Regards complémentaires · IA générative

Deuxième malentendu de l’IA générative : le type de tâche délégable¶

Adaptation d’un article publié sur LinkedIn le 3 juin 2026. Deuxième volet de la série sur les malentendus de l’IA générative.

Admettons qu’on ait compris ce qu’est un modèle génératif, et qu’il appartient à une catégorie propre, celle de la production sous contrainte statistique. Reste la question de savoir ce qu’on lui confie. Là aussi, l’intuition dominante est, de mon point de vue, fausse, et elle conduit à équiper les grandes organisations d’un outil puissant pour des usages marginaux, tout en l’écartant des usages où il ferait la différence.

Trois axes suffisent à identifier la combinaison pertinente. La spécifiabilité de la sortie : la tâche attend-elle une production dont on peut décrire à l’avance la forme exacte, ou une production qui doit composer avec une variabilité légitime ? La réversibilité du risque : une mauvaise sortie peut-elle être corrigée sans conséquence durable, ou produit-elle un effet engagé dès qu’elle est émise ? La rareté de la compétence humaine équivalente : la tâche peut-elle être faite par n’importe quel salarié à coût raisonnable, ou demande-t-elle une compétence rare et coûteuse ?

La combinaison qui maximise la valeur d’un modèle génératif est contre-intuitive sur les trois axes. Elle correspond aux tâches dont la sortie n’est pas spécifiable, dont le risque est réversible, et dont la compétence humaine équivalente est rare. Synthèse documentaire préparant une décision, exploration d’options en phase amont, rédaction à valider, traduction technique difficile : des usages où la variabilité est tolérée, où l’erreur se corrige à la relecture, et où la rareté humaine rend le gain économique réel.

Or la doxa actuelle pousse exactement à l’inverse. Sous la pression de la promesse de productivité, les déploiements se concentrent sur des tâches à sortie spécifiable, à risque parfois irréversible, à compétence commune : envois directs au client, automatisation sans relecture, premier niveau de support. C’est, à mon avis, la combinaison la plus mauvaise sur les trois axes. Elle expose l’organisation aux faiblesses du modèle là où elles font le plus mal, et néglige les usages où la nature même de l’outil rendrait des services importants.

Cette erreur de ciblage ne tient pas à la mauvaise foi des dirigeants. Elle tient à ce que la grille de lecture du logiciel classique, qui valorise la spécification et l’automatisation des tâches communes, est précisément la mauvaise grille pour l’IA générative. John Dewey distinguait les situations problématiques déterminées, qui appellent un calcul, des situations indéterminées, qui appellent une enquête. L’IA générative est l’outil de la seconde, déployée massivement dans les usages de la première.

L’auteur s’exprime à titre personnel. © 2026 Mehdi Moudden.