{"id":326845,"date":"2026-10-24T05:06:51","date_gmt":"2026-10-24T02:06:51","guid":{"rendered":"https:\/\/ceotudent.com\/entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle"},"modified":"2026-10-24T05:06:51","modified_gmt":"2026-10-24T02:06:51","slug":"entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle","status":"publish","type":"post","link":"https:\/\/ceotudent.com\/fr\/entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle","title":{"rendered":"L&rsquo;entretien d&rsquo;\u00e9valuation augment\u00e9 par l&rsquo;IA : comment mesurer et documenter votre contribution r\u00e9elle quand l&rsquo;IA fait le travail"},"content":{"rendered":"<p><strong>En bref.<\/strong> Les \u00e9valuations de performance \u00e9taient bruit\u00e9es bien avant l&rsquo;IA. Dans l&rsquo;\u00e9tude de Scullen, Mount et Goff portant sur deux grands \u00e9chantillons de managers, les tendances propres \u00e0 l&rsquo;\u00e9valuateur expliquaient 62 % et 53 % de la variance des notes ; la performance r\u00e9elle de la personne en expliquait 21 % et 25 %. Une m\u00e9ta-analyse a \u00e9tabli la fiabilit\u00e9 inter\u00e9valuateurs moyenne des \u00e9valuations par le sup\u00e9rieur hi\u00e9rarchique \u00e0 0,52. Dans la derni\u00e8re enqu\u00eate f\u00e9d\u00e9rale am\u00e9ricaine \u00e0 l&rsquo;\u00e9chelle de toute l&rsquo;administration, seuls 47 % des agents affirmaient que les \u00e9carts de performance sont reconnus de mani\u00e8re significative, l&rsquo;item le moins bien not\u00e9. L&rsquo;IA ajoute une seconde distorsion : dans quatre exp\u00e9riences pr\u00e9enregistr\u00e9es r\u00e9unissant 4 439 participants, les personnes aid\u00e9es par l&rsquo;IA \u00e9taient jug\u00e9es plus paresseuses et moins comp\u00e9tentes que celles ayant re\u00e7u la m\u00eame aide d&rsquo;une personne ou d&rsquo;un outil classique, et dans une exp\u00e9rience men\u00e9e dans quatre pays, l&rsquo;utilisateur d&rsquo;un chatbot standard recevait 11,83 \u00e0 24,72 points de cr\u00e9dit en moins (\u00e9chelle de 0 \u00e0 100) qu&rsquo;une personne ayant produit le m\u00eame r\u00e9sultat utile sans IA. Le r\u00e9flexe du CEO : tenir un journal de contribution hebdomadaire qui distingue le r\u00e9sultat, les d\u00e9cisions assum\u00e9es, la v\u00e9rification effectu\u00e9e et l&rsquo;effet de levier cr\u00e9\u00e9, et apporter des preuves qu&rsquo;un \u00e9valuateur peut v\u00e9rifier. Le r\u00e9flexe de l&rsquo;\u00e9tudiant : relire ce journal chaque mois pour voir quelles parties de votre travail l&rsquo;IA absorbe et quelles comp\u00e9tences de jugement d\u00e9velopper ensuite.<\/p>\n<p>Cet article constitue la couche \u00ab documentation de l&rsquo;\u00e9valuation \u00bb du guide CEOtudent sur <a href=\"\/fr\/comment-mesurer-la-production-du-travail-intellectuel\">comment mesurer la production du travail intellectuel<\/a>. La question de savoir s&rsquo;il faut mentionner l&rsquo;IA est trait\u00e9e dans <a href=\"\/fr\/faut-il-dire-a-son-patron-que-lon-utilise-lia\">faut-il dire \u00e0 son patron que l&rsquo;on utilise l&rsquo;IA<\/a> ; transformer ces preuves en argumentaire salarial est trait\u00e9 dans <a href=\"\/fr\/negocier-une-augmentation-quand-l-ia-a-multiplie-votre-production-reperes-et-scripts\">n\u00e9gocier une augmentation quand l&rsquo;IA a multipli\u00e9 votre production<\/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\/entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle\/#Pourquoi-cette-saison-devaluations-est-elle-differente\" >Pourquoi cette saison d&rsquo;\u00e9valuations est-elle diff\u00e9rente ?<\/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\/entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle\/#Quelle-est-la-fiabilite-dune-evaluation-de-performance-au-depart\" >Quelle est la fiabilit\u00e9 d&rsquo;une \u00e9valuation de performance au d\u00e9part ?<\/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\/entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle\/#Que-signifie-le-bruit-de-levaluateur-pour-vos-preuves\" >Que signifie le bruit de l&rsquo;\u00e9valuateur pour vos preuves ?<\/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\/entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle\/#Comment-les-evaluateurs-jugent-ils-un-travail-realise-avec-laide-de-lIA\" >Comment les \u00e9valuateurs jugent-ils un travail r\u00e9alis\u00e9 avec l&rsquo;aide de l&rsquo;IA ?<\/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\/entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle\/#A-qui-revient-le-merite-quand-lIA-a-aide\" >\u00c0 qui revient le m\u00e9rite quand l&rsquo;IA a aid\u00e9 ?<\/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\/entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle\/#Ou-lIA-degrade-t-elle-votre-travail-sans-que-vous-le-remarquiez\" >O\u00f9 l&rsquo;IA d\u00e9grade-t-elle votre travail sans que vous le remarquiez ?<\/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\/entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle\/#Quest-ce-qui-compte-comme-votre-contribution-quand-lIA-a-fait-une-partie-du-travail\" >Qu&rsquo;est-ce qui compte comme votre contribution quand l&rsquo;IA a fait une partie du travail ?<\/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\/entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle\/#Le-journal-de-contribution-hebdomadaire\" >Le journal de contribution hebdomadaire<\/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\/entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle\/#Comment-signaler-lusage-de-lIA-sans-payer-la-penalite\" >Comment signaler l&rsquo;usage de l&rsquo;IA sans payer la p\u00e9nalit\u00e9 ?