La période des évaluations arrive et vous vous retrouvez devant un formulaire d’auto-évaluation vide, à tenter de reconstituer de mémoire une année de travail. Vous savez que vous avez bien travaillé. Pourtant, vous avez oublié le nom précis de certains projets, le trimestre où un indicateur s’est amélioré ou les mots exacts du compliment reçu d’un client en mars. C’est précisément là que l’IA peut être utile, mais aussi qu’il devient tentant de la laisser inventer ce qui manque.
L’article adopte le point de vue de la personne évaluée qui prépare sa propre auto-évaluation, et non celui du responsable qui note ou classe quelqu’un d’autre, déjà abordé dans refuser de classer des personnes avec l’IA. La règle est simple : l’IA peut organiser vos preuves en un document solide, mais elle ne peut pas les créer. Chaque fait doit pouvoir être rattaché à un événement réel, et vous seul pouvez fournir ce matériau.
Les procédures d’évaluation, les droits d’accès, les durées de conservation, les règles de communication, les conventions collectives et les voies de recours varient. Suivez la politique en vigueur chez votre employeur et sollicitez un conseil syndical ou juridique lorsque le dossier peut peser sur une sanction disciplinaire, une discrimination, un aménagement de poste ou un licenciement.
Pourquoi c’est un risque réel, pas une hypothèse
Une évaluation professionnelle n’est pas un simple exercice de rédaction. Elle peut peser sur une augmentation, une promotion ou un plan d’amélioration des performances et, dans de nombreuses entreprises, elle est versée à un dossier officiel. Un modèle auquel vous demandez de « rendre mon année impressionnante » peut produire des formulations assurées et apparemment précises, comme un pourcentage, un périmètre ou un résultat donné, alors que vous n’avez fourni aucun de ces détails. La production de textes fluides mais dépourvus d’ancrage dans les sources est un comportement bien documenté de ces systèmes, et non une anomalie occasionnelle (Ji et al., “Survey of Hallucination in Natural Language Generation,” 2023). L’aisance du texte ne prouve donc pas la véracité de son contenu. Si votre responsable ou les RH vous demandent ensuite de justifier un chiffre sans que vous puissiez le faire, il ne s’agit plus d’un simple problème de rédaction : votre crédibilité est en jeu dans un document qui peut avoir des conséquences réelles.
Ne soumettez jamais dans une auto-évaluation une affirmation, qu’il s’agisse d’un pourcentage, d’un montant en euros ou d’un résultat de projet précis, que vous ne pouvez pas vérifier vous-même à partir d’un élément réel : e-mail, tableau de bord, ticket, document ou confirmation d’un collègue. Si l’IA produit une formulation qui semble précise mais que vous ne pouvez rattacher à aucune source réelle, supprimez-la avant de l’intégrer à l’évaluation, aussi convaincante soit-elle.
Le flux de travail en quatre étapes
Étape 1 : Rassemblez d’abord vos preuves brutes, avant d’ouvrir tout outil d’IA
À partir de vos souvenirs et de vos dossiers, recensez tout ce que vous trouvez : projets terminés, indicateurs suivis, retours positifs reçus (e-mails, messages Slack, comptes rendus de réunion), objectifs qui vous ont été confiés et résultats obtenus, ainsi que les tâches inhabituelles menées hors de votre périmètre habituel. Faites-le sans IA. Cette étape établit le socle factuel sur lequel reposera le reste du travail. L’IA ne peut pas savoir par elle-même ce que vous avez accompli cette année ; lui demander de le deviner est précisément l’erreur que cette méthode vise à éviter.
Étape 2 : Utilisez l’IA pour organiser les preuves selon les critères réels de votre évaluation
Une fois le matériau brut en main, l’IA est vraiment utile pour le classer selon la structure que votre évaluation utilise — compétences, objectifs, valeurs ou grille de notation.
Voici la liste de mes travaux et réalisations pendant cette période
d'évaluation : [paste your raw list]. Mon évaluation utilise les
catégories suivantes : [paste your company's actual review categories].
Organisez les éléments fournis sous
les catégories où cela s'inscrit. N'ajoutez aucune réalisation,
aucun indicateur ni aucun résultat que je n'ai pas inclus ci-dessus —
si une catégorie n'a rien de ma liste, laissez-la notée comme vide
plutôt que d'inventer quelque chose pour la remplir.
L’instruction explicite de ne pas combler les lacunes est essentielle. Sans cette contrainte, un modèle cherchera souvent à produire une réponse apparemment complète pour chaque catégorie. Dans ce contexte, cela reviendrait à inscrire dans votre dossier des réalisations qui n’ont jamais existé.
Étape 3 : Rédigez le langage à partir de vos faits vérifiés, pas autour d’eux
Une fois les preuves organisées, demandez à l’IA de travailler la formulation, le ton, la clarté et la concision, tout en conservant la traçabilité de chaque affirmation factuelle jusqu’aux éléments que vous avez fournis.
