres. Elle doit encore examiner ces propositions à partir de la mission, des engagements et des contraintes de l’organisation.
Le risque n’est pas seulement une mauvaise réponse. C’est une réponse pertinente à une question que personne n’a réellement choisi d’assumer.
Assumer les critères qui départagent les options
Un classement donne une apparence de netteté. Il peut pourtant masquer un arbitrage dans la définition de ses critères ou dans leur importance relative.
Dans notre exemple introductif, une option peut arriver première parce que le coût immédiat pèse davantage que le délai client. Avec d’autres priorités, le classement pourrait changer.
Les responsables doivent pouvoir identifier les hypothèses déterminantes et demander comment la recommandation évolue lorsqu’elles varient. Un résultat très sensible à une hypothèse incertaine appelle une discussion différente d’un résultat stable dans plusieurs conditions.
L’IA peut aider à explorer ces variations. Elle ne dispense pas les personnes compétentes de décider si les critères conviennent au choix en cours.
Cette responsabilité n’exige pas que chaque dirigeant comprenne tous les détails d’un modèle. Elle exige que l’organisation dispose des explications et des expertises nécessaires pour examiner les éléments qui font basculer la conclusion.
Un cas fictif : réaffecter les moyens du service client
Imaginons une entreprise de distribution qui envisage de modifier l’organisation de son assistance. L’IA compare plusieurs répartitions de moyens entre réponses automatisées, accompagnement à distance et accueil en magasin.
La première proposition paraît économique. Elle suppose toutefois que les clients puissent utiliser facilement le canal numérique et que les demandes exceptionnelles restent peu nombreuses.
Avant de la retenir, la direction doit décider de la place qu’elle donne aux clients qui ont besoin d’un autre accès. Elle doit aussi examiner le travail déplacé vers les magasins et les moyens nécessaires pour traiter les exceptions.
L’assistant peut produire des scénarios supplémentaires. Il peut aider à décrire des conséquences oubliées. Mais les personnes concernées et les responsables des activités doivent encore contribuer à l’examen.
Le choix final porte sur une organisation du service, avec des effets distribués entre clients et équipes. Il ne se résume pas à sélectionner la proposition dont le score est le plus élevé.
Ce scénario ne décrit aucun client Learning Coach. Les résultats et les capacités du système y sont hypothétiques ; il sert à rendre les arbitrages visibles.
Décider quelles conséquences sont acceptables
Une moyenne favorable peut cacher des effets très différents selon les situations. Le temps de réponse global peut baisser tandis qu’une catégorie de demandes devient plus difficile à traiter.
La direction doit donc demander qui bénéficie du changement, qui en supporte la charge et quelles situations restent insuffisamment représentées. Les réponses peuvent imposer de modifier l’option, de recueillir une information ou de limiter son périmètre.
Il ne s’agit pas d’exiger qu’un projet satisfasse parfaitement tous les intérêts. Il s’agit de rendre les tensions explicites avant l’engagement et de distinguer ce qui est souhaitable de ce qui est effectivement permis.
Les obligations applicables et les droits des personnes doivent être examinés avec les spécialistes concernés. Un arbitrage commercial ne peut pas être présenté comme une autorisation générale d’écarter ces règles.
Définir le périmètre de ce que l’on délègue
Une délégation utile précise l’activité, les conditions et les limites. « L’IA gère le service client » est trop large pour comprendre le pouvoir réellement accordé.
Dans notre entreprise fictive, il faut distinguer la préparation d’une réponse, son envoi et une modification des conditions de service. Ces actes n’ont pas les mêmes conséquences et ne demandent pas nécessairement les mêmes validations.
La direction n’a pas à reprendre personnellement chaque opération. Elle doit faire attribuer les mandats et vérifier que les personnes chargées de les exercer disposent des moyens correspondants.
Une évolution du périmètre mérite également un examen. Utiliser une analyse préparée pour organiser des horaires afin de revoir une politique commerciale constitue un autre usage, même si le document semble réutilisable.
La frontière ne dépend donc pas uniquement du logiciel. Elle dépend de l’action autorisée et des conséquences envisagées.
Une validation humaine doit permettre un véritable examen
Ajouter un signataire ne suffit pas à montrer que la recommandation a été discutée. La personne doit pouvoir accéder aux informations utiles, comprendre les limites et solliciter les compétences qui lui manquent.
Elle doit aussi disposer du temps et du mandat nécessaires pour demander une modification ou transmettre un désaccord. Sinon, la validation risque de décrire une étape administrative dont la portée reste faible.
Il faut conserver la possibilité que l’humain se trompe également. Une objection doit être argumentée ; le statut hiérarchique ne rend pas une intuition plus exacte qu’une estimation examinée.
Notre article sur la parole lorsque managers et collaborateurs sont réunis rappelle l’importance du cadre et des différences de pouvoir. Dans une décision assistée, la contradiction doit pouvoir atteindre ceux qui ont les moyens de la traiter.
Conserver les raisons du choix, pas seulement sa conclusion
Un relevé de décision peut préciser la finalité, les options examinées, les hypothèses importantes et la raison du choix. Il indique aussi ce qui reste incertain et ce qui justifierait un réexamen.
Cette trace permet de revenir sur une décision lorsque le contexte change. Elle aide à distinguer une erreur d’estimation d’un objectif mal choisi ou d’une condition devenue fausse.
L’organisation apprend davantage lorsqu’elle peut examiner ces différences. « L’IA l’avait recommandé » donne peu de prise à ce travail. « Nous avons retenu cette option dans ce périmètre pour ces raisons » rend le choix discutable et révisable.
Le niveau de documentation doit rester proportionné et respecter les règles applicables. L’objectif n’est pas d’archiver chaque échange, mais de conserver les éléments nécessaires pour comprendre l’engagement.
Préparer les dirigeants à examiner une recommandation
La compétence recherchée dépasse la rédaction d’une bonne demande à l’assistant. Elle consiste à repérer le choix caché dans un critère, à demander une autre option et à reconnaître une information insuffisante.
Notre réflexion sur l’engagement des adultes en formation invite à relier l’apprentissage à une situation concrète. Pour des dirigeants, un dossier fictif permet de travailler ces gestes sans exposer une décision réelle ou des données sensibles.
Une keynote peut poser les distinctions entre analyse, arbitrage et autorisation. Un séminaire peut les mettre à l’épreuve de plusieurs recommandations plausibles. La qualité de l’exercice ne démontre pas, à elle seule, une amélioration durable des décisions.
Vous souhaitez mettre ces arbitrages en débat avec votre équipe de direction ? Découvrez les conférences Learning Coach et demandez une proposition adaptée à votre événement.
Face à la prochaine recommandation algorithmique, la question décisive pourrait être : avons-nous seulement examiné sa réponse, ou aussi les objectifs et les critères qui lui donnent raison ?
Ressources
OCDE, AI Principles, principes adoptés en 2019 et actualisés en 2024. Repères de gouvernance, de supervision et de responsabilité.
CNIL, Profilage et décision entièrement automatisée, 29 mai 2018 ; article 22 du RGPD. Champ, exceptions et garanties à examiner pour chaque traitement. Sources consultées le 28 octobre 2026.
