En bref : la question de savoir s’il faut laisser l’IA décider est le plus souvent posée comme une question de précision, et cette formulation garantit une mauvaise réponse. La précision indique la probabilité de se tromper. Elle ne dit rien du coût de l’erreur, qui est pourtant ce qui détermine si la délégation est raisonnable. Deux corpus juridiques ont déjà traité la version difficile du problème. L’article 22 du RGPD reconnaît aux personnes le droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé produisant des effets juridiques ou l’affectant de manière significative, assorti d’un droit à l’intervention humaine et à la contestation. Le règlement européen sur l’IA, règlement (UE) 2024/1689, va plus loin : l’article 14, paragraphe 4, énumère cinq capacités précises que le superviseur humain doit conserver, le paragraphe 5 impose la confirmation par deux personnes distinctes pour certaines identifications biométriques, et l’annexe III désigne huit domaines où le droit refuse simplement de se fier à une automatisation non supervisée. Ci-dessous : ces cinq capacités traduites en cinq questions simples, un test original à cinq facteurs avec un tableau chiffré portant sur onze décisions ordinaires, et des données d’enquête vérifiées sur l’état réel de la confiance du public, dont un sondage Bentley-Gallup mené auprès de 3 270 adultes américains du 4 au 11 mai 2026 selon lequel les Américains jugent toujours l’IA moins performante que les humains sur toutes les tâches étudiées.
Demandez à la plupart des gens où se situe la limite pour laisser l’IA décider et vous obtiendrez une réponse sur la capacité. Qu’elle décide des petites choses. Pas des grandes. Attendre qu’elle s’améliore.
Cette réponse paraît raisonnable et ne sert presque à rien, car elle ne dit pas ce qui compte comme petit, elle ne précise pas à quoi ressemblerait ce “mieux”, et elle réduit deux risques totalement différents à un seul mot.
Il existe une façon plus précise d’y penser, et elle ne vient pas d’un livre de productivité. Elle vient de régulateurs qui ont dû écrire, en termes opposables, quand une machine peut décider et quand elle ne le peut pas.
Commencez par ce que le droit a déjà tranché
Ce n’est pas un argument d’autorité. C’est le constat que quelqu’un a déjà passé des années sur la version difficile de cette question, avec des juristes plaidant les deux camps, et que le résultat est public.
L’article 22 du RGPD établit que la personne concernée a le droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé, y compris le profilage, produisant des effets juridiques la concernant ou l’affectant de manière significative de façon similaire. Lorsqu’un tel traitement est admis, le responsable doit mettre en oeuvre des garanties comprenant au minimum le droit d’obtenir une intervention humaine, d’exprimer son point de vue et de contester la décision. Les lignes directrices des autorités citent le refus automatique d’une demande de crédit en ligne et les pratiques de recrutement en ligne sans intervention humaine comme exemples des effets visés.
Lisez le mécanisme plutôt que la formulation juridique. Le déclencheur n’est pas que le système puisse se tromper. Le déclencheur est la combinaison de deux éléments : la décision est prise exclusivement par la machine, et la conséquence pour la personne est significative. La précision n’est pas mentionnée. Un système très précis qui refuse votre crédit sans aucun humain dans la boucle relève toujours de cet article.
Le règlement européen sur l’IA, règlement (UE) 2024/1689, reprend la même logique et se fait précis. L’article 14 exige que les systèmes à haut risque soient conçus pour pouvoir être supervisés efficacement par des personnes physiques. Le paragraphe 4 énumère ensuite ce que le superviseur doit effectivement pouvoir faire. C’est, de façon inattendue, l’une des meilleures listes de contrôle décisionnel jamais écrites, et elle se transpose directement à l’usage personnel.
