C’est ce qu’il m’a donné
22 août 2026
L’analyse est bien structurée et la conclusion est plausible. Quand on demande pourquoi telle hypothèse a été retenue, la réponse honnête est que personne ne l’a retenue. Le dixième éléphant n’est pas un risque technologique. C’en est un de compétence.
La question à laquelle personne ne pouvait répondre
On présente une analyse de marché. Elle est vraiment bonne : structure nette, cadrage sensé, une recommandation qui découle de l’argumentaire. Quelqu’un demande pourquoi le modèle suppose que le segment intermédiaire croît au même rythme que les grands comptes. La question est raisonnable, et il y a un long silence.
La réponse honnête, finalement, est que l’hypothèse est arrivée avec le brouillon. Personne ne l’a choisie. Personne ne l’a rejetée non plus. Elle se lisait comme raisonnable, elle se trouvait dans un paragraphe qui se lisait comme raisonnable, et il n’y a jamais eu de moment où l’on a demandé à quelqu’un de trancher. Le travail a été révisé. Il a été révisé comme on révise une chose qui a déjà l’air terminée.
C’est l’éléphant que nous appelons Zombie : une confiance aveugle dans les sorties de l’IA, sans les compétences pour les encadrer. Il ne s’annonce pas, parce qu’à aucun moment personne n’a le sentiment d’avoir cessé de réfléchir.
Les preuves
Plus ils lui faisaient confiance, moins ils vérifiaient
936 tâches
réelles assistées par IA ont été étudiées : plus les travailleurs faisaient confiance à l’IA, moins ils déclaraient exercer leur pensée critique
Lee et coll. (Microsoft et Carnegie Mellon), The Impact of Generative AI on Critical Thinking, CHI 2025 — sondage auprès de 319 travailleurs du savoir rendant compte de leurs propres tâches.
Est-ce simplement de la paresse ?
Non, et l’étude est plus intéressante que cette lecture ne le permet. Ce que Lee et ses collègues ont trouvé sur ces 936 tâches réelles est une relation : une confiance plus élevée envers l’outil allait de pair avec moins de pensée critique déclarée, et une confiance plus élevée en sa propre expertise, avec davantage. C’est un sondage sur l’effort autodéclaré, pas une mesure de la pensée, et il montre une association sans prouver une cause. Autant le dire franchement : le constat est assez solide pour ne pas avoir besoin d’être exagéré.
Ce qui le rend important, c’est que le comportement est rationnel. On vérifie moins une source à mesure qu’on lui fait confiance. Cette heuristique n’est pas un défaut. C’est ainsi que fonctionne tout le monde, et elle fonctionne parce que dans la vie ordinaire l’assurance et la fiabilité sont corrélées. Un collègue catégorique a généralement raison, et un collègue qui nuance a généralement raison de nuancer.
La défaillance est propre à cet outil-ci. La fluidité d’un modèle de langue n’a aucun rapport avec sa justesse. Il est exactement aussi éloquent quand il se trompe. Le seul signal que les gens utilisent pour décider de la profondeur de leur vérification a donc été discrètement débranché de ce qu’il suivait, et toute une vie d’instinct bien calibré pointe désormais dans la mauvaise direction.
N’est-ce pas encore l’argument de la calculatrice ?
C’est l’objection à laquelle il faut répondre, parce que le schéma est réel : nous déléguons de la cognition à des outils depuis des siècles et nous nous en portons généralement mieux. Personne ne pleure le calcul mental qu’exigeait la division longue, et le correcteur orthographique n’a pas vidé le français de sa substance.
Deux choses diffèrent ici, et ce sont des différences de nature, pas de degré. Une calculatrice exécute une opération étroite dont on peut vérifier le résultat en une seconde. Une mauvaise réponse a l’air mauvaise. Un modèle de langue produit l’artefact entier, y compris le raisonnement qui le justifie, alors il ne reste rien à côté pour le confronter. Et ses erreurs sont fluides. Une calculatrice défectueuse répondrait 7 à 2 + 2, ce qui saute aux yeux. Un modèle rend un paragraphe assuré et bien formé qui se trouve être faux.
