Après quelques années à travailler quotidiennement avec ces outils, voici moins une méthode qu’un retour d’expérience : ce qui m’aide, ce qui m’inquiète, et les quelques réflexes que j’essaie de garder.
↓ ContinuerRefuser de regarder ce que permet l’IA ressemble un peu, aujourd’hui, à décider de planifier tous ses déplacements avec une carte routière papier. La carte fonctionne toujours. Le cerveau aussi. Mais l’outil disponible a changé.
Je ne crois donc plus beaucoup à la question « pour ou contre l’IA ? ». Elle peut accélérer, élargir, expliquer, comparer, simuler. Elle peut aussi halluciner, simplifier abusivement et donner à une erreur une apparence remarquablement convaincante.
Le raccourci tentant : demander une réponse finie, puis lui accorder le statut de vérité parce qu’elle est claire, rapide et bien formulée.
Apporter son contexte, ses sources, ses hypothèses — puis demander à l’IA de chercher les angles morts et les contradictions.
Sur un cas clinique, je trouve beaucoup plus fécond de lui demander de challenger un raisonnement que de lui demander « le diagnostic ». Qu’ai-je oublié ? Quelle donnée ferait réellement basculer mon hypothèse ? Quelle explication alternative mérite d’être testée ?
Même chose avec la littérature : l’IA peut aider à mettre en regard populations, critères de jugement, résultats et limites. Mais une référence doit rester une référence que l’on retrouve, lit et vérifie.
Le contexte, la question, les contraintes et l’objectif restent humains.
Faire chercher plus loin, confronter, reformuler, tester les angles morts.
Revenir aux faits et aux sources. Garder la décision — et sa responsabilité.
L’IA peut réellement faire gagner du temps. Mais le gain n’est pas automatique : il dépend de ce qu’on décide d’en faire.
Quand améliorer devient facile, il devient aussi facile de ne plus savoir s’arrêter.
Une tâche chronophage est automatisée. Du temps apparaît. On améliore davantage. Puis on produit davantage. Et le temps gagné disparaît.
La qualité compte. Mais si chaque minute économisée est immédiatement réinvestie dans une nouvelle exigence, l’outil censé alléger le travail peut finir par l’intensifier.
C’est probablement l’un des usages que je préfère : demander à l’IA de m’expliquer la même notion de plusieurs façons, de changer de niveau, de reformuler, de construire un exemple puis un contre-exemple, de me questionner ou de me faire justifier ma réponse.
Elle ne se lassera pas si je demande une quatrième explication. Elle n’aura aucune susceptibilité si je lui dis que les trois premières ne m’ont pas convaincue. Elle peut repartir autrement, encore et encore, jusqu’à trouver l’angle qui débloque la compréhension.
Lui demander d’expliquer. Puis autrement. Puis encore autrement.
Un coach disponible, patient et sans susceptibilité — à condition de ne pas confondre sa disponibilité avec une garantie d’exactitude.
Prenons volontairement un sujet simple, sans enjeu vétérinaire, pour que le piège soit visible. La question elle-même demande déjà à l’IA de défendre une conclusion.
Boire de l’eau chaude peut favoriser la perte de poids par plusieurs mécanismes physiologiques complémentaires. L’élévation transitoire de la température corporelle peut être présentée comme stimulant la thermogenèse, tandis que l’ingestion d’eau est associée à des variations temporaires de la dépense énergétique.
On peut également avancer qu’une boisson chaude, consommée avant ou pendant un repas, favorise la satiété et peut contribuer à réduire spontanément l’apport calorique. Enfin, en reliant ces éléments à la digestion et à l’utilisation des réserves énergétiques, il devient possible de construire un mécanisme d’ensemble apparemment cohérent.
Pris ensemble, ces mécanismes semblent donc fournir une base physiologique à l’utilisation régulière d’eau chaude comme aide à la perte de poids.
Et pourtant, cette démonstration a été construite pour arriver à la conclusion demandée. Des éléments réels, partiels ou simplement plausibles peuvent être sélectionnés, rapprochés puis extrapolés jusqu’à donner à une causalité non démontrée l’apparence d’un raisonnement scientifique.
« Évalue de façon critique l’hypothèse selon laquelle boire de l’eau chaude favorise la perte de poids. Distingue mécanismes plausibles, données démontrées, extrapolations et inconnues. Recherche également les éléments qui contredisent l’hypothèse. »
La différence n’est pas cosmétique. Dans le premier cas, on demande une justification. Dans le second, on demande une mise à l’épreuve.
Cet exemple est volontairement caricatural. La « réponse IA » ci-dessus est construite pour illustrer un mécanisme de raisonnement et ne prétend pas reproduire la réponse systématique d’un modèle ou d’un service donné.
La valeur n’est peut-être pas dans la réponse que l’IA donne, mais dans les questions supplémentaires qu’elle nous permet de poser.