<\/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\/entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle\/#Le-reflexe-du-CEO-et-le-reflexe-de-letudiant\" >Le r\u00e9flexe du CEO et le r\u00e9flexe de l&rsquo;\u00e9tudiant<\/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\/entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle\/#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-12\" href=\"https:\/\/ceotudent.com\/fr\/entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle\/#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-13\" href=\"https:\/\/ceotudent.com\/fr\/entretien-evaluation-augmente-par-l-ia-mesurer-documenter-contribution-reelle\/#Sources\" >Sources<\/a><\/li><\/ul><\/nav><\/div>\n<h2 id=\"pourquoi-cette-saison-dvaluations-est-elle-diffrente\"><span class=\"ez-toc-section\" id=\"Pourquoi-cette-saison-devaluations-est-elle-differente\"><\/span>Pourquoi cette saison d&rsquo;\u00e9valuations est-elle diff\u00e9rente ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>L&rsquo;usage de l&rsquo;IA au travail est devenu routinier pour une minorit\u00e9 non n\u00e9gligeable avant que la plupart des employeurs ne disent comment ils souhaitent qu&rsquo;il soit \u00e9valu\u00e9. Le Pew Research Center a constat\u00e9 qu&rsquo;en septembre 2025, 21 % des travailleurs am\u00e9ricains d\u00e9claraient qu&rsquo;au moins une partie de leur travail \u00e9tait r\u00e9alis\u00e9e avec l&rsquo;IA, contre 16 % environ un an plus t\u00f4t. Dans une enqu\u00eate Pew de f\u00e9vrier 2026, 38 % des adultes en emploi d\u00e9claraient utiliser des chatbots d&rsquo;IA pour des t\u00e2ches professionnelles. C\u00f4t\u00e9 r\u00e8gles, une enqu\u00eate Pew publi\u00e9e en f\u00e9vrier 2025 a montr\u00e9 que la moiti\u00e9 des salari\u00e9s non ind\u00e9pendants affirment que leur employeur n&rsquo;encourage ni ne d\u00e9courage l&rsquo;usage des chatbots au travail ; 12 % disaient que leur employeur l&rsquo;encourage et 8 % qu&rsquo;il le d\u00e9courage. Parmi les travailleurs ayant utilis\u00e9 des chatbots pour leur travail, 40 % les trouvaient extr\u00eamement ou tr\u00e8s utiles pour aller plus vite, et 29 % tr\u00e8s utiles pour am\u00e9liorer la qualit\u00e9.<\/p>\n<p>Une part croissante du travail qu&rsquo;un manager \u00e9valuera cette ann\u00e9e a donc \u00e9t\u00e9 produite avec une certaine aide de l&rsquo;IA, souvent selon des r\u00e8gles non \u00e9crites, et surtout plus vite plut\u00f4t que mieux. L&rsquo;\u00e9valuateur doit d\u00e9cider quelle part du r\u00e9sultat revient \u00e0 la personne. Sans preuves, cette d\u00e9cision retombe sur l&rsquo;impression, pr\u00e9cis\u00e9ment l\u00e0 o\u00f9 les \u00e9valuations sont les plus faibles.<\/p>\n<h2 id=\"quelle-est-la-fiabilit-dune-valuation-de-performance-au-dpart\"><span class=\"ez-toc-section\" id=\"Quelle-est-la-fiabilite-dune-evaluation-de-performance-au-depart\"><\/span>Quelle est la fiabilit\u00e9 d&rsquo;une \u00e9valuation de performance au d\u00e9part ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Tableau 1. Ce que dit la recherche sur la fiabilit\u00e9 des \u00e9valuations de performance (chiffres tels que publi\u00e9s)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>\u00c9tude<\/th>\n<th>Donn\u00e9es<\/th>\n<th>R\u00e9sultat tel que publi\u00e9<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Scullen, Mount et Goff, Journal of Applied Psychology, 2000<\/td>\n<td>Deux \u00e9chantillons de managers (n = 2 350 et n = 2 142), chacun \u00e9valu\u00e9 sur 3 dimensions par 7 \u00e9valuateurs : 2 sup\u00e9rieurs, 2 pairs, 2 subordonn\u00e9s et soi-m\u00eame<\/td>\n<td>Effets idiosyncrasiques de l&rsquo;\u00e9valuateur : 62 % et 53 % de la variance ; performance g\u00e9n\u00e9rale et dimensionnelle de l&rsquo;\u00e9valu\u00e9 : 21 % et 25 % ; erreur al\u00e9atoire : 11 % et 18 %<\/td>\n<\/tr>\n<tr>\n<td>Viswesvaran, Ones et Schmidt, Journal of Applied Psychology, 1996<\/td>\n<td>M\u00e9ta-analyse de la fiabilit\u00e9 des \u00e9valuations sur 10 dimensions et sur la performance globale<\/td>\n<td>Fiabilit\u00e9 inter\u00e9valuateurs moyenne des \u00e9valuations de la performance globale par le sup\u00e9rieur : 0,52 ; les \u00e9valuations par le sup\u00e9rieur semblent plus fiables que celles par les pairs<\/td>\n<\/tr>\n<tr>\n<td>Jackson et al., Human Performance, 2022<\/td>\n<td>Deux \u00e9chantillons r\u00e9analys\u00e9s (392 \u00e9valu\u00e9s, 244 \u00e9valuateurs ; 342 \u00e9valu\u00e9s, 397 \u00e9valuateurs)<\/td>\n<td>Structure principalement g\u00e9n\u00e9rale (plus de 27 % de la variance) et li\u00e9e \u00e0 l&rsquo;\u00e9valuateur (plus de 49 %) ; effets des dimensions de 1 % \u00e0 11 %<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Sources : Scullen et al. et Viswesvaran et al. (r\u00e9sum\u00e9s), Jackson et al. (manuscrit accept\u00e9). Les donn\u00e9es de Scullen portaient sur des \u00e9valuations multisources \u00e0 vis\u00e9e de d\u00e9veloppement, et non sur des \u00e9valuations li\u00e9es \u00e0 la r\u00e9mun\u00e9ration.<\/p>\n<p>Le chiffre de 0,52 est d\u00e9battu : Jackson et ses co-auteurs notent qu&rsquo;il suppose que toute la variance li\u00e9e \u00e0 l&rsquo;\u00e9valuateur rel\u00e8ve d&rsquo;un biais de l&rsquo;\u00e9valuateur, une hypoth\u00e8se contest\u00e9e par d&rsquo;autres chercheurs, puisque les \u00e9valuateurs peuvent observer des parties r\u00e9elles et diff\u00e9rentes d&rsquo;un m\u00eame poste. Ce qui demeure, c&rsquo;est la tendance : une note unique contient une part importante de l&rsquo;\u00e9valuateur.<\/p>\n<p>Les salari\u00e9s s&rsquo;en aper\u00e7oivent. Gallup, soci\u00e9t\u00e9 de conseil et de recherche, indiquait en 2019 que seuls 14 % des salari\u00e9s sont tout \u00e0 fait d&rsquo;accord pour dire que leurs entretiens d&rsquo;\u00e9valuation les incitent \u00e0 progresser, et en 2018 que seuls 21 % sont tout \u00e0 fait d&rsquo;accord pour dire qu&rsquo;ils disposent d&rsquo;indicateurs de performance sur lesquels ils ont prise.<\/p>\n<p>La plus grande enqu\u00eate publique avec des r\u00e9sultats par item est la Federal Employee Viewpoint Survey de l&rsquo;Office of Personnel Management (OPM) am\u00e9ricain. L&rsquo;\u00e9dition 2024 (r\u00e9vis\u00e9e en avril 2025) est le dernier rapport de gestion \u00e0 l&rsquo;\u00e9chelle de toute l&rsquo;administration r\u00e9pertori\u00e9 sur la page des rapports de l&rsquo;OPM en octobre 2026. Plus de 674 000 agents y ont r\u00e9pondu, soit un taux de r\u00e9ponse de 41 %.