En utilisant uniquement les preuves organisées ci-dessus, rédigez un
paragraphe d'auto-évaluation pour la section « [category name] ».
Gardez chaque chiffre, nom de projet et résultat exactement comme je
l'ai donné. N'arrondissez pas les chiffres à la hausse, n'ajoutez
pas d'adjectifs impliquant une échelle que je n'ai pas indiquée
(par ex. « significatif », « majeur ») sauf si j'ai utilisé ce mot
moi-même. Signalez les passages qui gagneraient en force avec un
détail que je n'ai pas fourni, afin que je puisse décider de l'ajouter
ou de conserver une formulation générale.
Étape 4 : Vérifiez chaque affirmation avant qu’elle n’approche la soumission réelle
Relisez le brouillon ligne par ligne en le comparant à vos preuves d’origine. Pour chaque chiffre ou affirmation précise, demandez-vous si vous pouvez en indiquer immédiatement la source. Si ce n’est pas le cas, retrouvez-la ou reformulez l’affirmation de façon à ne conserver que ce que vous pouvez réellement étayer. Cette étape est indispensable et ne peut être déléguée au même outil qui a produit le brouillon : demander à l’IA de contrôler sa propre première version ne constitue pas une vérification indépendante.
Si vous ne pouvez pas vérifier immédiatement une affirmation, revenez à ce que vous savez avec certitude plutôt que de la supprimer entièrement. « A contribué à un projet qui a réduit le temps de traitement » reste défendable même sans pourcentage exact ; « a réduit le temps de traitement de 40 % » ne l’est pas sans source pour ce chiffre.
Une référence rapide
| Usage de l’IA | Verdict |
|---|---|
| Organiser vos propres réalisations par catégorie d’évaluation | Approprié — structure uniquement |
| Clarifier la formulation de faits que vous avez fournis | Approprié — à vérifier avant de soumettre |
| Demander à l’IA de « rendre ça plus impressionnant » sans nouveaux faits | Risqué — surveillez la spécificité inventée |
| Demander à l’IA d’estimer un indicateur dont vous ne vous souvenez pas exactement | À proscrire — retrouvez le chiffre réel ou indiquez vous-même qu’il s’agit d’une approximation |
| Demander à l’IA de deviner ce que vous avez probablement fait d’après votre intitulé de poste | À proscrire — c’est une invention, pas un travail d’organisation |
Divulgation et une idée reçue courante
Certaines entreprises demandent directement dans le formulaire si l’IA a contribué à la rédaction. Si c’est le cas de la vôtre, répondez honnêtement. Garder votre nom sur un travail assisté par l’IA présente la règle générale de transparence. Une auto-évaluation dans laquelle l’IA a seulement servi à organiser des réalisations réelles constitue un cas ordinaire d’utilisation à déclarer, et non quelque chose à cacher ou à justifier.
Il faut écarter une idée reçue : une auto-évaluation bien organisée et soignée ne prouve pas que l’année a été excellente, mais seulement que le texte est bien rédigé. Ne comptez pas non plus sur le fait que quelqu’un repérera l’aide de l’IA. Dans des études contrôlées, les participants n’ont pas distingué de façon fiable les auto-présentations générées par l’IA de celles écrites par des humains (Jakesch, Hancock and Naaman, PNAS, 2023). « Ils s’en rendront compte » n’est donc pas un garde-fou valable, dans un sens comme dans l’autre. La règle solide est plus simple : une affirmation non étayée ne résiste pas dès que quelqu’un demande sur quoi elle repose, et une évaluation est précisément le type de document où cette question finit par se poser.
Préparez cette semaine
Avant votre prochain cycle d’évaluation, utilisez la feuille de préparation à l’évaluation employé pour rassembler d’abord vos preuves brutes, puis passez-les dans le flux de travail en quatre étapes ci-dessus. Si votre évaluation inclut aussi une section sur les retours que vous voulez donner ou recevoir d’un manager, préparer l’ordre du jour d’un entretien individuel applique à cette conversation la même discipline fondée sur les preuves.
Les lecteurs de l’UE peuvent commencer par le panorama de l’égalité dans l’emploi de la Commission, par le recueil de documents du CEPD sur les données des salariés, et par l’autorité nationale compétente. En Estonie, l’Inspection du travail et le Commissaire à l’égalité de traitement sont les points d’entrée. Aux États-Unis, le portail des droits des salariés de l’EEOC joue ce rôle ; côté employeur, les recommandations de l’EEOC sur l’évaluation de la performance insistent sur la communication des critères, leur application cohérente et la prise en compte des faits pertinents. Ce sont des points de départ par juridiction, pas un examen de la procédure de votre employeur.