Tableau 1. Les cinq capacités de supervision de l’article 14, paragraphe 4, traduites en questions de décision personnelle (cadre éditorial CEOtudent, fondé sur le texte vérifié du règlement (UE) 2024/1689)
| L’article 14, paragraphe 4, exige que le superviseur puisse | La question personnelle correspondante |
|---|---|
| (a) comprendre correctement les capacités et limites pertinentes du système et surveiller son fonctionnement, y compris détecter les anomalies | Est-ce que je sais vraiment ce que cet outil fait mal, ou seulement ce qu’il fait bien ? |
| (b) rester conscient de la tendance possible à se fier automatiquement ou excessivement au résultat (biais d’automatisation) | Si je me surprenais à approuver chaque fois, est-ce que je le remarquerais ? |
| (c) interpréter correctement le résultat du système, compte tenu des outils d’interprétation disponibles | Puis-je lire le résultat assez bien pour distinguer un bon résultat d’un résultat faux et assuré ? |
| (d) décider, dans une situation donnée, de ne pas utiliser le système ou d’ignorer, contourner ou inverser son résultat | Ai-je une alternative réelle si je refuse, ou suis-je engagé dès l’instant où je pose la question ? |
| (e) intervenir dans le fonctionnement ou interrompre le système par un bouton d’arrêt ou une procédure similaire | Puis-je arrêter cela avant que cela ne touche quelqu’un d’autre que moi ? |
Le paragraphe 5 ajoute une règle qu’il vaut la peine d’emprunter à titre personnel. Pour l’identification biométrique à distance, aucune action ni décision ne peut être prise sur la base de l’identification résultant du système, à moins que celle-ci n’ait été vérifiée et confirmée séparément par au moins deux personnes physiques disposant des compétences, de la formation et de l’autorité nécessaires. La réponse du droit à la catégorie la plus sensible n’est pas un meilleur algorithme. C’est un second humain.
L’annexe III énumère les domaines que le règlement classe d’emblée à haut risque : biométrie ; infrastructures critiques ; éducation et formation professionnelle ; emploi et gestion des travailleurs ; accès aux services privés et publics essentiels, y compris solvabilité et tarification de l’assurance ; répression ; migration, asile et contrôle aux frontières ; administration de la justice et processus démocratiques. Les systèmes de ces catégories mis sur le marché après le 2 août 2026 relèvent du régime.
Regardez ce que ces huit domaines ont en commun. Ce ne sont pas les problèmes les plus difficiles. Certains sont triviaux sur le plan calculatoire. Ce sont les décisions dont la personne affectée ne peut pas facilement annuler le résultat, ne peut pas aisément vérifier le raisonnement, et n’a pas choisi de faire partie du processus. C’est le motif, et c’est celui que vous pouvez utiliser.
La variable que tout le monde se trompe n’est pas la précision
Voici pourquoi il faut prendre au sérieux le cadrage par la réversibilité plutôt que par la précision.
En 2025, METR a mené un essai contrôlé randomisé avec 16 développeurs open source expérimentés sur 246 tâches réelles dans leurs propres dépôts, les tâches étant affectées aléatoirement à un groupe autorisant ou interdisant les outils d’IA. Avant l’étude, les participants prévoyaient que l’IA les accélérerait de 24%. Après le travail, ils estimaient avoir été accélérés de 20%. Mesurés, ils étaient 19% plus lents. METR qualifie désormais ce résultat d’historique, en précisant qu’il ne reflète pas nécessairement les outils ou les méthodes actuels, et cette réserve mérite d’être prise au sérieux.
Le chiffre qui survit à la réserve n’est pas le 19%. C’est l’écart de 39 points entre ce que des praticiens experts ont mesuré et ce que ces mêmes praticiens croyaient, dans leur propre domaine, à propos d’un travail qu’ils venaient de terminer.
Cet écart est tout le problème des règles de délégation fondées sur la précision. Une règle du type “déléguer quand l’IA est assez fiable” exige que vous sachiez à quel point elle l’a été. Les personnes les mieux placées pour le savoir se trompaient de 39 points sur elles-mêmes. Le règlement sur l’IA nomme directement ce mode de défaillance à l’article 14, paragraphe 4, point b, qui impose aux superviseurs de rester conscients de la tendance à la surconfiance. Les régulateurs ont bâti la liste autour de cela parce qu’ils n’attendaient pas non plus que l’auto-évaluation fonctionne.
Cessez donc de demander quelle est la probabilité d’erreur. Demandez ce qui se passe quand elle survient.
Le test des frontières de délégation
Cinq facteurs. Notez chacun 0, 1 ou 2. Total de 0 à 10. Cela prend environ quatre-vingt-dix secondes une fois que vous l’avez fait deux fois.