<\/p>\n<p><strong>Tableau 2. Responsabilit\u00e9 contre reconnaissance, Federal Employee Viewpoint Survey 2024 (pourcentage de r\u00e9ponses positives \u00e0 l&rsquo;\u00e9chelle de l&rsquo;administration, tel que publi\u00e9)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Item<\/th>\n<th>Pourcentage positif<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>\u00ab Mon sup\u00e9rieur me tient responsable de l&rsquo;atteinte des r\u00e9sultats. \u00bb (Q. 53)<\/td>\n<td>88 %<\/td>\n<\/tr>\n<tr>\n<td>\u00ab Je suis tenu responsable de la qualit\u00e9 du travail que je produis. \u00bb (Q. 11)<\/td>\n<td>87 %<\/td>\n<\/tr>\n<tr>\n<td>\u00ab Dans quelle mesure \u00eates-vous satisfait de la reconnaissance que vous recevez pour un travail bien fait ? \u00bb (Q. 69)<\/td>\n<td>57 %<\/td>\n<\/tr>\n<tr>\n<td>\u00ab Dans mon unit\u00e9 de travail, les \u00e9carts de performance sont reconnus de mani\u00e8re significative. \u00bb (Q. 17)<\/td>\n<td>47 %, l&rsquo;item le moins bien not\u00e9<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Source : US Office of Personnel Management, 2024 FEVS Governmentwide Management Report et classeur des items (Q. 17 : 26,3 % neutres, 27,2 % n\u00e9gatifs).<\/p>\n<p>Pr\u00e8s de neuf agents sur dix d\u00e9clarent \u00eatre tenus responsables de leurs r\u00e9sultats ; moins de la moiti\u00e9 affirment que les \u00e9carts de performance sont reconnus de mani\u00e8re significative. Cet \u00e9cart de 40 \u00e0 41 points montre \u00e0 quoi ressemble la contribution lorsqu&rsquo;un syst\u00e8me peut voir qu&rsquo;un travail a \u00e9t\u00e9 fait, mais pas avec quelle qualit\u00e9, ni par qui.<\/p>\n<h2 id=\"que-signifie-le-bruit-de-lvaluateur-pour-vos-preuves\"><span class=\"ez-toc-section\" id=\"Que-signifie-le-bruit-de-levaluateur-pour-vos-preuves\"><\/span>Que signifie le bruit de l&rsquo;\u00e9valuateur pour vos preuves ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Si une impression unique est une preuve faible, le rem\u00e8de consiste \u00e0 multiplier les preuves ind\u00e9pendantes, et non \u00e0 afficher une impression plus assur\u00e9e.<\/p>\n<p><strong>Tableau 3. Signal, bruit de l&rsquo;\u00e9valuateur et valeur des preuves ind\u00e9pendantes (analyse CEOtudent de Scullen et al. 2000 et Viswesvaran et al. 1996)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Mesure<\/th>\n<th>Valeur<\/th>\n<th>Calcul<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Idiosyncrasie de l&rsquo;\u00e9valuateur rapport\u00e9e \u00e0 la performance de l&rsquo;\u00e9valu\u00e9<\/td>\n<td>2,95 fois (jeu de donn\u00e9es 1) ; 2,12 fois (jeu de donn\u00e9es 2)<\/td>\n<td>62\/21 ; 53\/25<\/td>\n<\/tr>\n<tr>\n<td>Idiosyncrasie de l&rsquo;\u00e9valuateur plus erreur al\u00e9atoire<\/td>\n<td>73 % et 71 % de la variance<\/td>\n<td>62 + 11 ; 53 + 18<\/td>\n<\/tr>\n<tr>\n<td>Fiabilit\u00e9 de l&rsquo;\u00e9valuation globale d&rsquo;un seul sup\u00e9rieur<\/td>\n<td>0,52<\/td>\n<td>Tel que publi\u00e9<\/td>\n<\/tr>\n<tr>\n<td>Fiabilit\u00e9 attendue, moyenne de 2 \/ 3 \/ 4 \u00e9valuateurs ind\u00e9pendants<\/td>\n<td>0,68 \/ 0,77 \/ 0,81<\/td>\n<td>Formule de Spearman-Brown<\/td>\n<\/tr>\n<tr>\n<td>\u00c9valuateurs ind\u00e9pendants n\u00e9cessaires pour atteindre 0,70 \/ 0,80<\/td>\n<td>3 \/ 4<\/td>\n<td>Spearman-Brown r\u00e9solue pour k, arrondie \u00e0 l&rsquo;entier sup\u00e9rieur<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>La formule de Spearman-Brown suppose des \u00e9valuateurs parall\u00e8les et ind\u00e9pendants, ce que les \u00e9valuateurs r\u00e9els sont rarement ; consid\u00e9rez ces chiffres comme une illustration de borne sup\u00e9rieure.<\/p>\n<p>Vous ne pouvez pas choisir combien de personnes vous \u00e9valuent. Vous pouvez choisir combien de faits ind\u00e9pendants et v\u00e9rifiables soutiennent chaque affirmation : un indicateur dont quelqu&rsquo;un d&rsquo;autre est responsable, une note de d\u00e9cision r\u00e9dig\u00e9e sur le moment, un d\u00e9faut d\u00e9tect\u00e9 et confirm\u00e9. Le tableau est une analogie, pas une loi, mais il explique pourquoi trois faits modestes et v\u00e9rifiables convainquent plus s\u00fbrement qu&rsquo;un adjectif impressionnant.<\/p>\n<h2 id=\"comment-les-valuateurs-jugent-ils-un-travail-ralis-avec-laide-de-lia\"><span class=\"ez-toc-section\" id=\"Comment-les-evaluateurs-jugent-ils-un-travail-realise-avec-laide-de-lIA\"><\/span>Comment les \u00e9valuateurs jugent-ils un travail r\u00e9alis\u00e9 avec l&rsquo;aide de l&rsquo;IA ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Les preuves les plus solides proviennent de Reif, Larrick et Soll, de la Fuqua School of Business de l&rsquo;universit\u00e9 Duke (PNAS, 2025).<\/p>\n<p><strong>Tableau 4. Preuves d&rsquo;une p\u00e9nalit\u00e9 d&rsquo;\u00e9valuation sociale li\u00e9e \u00e0 l&rsquo;usage de l&rsquo;IA (Reif, Larrick et Soll, 2025 ; chiffres tels que publi\u00e9s)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>\u00c9tude<\/th>\n<th>Protocole et \u00e9chantillon<\/th>\n<th>R\u00e9sultat cl\u00e9<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>1<\/td>\n<td>500 participants s&rsquo;imaginaient utiliser au travail un outil d&rsquo;IA g\u00e9n\u00e9rative ou un outil de tableau de bord (N = 497 analys\u00e9s)<\/td>\n<td>S&rsquo;attendaient \u00e0 \u00eatre per\u00e7us comme plus paresseux (3,25 contre 2,72) et moins comp\u00e9tents (4,72 contre 5,45) avec l&rsquo;IA ; moins enclins \u00e0 le signaler \u00e0 leurs managers (4,91 contre 5,25)<\/td>\n<\/tr>\n<tr>\n<td>2<\/td>\n<td>1 215 participants ont \u00e9valu\u00e9 un salari\u00e9 \u00e0 partir de 384 vignettes (N = 1 203 analys\u00e9s)<\/td>\n<td>Le salari\u00e9 aid\u00e9 par l&rsquo;IA \u00e9tait jug\u00e9 plus paresseux (2,50) que celui aid\u00e9 par une source non-IA (2,16) ou sans aide (2,02) ; \u00e9galement moins comp\u00e9tent, diligent, autonome et s\u00fbr de lui ; aucune mod\u00e9ration par l&rsquo;\u00e2ge, le genre ou la profession<\/td>\n<\/tr>\n<tr>\n<td>3<\/td>\n<td>801 candidats r\u00e9els et 1 718 managers participants, recrutement incitatif (N = 1 667 analys\u00e9s)<\/td>\n<td>Pas de diff\u00e9rence moyenne d&rsquo;ad\u00e9quation \u00e0 la t\u00e2che, mais les managers utilisant peu l&rsquo;IA favorisaient le candidat qui ne l&rsquo;utilise jamais, tandis que les utilisateurs fr\u00e9quents favorisaient l&rsquo;utilisateur quotidien<\/td>\n<\/tr>\n<tr>\n<td>4<\/td>\n<td>1 006 participants recrutant un travailleur ind\u00e9pendant de plateforme (N = 1 002 analys\u00e9s)<\/td>\n<td>Utilisateurs d&rsquo;IA per\u00e7us comme plus paresseux, ce qui r\u00e9duisait l&rsquo;ad\u00e9quation \u00e0 la t\u00e2che. T\u00e2che manuelle : 4,75 (outils traditionnels) contre 4,18 (IA). T\u00e2che num\u00e9rique o\u00f9 l&rsquo;IA \u00e9tait utile : 5,58 contre 5,75, non significatif (P = 0,112)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Le total de 4 439 inclut les managers de l&rsquo;\u00e9tude 3, et non ses candidats.