La question m'est revenue plusieurs fois ces derniers mois, toujours dans des situations très concrètes : un collègue hésite à valider une synthèse générée, une équipe veut automatiser une partie de son flux, un étudiant me demande pourquoi vérifier encore si la réponse est fluide et bien écrite. Je remarque que le débat part rarement de la technique ; il part d'une expérience humaine faite de doute, de malaise et parfois de fascination. Faire confiance, dans ce contexte, n'est pas une préférence abstraite : c'est accepter une vulnérabilité, donc un risque. Sans risque, il n'y a pas de confiance ; il n'y a qu'exécution. C'est précisément pour cela que l'IA brouille les lignes : elle parle bien, elle structure vite, elle donne une impression de maîtrise.
Une perspective économique rappelle ici que la confiance dépend des incitations, des dépendances et du coût de contrôle. Une perspective sociologique rappelle qu'on ne fait jamais confiance seul : il faut des règles, des normes, des procédures et des responsabilités explicites. Une perspective psychologique rappelle que notre tolérance au risque varie selon notre histoire et notre familiarité avec l'outil. Enfin, une perspective d'attribution explique pourquoi nous prêtons si vite des intentions à des systèmes qui n'en ont pas. C'est ici que la comparaison avec la calculatrice devient utile : la calculatrice est déterministe, bornée, vérifiable ; le modèle de langage est probabiliste, contextuel, parfois brillant, parfois trompeur. Confondre ces deux régimes de fiabilité, c'est installer une confiance au mauvais endroit. La fluidité n'est pas une preuve ; c'est un signal à interpréter.
Dès que la responsabilité finale reste humaine, la confiance ne peut pas être absolue. Ce constat n'interdit pas l'usage de l'IA ; il impose un cadre. Dans une décision d'aide financière, par exemple, l'outil peut trier, signaler des pièces manquantes, comparer des variables, mais l'arbitrage des cas limites, la justification de la décision et l'assomption des conséquences restent humains. J'utilise souvent l'analogie du junior : la délégation peut être pertinente, le soutien réel, mais la validation engageante incombe à la personne responsable. À partir de là, une règle s'impose :
si je ne peux pas évaluer le résultat, je ne devrais pas déléguer cette partie.
L'échantillonnage peut améliorer le contrôle, mais il ne remplace jamais l'expertise métier ; il la suppose. Ce point est inconfortable mais essentiel, car une chaîne de décisions n'est fiable que si quelqu'un, quelque part, possède la compétence pour dire : "ceci est acceptable, ceci ne l'est pas."
Cette exigence éclaire aussi un problème social plus large. Les non-experts font souvent plus facilement confiance à l'IA, non par naïveté morale, mais parce qu'ils disposent de moins de prises pour repérer les erreurs fines. Le professionnel, lui, détecte plus vite les incohérences et les formulations plausibles mais inadéquates. Paradoxalement, la compétence augmente la prudence ; l'ignorance peut augmenter la confiance subjective. Dans ce contexte, parler d'"augmentation" demande de la précision : l'IA augmente d'abord des capacités opératoires, pas automatiquement le jugement. Ces gains peuvent nourrir l'intelligence humaine, mais seulement si l'environnement de travail transforme ces gains en apprentissage, en délibération et en amélioration des décisions. Sinon, on obtient surtout plus de volume, pas nécessairement plus de qualité. Le vrai risque n'est donc pas seulement l'erreur technique ; c'est l'érosion silencieuse des compétences critiques dans une société où la plausibilité devient facile à produire.
C'est pour cela que l'éducation et l'entreprise sont deux terrains stratégiques. Si la confiance suppose la capacité de vérifier, alors
il faut former d'abord des compétences humaines robustes et maintenir des espaces d'apprentissage sans assistance sur certaines dimensions clés
pour que le jugement se construise avant la délégation. Dans l'entreprise, une organisation en équilibre n'a pas l'obligation de courir vers l'IA ; elle peut expérimenter graduellement, anticiper certains usages ou suspendre d'autres, selon son contexte réel plutôt que selon l'effet de mode. Au fond, je ne crois ni au tout-confiance ni au zéro-confiance : je crois à une confiance gouvernée et contextualisée. La confiance n'est pas une émotion spontanée ; c'est une discipline professionnelle qui demande de l'humilité, des critères explicites et du courage managérial. Et peut-être que la conclusion tient en une seule phrase :
faire confiance à l'IA, c'est d'abord apprendre à ne pas se démettre de sa propre responsabilité.