IA : combien d’options faut-il soumettre à la décision ?
Un manager peut désormais demander à une IA de produire une longue liste de scénarios avant tout arbitrage. La question utile est de savoir si présenter davantage d’options aide l’équipe à choisir, ou lui transfère un travail de comparaison insuffisamment préparé.
Ce que la littérature établit
Sheena S. Iyengar et Mark R. Lepper (2000, Journal of Personality and Social Psychology) ont montré, dans des expériences portant notamment sur des produits de consommation et un travail universitaire, qu’un choix étendu pouvait attirer davantage sans favoriser le passage à l’action. Selon les situations étudiées, un assortiment plus limité favorisait l’achat ou la motivation à réaliser la tâche. Ces résultats distinguent deux phénomènes que l’usage de l’IA peut facilement confondre : apprécier la diversité des propositions et parvenir à en retenir une.
Un effet qui n’est pas universel
Benjamin Scheibehenne, Rainer Greifeneder et Peter M. Todd (2010, Journal of Consumer Research) ont repris la question dans une méta-analyse. Ils trouvent un effet moyen de surcharge du choix pratiquement nul, mais une variabilité importante entre les études. Leur résultat interdit de transformer quelques expériences marquantes en loi générale selon laquelle toute option supplémentaire dégraderait la décision.
La conclusion trop rapide
La conclusion commode serait d’imposer à l’IA une liste systématiquement courte. Or une option supplémentaire peut apporter une solution réellement différente, tandis qu’une liste brève peut exclure une possibilité décisive. L’enjeu managérial n’est donc pas seulement de réduire le nombre de propositions, mais d’expliciter les critères permettant de les départager. (nos formations pour cadres et collaborateurs)
Ce que ces données ne permettent pas de décider
Ces travaux ne portent ni sur l’IA générative ni sur les arbitrages collectifs dans les organisations bernoises. Ils ne déterminent pas un nombre optimal de scénarios pour une décision administrative, sanitaire ou industrielle. Une comparaison locale doit aussi distinguer le nombre d’options de leur qualité et de leur présentation : raccourcir une liste tout en la réécrivant ne teste pas seulement la surcharge du choix.
Une implication pratique, vérifiable à Berne
À Berne, une équipe de l’administration fédérale, de la santé publique, des télécoms ou de l’industrie de précision peut travailler sur des cas fictifs correspondant à ses arbitrages habituels, sans données sensibles. Dans le cadre du programme SHR « Manager à l’ère de l’intelligence artificielle », un exercice consiste à répartir aléatoirement les participants entre une liste complète de propositions préparées avec l’IA et un sous-ensemble présélectionné, en conservant les mêmes descriptions et critères de décision. Le temps jusqu’au choix et le respect d’exigences définies avant l’exercice sont consignés, puis les options écartées sont révélées au groupe ayant reçu la liste courte. La proportion de choix révisés après cette révélation permet de vérifier si le gain de temps éventuel reposait sur l’exclusion d’une option jugée importante. Pour aller plus loin : découvrez la formation Manager à l'ère de l'intelligence artificielle à Berne dans le canton de Berne, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : Manager à l'ère de l'intelligence artificielle à Berne
- manager à l'ère de l'intelligence artificielle
- Berne
- recherche
- formation berne