<\/p>\n<p>Trois d\u00e9tails comptent pour une \u00e9valuation. La p\u00e9nalit\u00e9 portait sur l&rsquo;effort et les capacit\u00e9s attribu\u00e9s (paresse, comp\u00e9tence, diligence), et non sur l&rsquo;ambition ou la dominance. Elle d\u00e9pendait de l&rsquo;\u00e9valuateur : dans l&rsquo;\u00e9tude 4, l&rsquo;\u00e9cart de paresse \u00e9tait significatif chez les participants n&rsquo;ayant jamais utilis\u00e9 l&rsquo;IA, l&rsquo;ayant essay\u00e9e une ou deux fois ou l&rsquo;utilisant occasionnellement, mais pas chez les utilisateurs hebdomadaires ou quotidiens. Et elle d\u00e9pendait de l&rsquo;ad\u00e9quation : l\u00e0 o\u00f9 l&rsquo;IA \u00e9tait clairement utile pour la t\u00e2che, la p\u00e9nalit\u00e9 d&rsquo;ad\u00e9quation \u00e0 la t\u00e2che disparaissait. Un \u00e9valuateur qui ne voit que \u00ab a utilis\u00e9 l&rsquo;IA \u00bb comble le vide par une attribution sur l&rsquo;effort ; un \u00e9valuateur qui voit la d\u00e9cision, la v\u00e9rification et la raison pour laquelle l&rsquo;outil convenait \u00e0 la t\u00e2che a autre chose \u00e0 cr\u00e9diter.<\/p>\n<h2 id=\"qui-revient-le-mrite-quand-lia-a-aid\"><span class=\"ez-toc-section\" id=\"A-qui-revient-le-merite-quand-lIA-a-aide\"><\/span>\u00c0 qui revient le m\u00e9rite quand l&rsquo;IA a aid\u00e9 ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Porsdam Mann et ses coll\u00e8gues ont soutenu dans Nature Machine Intelligence (2023) que l&rsquo;IA g\u00e9n\u00e9rative cr\u00e9e une asym\u00e9trie entre m\u00e9rite et bl\u00e2me ; un article de suivi la r\u00e9sume comme un usage de l&rsquo;IA qui \u00ab rel\u00e8ve la barre pour obtenir du m\u00e9rite, alors que les crit\u00e8res d&rsquo;attribution du bl\u00e2me restent les m\u00eames \u00bb.<\/p>\n<p>Earp, Porsdam Mann et leurs co-auteurs l&rsquo;ont test\u00e9e dans une exp\u00e9rience pr\u00e9enregistr\u00e9e avec \u00e9chantillonnage repr\u00e9sentatif (N = 1 802) au Royaume-Uni, aux \u00c9tats-Unis, en Chine et \u00e0 Singapour. Un auteur fictif publiait un billet de blog r\u00e9alis\u00e9 avec un grand mod\u00e8le de langage standard, avec un mod\u00e8le personnalis\u00e9 \u00e0 partir de ses propres travaux ant\u00e9rieurs, ou sans IA, apr\u00e8s l&rsquo;avoir parcouru rapidement. Les participants attribuaient le m\u00e9rite d&rsquo;un billet utile, ou le bl\u00e2me d&rsquo;un billet nuisible, sur une \u00e9chelle de 0 \u00e0 100.<\/p>\n<table>\n<thead>\n<tr>\n<th>Pays<\/th>\n<th>\u00c9cart de m\u00e9rite : sans IA moins LLM standard<\/th>\n<th>\u00c9cart de m\u00e9rite : LLM personnalis\u00e9 moins LLM standard<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Royaume-Uni<\/td>\n<td>18,51 points<\/td>\n<td>14,31 points<\/td>\n<\/tr>\n<tr>\n<td>\u00c9tats-Unis<\/td>\n<td>24,72 points<\/td>\n<td>17,56 points<\/td>\n<\/tr>\n<tr>\n<td>Chine<\/td>\n<td>11,83 points<\/td>\n<td>5,13 points (non significatif)<\/td>\n<\/tr>\n<tr>\n<td>Singapour<\/td>\n<td>Non disponible (groupe t\u00e9moin exclu apr\u00e8s une erreur de programmation)<\/td>\n<td>17,60 points<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Source : Earp et al., Annals of the New York Academy of Sciences, 2024, tableau 1 (ajustement de Bonferroni ; contrastes standard moins personnalis\u00e9 reformul\u00e9s en \u00e9carts positifs).<\/p>\n<p>Le m\u00e9rite accord\u00e9 \u00e0 un billet utile r\u00e9alis\u00e9 avec un mod\u00e8le entra\u00een\u00e9 sur les travaux ant\u00e9rieurs de l&rsquo;auteur n&rsquo;\u00e9tait significativement inf\u00e9rieur \u00e0 celui du billet sans IA dans aucun pays dot\u00e9 d&rsquo;un groupe t\u00e9moin ; les participants invoquaient la provenance. Le bl\u00e2me d\u00e9pendait \u00e0 peine du type d&rsquo;IA, sauf en Chine, et les participants britanniques bl\u00e2maient davantage l&rsquo;auteur d\u00e8s lors qu&rsquo;il utilisait un mod\u00e8le, quel qu&rsquo;il soit.<\/p>\n<p>Draxler et ses coll\u00e8gues (deux \u00e9tudes, n = 30 et n = 96) ajoutent l&rsquo;effet \u00ab AI Ghostwriter \u00bb : les utilisateurs ne se consid\u00e9raient pas comme propri\u00e9taires du texte g\u00e9n\u00e9r\u00e9 par l&rsquo;IA, mais ne d\u00e9claraient pas publiquement l&rsquo;IA comme auteur. Une plus grande influence sur le texte renfor\u00e7ait leur sentiment de propri\u00e9t\u00e9.<\/p>\n<p><strong>Tableau 5. Ce qui fait \u00e9voluer le jugement port\u00e9 sur un travail assist\u00e9 par l&rsquo;IA, et ce qu&rsquo;il faut documenter (analyse CEOtudent de Reif et al. 2025, Earp et al. 2024 et Draxler et al. 2023)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Ce que les \u00e9tudes faisaient varier<\/th>\n<th>Effet sur l&rsquo;\u00e9valuation<\/th>\n<th>Documentation qui y r\u00e9pond<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Source d&rsquo;une aide identique<\/td>\n<td>Paresse sup\u00e9rieure de 0,34 \u00e0 celle associ\u00e9e \u00e0 une aide non-IA, de 0,48 \u00e0 l&rsquo;absence d&rsquo;aide (Reif, \u00e9tude 2)<\/td>\n<td>Nommer l&rsquo;effort rest\u00e9 le v\u00f4tre : cadrage, d\u00e9cisions, v\u00e9rifications<\/td>\n<\/tr>\n<tr>\n<td>Usage de l&rsquo;IA par l&rsquo;\u00e9valuateur lui-m\u00eame<\/td>\n<td>P\u00e9nalit\u00e9 significative chez les non-utilisateurs et les utilisateurs occasionnels, pas chez les utilisateurs hebdomadaires ou quotidiens (Reif, \u00e9tude 4)<\/td>\n<td>\u00c9crire pour le lecteur de l&rsquo;\u00e9valuation le moins familier de l&rsquo;IA<\/td>\n<\/tr>\n<tr>\n<td>Ad\u00e9quation de l&rsquo;IA \u00e0 la t\u00e2che<\/td>\n<td>P\u00e9nalit\u00e9 d&rsquo;ad\u00e9quation de 0,57 sur une t\u00e2che manuelle ; aucune p\u00e9nalit\u00e9 significative sur une t\u00e2che