Face à une décision difficile, demander au modèle « Que devrais-je faire ? » constitue généralement une mauvaise question finale. La réponse peut être prudente ou assurée, mais dans les deux cas, elle est limitée par les faits et le cadrage que vous avez fournis, ainsi que par ce que le modèle devine.
Une utilisation plus défendable consiste à en faire un partenaire de réflexion structuré : demandez-lui de faire émerger des alternatives possibles, de remettre votre cadrage en question et de repérer les preuves manquantes. La méthode ci-dessous organise cet usage sans traiter le modèle comme un décideur.
Ne placez pas d’informations personnelles ou confidentielles dans des outils non approuvés. Pour les décisions liées à l’emploi, à la santé, au droit, aux finances, à la sécurité ou à d’autres enjeux importants, utilisez l’IA pour structurer les questions, et non pour remplacer les règles faisant autorité, l’expertise du domaine, les contrôles d’équité ou une personne responsable de la décision. Les recommandations du NIST sur l’interaction humain-IA avertissent que les systèmes associant humains et IA peuvent perdre du contexte et amplifier les biais.
Le changement de perspective
Le changement consiste à passer de « donnez-moi la réponse » à « aidez-moi à réfléchir ». Plus précisément :
- Au lieu de “qu’est-ce que je devrais faire ?” → “aidez-moi à comprendre ma propre situation.”
- Au lieu de « quels sont les avantages et les inconvénients ? » → « quels sont les arguments les plus solides de chaque côté, et quelles sont mes hypothèses les plus fragiles ? »
- Au lieu de “qu’est-ce que vous recommanderiez ?” → “quel est l’argument le plus crédible contre ce vers quoi je penche ?”
Des questions différentes peuvent faire ressortir différents aspects de la même situation. Le changement de perspective explicite le type d’aide attendu ; il ne garantit pas que la réponse soit complète ou impartiale.
La méthode de décision en quatre étapes
Un processus répétable pour les décisions à moindre enjeu, ou pour structurer l’un des éléments d’une décision importante :
- Définir le cadre – présenter la situation de manière claire.
- Générer – proposer des arguments et des options que vous examinerez.
- Éprouver – demander au modèle d’attaquer votre position.
- Décider – choisir, en explicitant l’incertitude et la responsabilité.
Nous allons passer en revue chacune de ces étapes.
Étape 1 : Définir le cadre
Une erreur courante dans les prompts de prise de décision consiste à fournir trop peu de contexte au départ. Si vous décrivez brièvement la situation, le modèle peut traiter votre cadrage et vos omissions comme des faits.
Demandez d’abord au modèle de vous interroger.
Je vais prendre une décision. Avant de dire quoi que ce soit, posez-moi 5 à 7 questions auxquelles vous auriez besoin de répondre pour me fournir un véritable partenariat de réflexion. Couvrez : quelles sont les options réelles, quelles sont mes contraintes réelles, qui d’autre est affecté, à quoi ressemblera le succès, et ce que je regretterais le plus. Attendez mes réponses.
La consigne « couvrez » nomme les dimensions que les questions doivent aborder. Relisez-les et ajoutez toute dimension que le modèle aurait omise.
Répondez avec le degré de précision que vous êtes autorisé à partager. Le simple fait de répondre peut révéler que les options, les contraintes ou les critères de réussite restent insuffisamment définis.
Après vos réponses, le modèle dispose de davantage de contexte, mais il peut encore manquer des faits, des incitations ou des personnes absents de la conversation.
Étape 2 : Générer
Demandez ensuite des arguments et des options. Voici un canevas structuré possible :
Maintenant, donnez-moi :
Les trois arguments les plus solides pour chaque option. Citez mes réponses lorsqu’elles soutiennent un point. Marquez tout ce dont vous êtes incertain.
Deux options que je pourrais manquer. Parfois, le meilleur choix est un choix que je n’ai pas encore considéré. Si vous en voyez, nommez-les.
Le facteur le plus important que je devrais peser. Quelle dimension compte vraiment le plus dans cette décision ?