L’analogie historique tient donc pour la délégation et cède sur la vérification. Ce qui rendait les délégations précédentes sûres, c’est que l’humain gardait l’étape de vérification. Voici le premier outil qui exécute aussi cette étape, de la même voix, en même temps.
Qu’est-ce que le Zombie coûte ?
Pas l’erreur individuelle. Les erreurs finissent par être attrapées, de façon embarrassante et parfois coûteuse, et une organisation encaisse ça. Le vrai coût s’accumule du côté de la compétence, et il s’accumule assez discrètement pour qu’aucun trimestre n’ait jamais l’air d’être celui où ça s’est produit.
Le jugement se bâtit en se frottant à des problèmes qui résistent. L’analyste qui passe un après-midi frustrant à comprendre pourquoi deux chiffres divergent termine la journée avec quelque chose qu’il aura encore dans cinq ans. L’analyste qui reçoit une réponse rapprochée en neuf secondes termine la journée avec une tâche complétée. Les deux ont déposé le même livrable. Un seul est en train de devenir la personne senior dont votre organisation aura besoin, et l’écart ne sera pas visible avant qu’on en ait besoin.
Ce qui produit le résultat le plus important à nommer : le volume de production monte pendant que la capacité d’évaluer la production baisse. Tous les indicateurs du tableau de bord vont dans le bon sens. Pendant ce temps, le nombre de personnes dans l’édifice capables de distinguer une bonne analyse d’une analyse simplement plausible diminue, et ce sont elles qui l’auraient remarqué. Voilà pourquoi notre position n’est pas un slogan : l’IA et la technologie sont les outils, les personnes compétentes sont la solution. Un outil manié par des gens qui ne savent plus l’encadrer n’est pas un levier. C’est une exposition mieux mise en page.
Comment savoir si le Zombie est dans votre salle ?
Personne ne déclare avoir cessé de réfléchir : regardez donc ce à quoi le travail résiste, et ce à quoi il ne résiste pas.
- Quelqu’un peut présenter une analyse mais pas défendre un choix précis à l’intérieur.
- Les commentaires de révision portent sur la structure et le ton, jamais sur la véracité d’une affirmation.
- Le volume de production a nettement augmenté et le temps de révision n’a pas suivi.
- Le travail d’une recrue est impossible à distinguer de celui d’un senior, et tout le monde y voit un encouragement plutôt qu’une étrangeté.
- Personne ne peut dire quelles parties d’un document ont été rédigées par une machine, y compris la personne qui l’a déposé.
Comment faire sortir le Zombie de la salle ?
Les trois mêmes gestes que nous appliquons à chaque éléphant, pointés sur celui-ci. C’est l’éléphant où ils portent sur les personnes plutôt que sur les systèmes.
Cartographier
Trouvez où le jugement s’exerce réellement, et où il a discrètement cessé. Prenez un échantillon de livrables récents et demandez à leur auteur de défendre un choix précis dans chacun. Ce n’est pas un audit et il ne faut surtout pas le mener comme tel : vous localisez les endroits où l’étape de vérification est tombée, ce qui est une propriété du processus et non de la personne.
Démontrer
Prenez un livrable récurrent à fort enjeu et remettez délibérément l’étape de vérification : l’hypothèse énoncée à part du brouillon, une personne nommée qui en répond, et une trace de ce qui a été assisté par machine. Voyez ensuite si quelque chose change. Si rien ne change, le travail était sûr. Si quelque chose change, vous avez trouvé où loge l’exposition.
Passer à l’échelle
Investissez dans la compétence, pas dans la restriction. Les gens qui comprennent ce que fait l’outil l’utilisent bien plus intensément et bien plus sûrement que ceux à qui l’on a dit d’être prudents. Et l’écart compose, parce que ce sont eux qui formeront la prochaine cohorte. Rien d’important ne devrait dépendre du fait que l’outil ait raison.
Le dixième éléphant, et le reste du troupeau
The Elephant Safari nomme lesquels des dix sont dans votre salle, en dix questions, et les classe selon ce qu’ils vous coûtent. Ou partez plutôt du problème d’affaires : ne pas trouver ou ne pas pouvoir payer les personnes dont vous avez besoin. Sortez le Zombie de la salle. Gardez les gens capables de faire la différence.
Chaque chiffre de cet article remonte à une source primaire. La voir dans Savoir