Négocier avec l’IA : qui fixe le premier chiffre ?
À Genève, préparer une négociation peut concerner des honoraires en banque privée, un contrat dans une organisation internationale, des conditions fournisseurs en horlogerie de luxe ou une prestation logistique dans le négoce de matières premières. La question managériale est précise : faut-il consulter l’estimation de l’IA avant ou après avoir formulé sa propre cible ?
Ce que la littérature établit
Amos Tversky et Daniel Kahneman (1974, Science) ont décrit l’ancrage : lorsqu’une estimation part d’une valeur initiale, l’ajustement effectué ensuite peut rester insuffisant. Le jugement demeure alors influencé par ce point de départ, même lorsque celui-ci apporte peu d’information pertinente. Pour le manager, cela invite à distinguer deux propriétés d’un chiffre proposé par l’IA : sa valeur informative et sa capacité à orienter la discussion.
Le premier chiffre dans la négociation
Adam D. Galinsky et Thomas Mussweiler (2001, Journal of Personality and Social Psychology) ont montré, dans des expériences de négociation, que les premières offres pouvaient ancrer les accords finaux. Leurs travaux montrent aussi que cet effet peut être neutralisé lorsque le destinataire se concentre sur des informations incompatibles avec l’ancre, notamment sa propre cible ou les alternatives de l’autre partie. Ces résultats concernent des offres formulées dans une négociation, non des estimations produites par une IA pendant sa préparation.
La conclusion trop rapide
On pourrait en déduire qu’il faut toujours produire son propre chiffre avant de consulter l’IA. Ce serait oublier qu’une estimation interne peut elle aussi être mal fondée et devenir une ancre. L’enjeu n’est donc pas de privilégier systématiquement le premier jugement humain, mais de construire une cible à partir de critères explicites et d’examiner ce qui justifierait sa révision. (nos formations pour cadres et collaborateurs)
Ce que les données ne permettent pas de trancher
Ces études ne mesurent ni l’effet d’un assistant génératif ni les résultats de négociations dans les secteurs genevois évoqués. Elles ne permettent pas d’affirmer qu’un chiffre suggéré par l’IA exerce la même influence qu’une offre adverse, ni qu’il détériore nécessairement l’accord obtenu. Comparer simplement la cible initiale et l’accord final serait également insuffisant : un déplacement peut traduire un ancrage, mais aussi l’intégration d’informations utiles.
Une implication pratique, vérifiable à Genève
Dans le cadre du programme « Manager à l’ère de l’intelligence artificielle » de SHR, un exercice pourrait répartir aléatoirement les participants entre deux modalités de préparation d’une même négociation fictive, sans données confidentielles. Un groupe consulterait d’abord une estimation IA identique pour tous ; l’autre consignerait d’abord sa cible et ses critères, puis consulterait cette même estimation. La mesure serait l’écart absolu médian entre la cible finale de chaque participant et le chiffre de l’IA, comparé entre les groupes, en conservant les justifications écrites. Un rapprochement plus marqué dans le premier groupe signalerait un effet possible de l’ordre de consultation, sans démontrer à lui seul une moins bonne préparation : c’est cette distinction que le débriefing devrait travailler. Pour aller plus loin : découvrez la formation Manager à l'ère de l'intelligence artificielle à Genève dans le canton de Genève, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : Manager à l'ère de l'intelligence artificielle à Genève
- manager à l'ère de l'intelligence artificielle
- Genève
- recherche
- formation genève