{"id":326525,"date":"2026-10-15T05:11:54","date_gmt":"2026-10-15T02:11:54","guid":{"rendered":"https:\/\/ceotudent.com\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia"},"modified":"2026-10-15T05:11:54","modified_gmt":"2026-10-15T02:11:54","slug":"la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia","status":"publish","type":"post","link":"https:\/\/ceotudent.com\/fr\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia","title":{"rendered":"La taxe de v\u00e9rification : combien co\u00fbte vraiment le contr\u00f4le des r\u00e9sultats de l&rsquo;IA (et comment la r\u00e9duire)"},"content":{"rendered":"<p><strong>TL;DR.<\/strong> Le temps que l&rsquo;IA vous fait gagner est un chiffre brut. La taxe de v\u00e9rification est ce que vous rendez : relire, corriger et refaire le r\u00e9sultat, le co\u00fbt attendu des erreurs qui vous \u00e9chappent, et le nettoyage que d&rsquo;autres font sur ce que vous leur transmettez. De grandes enqu\u00eates situent le gain d\u00e9clar\u00e9 \u00e0 5,4 % des heures de travail des utilisateurs aux \u00c9tats-Unis et \u00e0 2,8 % au Danemark, et aucune des deux ne compte le temps de v\u00e9rification comme un co\u00fbt distinct. L\u00e0 o\u00f9 le travail a \u00e9t\u00e9 mesur\u00e9 directement, la taxe a pu effacer le gain : dans l&rsquo;essai randomis\u00e9 de METR en 2025, des d\u00e9veloppeurs exp\u00e9riment\u00e9s pensaient que l&rsquo;IA avait r\u00e9duit de 20 % le temps pass\u00e9 sur leurs t\u00e2ches, alors que celles-ci ont pris 19 % de temps en plus, et 9 % de leur temps est pass\u00e9 \u00e0 relire et \u00e0 nettoyer la production de l&rsquo;IA. Une enqu\u00eate de l&rsquo;\u00e9diteur de logiciels Workday indique que pr\u00e8s de 40 % du temps gagn\u00e9 gr\u00e2ce \u00e0 l&rsquo;IA est perdu en reprises. Le geste du CEO : budg\u00e9ter la v\u00e9rification comme un co\u00fbt r\u00e9el, la graduer selon les enjeux, la d\u00e9tectabilit\u00e9 et la r\u00e9versibilit\u00e9, et renoncer \u00e0 l&rsquo;IA l\u00e0 o\u00f9 le test de rentabilit\u00e9 est n\u00e9gatif. Le geste de l&rsquo;\u00e9tudiant : noter les erreurs que chaque outil commet sur votre travail, pour que la taxe baisse avec le temps.<\/p>\n<p>Cet article traite de l&rsquo;\u00e9conomie de la v\u00e9rification, pas de son savoir-faire. Pour le savoir-faire, voir <a href=\"\/fr\/la-competence-d-evaluation-juger-les-sorties-d-ia\">la comp\u00e9tence d&rsquo;\u00e9valuation<\/a>. Pour savoir o\u00f9 placer les points de contr\u00f4le quand un agent ex\u00e9cute une t\u00e2che en plusieurs \u00e9tapes, voir <a href=\"\/fr\/supervision-humaine-par-conception-points-de-controle-agents-ia\">la supervision humaine par conception<\/a>. Et pour comprendre pourquoi les gains individuels se retrouvent si rarement dans les r\u00e9sultats de l&rsquo;entreprise, voir <a href=\"\/fr\/paradoxe-de-productivite-de-l-ia-gains-individuels-resultats-entreprise\">le paradoxe de productivit\u00e9 de l&rsquo;IA<\/a>.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Table of Contents<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/ceotudent.com\/fr\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia\/#Quest-ce-que-la-taxe-de-verification-et-pourquoi-passe-t-elle-si-facilement-inapercue\" >Qu&rsquo;est-ce que la taxe de v\u00e9rification, et pourquoi passe-t-elle si facilement inaper\u00e7ue ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/ceotudent.com\/fr\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia\/#Que-se-passe-t-il-quand-on-met-les-etudes-cote-a-cote\" >Que se passe-t-il quand on met les \u00e9tudes c\u00f4te \u00e0 c\u00f4te ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/ceotudent.com\/fr\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia\/#Qui-paie-reellement-la-taxe-de-verification\" >Qui paie r\u00e9ellement la taxe de v\u00e9rification ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/ceotudent.com\/fr\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia\/#Pourquoi-sauter-la-verification-ne-fait-il-pas-disparaitre-la-taxe\" >Pourquoi sauter la v\u00e9rification ne fait-il pas dispara\u00eetre la taxe ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/ceotudent.com\/fr\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia\/#Quel-niveau-de-verification-chaque-tache-merite-t-elle-Un-cadre-editorial-CEOtudent\" >Quel niveau de v\u00e9rification chaque t\u00e2che m\u00e9rite-t-elle ? Un cadre \u00e9ditorial CEOtudent<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/ceotudent.com\/fr\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia\/#Comment-reduire-la-taxe-de-verification\" >Comment r\u00e9duire la taxe de v\u00e9rification ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/ceotudent.com\/fr\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia\/#Quest-ce-que-cela-signifie-pour-le-CEO-et-pour-letudiant\" >Qu&rsquo;est-ce que cela signifie pour le CEO et pour l&rsquo;\u00e9tudiant ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/ceotudent.com\/fr\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia\/#Le-controle-du-budget-de-verification-sept-questions-avant-de-confier-un-travail-a-lIA\" >Le contr\u00f4le du budget de v\u00e9rification : sept questions avant de confier un travail \u00e0 l&rsquo;IA<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/ceotudent.com\/fr\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia\/#Ce-que-cela-ne-signifie-pas\" >Ce que cela ne signifie pas<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/ceotudent.com\/fr\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia\/#Questions-frequentes\" >Questions fr\u00e9quentes<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/ceotudent.com\/fr\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia\/#Sources\" >Sources<\/a><\/li><\/ul><\/nav><\/div>\n<h2 id=\"quest-ce-que-la-taxe-de-vrification-et-pourquoi-passe-t-elle-si-facilement-inapercue\"><span class=\"ez-toc-section\" id=\"Quest-ce-que-la-taxe-de-verification-et-pourquoi-passe-t-elle-si-facilement-inapercue\"><\/span>Qu&rsquo;est-ce que la taxe de v\u00e9rification, et pourquoi passe-t-elle si facilement inaper\u00e7ue ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Chaque t\u00e2che assist\u00e9e par l&rsquo;IA tient deux registres. Le registre visible enregistre le temps de r\u00e9daction que vous n&rsquo;avez pas d\u00e9pens\u00e9. Le registre cach\u00e9 enregistre quatre co\u00fbts que la plupart des chiffres de temps gagn\u00e9 laissent de c\u00f4t\u00e9 :<\/p>\n<ol>\n<li><strong>Le temps de relecture.<\/strong> Lire le r\u00e9sultat, le comparer aux sources, ex\u00e9cuter le code, v\u00e9rifier les chiffres.<\/li>\n<li><strong>Le temps de correction et de reprise.