IA : présenter un risque sans orienter la décision ?
Lorsqu’un manager demande à l’IA de résumer un arbitrage, il lui confie aussi une partie de sa formulation. La question est précise : présenter les mêmes conséquences comme des gains préservés ou des pertes subies peut-il changer l’option retenue ?
Ce que la littérature établit
Amos Tversky et Daniel Kahneman (1981, Science) ont montré expérimentalement que des formulations différentes de conséquences équivalentes peuvent modifier les préférences entre une option certaine et une option risquée. Dans leur problème classique de santé publique, présenter les résultats en vies sauvées ou en vies perdues change les choix observés. L’exactitude des informations ne suffit donc pas à garantir la stabilité d’une décision.
Des cadrages qui ne produisent pas le même effet
Irwin P. Levin, Sandra L. Schneider et Gary J. Gaeth (1998, Organizational Behavior and Human Decision Processes) distinguent le cadrage des choix risqués, celui des attributs et celui des objectifs. Décrire favorablement une caractéristique n’est pas le même mécanisme que présenter une alternative entre certitude et risque. Pour le manager, cette distinction évite de traiter toute reformulation produite par l’IA comme une simple question de style.
La conclusion trop rapide
On pourrait en conclure qu’il suffit de demander une rédaction « neutre » à l’IA. Ces travaux ne démontrent ni qu’une telle consigne supprime les effets de cadrage, ni que l’IA les amplifie systématiquement. Présenter ensemble les conséquences favorables et défavorables constitue plutôt une précaution à tester qu’une garantie d’impartialité. (nos formations pour cadres et collaborateurs)
Ce que les données ne permettent pas de transposer
Ces articles ne portent ni sur les assistants génératifs actuels ni sur les décisions d’entreprises luganaises. Une décision réelle mobilise aussi des contraintes, des échanges et des responsabilités que les problèmes expérimentaux simplifient. Comparer deux formulations n’est instructif que si les probabilités, les montants, l’horizon temporel et les options restent identiques.
Une implication pratique, vérifiable à Lugano
Dans le cadre du programme SHR « Manager à l'ère de l'intelligence artificielle », un exercice consiste à préparer, pour des responsables de banque, de mode, de négoce ou de PME familiales italophones à Lugano, deux versions italiennes d’un même arbitrage fictif : l’une centrée sur les gains préservés, l’autre sur les pertes subies. Après vérification humaine de leur équivalence, répartir aléatoirement les participants entre les versions et leur demander de choisir individuellement avant toute discussion. La mesure est l’écart, en points de pourcentage, entre les proportions choisissant l’option risquée dans chaque groupe, accompagné des effectifs et des raisons données. Cet écart fournit un signal local à discuter, non une preuve générale ; l’exercice se termine par une présentation conjointe des gains et des pertes et l’examen des éventuels changements de choix. Pour aller plus loin : découvrez la formation Manager à l'ère de l'intelligence artificielle à Lugano dans le canton du Tessin, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : Manager à l'ère de l'intelligence artificielle à Lugano
- manager à l'ère de l'intelligence artificielle
- Lugano
- recherche
- formation lugano