Mon hypothèse la plus fragile. Parmi les éléments que je vous ai fournis, lequel est le plus susceptible d’être faux ou d’évoluer ?
La liste peut élargir le cadrage. Une question binaire comme « accepter le poste ou non » peut masquer des possibilités telles que négocier, reporter ou poursuivre une troisième voie. Considérez les alternatives générées comme des possibilités à examiner, pas comme la preuve qu’elles sont disponibles.
Une relance utile consiste à demander : « Si mon hypothèse la plus fragile se révélait fausse, comment la décision changerait-elle ? » Il s’agit d’un test de sensibilité ; vérifiez que l’hypothèse identifiée est réellement incertaine et déterminante.
Étape 3 : Éprouver votre choix
Demandez ensuite explicitement au modèle de vous contredire.
Jouez maintenant l’avocat du diable face à mon choix préféré. Supposez que je suis sur le point de choisir [option you’re leaning toward]. Construisez le meilleur argument crédible contre cette option. Soyez précis : ne formulez pas des préoccupations générales, mais des scénarios concrets qui en feraient le mauvais choix.
Des recherches ont observé que certains assistants préfèrent les réponses alignées sur les opinions exprimées par l’utilisateur, y compris lorsque ces opinions sont fausses (Sharma et al., 2023). Demander un contre-argument peut faire émerger une autre ligne de raisonnement, mais ne la rend pas indépendante, complète ou exacte.
Une version plus agressive :
Imaginez que c’est dans deux ans et que cette décision s’est révélée être un désastre. Qu’est-ce qui s’est passé ? Faites-moi parcourir le scénario le plus plausible de défaillance, étape par étape.
Ce prompt adapte une technique de pré-mortem : imaginer un échec futur, puis remonter vers ses causes plausibles (Klein, 2007). Confrontez les causes générées à des preuves réelles, aux taux de base et à l’expertise du domaine.
Pour les décisions où vous avez une intuition forte, essayez également :
Listez trois raisons pour lesquelles je pourrais choisir cela pour de mauvaises raisons – biais, confort, coûts engagés, ce que je veux que ce soit vrai plutôt que ce qui est vrai.
Le modèle peut générer des biais possibles sans faire intervenir une autre personne, mais il ne peut pas connaître vos motivations. Considérez cette liste comme des questions de réflexion, pas comme un diagnostic.
Étape 4 : Décider
À ce stade, vous disposez d’une trace plus structurée de la décision. La dernière étape consiste à formuler un choix tout en gardant l’incertitude explicite.
Étant donné tout ce que nous avons discuté, quelle est votre recommandation ? Incluez :
- Le choix que vous feriez, en une phrase.
- Un niveau de confiance qualitatif : faible, moyen ou élevé. N’inventez pas de probabilité. Expliquez quelles preuves et hypothèses non résolues justifient ce niveau.
- L’élément unique d’information nouveau qui changerait votre réponse.
Soyez direct. Omettez le cadre poli “ça dépend” – je veux une position.
Ce niveau aide à distinguer une recommandation ferme d’un choix serré, mais il ne constitue ni une probabilité mesurée ni une preuve d’étalonnage. Utilisez l’explication pour examiner les preuves et les hypothèses non résolues, et non le niveau pour fabriquer une précision artificielle.
Lisez la recommandation, vérifiez ses faits et ses hypothèses, puis décidez. Elle constitue un élément parmi d’autres ; la responsabilité reste la vôtre ou celle de la personne autorisée à prendre la décision.
Quelques modèles utiles selon le type de décision
Choix de carrière / emploi. Interrogez-vous sur l’horizon temporel, les contraintes financières, les effets sur d’autres personnes et les preuves encore manquantes. Ne partagez que les détails que vous pouvez placer dans l’outil approuvé et ne confondez pas une recommandation générée avec une connaissance réelle du lieu de travail.