- Réversibilité. Si cela s’avère faux, à quel coût pouvez-vous revenir en arrière ? 2 = entièrement réversible à coût quasi nul. 1 = réversible avec un coût ou un délai réel. 0 = irréversible.
- Vérifiabilité. Avant d’agir, pouvez-vous vérifier que le résultat est correct ? 2 = vérifiable directement et rapidement. 1 = vérifiable par sondage partiel. 0 = il faudrait faire confiance.
- Enjeux et qui les porte. Qui absorbe le dommage ? 2 = vous seul, et il est faible. 1 = vous seul, et il est important. 0 = quelqu’un d’autre le porte, ou il est élevé.
- Votre expertise. Repéreriez-vous une erreur assurée dans ce domaine ? 2 = de façon fiable. 1 = parfois. 0 = vous ne le sauriez pas.
- Répétabilité. Cette décision revient-elle assez souvent pour qu’une règle permanente vaille mieux qu’un jugement à chaque fois ? 2 = quotidienne ou hebdomadaire. 1 = occasionnelle. 0 = unique ou presque.
Bandes :
- 8-10, Automatiser. L’outil décide et agit. Contrôle par sondage périodique plutôt que cas par cas.
- 5-7, L’IA propose, vous décidez. L’outil produit la recommandation. Vous tranchez, et vous en répondez.
- 2-4, L’IA informe seulement. Utilisez-la pour rassembler, structurer et éprouver. Ne la laissez pas produire la réponse, car vous vous y ancreriez.
- 0-1, Ne jamais déléguer. Décision humaine, et au bas de cette bande, un second humain également.
Tableau 2. Le test des frontières de délégation appliqué à onze décisions ordinaires (cadre éditorial CEOtudent ; Rév = réversibilité, Vér = vérifiabilité, Enj = enjeux, Exp = votre expertise, Rép = répétabilité)
| Décision | Rév | Vér | Enj | Exp | Rép | Total | Bande |
|---|---|---|---|---|---|---|---|
| Trier la boîte de réception en répondre aujourd’hui, plus tard, ignorer | 2 | 2 | 2 | 2 | 2 | 10 | Automatiser |
| Réordonner les sections d’un rapport pour plus de clarté | 2 | 2 | 2 | 2 | 2 | 10 | Automatiser |
| Publier aujourd’hui un billet terminé ou le garder | 2 | 2 | 1 | 2 | 2 | 9 | Automatiser |
| Lequel de trois logiciels acheter pour une équipe de cinq | 1 | 2 | 1 | 2 | 0 | 6 | L’IA propose, vous décidez |
| Quel tarif proposer à un nouveau client pour un travail familier | 1 | 1 | 1 | 2 | 1 | 6 | L’IA propose, vous décidez |
| Premier tri de 40 candidatures par pertinence | 2 | 1 | 0 | 1 | 1 | 5 | L’IA propose, vous décidez |
| Quelles dépenses de l’an dernier sont déductibles | 1 | 1 | 1 | 0 | 1 | 4 | L’IA informe seulement |
| Accepter ou non une offre d’emploi | 0 | 1 | 1 | 1 | 0 | 3 | L’IA informe seulement |
| Signer ou non un bail de bureau de trois ans | 0 | 1 | 0 | 1 | 0 | 2 | L’IA informe seulement |
| Mettre fin ou non à un partenariat commercial | 0 | 0 | 0 | 1 | 0 | 1 | Ne jamais déléguer |
| Choisir un traitement pour une pathologie diagnostiquée | 0 | 0 | 0 | 0 | 0 | 0 | Ne jamais déléguer |
Trois choses ressortent de ce tableau et méritent d’être dites.
La bande haute est ennuyeuse à dessein. Tout ce qui obtient 8 ou plus est petit, réversible, vérifiable et fréquent. Ce n’est pas une limite des modèles actuels. C’est la définition de la catégorie. Quand on dit que l’IA devrait s’occuper des petites choses, voilà la structure sous l’intuition, et disposer de la structure permet de trouver les cas que l’intuition manque.