<\/strong> Corriger ce qui est faux, reformuler la requ\u00eate, ou abandonner la version de l&rsquo;IA et faire le travail \u00e0 la main.<\/li>\n<li><strong>Le co\u00fbt des erreurs r\u00e9siduelles.<\/strong> Le co\u00fbt attendu des erreurs qui survivent \u00e0 votre v\u00e9rification et refont surface plus tard, quand elles co\u00fbtent plus cher \u00e0 corriger.<\/li>\n<li><strong>La taxe export\u00e9e.<\/strong> Le temps que des coll\u00e8gues, des relecteurs ou des clients passent \u00e0 r\u00e9parer ce que vous leur avez transmis.<\/li>\n<\/ol>\n<p>Les mesures habituelles ne sont pas con\u00e7ues pour voir ces co\u00fbts. Une estimation am\u00e9ricaine tr\u00e8s utilis\u00e9e, due \u00e0 Alexander Bick, Adam Blandin et David Deming, demande aux utilisateurs, selon les termes des auteurs, \u00ab combien d&rsquo;heures suppl\u00e9mentaires il leur aurait fallu pour accomplir la m\u00eame quantit\u00e9 de travail la semaine pr\u00e9c\u00e9dente s&rsquo;ils n&rsquo;avaient pas eu acc\u00e8s \u00e0 l&rsquo;IA g\u00e9n\u00e9rative \u00bb. Cette unique estimation contrefactuelle m\u00e9lange le temps de r\u00e9daction gagn\u00e9 et le temps de v\u00e9rification d\u00e9pens\u00e9, et ne peut pas inclure les erreurs pas encore d\u00e9couvertes. Sa r\u00e9ponse, 5,4 % des heures de travail des utilisateurs, soit 2,2 heures par semaine sur une base de 40 heures, est brute par construction.<\/p>\n<p>La perception creuse l&rsquo;\u00e9cart. Dans l&rsquo;essai de METR, la distance entre ce que les d\u00e9veloppeurs croyaient apr\u00e8s coup (20 % de temps en moins) et ce qui a \u00e9t\u00e9 mesur\u00e9 (19 % de temps en plus) \u00e9tait de 39 points de pourcentage. Une enqu\u00eate de Microsoft Research aupr\u00e8s de 319 travailleurs du savoir, pr\u00e9sent\u00e9e \u00e0 CHI 2025, a constat\u00e9 qu&rsquo;\u00ab une plus grande confiance dans l&rsquo;IA g\u00e9n\u00e9rative est associ\u00e9e \u00e0 moins de pens\u00e9e critique \u00bb. Ceux qui risquent le plus de sous-v\u00e9rifier sont ceux qui font le plus confiance \u00e0 l&rsquo;outil.<\/p>\n<h2 id=\"que-se-passe-t-il-quand-on-met-les-tudes-cte-cte\"><span class=\"ez-toc-section\" id=\"Que-se-passe-t-il-quand-on-met-les-etudes-cote-a-cote\"><\/span>Que se passe-t-il quand on met les \u00e9tudes c\u00f4te \u00e0 c\u00f4te ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Le registre de la taxe de v\u00e9rification ci-dessous consacre une ligne \u00e0 chaque \u00e9tude et s\u00e9pare le gain brut, ce que l&rsquo;\u00e9tude rapporte sur la v\u00e9rification ou les reprises, et le r\u00e9sultat net. Les chiffres sont tels que publi\u00e9s. Quand une \u00e9tude ne rapporte rien, la case l&rsquo;indique ; les seuls calculs sont ceux pour lesquels une seule \u00e9tude fournit toutes les donn\u00e9es.<\/p>\n<table>\n<thead>\n<tr>\n<th>\u00c9tude et protocole<\/th>\n<th>T\u00e2che<\/th>\n<th>Gain brut, tel que publi\u00e9<\/th>\n<th>Co\u00fbt de v\u00e9rification ou de reprise, tel que publi\u00e9<\/th>\n<th>R\u00e9sultat net, tel que publi\u00e9<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Noy et Zhang, Science, 2023. Exp\u00e9rience en ligne pr\u00e9enregistr\u00e9e, 453 professionnels dipl\u00f4m\u00e9s de l&rsquo;enseignement sup\u00e9rieur<\/td>\n<td>R\u00e9daction professionnelle de niveau interm\u00e9diaire<\/td>\n<td>Temps pass\u00e9 en baisse de 40 %, qualit\u00e9 du r\u00e9sultat en hausse de 18 %<\/td>\n<td>Version document de travail de 2023 : la part de la r\u00e9vision dans le temps de la t\u00e2che a plus que doubl\u00e9 par rapport \u00e0 environ 25 % ; 68 % des participants du groupe trait\u00e9 ont soumis le premier r\u00e9sultat de ChatGPT sans le retoucher<\/td>\n<td>Gain net important, obtenu avec tr\u00e8s peu de v\u00e9rification<\/td>\n<\/tr>\n<tr>\n<td>Brynjolfsson, Li et Raymond, Quarterly Journal of Economics, 2025. D\u00e9ploiement \u00e9chelonn\u00e9, 5 172 agents<\/td>\n<td>Support client<\/td>\n<td>Demandes r\u00e9solues par heure en hausse de 15 % en moyenne<\/td>\n<td>Non rapport\u00e9 s\u00e9par\u00e9ment<\/td>\n<td>Positif en moyenne ; les agents les plus exp\u00e9riment\u00e9s et les plus qualifi\u00e9s ont connu \u00ab de faibles gains de vitesse et de l\u00e9g\u00e8res baisses de qualit\u00e9 \u00bb<\/td>\n<\/tr>\n<tr>\n<td>Dell&rsquo;Acqua et al., Organization Science, 2026. Exp\u00e9rience pr\u00e9enregistr\u00e9e avec le Boston Consulting Group, 758 travailleurs du savoir<\/td>\n<td>18 t\u00e2ches r\u00e9alistes du savoir \u00e0 l&rsquo;int\u00e9rieur de la fronti\u00e8re de l&rsquo;IA, une t\u00e2che manag\u00e9riale hors de celle-ci<\/td>\n<td>\u00c0 l&rsquo;int\u00e9rieur de la fronti\u00e8re : 12,2 % de t\u00e2ches accomplies en plus, 25,1 % plus rapide<\/td>\n<td>Hors de la fronti\u00e8re : probabilit\u00e9 inf\u00e9rieure de 19 % de produire des solutions correctes<\/td>\n<td>La taxe a \u00e9t\u00e9 pay\u00e9e en r\u00e9ponses fausses, pas en minutes<\/td>\n<\/tr>\n<tr>\n<td>METR (Becker, Rush, Barnes, Rein), pr\u00e9publication, 2025. Essai randomis\u00e9, 16 d\u00e9veloppeurs, 246 t\u00e2ches<\/td>\n<td>Tickets r\u00e9els dans des d\u00e9p\u00f4ts open source matures que les d\u00e9veloppeurs connaissaient bien<\/td>\n<td>Pr\u00e9vision : 24 % de temps en moins. Perception apr\u00e8s l&rsquo;\u00e9tude : 20 % de temps en moins<\/td>\n<td>Environ 9 % du temps sur les tickets autorisant l&rsquo;IA pass\u00e9 \u00e0 relire ou \u00e0 nettoyer la production de l&rsquo;IA (44 tickets avec enregistrements d&rsquo;\u00e9cran annot\u00e9s), 4 % \u00e0 attendre les g\u00e9n\u00e9rations ; moins de 44 % des g\u00e9n\u00e9rations accept\u00e9es<\/td>\n<td>Les t\u00e2ches ont pris 19 % de temps en plus (intervalle de confiance de +2 % \u00e0 +39 %)<\/td>\n<\/tr>\n<tr>\n<td>Note de recherche de METR, f\u00e9vrier 2026. M\u00eame protocole, outils de fin 2025, 10 d\u00e9veloppeurs ayant d\u00e9j\u00e0 particip\u00e9 et 47 nouveaux<\/td>\n<td>D\u00e9veloppement open source<\/td>\n<td>Non rapport\u00e9<\/td>\n<td>Non rapport\u00e9<\/td>\n<td>D\u00e9veloppeurs ayant d\u00e9j\u00e0 particip\u00e9 : -18 % de temps (intervalle de -38 % \u00e0 +9 %) ; nouveaux d\u00e9veloppeurs : -4 % (intervalle de -15 % \u00e0 +9 %). METR juge le signal peu fiable en raison d&rsquo;effets de s\u00e9lection<\/td>\n<\/tr>\n<tr>\n<td>Tai-Seale et al., JAMA Network Open, 2024. \u00c9tude randomis\u00e9e d&rsquo;am\u00e9lioration de la qualit\u00e9 avec liste d&rsquo;attente, 52 m\u00e9decins plus 70 t\u00e9moins<\/td>\n<td>R\u00e9ponse aux messages de patients \u00e0 l&rsquo;aide de brouillons r\u00e9dig\u00e9s par l&rsquo;IA<\/td>\n<td>L&rsquo;hypoth\u00e8se \u00e9tait une baisse du temps de lecture et de r\u00e9ponse<\/td>\n<td>Temps