Le risque : confondre qualité de réponse et qualité de décision.

Avec notre pratique de l’IA, nous avons compris que le prompt engineering est utile pour obtenir une sortie plus lisible, plus structurée, parfois plus pertinente. Mais il devient un piège quand il installe l’idée suivante : « si je formule parfaitement, j’obtiens la bonne réponse ».

Or, une décision n’est pas une réponse. C’est un arbitrage situé, fait sous contraintes, avec de l’incertitude et des conséquences. Herbert Simon rappelait déjà que la rationalité est limitée : on décide avec des informations incomplètes, du temps contraint et des capacités de traitement finies. Chercher « la meilleure réponse » n’est donc pas un bon objectif. Chercher une décision suffisamment robuste et assumable l’est davantage.

L’autre effet pervers : un processus qui a l’air logique, donc qu’on ne challenge plus

Quand l’IA fournit un texte propre, on discute moins. La formulation « fait sérieux ». Et le risque, c’est de remplacer la contradiction par l’esthétique. Christian Morel a montré comment des organisations pouvaient s’enfermer dans des erreurs radicales et persistantes parce que le processus paraît cohérent et que la remise en question disparaît.

Optimiser des prompts peut alors devenir une façon élégante d’éviter le vrai travail : clarifier les options et arbitrer.

Ce qu’on fait à la place : une discipline de décision augmentée

Chez Rino, on ne forme pas d’abord à « écrire de meilleurs prompts ». On forme à « mieux décider avec l’IA » en quatre gestes très concrets.

1. Cadrer avant de questionner : Avant d’interroger l’IA, on exige un cadrage minimal : quel problème, quel périmètre, quel horizon, quelles contraintes non négociables. Sans ça, le modèle comble les trous avec des suppositions.
2. Forcer des hypothèses concurrentes : On demande volontairement plusieurs explications incompatibles et plusieurs options, pour empêcher la solution unique « évidente ». L’objectif est d’ouvrir le débat, pas de le fermer.
3. Expliciter les critères d’arbitrage : On rend visibles les critères qui comptent vraiment (impact, risque, réversibilité, capacité interne, délais). Sans critères, on ne décide pas : on choisit au feeling avec un texte qui rassure.
4. Produire une trace défendable : On formalise une note de décision : options, critères, risques, décision retenue, conditions de révision. Ce point rejoint une exigence simple de gouvernance : garder une supervision humaine réelle et une responsabilité explicite dans l’usage de l’IA.

En clair

Le prompt engineering optimise la forme. La discipline de décision optimise le fond. Et dans une organisation, c’est le fond qui coûte cher quand il est flou. Chez Rino, on aide les dirigeants à cadrer ces usages : clarifier le problème, mettre les hypothèses en concurrence, rendre les critères explicites et transformer des sorties IA en décisions réellement assumées.

Pourquoi pas vous ?

Références citées :

• Morel, Christian (2002). Les décisions absurdes. Sociologie des erreurs radicales et persistantes. Paris : Gallimard.