La ligne des candidatures est la plus inconfortable. Elle obtient 5, ce qui la place dans “l’IA propose, vous décidez”, alors que beaucoup d’organisations la traitent aujourd’hui en mode automatisé. Le facteur qui la tire vers le bas est l’enjeu : la personne qui subit un mauvais tri est la candidate, pas vous. C’est précisément pourquoi l’annexe III du règlement classe le recrutement et l’évaluation des candidats à haut risque, et pourquoi les lignes directrices RGPD citent le recrutement en ligne sans intervention humaine comme exemple d’effet significatif. Quand votre délégation déplace le coût sur quelqu’un qui n’a pas choisi d’être dans le processus, la note baisse même si la tâche semble routinière.
Une faible expertise pousse les décisions vers le bas, pas vers le haut. C’est le point contre-intuitif, et il inverse le comportement habituel. L’instinct pousse à déléguer le plus là où l’on sait le moins, parce que c’est là qu’on se sent le moins compétent. Mais le facteur 4 existe parce que la délégation suppose de pouvoir repérer une erreur assurée, et dans un domaine que vous ne comprenez pas, vous ne le pouvez pas. Ne pas connaître la réponse est une raison d’utiliser l’IA pour apprendre, et une raison de ne pas la laisser décider. La ligne fiscale obtient 0 en expertise exactement pour cela.
Ce à quoi le public fait réellement confiance, et où cela diverge
Le jugement individuel ne se forme pas dans le vide, il est donc utile de savoir où en est l’intuition collective.
Tableau 3. Données d’enquête américaines vérifiées sur l’usage de l’IA et la performance perçue (Pew Research Center, février 2026 ; Bentley-Gallup, mai 2026)
| Indicateur | Chiffre vérifié | Source et dates de terrain |
|---|---|---|
| Adultes américains utilisant des agents conversationnels d’IA | 49%, contre 33% en 2024 | Pew Research Center, 5 119 adultes américains, 17-23 février 2026 |
| Les utilisent quotidiennement | 24%, dont 12% plusieurs fois par jour | Pew Research Center, même enquête |
| Les utilisent pour rechercher de l’information | 42% | Pew Research Center, même enquête |
| Personnes en emploi les utilisant pour des tâches de travail | 38% | Pew Research Center, même enquête |
| Les utilisent pour des conseils médicaux | 20% | Pew Research Center, même enquête |
| Les utilisent pour un soutien ou des conseils émotionnels | 10% | Pew Research Center, même enquête |
| Les utilisent pour la compagnie | 4% | Pew Research Center, même enquête |
| Estiment que l’IA rendra leurs informations personnelles moins sûres | 71% | Pew Research Center, même enquête |
| Estiment que l’IA progresse trop vite | 63% | Pew Research Center, même enquête |
| Tâches pour lesquelles les Américains jugent l’IA moins performante que les humains | Toutes les tâches étudiées, en 2023 comme en 2026 | Bentley University-Gallup Business in Society, 3 270 adultes américains, 4-11 mai 2026, marge d’erreur plus ou moins 2,4 points |
| Plus fortes baisses annuelles de “l’IA fait moins bien” | Conduire une voiture, moins 7 points ; conseil financier, moins 6 ; conseil médical, moins 5 | Bentley-Gallup, même enquête |
| Opinion sur l’IA fournissant des recommandations d’embauche | Pour l’essentiel inchangée | Bentley-Gallup, même enquête |
| Estiment que l’IA aide les élèves à faire leurs devoirs mieux que les humains | 29%, contre 26% | Bentley-Gallup, même enquête |
Placez ces deux jeux de données côte à côte et quelque chose de précis apparaît.
L’usage grimpe fortement, la confiance non. La moitié des adultes américains utilisent ces outils, mais pour chaque tâche mesurée par Bentley-Gallup, davantage de personnes jugent encore l’IA moins bonne que les humains que meilleure. Dans le même temps, 20% déclarent utiliser des agents conversationnels pour des conseils médicaux, un domaine situé tout en bas du test de notation sur chacun des facteurs à la fois.
