Demander à une IA de choisir un outil, une formation, un prestataire ou une stratégie peut donner une réponse rapide et très convaincante. Le problème est que le modèle ne connaît pas toujours vos contraintes réelles. Il peut privilégier les informations les plus visibles, compléter les données manquantes ou présenter une recommandation comme une évidence. Le NIST rappelle que les configurations humain-IA vont de l’autonomie complète à l’usage du système comme simple avis supplémentaire, et que les rôles de chacun doivent être définis. Pour un créateur, un entrepreneur, un étudiant ou une petite équipe, la bonne méthode consiste donc à utiliser l’IA pour organiser les éléments de la décision, sans lui transférer la responsabilité du choix. Voici un protocole en six étapes, applicable à une comparaison d’outils, de services ou de projets.

1. Formulez la décision avant de demander une recommandation

Commencez par écrire une phrase précise : « Nous devons choisir un outil de montage pour produire trois vidéos par semaine sur téléphone » ou « Je dois sélectionner une formation compatible avec mon budget et mon emploi du temps ». Une demande vague comme « Quel est le meilleur outil ? » invite l’IA à inventer elle-même la définition du mot meilleur.

Indiquez ensuite qui sera affecté par le choix, pendant combien de temps et ce qui rendrait la décision difficile à corriger. Plus l’impact est important, plus la vérification doit être forte. Une idée de titre peut être testée rapidement ; un abonnement annuel, une orientation d’études ou un traitement de données clients exige davantage de preuves et une personne clairement responsable.

2. Rendez vos critères visibles et pondérés

Listez quatre à six critères avant de citer les options. Pour un outil numérique, utilisez par exemple le coût total, la qualité en français, le fonctionnement sur mobile, la consommation de données, la protection des informations et le temps d’apprentissage. Attribuez à chaque critère un poids de un à cinq selon son importance réelle.

Cette étape empêche une fonction spectaculaire de dominer toute la comparaison. Pour une équipe qui travaille avec une connexion irrégulière, la reprise après une coupure peut compter davantage qu’une génération plus rapide. Pour une association, la facilité de formation des membres peut peser plus que le nombre de fonctions avancées. Les poids expriment vos priorités, pas celles du modèle.

3. Séparez les faits, les hypothèses et les inconnues

Demandez à l’IA de créer trois colonnes. Dans « Faits vérifiés », placez uniquement les éléments reliés à une source officielle ou à votre propre test. Dans « Hypothèses », notez les déductions qui semblent plausibles mais ne sont pas confirmées. Dans « Inconnues », inscrivez les prix non disponibles, les restrictions par pays, les langues, les limites techniques et tout point qui nécessite un essai.

Exigez un lien direct et une date pour chaque fait externe. Si l’outil ne peut pas fournir de source primaire, la ligne reste une hypothèse. Cette discipline évite qu’une description marketing, un ancien tarif ou un avis isolé soit traité comme une donnée certaine. Elle rend aussi la décision révisable lorsque les conditions changent.

4. Faites calculer une matrice, pas une vérité

Demandez une note de zéro à cinq pour chaque option et chaque critère, accompagnée d’une justification courte. Multipliez la note par le poids du critère, puis additionnez les résultats. Le tableau révèle pourquoi une option arrive devant une autre. Il ne prouve pas qu’elle est objectivement la meilleure.

Effectuez un test de sensibilité : augmentez puis diminuez d’un point le poids du critère principal. Si le classement change immédiatement, la recommandation est fragile. Demandez aussi à l’IA de présenter le meilleur argument contre l’option gagnante. Une comparaison utile doit montrer les compromis, pas seulement produire un nom en gras.

5. Vérifiez les deux critères qui peuvent renverser le choix

Ne tentez pas de tout vérifier au même niveau. Repérez les deux critères qui ont le plus de poids ou dont les informations restent incertaines. Consultez la documentation officielle, demandez une démonstration ou réalisez un essai court avec un cas réel et sans données sensibles. Notez le résultat dans la matrice au lieu de vous fier à votre souvenir.

Pour une décision collective, faites relire les critères par une personne qui utilisera réellement la solution. L’OCDE recommande des mécanismes permettant l’action et la supervision humaines adaptés au contexte. Une validation n’est utile que si la personne peut comprendre les éléments, contester une note et demander un nouveau test.

6. Enregistrez la décision, son responsable et sa date de révision

Terminez par une fiche courte : option retenue, critères décisifs, sources consultées, incertitudes restantes, nom de la personne qui approuve et date de révision. Le cadre du gouvernement britannique sur l’éthique des données insiste sur la gouvernance, la supervision et la possibilité de comprendre comment une décision a été prise.

Pour un choix réversible, planifiez un test de deux semaines avec un seuil d’arrêt. Pour un engagement durable, prévoyez une revue avant le renouvellement. L’IA peut mettre à jour le tableau lorsque de nouvelles informations arrivent, mais elle ne doit pas modifier seule les critères ni déclencher une dépense, une publication ou une décision touchant une personne.

Conclusion : utilisez l’IA pour rendre le raisonnement visible

Une réponse fluide ne garantit pas une bonne décision. La valeur de l’IA apparaît lorsqu’elle aide à clarifier la question, comparer des options, signaler les informations manquantes et tester la solidité du classement.

Pour votre prochain choix, écrivez la décision en une phrase, définissez cinq critères pondérés et séparez faits, hypothèses et inconnues. Vérifiez les deux éléments capables de changer le résultat, puis consignez qui décide et quand le choix sera réévalué. L’IA propose une structure ; la responsabilité reste humaine.