num\u00e9rique (Reif, \u00e9tude 4)<\/td>\n<td>Indiquer pourquoi l&rsquo;outil convenait et o\u00f9 il n&rsquo;a pas \u00e9t\u00e9 utilis\u00e9<\/td>\n<\/tr>\n<tr>\n<td>Provenance du contenu<\/td>\n<td>M\u00e9rite avec LLM standard inf\u00e9rieur de 11,83 \u00e0 24,72 points au t\u00e9moin sans IA, moyenne de 18,35 ; LLM personnalis\u00e9 non significativement inf\u00e9rieur (Earp)<\/td>\n<td>Montrer ce qui vient de vous : donn\u00e9es, analyses ant\u00e9rieures, structure<\/td>\n<\/tr>\n<tr>\n<td>Influence sur le texte<\/td>\n<td>Plus d&rsquo;influence, plus de sentiment de propri\u00e9t\u00e9 (Draxler)<\/td>\n<td>Conserver les versions avant et apr\u00e8s de ce que vous avez modifi\u00e9<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Il s&rsquo;agit de r\u00e9sultats obtenus en ligne ou en laboratoire, et non d&rsquo;effets mesur\u00e9s sur des \u00e9valuations r\u00e9elles ; la colonne de droite rel\u00e8ve de l&rsquo;inf\u00e9rence de CEOtudent.<\/p>\n<h2 id=\"o-lia-dgrade-t-elle-votre-travail-sans-que-vous-le-remarquiez\"><span class=\"ez-toc-section\" id=\"Ou-lIA-degrade-t-elle-votre-travail-sans-que-vous-le-remarquiez\"><\/span>O\u00f9 l&rsquo;IA d\u00e9grade-t-elle votre travail sans que vous le remarquiez ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Dans l&rsquo;exp\u00e9rience pr\u00e9enregistr\u00e9e de Dell&rsquo;Acqua et ses coll\u00e8gues avec le Boston Consulting Group (758 travailleurs du savoir ; Organization Science, 2026), les participants utilisant GPT-4 ont accompli 12,2 % de t\u00e2ches en plus et travaill\u00e9 25,1 % plus vite sur 18 t\u00e2ches situ\u00e9es \u00e0 l&rsquo;int\u00e9rieur de la fronti\u00e8re des capacit\u00e9s de l&rsquo;IA, mais sur une t\u00e2che manag\u00e9riale situ\u00e9e hors de cette fronti\u00e8re, ils avaient 19 % de chances en moins de produire des solutions correctes. Les auteurs parlent d&rsquo;une fronti\u00e8re technologique en dents de scie.<\/p>\n<p>C&rsquo;est l&rsquo;argument le plus fort pour consigner vos corrections. L&rsquo;acte le plus pr\u00e9cieux d&rsquo;un projet peut consister \u00e0 refuser une r\u00e9ponse du mod\u00e8le aussi assur\u00e9e que fausse, et il ne laisse aucune trace puisque l&rsquo;erreur n&rsquo;a jamais \u00e9t\u00e9 livr\u00e9e. Le co\u00fbt en temps de la v\u00e9rification est trait\u00e9 dans <a href=\"\/fr\/la-taxe-de-verification-combien-coute-vraiment-le-controle-des-resultats-de-l-ia\">la taxe de v\u00e9rification<\/a>, la comp\u00e9tence dans <a href=\"\/fr\/la-competence-d-evaluation-juger-les-sorties-d-ia\">la comp\u00e9tence d&rsquo;\u00e9valuation<\/a>, et les gains mesur\u00e9s en \u00e9tudes contr\u00f4l\u00e9es dans <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<h2 id=\"quest-ce-qui-compte-comme-votre-contribution-quand-lia-a-fait-une-partie-du-travail\"><span class=\"ez-toc-section\" id=\"Quest-ce-qui-compte-comme-votre-contribution-quand-lIA-a-fait-une-partie-du-travail\"><\/span>Qu&rsquo;est-ce qui compte comme votre contribution quand l&rsquo;IA a fait une partie du travail ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>L&rsquo;\u00e9chelle de contribution du guide principal de cette s\u00e9rie indique quoi mesurer. Ce mod\u00e8le indique quoi documenter.<\/p>\n<p><strong>Tableau 6. Le mod\u00e8le de contribution \u00e0 l&rsquo;\u00e8re de l&rsquo;IA (cadre \u00e9ditorial CEOtudent)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Niveau<\/th>\n<th>Preuves qui comptent<\/th>\n<th>Preuves qui ne comptent pas<\/th>\n<th>Ce que l&rsquo;IA y change<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>A. R\u00e9sultat livr\u00e9<\/td>\n<td>Un indicateur dont quelqu&rsquo;un d&rsquo;autre est responsable a boug\u00e9 ; une d\u00e9cision a \u00e9t\u00e9 prise sur la base de votre travail ; un risque a \u00e9t\u00e9 clos<\/td>\n<td>Brouillons, pr\u00e9sentations, tickets, heures, statistiques d&rsquo;outil<\/td>\n<td>Le volume ne co\u00fbte plus grand-chose, ce sont donc les r\u00e9sultats qui p\u00e8sent<\/td>\n<\/tr>\n<tr>\n<td>B. Cadrage du probl\u00e8me et droits de d\u00e9cision<\/td>\n<td>Note dat\u00e9e des options, du choix, de la raison et de la validation<\/td>\n<td>Un document soign\u00e9 sans trace de ce qui a \u00e9t\u00e9 \u00e9cart\u00e9<\/td>\n<td>L&rsquo;IA g\u00e9n\u00e8re des options en quelques secondes ; en choisir une et l&rsquo;assumer est rare<\/td>\n<\/tr>\n<tr>\n<td>C. V\u00e9rification et d\u00e9tection d&rsquo;erreurs<\/td>\n<td>Registre des sorties corrig\u00e9es, du co\u00fbt qu&rsquo;aurait eu chaque erreur, de la mani\u00e8re dont elle a \u00e9t\u00e9 d\u00e9tect\u00e9e<\/td>\n<td>\u00ab Relu \u00bb sans pr\u00e9ciser par rapport \u00e0 quoi<\/td>\n<td>La fronti\u00e8re en dents de scie rend ce niveau plus important et moins visible<\/td>\n<\/tr>\n<tr>\n<td>D. Effet de levier cr\u00e9\u00e9 pour les autres<\/td>\n<td>Mod\u00e8les, prompts, checklists ou donn\u00e9es adopt\u00e9s par d&rsquo;autres ; nombre de r\u00e9utilisations<\/td>\n<td>Une rapidit\u00e9 personnelle dont personne d&rsquo;autre ne peut profiter<\/td>\n<td>Les flux de travail avec l&rsquo;IA se partagent facilement, l&rsquo;effet de levier devient donc mesurable<\/td>\n<\/tr>\n<tr>\n<td>E. Vitesse d&rsquo;apprentissage<\/td>\n<td>Nouvelles responsabilit\u00e9s dat\u00e9es ; une comp\u00e9tence d\u00e9montr\u00e9e dans le travail, absente au cycle pr\u00e9c\u00e9dent<\/td>\n<td>Certificats sans application concr\u00e8te<\/td>\n<td>Les t\u00e2ches absorb\u00e9es par l&rsquo;IA changent sans cesse ; faire du surplace, c&rsquo;est d\u00e9cliner lentement<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Les niveaux B et C sont ceux o\u00f9 le travail assist\u00e9 par l&rsquo;IA est le moins cr\u00e9dit\u00e9, car ce sont ceux que les \u00e9valuateurs de Reif et d&rsquo;Earp ne pouvaient pas voir. Le <a href=\"\/fr\/journal-de-decision-modele-et-protocole-pour-ameliorer-son-jugement\">protocole du journal de d\u00e9cision<\/a> est le lieu naturel du niveau B, et le <a href=\"\/fr\/guide-management-ia-diriger-evaluer-ameliorer\">guide du management de l&rsquo;IA<\/a> produit des preuves de niveau C par effet secondaire.