Adoption de l’IA : sait-on expliquer ce que l’on croit comprendre ?
Une équipe peut discuter aisément d’un processus assisté par l’IA sans savoir en expliquer les étapes décisives. Pour le responsable, la question est précise : comment vérifier la compréhension nécessaire à une délégation, au-delà de l’assurance affichée ?
Ce que la littérature établit
Leonid Rozenblit et Frank Keil (2002, Cognitive Science) montrent que les personnes surestiment leur compréhension de mécanismes, notamment lorsqu’elles doivent ensuite en produire une explication détaillée. L’effort d’explication rend visibles des lacunes que l’autoévaluation initiale ne révélait pas. Demander « avez-vous compris ? » n’apporte donc pas la même information que demander de reconstruire le fonctionnement.
L’accès à une explication peut brouiller l’autoévaluation
Matthew Fisher, Mariel Goddu et Frank Keil (2015, Journal of Experimental Psychology: General) montrent, dans leurs expériences, que rechercher des explications sur Internet peut augmenter l’estimation de ses propres connaissances, y compris sur d’autres sujets. Le résultat suggère une frontière parfois mal perçue entre les ressources accessibles et les connaissances détenues. Pour l’IA, il invite à examiner cette distinction, sans établir que la conversation avec un modèle produit nécessairement le même effet.
La conclusion trop rapide
On pourrait en déduire qu’il faut comprendre intégralement un outil avant de l’utiliser ; ces travaux ne le démontrent pas. La question managériale porte plutôt sur ce que la personne doit pouvoir expliquer pour assumer la tâche confiée : les conditions d’entrée, les critères de réussite et les situations nécessitant une escalade. Il ne s’agit pas d’exiger une connaissance de l’architecture du modèle, mais une compréhension opérationnelle de la délégation. (nos formations pour cadres et collaborateurs)
Ce que ces données ne permettent pas de conclure
Ces études ne portent ni sur les assistants génératifs actuels ni sur la délégation dans des équipes lausannoises. Elles ne fournissent pas de seuil de compréhension garantissant un usage sûr. Une explication hésitante peut aussi refléter une difficulté d’expression : elle doit être confrontée à une démonstration sur un cas concret, plutôt que devenir un jugement sur la compétence.
Une implication pratique, vérifiable à Lausanne
Dans le cadre du programme « Conduire l’adoption de l’IA dans son équipe » de SHR, une équipe lausannoise peut tester une tâche non sensible : préparer une note documentaire en medtech, un support dans une haute école, une synthèse logistique dans le sport international ou une réponse client dans une scale-up de l’arc lémanique. Avant l’essai, chaque participant indique s’il estime pouvoir expliquer le processus, puis décrit sans l’assistant les données nécessaires, le critère d’acceptation et un cas exigeant une escalade, à partir d’une grille définie en amont. La mesure est la proportion de personnes se déclarant capables d’expliquer le processus qui démontrent effectivement ces trois éléments sur un cas préparé, avec conservation des réponses et de la grille. Cet écart éventuel oriente le travail de formation ; il ne constitue ni une certification de sécurité ni un classement individuel. Pour aller plus loin : découvrez la formation Conduire l'adoption de l'IA dans son équipe à Lausanne dans le canton de Vaud, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : Conduire l'adoption de l'IA dans son équipe à Lausanne
- conduire l'adoption de l'ia dans son équipe
- Lausanne
- recherche
- formation lausanne