de lecture des messages en hausse de 21,8 % (IC \u00e0 95 % de 5,2 % \u00e0 41,0 %)<\/td>\n<td>Temps de r\u00e9ponse -5,9 % (non significatif, P = 0,33) ; r\u00e9ponses 17,9 % plus longues<\/td>\n<\/tr>\n<tr>\n<td>Garcia et al., JAMA Network Open, 2024. \u00c9tude d&rsquo;am\u00e9lioration de la qualit\u00e9 \u00e0 groupe unique sur cinq semaines, 162 cliniciens<\/td>\n<td>Brouillons de r\u00e9ponse g\u00e9n\u00e9r\u00e9s par l&rsquo;IA pour les messages de la messagerie patients<\/td>\n<td>Brouillons utilis\u00e9s dans 20 % des r\u00e9ponses (utilisation moyenne)<\/td>\n<td>Aucun changement du temps de lecture, de r\u00e9daction ou de r\u00e9ponse<\/td>\n<td>Aucun gain de temps ; baisse des scores de charge de travail et d&rsquo;\u00e9puisement professionnel<\/td>\n<\/tr>\n<tr>\n<td>Humlum et Vestergaard, document de travail du Becker Friedman Institute, 2025. Enqu\u00eate aupr\u00e8s d&rsquo;environ 25 000 travailleurs reli\u00e9e aux registres danois<\/td>\n<td>11 professions tr\u00e8s expos\u00e9es aux chatbots d&rsquo;IA<\/td>\n<td>Gain de temps de 2,8 % des heures de travail des utilisateurs<\/td>\n<td>Nouvelles charges de travail pour 12 % des utilisateurs, m\u00eame sans initiative de l&rsquo;employeur (estimation en annexe) ; 59 % des nouvelles t\u00e2ches li\u00e9es \u00e0 l&rsquo;IA rel\u00e8vent de la mise en \u0153uvre et de la supervision, dont le contr\u00f4le qualit\u00e9<\/td>\n<td>Effets nuls et pr\u00e9cis sur les revenus et les heures enregistr\u00e9es, qui excluent des effets sup\u00e9rieurs \u00e0 2 %<\/td>\n<\/tr>\n<tr>\n<td>Bick, Blandin et Deming, document de travail du NBER, 2025. Enqu\u00eate am\u00e9ricaine repr\u00e9sentative \u00e0 l&rsquo;\u00e9chelle nationale<\/td>\n<td>Tout type de travail<\/td>\n<td>5,4 % des heures de travail des utilisateurs (2,2 heures par semaine sur une base de 40 heures)<\/td>\n<td>Pas pos\u00e9 comme question distincte<\/td>\n<td>1,4 % des heures de l&rsquo;ensemble des travailleurs, non-utilisateurs compris<\/td>\n<\/tr>\n<tr>\n<td>Workday, enqu\u00eate d&rsquo;entreprise aupr\u00e8s de 3 200 salari\u00e9s \u00e0 temps plein, men\u00e9e par Hanover Research en novembre 2025, publi\u00e9e en janvier 2026 (commerciale)<\/td>\n<td>Utilisateurs actifs de l&rsquo;IA dans des organisations r\u00e9alisant au moins 100 M$ de chiffre d&rsquo;affaires<\/td>\n<td>85 % d\u00e9clarent gagner entre une et sept heures par semaine<\/td>\n<td>\u00ab Pr\u00e8s de 40 % \u00bb du temps gagn\u00e9 gr\u00e2ce \u00e0 l&rsquo;IA perdu en reprises<\/td>\n<td>Seuls 14 % \u00ab obtiennent syst\u00e9matiquement des r\u00e9sultats nets clairs et positifs \u00bb ; environ 60 % du gain conserv\u00e9 (calcul CEOtudent \u00e0 partir du chiffre de 40 %)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Analyse CEOtudent des dix sources cit\u00e9es dans les lignes. Chiffres tels que publi\u00e9s ; \u00ab non rapport\u00e9 \u00bb quand une source ne donne aucun chiffre. Les chiffres de r\u00e9vision de Noy et Zhang proviennent du document de travail des auteurs de mars 2023, qui portait sur 444 participants et a pr\u00e9c\u00e9d\u00e9 la version publi\u00e9e dans Science ; le r\u00e9sum\u00e9 de Science ne donne pas la ventilation du temps. Les chiffres de Dell&rsquo;Acqua et al. et de Brynjolfsson et al. proviennent des r\u00e9sum\u00e9s publi\u00e9s. Le rapport complet de Workday se trouve derri\u00e8re un formulaire d&rsquo;inscription et n&rsquo;a pas \u00e9t\u00e9 ouvert, si bien que sa m\u00e9thode pour le chiffre de 40 % n&rsquo;a pas pu \u00eatre v\u00e9rifi\u00e9e.<\/em><\/p>\n<p>Trois enseignements se d\u00e9gagent de ce registre.<\/p>\n<p><strong>La taxe est la plus faible l\u00e0 o\u00f9 la v\u00e9rification est bon march\u00e9 ou saut\u00e9e, et la plus lourde l\u00e0 o\u00f9 l&rsquo;humain conna\u00eet d\u00e9j\u00e0 la r\u00e9ponse.<\/strong> Dans le document de travail de Noy et Zhang, sur des t\u00e2ches que le groupe t\u00e9moin achevait en 27 minutes environ, la plupart des participants du groupe trait\u00e9 ont soumis le premier r\u00e9sultat tel quel. Le gain \u00e9tait important, et presque aucune v\u00e9rification n&rsquo;a \u00e9t\u00e9 achet\u00e9e. METR est le cas inverse : des d\u00e9p\u00f4ts de 1 100 000 lignes de code en moyenne, des exigences de qualit\u00e9 tr\u00e8s \u00e9lev\u00e9es, et le constat que \u00ab les d\u00e9veloppeurs ont davantage ralenti sur les tickets qui leur sont plus familiers \u00bb. Un d\u00e9veloppeur \u00ab a perdu au moins une heure \u00e0 essayer d&rsquo;abord de [r\u00e9soudre un ticket pr\u00e9cis] avec l&rsquo;IA \u00bb avant de tout annuler. Quand votre propre jugement est rapide et votre exigence \u00e9lev\u00e9e, v\u00e9rifier le brouillon de l&rsquo;IA co\u00fbte cher.<\/p>\n<p><strong>Le temps n&rsquo;est qu&rsquo;une des monnaies.<\/strong> Hors de la fronti\u00e8re, les participants de Dell&rsquo;Acqua ont pay\u00e9 en exactitude, pas en minutes. Les agents de support les plus comp\u00e9tents ont pay\u00e9 un l\u00e9ger co\u00fbt en qualit\u00e9. Les brouillons des m\u00e9decins ont allong\u00e9 le temps de lecture sans raccourcir le temps de r\u00e9ponse. Un registre qui ne suit que les minutes sous-estime la taxe l\u00e0 o\u00f9 elle compte le plus.<\/p>\n<p><strong>La taxe \u00e9volue, et la mesurer devient plus difficile.<\/strong> La note de METR de f\u00e9vrier 2026 rend compte d&rsquo;une nouvelle s\u00e9rie dans laquelle l&rsquo;estimation ponctuelle pour les d\u00e9veloppeurs ayant d\u00e9j\u00e0 particip\u00e9 montrait que les t\u00e2ches autorisant l&rsquo;IA prenaient moins de temps. Elle qualifie aussi ses nouvelles donn\u00e9es de preuve seulement tr\u00e8s faible : davantage de d\u00e9veloppeurs ont refus\u00e9 de participer parce qu&rsquo;ils ne voulaient pas travailler sans IA, et 30 \u00e0 50 % ont dit avoir \u00e9cart\u00e9 certaines t\u00e2ches qu&rsquo;ils ne voulaient pas faire sans elle. Consid\u00e9rez le ralentissement de 2025 comme une mesure dat\u00e9e des outils du d\u00e9but 2025, et l&rsquo;am\u00e9lioration comme encourageante mais non prouv\u00e9e.<\/p>\n<h2 id=\"qui-paie-rellement-la-taxe-de-vrification\"><span class=\"ez-toc-section\" id=\"Qui-paie-reellement-la-taxe-de-verification\"><\/span>Qui paie r\u00e9ellement la taxe de v\u00e9rification ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Un chiffre de temps gagn\u00e9 est d\u00e9clar\u00e9 par la personne qui a utilis\u00e9 l&rsquo;outil. Une grande partie de la taxe tombe ailleurs : sur l&rsquo;attention, sur le coll\u00e8gue qui re\u00e7oit le r\u00e9sultat, sur la conception des postes et sur les syst\u00e8mes que ce r\u00e9sultat alimente.