<\/p>\n<h2 id=\"le-journal-de-contribution-hebdomadaire\"><span class=\"ez-toc-section\" id=\"Le-journal-de-contribution-hebdomadaire\"><\/span>Le journal de contribution hebdomadaire<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Un court bloc \u00e0 la fin de chaque <a href=\"\/fr\/protocole-revue-hebdomadaire-personnes-productives-2026\">revue hebdomadaire<\/a> transforme la saison des \u00e9valuations : d&rsquo;exercice de m\u00e9moire, elle devient exercice d&rsquo;\u00e9dition.<\/p>\n<p><strong>Tableau 7. Champs du journal de contribution hebdomadaire (cadre \u00e9ditorial CEOtudent)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Champ<\/th>\n<th>Ce qu&rsquo;il faut \u00e9crire<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Date et projet<\/td>\n<td>Semaine, projet, partie prenante<\/td>\n<\/tr>\n<tr>\n<td>R\u00e9sultat<\/td>\n<td>Le changement que le travail doit produire et qui est responsable de cet indicateur<\/td>\n<\/tr>\n<tr>\n<td>D\u00e9cision assum\u00e9e<\/td>\n<td>Le choix, les options \u00e9cart\u00e9es, la raison<\/td>\n<\/tr>\n<tr>\n<td>R\u00f4le de l&rsquo;IA<\/td>\n<td>Quelles parties l&rsquo;outil a r\u00e9dig\u00e9es, r\u00e9sum\u00e9es ou calcul\u00e9es, et lesquelles il n&rsquo;a pas touch\u00e9es<\/td>\n<\/tr>\n<tr>\n<td>V\u00e9rification<\/td>\n<td>Ce qui a \u00e9t\u00e9 v\u00e9rifi\u00e9, par rapport \u00e0 quelle source, ce qui a \u00e9t\u00e9 trouv\u00e9<\/td>\n<\/tr>\n<tr>\n<td>Erreur d\u00e9tect\u00e9e ou correction<\/td>\n<td>Ce que le mod\u00e8le a fait de travers et ce que cela aurait co\u00fbt\u00e9<\/td>\n<\/tr>\n<tr>\n<td>Effet de levier<\/td>\n<td>Ce que d&rsquo;autres peuvent r\u00e9utiliser, et qui l&rsquo;a utilis\u00e9<\/td>\n<\/tr>\n<tr>\n<td>Note d&rsquo;apprentissage<\/td>\n<td>Ce qui \u00e9tait nouveau, difficile ou confi\u00e9 \u00e0 l&rsquo;IA pour la premi\u00e8re fois<\/td>\n<\/tr>\n<tr>\n<td>Pointeur de preuve<\/td>\n<td>O\u00f9 se trouve la preuve : fichier, ticket, message, tableau de bord<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><strong>Exemple d&rsquo;entr\u00e9e \u00e0 titre d&rsquo;illustration (chaque valeur est une hypoth\u00e8se illustrative, et non une donn\u00e9e).<\/strong> Semaine 14, rapport fournisseurs trimestriel. R\u00e9sultat : dur\u00e9e du cycle de rapport ramen\u00e9e de 5 jours \u00e0 2 jours, soit une r\u00e9duction de 60 %, indicateur sous la responsabilit\u00e9 du responsable financier. D\u00e9cision : abandon de deux indicateurs h\u00e9rit\u00e9s inutilis\u00e9s au profit d&rsquo;une mesure du calendrier de tr\u00e9sorerie demand\u00e9e par le responsable financier. R\u00f4le de l&rsquo;IA : r\u00e9daction du texte et premier jet du tableau des \u00e9carts ; aucune intervention sur l&rsquo;extraction des donn\u00e9es. V\u00e9rification : rapprochement de chaque total avec l&rsquo;export du grand livre ; deux avoirs compt\u00e9s en double trouv\u00e9s. Correction : rejet d&rsquo;une explication d&rsquo;\u00e9cart citant une clause contractuelle inexistante. Effet de levier : checklist de rapprochement d\u00e9sormais utilis\u00e9e par deux coll\u00e8gues. Apprentissage : premi\u00e8re mesure du calendrier de tr\u00e9sorerie ; prochaine comp\u00e9tence, sa pr\u00e9vision. Preuve : historique des versions et fichier de la checklist.<\/p>\n<h3 id=\"le-modle-de-paragraphe-dauto-valuation\">Le mod\u00e8le de paragraphe d&rsquo;auto-\u00e9valuation<\/h3>\n<p>Remplacez chaque crochet et supprimez toute phrase que vous ne pouvez pas \u00e9tayer.<\/p>\n<blockquote>\n<p>Au cours de [p\u00e9riode], [projet] a produit [r\u00e9sultat], mesur\u00e9 par [indicateur] sous la responsabilit\u00e9 de [partie prenante], passant de [point de d\u00e9part] \u00e0 [r\u00e9sultat obtenu]. La d\u00e9cision cl\u00e9 a \u00e9t\u00e9 de choisir [option retenue] plut\u00f4t que [alternative] parce que [raison]. Des outils d&rsquo;IA ont \u00e9t\u00e9 utilis\u00e9s pour [parties pr\u00e9cises] ; [parties nomm\u00e9es] ont \u00e9t\u00e9 r\u00e9alis\u00e9es sans eux. Chaque [chiffre ou affirmation] a \u00e9t\u00e9 v\u00e9rifi\u00e9 par rapport \u00e0 [source], ce qui a permis de d\u00e9tecter [nombre] erreurs, dont [celle qui comptait], qui aurait [cons\u00e9quence]. Le [mod\u00e8le ou flux de travail] construit pendant ce travail est d\u00e9sormais utilis\u00e9 par [qui]. La prochaine \u00e9tape est [responsabilit\u00e9 plus exigeante], qui suppose de d\u00e9velopper [comp\u00e9tence].<\/p>\n<\/blockquote>\n<p>La phrase sur l&rsquo;IA est courte, factuelle et rattach\u00e9e \u00e0 des parties pr\u00e9cises du travail. Elle r\u00e9pond \u00e0 la question \u00e0 laquelle un \u00e9valuateur r\u00e9pondrait sinon par une supposition, et elle associe l&rsquo;outil \u00e0 une t\u00e2che \u00e0 laquelle il convenait, condition dans laquelle la p\u00e9nalit\u00e9 de Reif disparaissait.<\/p>\n<h3 id=\"le-test-en-six-questions-pour-chaque-ralisation\">Le test en six questions pour chaque r\u00e9alisation<\/h3>\n<p>Conservez les r\u00e9alisations qui en passent au moins cinq.<\/p>\n<ol>\n<li><strong>Test du responsable.<\/strong> Le r\u00e9sultat est-il mesur\u00e9 par un chiffre ou une d\u00e9cision dont quelqu&rsquo;un d&rsquo;autre est responsable ?<\/li>\n<li><strong>Test contrefactuel.<\/strong> Le r\u00e9sultat aurait-il \u00e9t\u00e9 moins bon, plus tardif ou erron\u00e9 si la premi\u00e8re sortie de l&rsquo;outil avait \u00e9t\u00e9 accept\u00e9e ?<\/li>\n<li><strong>Test de la d\u00e9cision.<\/strong> Peut-on nommer l&rsquo;option \u00e9cart\u00e9e et la raison ?<\/li>\n<li><strong>Test de la v\u00e9rification.<\/strong> Est-il clair de savoir ce qui a \u00e9t\u00e9 v\u00e9rifi\u00e9, par rapport \u00e0 quoi, et ce qui a \u00e9t\u00e9 trouv\u00e9 ?<\/li>\n<li><strong>Test de la preuve.<\/strong> Existe-t-il un \u00e9l\u00e9ment qu&rsquo;un \u00e9valuateur sceptique pourrait ouvrir en deux minutes ?<\/li>\n<li><strong>Test de la transparence.<\/strong> L&rsquo;intervention de l&rsquo;IA est-elle d\u00e9crite avec exactitude, au niveau qu&rsquo;exigent la politique de votre employeur et les accords avec les clients ?