Préparer une décision avec l’IA : quelles informations restent hors du dossier ?
Une synthèse préparée avec l’IA peut donner au manager un point de départ cohérent, sans intégrer les observations dispersées entre les métiers. La question utile est précise : comment faire entrer dans la décision les informations détenues par une seule personne, avant que le dossier commun ne fixe les termes du débat ?
Ce que la littérature établit
Garold Stasser et William Titus (1985, Journal of Personality and Social Psychology) ont montré expérimentalement que les échanges collectifs peuvent privilégier les informations déjà connues de plusieurs participants, au détriment de celles détenues par un seul membre. Dans leur dispositif, cette mise en commun incomplète pouvait empêcher le groupe d’identifier l’option favorisée par l’ensemble des informations disponibles. Disposer collectivement d’une information ne garantit donc pas qu’elle entre effectivement dans la décision.
Le mécanisme : une information commune a davantage de portes d’entrée
Garold Stasser et William Titus (1987, Journal of Personality and Social Psychology) ont étudié comment la charge d’information et la proportion d’informations partagées influencent la circulation des éléments non partagés. Un mécanisme central est celui de l’échantillonnage : une information connue de plusieurs personnes dispose de davantage d’occasions d’être introduite dans la discussion. Une synthèse commune produite avec l’IA ne supprime pas, par elle-même, cette asymétrie.
La conclusion trop rapide
On pourrait en déduire qu’il faut demander à l’IA une synthèse plus exhaustive. Mais l’exhaustivité d’un document ne se confond pas avec celle des connaissances distribuées dans l’équipe : une observation d’atelier absente des données fournies ne sera pas récupérée par une simple consigne de synthèse. L’enjeu managérial est donc aussi d’organiser la collecte en amont, et non seulement d’améliorer la rédaction. (nos formations pour cadres et collaborateurs)
Ce que ces données ne permettent pas d’affirmer
Ces expériences portent sur des décisions de groupe dans des situations contrôlées, pas sur l’usage contemporain de l’IA dans l’industrie neuchâteloise. Elles ne démontrent ni qu’une synthèse générée par IA aggrave ce biais, ni qu’une collecte préalable suffit à le corriger. Elles justifient une vigilance sur la circulation des informations, sans fournir une estimation de l’effet attendu en entreprise.
Une implication pratique, vérifiable à Neuchâtel
Dans une entreprise neuchâteloise de microtechnique, d’horlogerie ou de microélectronique de précision, on peut tester ce point lors d’une décision concernant une non-conformité : avant de diffuser la synthèse IA, demander séparément à la production, à la qualité et aux méthodes de consigner les faits pertinents qu’elles seules pourraient détenir. Après élimination des doublons, mesurer la proportion de ces faits initialement non partagés qui ont été explicitement examinés avant la décision, avec une trace de leur prise en compte ou du motif de leur exclusion. Cet indicateur mesure la mise en discussion, pas la qualité finale de la décision. Dans le cadre du programme SHR « Manager à l’ère de l’intelligence artificielle », il fournit un exercice concret : vérifier ce que le dossier fait entrer dans le débat, plutôt que juger seulement sa lisibilité. Pour aller plus loin : découvrez la formation Manager à l'ère de l'intelligence artificielle à Neuchâtel dans le canton de Neuchâtel, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : Manager à l'ère de l'intelligence artificielle à Neuchâtel
- manager à l'ère de l'intelligence artificielle
- Neuchâtel
- recherche
- formation neuchâtel