<\/p>\n<table>\n<thead>\n<tr>\n<th>Qui paie<\/th>\n<th>Constat, tel que publi\u00e9<\/th>\n<th>Source<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>L&rsquo;attention de l&rsquo;utilisateur<\/td>\n<td>L&rsquo;IA g\u00e9n\u00e9rative \u00ab d\u00e9place la nature de la pens\u00e9e critique vers la v\u00e9rification de l&rsquo;information, l&rsquo;int\u00e9gration des r\u00e9ponses et la gestion de la t\u00e2che \u00bb ; 114 travailleurs sur 319 ont v\u00e9rifi\u00e9 en recoupant avec des sources externes, et 56 sur 319 ont d\u00e9clar\u00e9 un effort accru de recherche parce que \u00ab la r\u00e9ponse de l&rsquo;IA peut \u00eatre fausse et doit \u00eatre v\u00e9rifi\u00e9e \u00bb<\/td>\n<td>Lee et al., CHI 2025 (Microsoft Research et Carnegie Mellon)<\/td>\n<\/tr>\n<tr>\n<td>Le temps de l&rsquo;utilisateur<\/td>\n<td>66 % des d\u00e9veloppeurs citent comme source de frustration \u00ab les solutions d&rsquo;IA presque justes, mais pas tout \u00e0 fait \u00bb ; 45,2 % estiment que d\u00e9boguer du code g\u00e9n\u00e9r\u00e9 par l&rsquo;IA prend plus de temps<\/td>\n<td>Stack Overflow Developer Survey 2025 (enqu\u00eate d&rsquo;entreprise, commerciale)<\/td>\n<\/tr>\n<tr>\n<td>La charge de relecture de l&rsquo;utilisateur<\/td>\n<td>77 % des utilisateurs quotidiens de l&rsquo;IA relisent le travail g\u00e9n\u00e9r\u00e9 par l&rsquo;IA \u00ab avec autant de soin que le travail fait par des humains, sinon plus \u00bb<\/td>\n<td>Communiqu\u00e9 de presse de Workday, janvier 2026 (commercial)<\/td>\n<\/tr>\n<tr>\n<td>Le coll\u00e8gue qui re\u00e7oit le travail<\/td>\n<td>40 % des employ\u00e9s de bureau am\u00e9ricains ont re\u00e7u du \u00ab workslop \u00bb au cours du dernier mois ; chaque incident demande environ 2 heures \u00e0 r\u00e9soudre ; co\u00fbt estim\u00e9 \u00e0 186 $ par employ\u00e9 et par mois<\/td>\n<td>BetterUp Labs avec le Stanford Social Media Lab, enqu\u00eate aupr\u00e8s de 1 150 travailleurs, septembre 2025 (commerciale)<\/td>\n<\/tr>\n<tr>\n<td>La conception des postes dans l&rsquo;organisation<\/td>\n<td>59 % des nouvelles t\u00e2ches li\u00e9es \u00e0 l&rsquo;IA rel\u00e8vent de \u00ab la mise en \u0153uvre et de la supervision de l&rsquo;IA \u00bb ; 5 % des non-utilisateurs signalent de nouvelles charges de travail dues aux chatbots d&rsquo;IA<\/td>\n<td>Humlum et Vestergaard, 2025<\/td>\n<\/tr>\n<tr>\n<td>Le syst\u00e8me de livraison<\/td>\n<td>Pour chaque hausse de 25 % de l&rsquo;adoption de l&rsquo;IA : une baisse estim\u00e9e de 7,2 % de la stabilit\u00e9 des livraisons et de 1,5 % du d\u00e9bit (2024). En 2025, l&rsquo;adoption de l&rsquo;IA \u00ab am\u00e9liore d\u00e9sormais le d\u00e9bit de livraison logicielle \u00bb mais \u00ab augmente toujours l&rsquo;instabilit\u00e9 des livraisons \u00bb<\/td>\n<td>Rapports DORA de Google, 2024 et 2025 (recherche Google)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Chiffres tels que publi\u00e9s dans chaque source. Les parts 114 sur 319 (35,7 %) et 56 sur 319 (17,6 %) sont des calculs CEOtudent \u00e0 partir des effectifs de Lee et al. Les enqu\u00eates commerciales reposent sur des d\u00e9clarations et leurs m\u00e9thodes compl\u00e8tes ne sont pas toutes publi\u00e9es.<\/em><\/p>\n<p>Pour quiconque encadre des personnes, c&rsquo;est ce sch\u00e9ma qui compte. Une production d&rsquo;IA b\u00e2cl\u00e9e transf\u00e8re le co\u00fbt au destinataire, qui n&rsquo;appara\u00eet jamais dans le chiffre de temps gagn\u00e9 de l&rsquo;exp\u00e9diteur. Une \u00e9quipe peut afficher des gains croissants gr\u00e2ce \u00e0 l&rsquo;IA alors que le temps total par livrable reste stable, parce que la taxe est pass\u00e9e de la colonne de l&rsquo;auteur \u00e0 celle du relecteur. Les donn\u00e9es de DORA montrent la m\u00eame forme \u00e0 l&rsquo;\u00e9chelle du syst\u00e8me : plus de d\u00e9bit, moins de stabilit\u00e9.<\/p>\n<h2 id=\"pourquoi-sauter-la-vrification-ne-fait-il-pas-disparaitre-la-taxe\"><span class=\"ez-toc-section\" id=\"Pourquoi-sauter-la-verification-ne-fait-il-pas-disparaitre-la-taxe\"><\/span>Pourquoi sauter la v\u00e9rification ne fait-il pas dispara\u00eetre la taxe ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Le moyen \u00e9vident de r\u00e9duire la taxe est de v\u00e9rifier moins. Les recherches sur le biais d&rsquo;automatisation indiquent que cela convertit un co\u00fbt en temps visible en un co\u00fbt en erreurs invisible.<\/p>\n<p>La revue de 2010 de Raja Parasuraman et Dietrich Manzey dans Human Factors a conclu que le biais d&rsquo;automatisation \u00ab conduit \u00e0 commettre des erreurs d&rsquo;omission comme de commission lorsque les aides \u00e0 la d\u00e9cision sont imparfaites \u00bb et \u00ab se manifeste chez les participants novices comme chez les experts \u00bb. La complaisance, ont-ils constat\u00e9, appara\u00eet \u00ab dans des conditions de charge multit\u00e2che \u00bb, ce qui d\u00e9crit l&rsquo;essentiel du travail intellectuel. Une revue syst\u00e9matique de 2012 men\u00e9e par Kate Goddard et ses coll\u00e8gues, qui a retenu 74 articles sur 13 821 examin\u00e9s, range la charge de travail, la complexit\u00e9 de la t\u00e2che et la contrainte de temps parmi les facteurs qui poussent \u00e0 une confiance excessive.<\/p>\n<p>Le choix de v\u00e9rifier est aussi en partie \u00e9conomique. Helena Vasconcelos et ses coll\u00e8gues ont men\u00e9 cinq exp\u00e9riences aupr\u00e8s de 731 participants et soutiennent que \u00ab les gens choisissent strat\u00e9giquement de s&rsquo;engager ou non avec une explication de l&rsquo;IA \u00bb, en pesant l&rsquo;effort de v\u00e9rification contre la simple acceptation. Quand la r\u00e9compense de l&rsquo;exactitude augmentait, la d\u00e9pendance excessive diminuait. Lee et ses coll\u00e8gues ont observ\u00e9 la m\u00eame logique \u00e0 l&rsquo;\u0153uvre : 44 travailleurs sur 319 ont invoqu\u00e9 le manque de temps pour ne pas r\u00e9fl\u00e9chir de mani\u00e8re critique \u00e0 la production de l&rsquo;IA, et 55 sur 319 s&rsquo;en sont dispens\u00e9s parce que la t\u00e2che leur semblait anodine.<\/p>\n<p>La sous-v\u00e9rification ne r\u00e9duit donc pas la taxe de v\u00e9rification. Elle la diff\u00e8re, en la faisant passer d&rsquo;un co\u00fbt visible dans votre agenda \u00e0 une probabilit\u00e9 invisible jusqu&rsquo;\u00e0 ce que l&rsquo;erreur refasse surface. C&rsquo;est pourquoi le cadre ci-dessous chiffre explicitement les erreurs r\u00e9siduelles.