<\/li>\n<\/ol>\n<p>La question 6 joue dans les deux sens. Surestimer votre part d&rsquo;un travail produit par l&rsquo;IA est un risque pour votre cr\u00e9dibilit\u00e9 et souvent une infraction aux r\u00e8gles internes ; sous-estimer votre jugement parce qu&rsquo;un outil est intervenu est une erreur de mesure \u00e0 votre d\u00e9triment.<\/p>\n<h2 id=\"comment-signaler-lusage-de-lia-sans-payer-la-pnalit\"><span class=\"ez-toc-section\" id=\"Comment-signaler-lusage-de-lIA-sans-payer-la-penalite\"><\/span>Comment signaler l&rsquo;usage de l&rsquo;IA sans payer la p\u00e9nalit\u00e9 ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La d\u00e9cision de transparence selon le r\u00e9gime de r\u00e8gles en vigueur figure dans le guide CEOtudent consacr\u00e9 \u00e0 ce sujet. Pour le document d&rsquo;\u00e9valuation, les exp\u00e9riences sugg\u00e8rent trois r\u00e8gles. <strong>D\u00e9crire une m\u00e9thode, pas faire un aveu :<\/strong> la p\u00e9nalit\u00e9 de l&rsquo;\u00e9tude 2 s&rsquo;attachait \u00e0 une simple mention de l&rsquo;aide de l&rsquo;IA ; dites donc ce que l&rsquo;outil a fait et ce que vous avez fait. <strong>Rattacher l&rsquo;outil \u00e0 l&rsquo;ad\u00e9quation \u00e0 la t\u00e2che :<\/strong> la p\u00e9nalit\u00e9 de l&rsquo;\u00e9tude 4 disparaissait l\u00e0 o\u00f9 l&rsquo;IA \u00e9tait clairement utile ; dites donc pourquoi elle convenait. <strong>Montrer la provenance :<\/strong> le m\u00e9rite se r\u00e9tablissait dans l&rsquo;exp\u00e9rience d&rsquo;Earp lorsque le r\u00e9sultat reposait sur le propre travail de l&rsquo;auteur ; indiquez donc vos donn\u00e9es, vos analyses, vos prompts et vos checklists. Rien de tout cela ne garantit une \u00e9valuation juste ; cela r\u00e9duit l&rsquo;espace dans lequel une impression se substitue aux preuves.<\/p>\n<h2 id=\"le-rflexe-du-ceo-et-le-rflexe-de-ltudiant\"><span class=\"ez-toc-section\" id=\"Le-reflexe-du-CEO-et-le-reflexe-de-letudiant\"><\/span>Le r\u00e9flexe du CEO et le r\u00e9flexe de l&rsquo;\u00e9tudiant<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Le r\u00e9flexe du CEO.<\/strong> Traitez l&rsquo;\u00e9valuation comme un dossier de conseil d&rsquo;administration : r\u00e9sultats, d\u00e9cisions qui les sous-tendent, risques d\u00e9tect\u00e9s, capacit\u00e9s construites. Tenez le journal hebdomadaire, choisissez trois \u00e0 cinq r\u00e9alisations qui passent le test en six questions, associez un pointeur de preuve \u00e0 chacune, et demandez \u00e0 l&rsquo;avance quel indicateur votre manager pond\u00e8re le plus.<\/p>\n<p><strong>Le r\u00e9flexe de l&rsquo;\u00e9tudiant.<\/strong> Chaque mois, lisez ensemble les champs \u00ab R\u00f4le de l&rsquo;IA \u00bb et \u00ab Note d&rsquo;apprentissage \u00bb. Les t\u00e2ches pass\u00e9es \u00e0 \u00ab r\u00e9dig\u00e9 par l&rsquo;IA \u00bb sont en train d&rsquo;\u00eatre absorb\u00e9es ; d\u00e9cidez si cela lib\u00e8re du temps pour un travail plus exigeant ou si cela \u00e9rode une comp\u00e9tence dont vous avez encore besoin. Les d\u00e9tections r\u00e9p\u00e9t\u00e9es d&rsquo;erreurs du mod\u00e8le signalent une comp\u00e9tence de jugement \u00e0 approfondir. Sur un an, cela devient votre carte de <a href=\"\/fr\/capital-carriere-ere-ia-ce-qui-fructifie-ce-qui-decline\">ce qui fructifie et de ce qui d\u00e9cline<\/a>.<\/p>\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<ul>\n<li><strong>Les \u00e9valuations ne sont pas al\u00e9atoires.<\/strong> Une fiabilit\u00e9 d&rsquo;environ 0,52 contient encore de l&rsquo;information ; une impression unique est simplement plus faible que plusieurs faits ind\u00e9pendants.<\/li>\n<li><strong>La p\u00e9nalit\u00e9 li\u00e9e \u00e0 l&rsquo;IA ne vous frappera pas n\u00e9cessairement.<\/strong> Les exp\u00e9riences reposaient sur des \u00e9chantillons en ligne, des vignettes et des t\u00e2ches courtes, et non sur des \u00e9valuations r\u00e9elles avec un historique et un contexte.<\/li>\n<li><strong>Les chiffres f\u00e9d\u00e9raux ne d\u00e9crivent pas votre employeur,<\/strong> et ceux de Gallup proviennent d&rsquo;une entreprise qui vend des services de gestion de la performance.<\/li>\n<li><strong>Cacher l&rsquo;usage de l&rsquo;IA n&rsquo;est pas la solution.<\/strong> La dissimulation comporte des risques r\u00e9glementaires, contractuels et de cr\u00e9dibilit\u00e9 que les exp\u00e9riences n&rsquo;ont pas mesur\u00e9s. Suivez la politique de votre employeur.<\/li>\n<li><strong>Il s&rsquo;agit d&rsquo;informations g\u00e9n\u00e9rales sur des recherches publi\u00e9es, et non d&rsquo;un conseil juridique ou RH.<\/strong> Les r\u00e8gles en mati\u00e8re de surveillance, de transparence et d&rsquo;\u00e9valuation varient selon le pays, le secteur et le contrat.<\/li>\n<\/ul>\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>Peut-on revendiquer un r\u00e9sultat si l&rsquo;IA a r\u00e9dig\u00e9 l&rsquo;essentiel du livrable ?<\/strong><br \/>\nOui, pour les parties qui vous reviennent : cadrage, d\u00e9cisions, v\u00e9rification et r\u00e9sultat dont vous \u00eates responsable, avec une description exacte du r\u00f4le de l&rsquo;IA. L&rsquo;exp\u00e9rience d&rsquo;Earp sugg\u00e8re que les \u00e9valuateurs accordent tout le m\u00e9rite lorsque le r\u00e9sultat repose clairement sur les travaux ant\u00e9rieurs de la personne.<\/p>\n<p><strong>Une auto-\u00e9valuation doit-elle mentionner l&rsquo;IA ?<\/strong><br \/>\nSuivez d&rsquo;abord la politique de l&rsquo;employeur. En l&rsquo;absence de politique, une phrase pr\u00e9cise sur ce que l&rsquo;outil a fait et ce que la personne a fait est g\u00e9n\u00e9ralement plus s\u00fbre que le silence ou un vague aveu.<\/p>\n<p><strong>Combien de r\u00e9alisations faut-il inclure dans une \u00e9valuation ?<\/strong><br \/>\nIl n&rsquo;existe aucun nombre fond\u00e9 sur des preuves. Plusieurs faits v\u00e9rifiables par affirmation comptent davantage qu&rsquo;une longue liste ; trois \u00e0 cinq r\u00e9alisations qui passent le test en six questions constituent une r\u00e8gle empirique pratique de CEOtudent, et non un r\u00e9sultat de recherche.<\/p>\n<p><strong>Et si le manager est sceptique \u00e0 l&rsquo;\u00e9gard de l&rsquo;IA ?