Décisions de recrutement. Commencez par des critères liés au poste et une procédure structurée, réduisez au minimum les données personnelles et ne demandez pas à l’IA de déduire des caractéristiques protégées, de classer les candidats ni de prendre la décision. Utilisez-la pour vérifier si les preuves répondent à chaque critère et si la procédure risque de produire un effet injuste. Aux États-Unis, les recommandations de l’EEOC sur les procédures de sélection expliquent le lien avec le poste et l’effet défavorable ; appliquez les règles de votre juridiction et conservez un responsable humain clairement désigné.
Décisions stratégiques / commerciales. Utilisez le pré-mortem (« imaginez que cela a échoué dans deux ans ») pour demander des dépendances et des scénarios d’échec, puis comparez-les aux données opérationnelles et aux responsables clairement désignés.
Achats importants. Utilisez le cadre de « l’hypothèse la plus fragile » pour examiner les affirmations sur l’utilisation future, le coût total, la valeur de revente ou les revenus. Vérifiez séparément les prix, les conditions et votre capacité financière.
Décisions relationnelles et personnelles. Utilisez le cadre « ce que je regretterais le plus » comme un élément parmi d’autres. Faire émerger un regret possible peut aider à distinguer les préoccupations à long terme d’un inconfort temporaire, mais ce critère ne devrait pas dominer automatiquement la décision.
Un piège courant à éviter
Le piège consiste à utiliser l’IA comme une machine de confirmation. Si le prompt plaide pour votre préférence et omet les preuves contraires, le modèle peut produire un argumentaire soigné en faveur du cadrage qu’il a reçu.
Une protection structurelle consiste à demander régulièrement un contre-argument crédible, en particulier lorsque votre préférence paraît évidente. Un accord après cette étape ne prouve pas que la décision est solide ; un désaccord ne prouve pas qu’elle est mauvaise. Pour comprendre les défaillances associées, consultez quatre défaillances du partenaire de réflexion et comment amener l’IA à vous contredire.
Un bon contrôle consiste à demander : « Qu’a ajouté le modèle, et quelles preuves l’étayent ? » S’il n’a rien ajouté d’utile, simplifiez ou révisez le prompt au lieu de considérer une conversation plus longue comme un progrès.
Un GPT personnalisé pour rendre cela réflexif
Si vous suivez souvent cette démarche, créez un GPT personnalisé « Partenaire de réflexion pour les décisions », ou un projet Claude, qui intègre la méthode. Par exemple :
Lorsque l’on pose une question sur toute décision, suivez cette séquence stricte :
- Posez 5 à 7 questions couvrant les options, les contraintes, les personnes affectées, les critères de succès et ce que la personne regretterait le plus. Attendez les réponses.
- Listez les arguments les plus solides pour chaque option, les options que la personne pourrait manquer, la dimension la plus importante et l’hypothèse la plus faible.
- Jouez l’avocat du diable face à l’option préférée. Construisez le meilleur contre-argument crédible.
- Donnez une recommandation directe avec un niveau de confiance qualitatif, les preuves et inconnues qui le justifient, ainsi que l’élément d’information qui changerait la réponse. N’inventez pas de probabilité.
Omettez les étapes uniquement si l’utilisateur le demande explicitement. Présentez les rationalisations ou biais possibles comme des hypothèses, pas comme des faits sur la personne. Exposez les positions les mieux étayées et leurs arbitrages au lieu de fabriquer un faux équilibre.
N’utilisez cet assistant que lorsque la méthode est proportionnée à la décision et que l’outil est approuvé pour les informations concernées. Un assistant enregistré peut rendre la séquence plus facile à répéter ; il ne valide pas le conseil.
Le point clé
L’IA peut soutenir certaines parties de l’analyse d’une décision : formuler la situation, énumérer des alternatives et mettre une préférence à l’épreuve. Elle peut aussi amplifier un cadrage incomplet ou inventer des raisons convaincantes. Le choix final revient à la personne responsable.
Définir, générer, éprouver, décider. Utilisez les quatre étapes comme une liste de contrôle, pas comme la preuve qu’une décision est bonne. Pour les décisions importantes, ajoutez les règles faisant autorité, l’expertise qualifiée, les personnes concernées et la revue formelle que la situation exige.