<\/p>\n<h2 id=\"quel-niveau-de-vrification-chaque-tache-mrite-t-elle-un-cadre-ditorial-ceotudent\"><span class=\"ez-toc-section\" id=\"Quel-niveau-de-verification-chaque-tache-merite-t-elle-Un-cadre-editorial-CEOtudent\"><\/span>Quel niveau de v\u00e9rification chaque t\u00e2che m\u00e9rite-t-elle ? Un cadre \u00e9ditorial CEOtudent<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Le cadre comporte deux parties : un test de rentabilit\u00e9 pour savoir si l&rsquo;IA vaut la peine d&rsquo;\u00eatre utilis\u00e9e sur une t\u00e2che, et un protocole gradu\u00e9 pour d\u00e9terminer combien de v\u00e9rification acheter quand c&rsquo;est le cas. Il est construit \u00e0 partir des preuves ci-dessus, pas mesur\u00e9.<\/p>\n<p><strong>Le test de rentabilit\u00e9.<\/strong> Pour toute t\u00e2che que vous vous appr\u00eatez \u00e0 confier \u00e0 l&rsquo;IA, estimez :<\/p>\n<p>Temps net gagn\u00e9 = (temps pour la faire vous-m\u00eame &#8211; temps pour formuler la requ\u00eate et g\u00e9n\u00e9rer) &#8211; temps de v\u00e9rification &#8211; temps de correction &#8211; (probabilit\u00e9 que le r\u00e9sultat contienne une erreur significative x probabilit\u00e9 que votre v\u00e9rification la manque x co\u00fbt si elle passe)<\/p>\n<p>Si le r\u00e9sultat est n\u00e9gatif, faites la t\u00e2che vous-m\u00eame ou repensez-la pour que la v\u00e9rification co\u00fbte moins cher. Le dernier terme est celui que la plupart des gens oublient : faible quand les erreurs sont bon march\u00e9 ou visibles, dominant quand une seule erreur manqu\u00e9e co\u00fbte cher.<\/p>\n<p><strong>Le protocole gradu\u00e9.<\/strong> Notez la t\u00e2che de 1 \u00e0 3 sur chacune des trois dimensions, puis additionnez les notes.<\/p>\n<table>\n<thead>\n<tr>\n<th>Dimension<\/th>\n<th>Note 1<\/th>\n<th>Note 2<\/th>\n<th>Note 3<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Enjeux : que co\u00fbte une mauvaise r\u00e9ponse ?<\/td>\n<td>Brouillon ou note personnelle<\/td>\n<td>D\u00e9cision interne ou travail d&rsquo;\u00e9quipe partag\u00e9<\/td>\n<td>Externe, financier, juridique, s\u00e9curit\u00e9 ou r\u00e9putation<\/td>\n<\/tr>\n<tr>\n<td>D\u00e9tectabilit\u00e9 : les erreurs sont-elles visibles \u00e0 une lecture normale ?<\/td>\n<td>Visibles \u00e0 la lecture (ton, structure, absurdit\u00e9 manifeste)<\/td>\n<td>N\u00e9cessitent une v\u00e9rification des sources (faits, chiffres, noms, dates)<\/td>\n<td>Silencieuses (logique subtile, code qui s&rsquo;ex\u00e9cute mais qui est faux, citations plausibles)<\/td>\n<\/tr>\n<tr>\n<td>R\u00e9versibilit\u00e9 : est-ce difficile \u00e0 annuler ?<\/td>\n<td>Annulable sans effort<\/td>\n<td>Co\u00fbteux \u00e0 annuler<\/td>\n<td>Irr\u00e9versible une fois envoy\u00e9, d\u00e9pos\u00e9, fusionn\u00e9 ou publi\u00e9<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<table>\n<thead>\n<tr>\n<th>Note totale<\/th>\n<th>Niveau<\/th>\n<th>M\u00e9thode de v\u00e9rification<\/th>\n<th>T\u00e2ches typiques<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>3-4<\/td>\n<td>Niveau 1 : survol<\/td>\n<td>Une lecture pour le sens. Aucune v\u00e9rification des sources.<\/td>\n<td>Listes de remue-m\u00e9ninges, premiers plans, reformulation de votre propre texte<\/td>\n<\/tr>\n<tr>\n<td>5-6<\/td>\n<td>Niveau 2 : contr\u00f4le ponctuel<\/td>\n<td>V\u00e9rifier chaque chiffre, nom, date et citation ; \u00e9chantillonner les autres affirmations ; ex\u00e9cuter le code une fois sur un cas connu.<\/td>\n<td>R\u00e9sum\u00e9s internes de documents que vous avez fournis, comptes rendus de r\u00e9union, e-mails courants<\/td>\n<\/tr>\n<tr>\n<td>7-8<\/td>\n<td>Niveau 3 : relecture compl\u00e8te<\/td>\n<td>Ligne par ligne par rapport aux sources ; ouvrir chaque source cit\u00e9e ; des tests pour tout code.<\/td>\n<td>Documents destin\u00e9s aux clients, notes de d\u00e9cision, code mis en production<\/td>\n<\/tr>\n<tr>\n<td>9<\/td>\n<td>Niveau 4 : recalcul ind\u00e9pendant ou seconde source<\/td>\n<td>Reconstruire vous-m\u00eame les chiffres cl\u00e9s \u00e0 partir des donn\u00e9es primaires, ou obtenir une seconde r\u00e9ponse ind\u00e9pendante et rapprocher les deux. Ne jamais accepter le r\u00e9sum\u00e9 que l&rsquo;IA fait elle-m\u00eame de ses sources.<\/td>\n<td>Tout ce qui est d\u00e9pos\u00e9, publi\u00e9, contractuel ou financier<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Cadre \u00e9ditorial CEOtudent. Les limites des niveaux et les m\u00e9thodes de v\u00e9rification rel\u00e8vent du jugement \u00e9ditorial, \u00e9clair\u00e9 par les sources cit\u00e9es dans cet article ; ce ne sont pas des seuils mesur\u00e9s.<\/em><\/p>\n<p>Deux points de rep\u00e8re sur les taux d&rsquo;erreur montrent pourquoi le niveau sup\u00e9rieur existe. Dans une \u00e9valuation pr\u00e9enregistr\u00e9e de Stanford, les outils de recherche juridique fond\u00e9s sur la r\u00e9cup\u00e9ration de documents ont chacun hallucin\u00e9 \u00ab entre 17 % et 33 % du temps \u00bb, en comptant les r\u00e9ponses qui \u00ab affirment \u00e0 tort qu&rsquo;une source \u00e9taye une d\u00e9claration \u00bb. Matthew Dahl et ses coll\u00e8gues ont constat\u00e9 que des mod\u00e8les g\u00e9n\u00e9ralistes hallucinaient entre 58 et 88 % du temps sur des questions v\u00e9rifiables portant sur des affaires de tribunaux f\u00e9d\u00e9raux. Ces taux concernent des syst\u00e8mes de 2023 et 2024, mais le principe tient : dans certains domaines, une citation est pr\u00e9cis\u00e9ment ce qu&rsquo;il faut v\u00e9rifier, et non la preuve qu&rsquo;une v\u00e9rification a eu lieu. La <a href=\"\/fr\/pourquoi-lia-hallucine-mecanique-erreurs-modeles-detecter-tot\">m\u00e9canique qui explique pourquoi les mod\u00e8les produisent de telles erreurs<\/a> montre o\u00f9 regarder.<\/p>\n<p><strong>Un exemple chiffr\u00e9.<\/strong> Les chiffres ci-dessous sont invent\u00e9s pour l&rsquo;illustration et ne proviennent d&rsquo;aucune \u00e9tude. Une note de march\u00e9 prend 120 minutes \u00e0 la main. Avec l&rsquo;IA, la formulation de la requ\u00eate et la g\u00e9n\u00e9ration prennent 10 minutes. Supposons qu&rsquo;un brouillon sur cinq contienne une erreur significative.<\/p>\n<table>\n<thead>\n<tr>\n<th>Sc\u00e9nario<\/th>\n<th>V\u00e9rification<\/th>\n<th>Correction<\/th>\n<th>Probabilit\u00e9 que la v\u00e9rification manque l&rsquo;erreur<\/th>\n<th>Co\u00fbt si une erreur passe<\/th>\n<th>Co\u00fbt attendu des erreurs manqu\u00e9es<\/th>\n<th>Minutes nettes gagn\u00e9es<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>A. Note interne, contr\u00f4le ponctuel de niveau 2<\/td>\n<td>20 min<\/td>\n<td>10 min<\/td>\n<td>40 %<\/td>\n<td>240 min (4 heures de nettoyage interne)<\/td>\n<td>19,2 min<\/td>\n<td>+60,8<\/td>\n<\/tr>\n<tr>\n<td>B. M\u00eame brouillon envoy\u00e9 \u00e0 un client, toujours en contr\u00f4le ponctuel<\/td>\n<td>20 min<\/td>\n<td>10 min<\/td>\n<td>40 %<\/td>\n<td>2 400 min (40 heures de reprise et de r\u00e9paration de la relation)<\/td>\n<td>192 min<\/td>\n<td>-112<\/td>\n<\/tr>\n<tr>\n<td>C. Note pour un client, recalcul ind\u00e9pendant de niveau 4<\/td>\n<td>60 min<\/td>\n<td>15 min<\/td>\n<td>5 %<\/td>\n<td>2 400 min<\/td>\n<td>24 min<\/td>\n<td>+11<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><em>Calcul illustratif CEOtudent fond\u00e9 sur des donn\u00e9es hypoth\u00e9tiques ; voir la formule ci-dessus. Chaque valeur peut \u00eatre recalcul\u00e9e \u00e0 partir de la ligne.