<\/strong><br \/>\nC&rsquo;est la situation o\u00f9 la p\u00e9nalit\u00e9 \u00e9tait la plus forte dans les exp\u00e9riences de Reif. Expliquez l&rsquo;ad\u00e9quation \u00e0 la t\u00e2che, montrez les v\u00e9rifications et commencez par des r\u00e9sultats dont d&rsquo;autres personnes sont responsables.<\/p>\n<p><strong>D\u00e9tecter les erreurs de l&rsquo;IA compte-t-il comme de la performance ?<\/strong><br \/>\nDans l&rsquo;exp\u00e9rience de Dell&rsquo;Acqua, les utilisateurs d&rsquo;IA avaient 19 % de chances en moins d&rsquo;aboutir \u00e0 des solutions correctes sur une t\u00e2che hors des capacit\u00e9s de l&rsquo;outil. \u00c9viter cela a une valeur r\u00e9elle, mais seulement si c&rsquo;est consign\u00e9 avec ce qui a \u00e9t\u00e9 trouv\u00e9 et ce que cela aurait co\u00fbt\u00e9.<\/p>\n<p><strong>En quoi cela diff\u00e8re-t-il de l&rsquo;\u00e9chelle de contribution ?<\/strong><br \/>\nL&rsquo;\u00e9chelle classe les indicateurs selon ce qu&rsquo;ils r\u00e9v\u00e8lent de la valeur. Ce mod\u00e8le classe les preuves \u00e0 documenter pour qu&rsquo;un \u00e9valuateur puisse voir cette valeur, avec un niveau distinct consacr\u00e9 \u00e0 la v\u00e9rification.<\/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>Scullen, S. E., Mount, M. K., et Goff, M. (2000). Understanding the latent structure of job performance ratings. Journal of Applied Psychology, 85(6), 956-970 (r\u00e9sum\u00e9 uniquement, via Europe PMC).<\/li>\n<li>Viswesvaran, C., Ones, D. S., et Schmidt, F. L. (1996). Comparative analysis of the reliability of job performance ratings. Journal of Applied Psychology, 81(5), 557-574 (r\u00e9sum\u00e9 uniquement, tel qu&rsquo;index\u00e9 par la biblioth\u00e8que de la Shanghai University of Finance and Economics).<\/li>\n<li>Jackson, D. J. R., et al. (2022). Uncertainty about rater variance and small dimension effects impact reliability in supervisor ratings. Human Performance, 35(3-4), 278-301 (manuscrit accept\u00e9).<\/li>\n<li>Gallup (2019). More Harm Than Good: The Truth About Performance Reviews. Article publi\u00e9 par l&rsquo;entreprise.<\/li>\n<li>Gallup (2018). Re-Engineering Performance Management. Article publi\u00e9 par l&rsquo;entreprise.<\/li>\n<li>US Office of Personnel Management (2025). 2024 Federal Employee Viewpoint Survey Results: Governmentwide Management Report, r\u00e9vis\u00e9 en avril 2025.<\/li>\n<li>US Office of Personnel Management. 2024 FEVS governmentwide all levels, all index, all items report (xlsx).<\/li>\n<li>Reif, J. A., Larrick, R. P., et Soll, J. B. (2025). Evidence of a social evaluation penalty for using AI. Proceedings of the National Academy of Sciences, 122(19), e2426766122.<\/li>\n<li>Porsdam Mann, S., Earp, B. D., et al. (2023). Generative AI entails a credit-blame asymmetry. Nature Machine Intelligence, commentaire (chap\u00f4 uniquement).<\/li>\n<li>Earp, B. D., Porsdam Mann, S., Liu, P., et al. (2024). Credit and blame for AI-generated content: Effects of personalization in four countries. Annals of the New York Academy of Sciences, 1542, 51-57.<\/li>\n<li>Draxler, F., et al. (2023). The AI Ghostwriter Effect: When Users Do Not Perceive Ownership of AI-Generated Text But Self-Declare as Authors. arXiv 2303.03283v2.<\/li>\n<li>Dell&rsquo;Acqua, F., et al. Navigating the Jagged Technological Frontier. Harvard Business School Working Paper 24-013 ; Organization Science, mars-avril 2026 (r\u00e9sum\u00e9 uniquement).<\/li>\n<li>Pew Research Center (2025). Workers&rsquo; experience with AI chatbots in their jobs. 25 f\u00e9vrier 2025.<\/li>\n<li>Pew Research Center (2025). 21% of US workers use AI on the job, up since 2024. 6 octobre 2025.<\/li>\n<li>Pew Research Center (2026). Americans and AI 2026: Chatbots, Smart Devices and Views on Impact. 17 juin 2026.<\/li>\n<\/ol>\n<p><em>Les tableaux 3 et 5 sont des analyses CEOtudent qui recalculent ou combinent les chiffres publi\u00e9s cit\u00e9s dans chaque tableau ; les tableaux 6 et 7, le mod\u00e8le d&rsquo;auto-\u00e9valuation et le test en six questions sont des cadres \u00e9ditoriaux CEOtudent, et non des r\u00e9sultats des \u00e9tudes cit\u00e9es. L&rsquo;exemple d&rsquo;entr\u00e9e de journal utilise des valeurs invent\u00e9es signal\u00e9es comme illustratives. Chiffres largement repris d\u00e9lib\u00e9r\u00e9ment non utilis\u00e9s : les affirmations selon lesquelles une part fixe des entreprises aurait abandonn\u00e9 les \u00e9valuations annuelles, et les pourcentages d&rsquo;enqu\u00eates de fournisseurs sur les managers utilisant l&rsquo;IA pour r\u00e9diger les \u00e9valuations, car aucun texte primaire les concernant n&rsquo;a \u00e9t\u00e9 consult\u00e9 pour cet article.<\/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>Dans une \u00e9tude classique portant sur deux grands \u00e9chantillons de managers, les particularit\u00e9s de l&rsquo;\u00e9valuateur expliquaient 62 % et 53 % de la variance des notes, contre 21 % et 25 % pour la performance r\u00e9elle. Quatre exp\u00e9riences pr\u00e9enregistr\u00e9es (N = 4 439) montrent d\u00e9sormais que les personnes connues pour utiliser l&rsquo;IA sont jug\u00e9es plus paresseuses et moins comp\u00e9tentes. Ce guide propose un journal de contribution, un mod\u00e8le d&rsquo;auto-\u00e9valuation et un test en six questions pour que l&rsquo;\u00e9valuateur dispose de preuves \u00e0 v\u00e9rifier plut\u00f4t que d&rsquo;une impression \u00e0 deviner.<\/p>\n","protected":false},"author":1,"featured_media":326847,"comment_status":"open","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[5,18],"tags":[],"class_list":["post-326845","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-is","category-strateji"],"_links":{"self":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/posts\/326845","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=326845"}],"version-history":[{"count":0,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/posts\/326845\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/media\/326847"}],"wp:attachment":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/media?parent=326845"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/categories?post=326845"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/tags?post=326845"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}