<\/em><\/p>\n<p>Le m\u00eame brouillon fait gagner une heure au sein de l&rsquo;\u00e9quipe et co\u00fbte pr\u00e8s de deux heures lorsqu&rsquo;il parvient \u00e0 un client avec la m\u00eame v\u00e9rification l\u00e9g\u00e8re. Une v\u00e9rification plus pouss\u00e9e le sauve, mais de justesse : dans le sc\u00e9nario C, le point d&rsquo;\u00e9quilibre est atteint \u00e0 71 minutes de v\u00e9rification. Si un v\u00e9ritable recalcul prend plus de temps, r\u00e9digez la note vous-m\u00eame et n&rsquo;utilisez l&rsquo;IA que l\u00e0 o\u00f9 les erreurs sont visibles.<\/p>\n<h2 id=\"comment-rduire-la-taxe-de-vrification\"><span class=\"ez-toc-section\" id=\"Comment-reduire-la-taxe-de-verification\"><\/span>Comment r\u00e9duire la taxe de v\u00e9rification ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Chaque mesure abaisse le co\u00fbt d&rsquo;une v\u00e9rification ou augmente la probabilit\u00e9 qu&rsquo;elle d\u00e9tecte quelque chose, et chacune est rattach\u00e9e \u00e0 des preuves ou signal\u00e9e comme relevant du jugement \u00e9ditorial.<\/p>\n<ol>\n<li><strong>Rendez les erreurs visibles avant de lire.<\/strong> Demandez un r\u00e9sultat affirmation par affirmation, avec la source et le passage qui l&rsquo;\u00e9taye \u00e0 c\u00f4t\u00e9 de chaque affirmation. Vasconcelos et ses coll\u00e8gues ont constat\u00e9 que \u00ab les explications qui rendent l&rsquo;erreur de l&rsquo;IA plus \u00e9vidente r\u00e9duisent davantage la d\u00e9pendance excessive \u00bb. Une source cit\u00e9e n&rsquo;est pas pour autant une source v\u00e9rifi\u00e9e : ouvrez-la.<\/li>\n<li><strong>V\u00e9rifiez d&rsquo;abord les parties les plus sujettes aux erreurs.<\/strong> Les chiffres, les noms, les dates, les citations et les r\u00e9f\u00e9rences concentrent le plus de risque par mot. Dahl et ses coll\u00e8gues ont constat\u00e9 que les mod\u00e8les \u00ab s&rsquo;en sortent mieux sur les affaires plus r\u00e9centes, plus marquantes et issues de juridictions plus en vue \u00bb, ce qui oriente la v\u00e9rification vers les \u00e9l\u00e9ments obscurs, et qu&rsquo;ils \u00ab peinent \u00e0 pr\u00e9dire leurs propres hallucinations \u00bb, si bien que demander au mod\u00e8le o\u00f9 il se trompe ne remplace pas la v\u00e9rification.<\/li>\n<li><strong>Tenez un registre personnel des erreurs par type de t\u00e2che.<\/strong> Un court journal de ce que chaque outil a rat\u00e9, et sur quelle t\u00e2che, transforme une m\u00e9fiance vague en liste de contr\u00f4le cibl\u00e9e et permet \u00e0 une t\u00e2che de descendre d&rsquo;un niveau une fois qu&rsquo;elle l&rsquo;a m\u00e9rit\u00e9 ; la m\u00e9thode est d\u00e9crite dans <a href=\"\/fr\/comment-apprendre-des-erreurs-de-l-ia-transformer-les-erreurs-de-modele-en-competences\">comment apprendre des erreurs de l&rsquo;IA<\/a>. Que cela r\u00e9duise le temps de v\u00e9rification rel\u00e8ve du jugement \u00e9ditorial, pas d&rsquo;un effet mesur\u00e9.<\/li>\n<li><strong>Fixez les enjeux avant de lire.<\/strong> La d\u00e9pendance excessive a diminu\u00e9 \u00e0 mesure que la r\u00e9compense de l&rsquo;exactitude augmentait dans les exp\u00e9riences de Vasconcelos, et la revue de Goddard compte la responsabilit\u00e9 de l&rsquo;utilisateur parmi les facteurs qui att\u00e9nuent le biais d&rsquo;automatisation. D\u00e9signez un responsable pour chaque livrable assist\u00e9 par l&rsquo;IA et d\u00e9terminez son niveau avant d&rsquo;ouvrir le brouillon.<\/li>\n<li><strong>N&rsquo;exportez pas la taxe.<\/strong> Tout ce qui rel\u00e8ve du niveau 2 ou plus est v\u00e9rifi\u00e9 avant de quitter vos mains. Sinon, le co\u00fbt retombe sur un coll\u00e8gue, comme le d\u00e9crit l&rsquo;enqu\u00eate de BetterUp, et dispara\u00eet de votre registre mais pas de celui de l&rsquo;\u00e9quipe.<\/li>\n<li><strong>Cessez d&rsquo;utiliser l&rsquo;IA l\u00e0 o\u00f9 le test est n\u00e9gatif.<\/strong> Les d\u00e9veloppeurs de METR ont davantage ralenti sur les tickets qu&rsquo;ils connaissaient le mieux, et les m\u00e9decins de Tai-Seale ont lu plus longtemps sans r\u00e9pondre plus vite. L\u00e0 o\u00f9 votre jugement est rapide et votre exigence \u00e9lev\u00e9e, faire le travail vous-m\u00eame peut co\u00fbter moins cher ; l&rsquo;endroit o\u00f9 se situe cette limite rel\u00e8ve du jugement \u00e9ditorial jusqu&rsquo;\u00e0 ce que votre journal dise le contraire.<\/li>\n<\/ol>\n<h2 id=\"quest-ce-que-cela-signifie-pour-le-ceo-et-pour-ltudiant\"><span class=\"ez-toc-section\" id=\"Quest-ce-que-cela-signifie-pour-le-CEO-et-pour-letudiant\"><\/span>Qu&rsquo;est-ce que cela signifie pour le CEO et pour l&rsquo;\u00e9tudiant ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Le versant CEO<\/strong>, c&rsquo;est le budget. Un dirigeant n&rsquo;accepte pas une \u00e9conomie sans demander ce qu&rsquo;elle a co\u00fbt\u00e9. Estimez la taxe par cat\u00e9gorie de t\u00e2ches, consignez le temps de v\u00e9rification pendant deux semaines et comparez-le \u00e0 ce que l&rsquo;IA a fait gagner. L&rsquo;enqu\u00eate de Workday sugg\u00e8re que l&rsquo;\u00e9cart peut \u00eatre important : 85 % des r\u00e9pondants ont d\u00e9clar\u00e9 gagner entre une et sept heures par semaine, mais seuls 14 % obtenaient syst\u00e9matiquement des r\u00e9sultats nets clairs et positifs. Humlum et Vestergaard ont constat\u00e9 que 80 % des utilisateurs de chatbots r\u00e9affectent le temps gagn\u00e9 \u00e0 d&rsquo;autres t\u00e2ches de leur poste, si bien que le gain est redistribu\u00e9 sans que personne ne consigne s&rsquo;il a surv\u00e9cu \u00e0 la v\u00e9rification. Un CEO d\u00e9cide aussi o\u00f9 ne pas se battre : les cat\u00e9gories de t\u00e2ches qui \u00e9chouent au test de rentabilit\u00e9 restent humaines.<\/p>\n<p><strong>Le versant \u00e9tudiant<\/strong>, c&rsquo;est apprendre les sch\u00e9mas d&rsquo;\u00e9chec de l&rsquo;outil jusqu&rsquo;\u00e0 ce que la v\u00e9rification co\u00fbte moins cher. METR n&rsquo;a observ\u00e9 aucun effet d&rsquo;apprentissage net au cours des 30 \u00e0 50 premi\u00e8res heures d&rsquo;utilisation de l&rsquo;outil, puis une acc\u00e9l\u00e9ration positive pour le seul d\u00e9veloppeur ayant plus de 50 heures d&rsquo;utilisation, un r\u00e9sultat dont les auteurs disent qu&rsquo;il manque de puissance statistique. La courbe d&rsquo;apprentissage peut \u00eatre plus longue qu&rsquo;on ne le pense, ce qui plaide pour un relev\u00e9 d\u00e9lib\u00e9r\u00e9 des erreurs plut\u00f4t que d&rsquo;attendre que la familiarit\u00e9 fasse le travail. Refaites le test apr\u00e8s chaque mise \u00e0 jour majeure des mod\u00e8les : les estimations ponctuelles de METR sont pass\u00e9es du ralentissement \u00e0 l&rsquo;acc\u00e9l\u00e9ration entre le d\u00e9but et la fin de 2025.<\/p>\n<h2 id=\"le-contrle-du-budget-de-vrification-sept-questions-avant-de-confier-un-travail-lia\"><span class=\"ez-toc-section\" id=\"Le-controle-du-budget-de-verification-sept-questions-avant-de-confier-un-travail-a-lIA\"><\/span>Le contr\u00f4le du budget de v\u00e9rification : sept questions avant de confier un travail \u00e0 l&rsquo;IA<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Deux r\u00e9ponses \u00ab non \u00bb ou plus signifient que la t\u00e2che doit \u00eatre repens\u00e9e, v\u00e9rifi\u00e9e \u00e0 un niveau sup\u00e9rieur ou faite sans IA.<\/p>\n<ol>\n<li>Savez-vous \u00e0 peu pr\u00e8s combien de temps cette t\u00e2che vous prend \u00e0 la main ?<\/li>\n<li>Avez-vous not\u00e9 ses enjeux, sa d\u00e9tectabilit\u00e9 et sa r\u00e9versibilit\u00e9, et choisi un niveau ?<\/li>\n<li>Le r\u00e9sultat arrivera-t-il sous une forme que vous pouvez v\u00e9rifier rapidement, avec les sources \u00e0 c\u00f4t\u00e9 des affirmations ?<\/li>\n<li>Savez-vous sur quelles parties de ce type de r\u00e9sultat un outil se trompe habituellement ?<\/li>\n<li>Le temps de v\u00e9rification pour ce niveau est-il nettement inf\u00e9rieur au temps que l&rsquo;IA fait gagner ?<\/li>\n<li>Si une erreur passe, pouvez-vous dire qui la paie et \u00e0 peu pr\u00e8s combien ?<\/li>\n<li>Allez-vous consigner ce que la v\u00e9rification a trouv\u00e9, pour que la suivante puisse \u00eatre plus l\u00e9g\u00e8re ?<\/li>\n<\/ol>\n<h2 id=\"ce-que-cela-ne-signifie-pas\"><span class=\"ez-toc-section\" id=\"Ce-que-cela-ne-signifie-pas\"><\/span>Ce que cela ne signifie pas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Cela ne signifie pas que l&rsquo;IA ne fait pas gagner de temps.<\/strong> Le registre comprend des gains importants et bien mesur\u00e9s en r\u00e9daction, en support client et dans les t\u00e2ches du savoir situ\u00e9es \u00e0 l&rsquo;int\u00e9rieur de la fronti\u00e8re. La taxe est le prix de ces gains, pas une preuve contre eux.<\/p>\n<p><strong>Cela ne signifie pas que la v\u00e9rification est du gaspillage.<\/strong> Pay\u00e9e au bon niveau, la v\u00e9rification est ce qui permet de conserver le gain en toute s\u00e9curit\u00e9.<\/p>\n<p><strong>Cela ne tranche pas la question de l&rsquo;ampleur actuelle de la taxe.<\/strong> La plupart des \u00e9tudes mesur\u00e9es ont utilis\u00e9 des outils de 2023 \u00e0 2025 sur des t\u00e2ches pr\u00e9cises, METR pr\u00e9vient que sa derni\u00e8re estimation est peu fiable, et les enqu\u00eates commerciales reposent sur des d\u00e9clarations, avec des m\u00e9thodes qui ne sont pas enti\u00e8rement publi\u00e9es. Cet article fournit des informations g\u00e9n\u00e9rales sur la recherche consacr\u00e9e au travail et ne constitue pas un conseil juridique, m\u00e9dical ou financier ; les \u00e9tudes cliniques et juridiques ne sont cit\u00e9es que pour ce qu&rsquo;elles ont mesur\u00e9 en mati\u00e8re de temps et de taux d&rsquo;erreur.<\/p>\n<h2 id=\"questions-frquentes\"><span class=\"ez-toc-section\" id=\"Questions-frequentes\"><\/span>Questions fr\u00e9quentes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Qu&rsquo;est-ce que la taxe de v\u00e9rification ?<\/strong><br \/>\nLe temps pass\u00e9 \u00e0 relire, corriger et refaire la production de l&rsquo;IA, auquel s&rsquo;ajoutent le co\u00fbt attendu des erreurs qui passent entre les mailles et le nettoyage que d&rsquo;autres font sur le travail que vous transmettez. La plupart des chiffres de temps gagn\u00e9 rendent compte du gain avant cette taxe.<\/p>\n<p><strong>Quelle est l&rsquo;ampleur de la taxe de v\u00e9rification en pratique ?<\/strong><br \/>\nElle varie selon la t\u00e2che. Dans l&rsquo;exp\u00e9rience de r\u00e9daction, elle \u00e9tait faible, car la plupart des participants ont soumis le premier r\u00e9sultat sans le retoucher. Dans l&rsquo;essai de METR de 2025, elle a d\u00e9pass\u00e9 le gain, avec 9 % du temps pass\u00e9 \u00e0 relire et \u00e0 nettoyer la production de l&rsquo;IA. L&rsquo;enqu\u00eate de l&rsquo;\u00e9diteur Workday situe les reprises \u00e0 pr\u00e8s de 40 % du temps gagn\u00e9.<\/p>\n<p><strong>Vaut-il mieux v\u00e9rifier tout ce que produit l&rsquo;IA ?<\/strong><br \/>\nNon. Une relecture compl\u00e8te d&rsquo;un travail \u00e0 faibles enjeux et facilement r\u00e9versible gaspille le gain. Notez les enjeux, la d\u00e9tectabilit\u00e9 et la r\u00e9versibilit\u00e9, et adaptez la v\u00e9rification au niveau.<\/p>\n<p><strong>Pourquoi les gens surestiment-ils le temps que l&rsquo;IA leur fait gagner ?<\/strong><br \/>\nLes d\u00e9clarations mesurent un gain ressenti, et ceux qui font davantage confiance \u00e0 un outil le v\u00e9rifient moins. Les d\u00e9veloppeurs de METR pensaient que l&rsquo;IA avait r\u00e9duit de 20 % le temps pass\u00e9 sur leurs t\u00e2ches, alors que celles-ci ont en r\u00e9alit\u00e9 pris 19 % de temps en plus.<\/p>\n<p><strong>La taxe de v\u00e9rification diminue-t-elle \u00e0 mesure que les mod\u00e8les progressent ?<\/strong><br \/>\nProbablement, mais les preuves sont minces. La s\u00e9rie plus r\u00e9cente de METR a indiqu\u00e9 des acc\u00e9l\u00e9rations, tout en avertissant que les effets de s\u00e9lection rendent l&rsquo;estimation peu fiable. Votre propre journal d&rsquo;erreurs est la meilleure mesure pour savoir si la taxe baisse sur votre travail.<\/p>\n<p><strong>Qui doit payer la v\u00e9rification au sein d&rsquo;une \u00e9quipe ?<\/strong><br \/>\nL&rsquo;auteur, avant la transmission. Quand un r\u00e9sultat non v\u00e9rifi\u00e9 est transmis, c&rsquo;est le destinataire qui paie, et le chiffre de temps gagn\u00e9 de l&rsquo;auteur surestime le gain r\u00e9el de l&rsquo;\u00e9quipe.<\/p>\n<h2 id=\"sources\"><span class=\"ez-toc-section\" id=\"Sources\"><\/span>Sources<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ol>\n<li>Becker, J., Rush, N., Barnes, B., Rein, D. (METR). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. arXiv 2507.09089, version 2, juillet 2025. Pr\u00e9publication.<\/li>\n<li>Becker, J., Rush, N., Cunningham, T., Rein, D., Mahamud, K. (METR). We are Changing our Developer Productivity Experiment Design. Note de recherche de METR, 24 f\u00e9vrier 2026.<\/li>\n<li>Noy, S., Zhang, W. Experimental evidence on the productivity effects of generative artificial intelligence. Science 381(6654), 187-192, 2023 (r\u00e9sum\u00e9 uniquement, via PubMed).<\/li>\n<li>Noy, S., Zhang, W. Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence. Document de travail du MIT, 2 mars 2023, non \u00e9valu\u00e9 par les pairs.<\/li>\n<li>Brynjolfsson, E., Li, D., Raymond, L. Generative AI at Work. Quarterly Journal of Economics 140(2), 889-942, 2025 (r\u00e9sum\u00e9 uniquement).<\/li>\n<li>Dell&rsquo;Acqua, F., McFowland, E., Mollick, E., Lifshitz, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F., Lakhani, K. R. Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science 37(2), 2026 (r\u00e9sum\u00e9 uniquement).<\/li>\n<li>Humlum, A., Vestergaard, E. Large Language Models, Small Labor Market Effects. Becker Friedman Institute Working Paper 2025-56, mis \u00e0 jour en septembre 2025.<\/li>\n<li>Bick, A., Blandin, A., Deming, D. J. The Rapid Adoption of Generative AI. NBER Working Paper 32966, r\u00e9vis\u00e9 en f\u00e9vrier 2025.<\/li>\n<li>Tai-Seale, M., et al. AI-Generated Draft Replies Integrated Into Health Records and Physicians&rsquo; Electronic Communication. JAMA Network Open 7(4), e246565, 2024.<\/li>\n<li>Garcia, P., Ma, S. P., et al. Artificial Intelligence-Generated Draft Replies to Patient Inbox Messages. JAMA Network Open 7(3), e243201, 2024.<\/li>\n<li>Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., Wilson, N. The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI 2025, Microsoft Research.<\/li>\n<li>Vasconcelos, H., J\u00f6rke, M., Grunde-McLaughlin, M., Gerstenberg, T., Bernstein, M. S., Krishna, R. Explanations Can Reduce Overreliance on AI Systems During Decision-Making. Proceedings of the ACM on Human-Computer Interaction 7(CSCW1), Article 129, 2023.<\/li>\n<li>Parasuraman, R., Manzey, D. H. Complacency and Bias in Human Use of Automation: An Attentional Integration. Human Factors 52(3), 381-410, 2010 (r\u00e9sum\u00e9 uniquement).<\/li>\n<li>Goddard, K., Roudsari, A., Wyatt, J. C. Automation bias: a systematic review of frequency, effect mediators, and mitigators. Journal of the American Medical Informatics Association 19(1), 121-127, 2012 (r\u00e9sum\u00e9 uniquement).<\/li>\n<li>Magesh, V., Surani, F., Dahl, M., Suzgun, M., Manning, C. D., Ho, D. E. Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools. arXiv 2405.20362, 2024. Pr\u00e9publication.<\/li>\n<li>Dahl, M., Magesh, V., Suzgun, M., Ho, D. E. Large Legal Fictions: Profiling Legal Hallucinations in Large Language Models. Journal of Legal Analysis 16(1), 64-93, 2024.<\/li>\n<li>DORA (Google Cloud). Accelerate State of DevOps Report 2024. Recherche Google.<\/li>\n<li>DORA (Google Cloud). State of AI-assisted Software Development 2025. Recherche Google.<\/li>\n<li>Stack Overflow. 2025 Developer Survey, section IA. Enqu\u00eate d&rsquo;entreprise (commerciale).<\/li>\n<li>Workday. New Workday Research: Companies Are Leaving AI Gains on the Table. Communiqu\u00e9 de presse, 14 janvier 2026, sur le rapport d&rsquo;enqu\u00eate Beyond Productivity: Measuring the Real Value of AI. Donn\u00e9es publi\u00e9es par l&rsquo;entreprise (commerciales) ; rapport complet non ouvert.<\/li>\n<li>BetterUp Labs et Stanford Social Media Lab. Workslop: The Hidden Cost of AI-Generated Busywork. Enqu\u00eate aupr\u00e8s de 1 150 employ\u00e9s de bureau am\u00e9ricains, septembre 2025. Donn\u00e9es publi\u00e9es par l&rsquo;entreprise (commerciales).<\/li>\n<\/ol>\n<p><em>Analyses CEOtudent dans cet article : le registre de la taxe de v\u00e9rification (premier tableau) et le tableau des payeurs (deuxi\u00e8me tableau) sont des compilations CEOtudent de chiffres tels que publi\u00e9s ; les parts de 35,7 % et de 17,6 %, l&rsquo;\u00e9cart de perception de 39 points et la part conserv\u00e9e de 60 % sont des calculs CEOtudent fond\u00e9s sur des sources uniques (le chiffre de 2,2 heures par semaine est publi\u00e9 par Bick et ses coll\u00e8gues et a \u00e9t\u00e9 rev\u00e9rifi\u00e9) ; le test de rentabilit\u00e9, le protocole gradu\u00e9 et le contr\u00f4le en sept questions sont des cadres \u00e9ditoriaux CEOtudent, et l&rsquo;exemple chiffr\u00e9 repose sur des donn\u00e9es hypoth\u00e9tiques et illustratives. D\u00e9lib\u00e9r\u00e9ment non utilis\u00e9s : les chiffres 2024 de l&rsquo;Upwork Research Institute selon lesquels l&rsquo;IA alourdit la charge de travail (la page primaire a renvoy\u00e9 une erreur d&rsquo;acc\u00e8s et n&rsquo;a pas \u00e9t\u00e9 ouverte par d&rsquo;autres moyens) ; le chiffre par incident exprim\u00e9 en minutes sur le workslop, qui circule \u00e0 partir des articles de la Harvard Business Review, lesquels n&rsquo;ont pas \u00e9t\u00e9 ouverts (la page de BetterUp qui a \u00e9t\u00e9 ouverte indique \u00ab 2 h \u00bb) ; et le pourcentage de gain de qualit\u00e9 largement cit\u00e9 \u00e0 partir du document de travail de Dell&rsquo;Acqua, car le r\u00e9sum\u00e9 publi\u00e9 consult\u00e9 ici dit seulement \u00ab qualit\u00e9 nettement am\u00e9lior\u00e9e \u00bb.<\/em><\/p>\n<hr>\n<p><em>Ce contenu a \u00e9t\u00e9 compil\u00e9 avec le soutien de l&rsquo;IA \u00e0 la suite d&rsquo;une recherche approfondie, puis r\u00e9dig\u00e9 et pr\u00e9par\u00e9 pour publication par l&rsquo;\u00e9quipe \u00e9ditoriale de CEOtudent.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>De grandes enqu\u00eates situent le gain de temps d\u00e9clar\u00e9 gr\u00e2ce \u00e0 l&rsquo;IA entre 2,8 et 5,4 % des heures de travail des utilisateurs, et aucune des deux ne compte \u00e0 part le temps pass\u00e9 \u00e0 v\u00e9rifier et \u00e0 corriger les r\u00e9sultats. Dans un essai randomis\u00e9, des d\u00e9veloppeurs exp\u00e9riment\u00e9s pensaient que l&rsquo;IA avait r\u00e9duit de 20 % le temps pass\u00e9 sur leurs t\u00e2ches, alors qu&rsquo;elle les avait allong\u00e9es de 19 %. Cette analyse CEOtudent met dix \u00e9tudes c\u00f4te \u00e0 c\u00f4te et en tire un protocole de v\u00e9rification gradu\u00e9 selon le risque, assorti d&rsquo;un test de rentabilit\u00e9.<\/p>\n","protected":false},"author":1,"featured_media":326527,"comment_status":"open","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-326525","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry"],"_links":{"self":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/posts\/326525","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/comments?post=326525"}],"version-history":[{"count":0,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/posts\/326525\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/media\/326527"}],"wp:attachment":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/media?parent=326525"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/categories?post=326525"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/tags?post=326525"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}