Cette combinaison n’est pas de l’hypocrisie. C’est ce qui arrive quand il n’existe pas de vocabulaire commun pour la frontière. Les gens utilisent l’outil parce qu’il est utile et disponible, et déclarent séparément de la méfiance parce que la méfiance est le seul mot disponible. Ce qui manque, c’est le milieu : “je m’en suis servi pour préparer la consultation” et “je l’ai laissé décider du traitement” sont deux actes radicalement différents que ni la question d’enquête ni la conversation ordinaire ne savent distinguer.
Le mouvement dans les chiffres Gallup mérite aussi une lecture attentive. Les trois tâches où la performance perçue s’améliore le plus, la conduite, le conseil financier et le conseil médical, sont toutes lourdes de conséquences et peu réversibles. La capacité perçue grimpe le plus vite précisément là où le test de délégation donne les notes les plus basses. Capacité et délégabilité évoluent en sens inverse, et les confondre est l’erreur que tout ce cadre vise à empêcher.
Notez aussi ce qui n’a pas bougé : l’opinion sur l’IA fournissant des recommandations d’embauche est restée pour l’essentiel inchangée. L’intuition publique n’a pas bougé sur le seul point de la liste où la personne qui porte le risque n’est pas celle qui fait le choix.
La règle qui compte plus que la note
Si vous ne retenez qu’une chose, retenez celle-ci. Notez la réversibilité en premier, et si elle vaut 0, arrêtez la notation.
Une décision irréversible ne se rattrape pas par un bon processus, un outil précis ou un sentiment de certitude. L’article 22 du RGPD est bâti là-dessus : les garanties qu’il exige sont le droit d’obtenir une intervention humaine, d’exprimer son point de vue et de contester la décision. Les trois sont des mécanismes d’annulation. Le remède du droit face à la décision automatisée n’est pas une meilleure automatisation. C’est la capacité préservée de revenir en arrière.
Votre version personnelle de cette garantie est la même. Avant toute délégation, demandez à quoi ressemble votre retour en arrière. Si la réponse honnête est qu’il n’y en a pas, la décision vous appartient, quoi qu’un outil ait pu recommander.
La lecture PDG et la lecture étudiante
La moitié PDG relève de la discipline de délégation, la même qui s’applique aux personnes. Un dirigeant compétent ne délègue pas selon l’importance apparente de la tâche. Il délègue selon que le résultat peut être inspecté et corrigé, et garde les décisions dont la fenêtre de correction est fermée. Le test à cinq facteurs rend cet instinct explicite, avec la propriété utile de donner la même réponse que le délégataire soit une personne ou un modèle.
La moitié étudiante est plus difficile et plus importante. Le facteur 4 dit que votre propre expertise détermine ce que vous pouvez déléguer, donc la frontière n’est pas fixe. Elle bouge à mesure que vous apprenez. Chaque domaine où vous construisez un vrai jugement est un domaine où vous pouvez déléguer davantage en sécurité, parce que vous gagnez la capacité de repérer l’erreur assurée. C’est l’argument contre la position confortable consistant à externaliser tout ce qui vous paraît difficile : elle fige durablement la frontière là où elle est.
Cet article traite de quelles décisions confier. La question voisine de savoir si un résultat donné est juste relève d’une autre compétence, traitée dans le calibrage de la confiance et le moment où se fier aux recommandations d’IA et, au niveau de l’évaluation directe des résultats, dans la compétence d’évaluation et le jugement des sorties d’IA. Pour l’architecture plus large de la bonne décision, la pile de décision personnelle expose les couches dans lesquelles ce test s’insère, penser en paris couvre la moitié probabiliste que le facteur de réversibilité écarte délibérément, et l’économie du jugement explique pourquoi cette capacité prend de la valeur au lieu d’en perdre.
Questions fréquentes
Le test change-t-il à mesure que les modèles s’améliorent ?
Uniquement par le facteur 2, la vérifiabilité, et le facteur 4, votre expertise. Réversibilité, enjeux et répétabilité sont des propriétés de la décision, pas de l’outil. Une décision qu’on ne peut pas annuler reste non délégable quelle que soit la qualité du modèle, raison pour laquelle le cadre n’a pas besoin d’être révisé à chaque nouvelle version.
Et si je note une décision 7 et que cela tourne mal ?
C’est la bande qui fonctionne comme prévu. Dans la bande 5-7, l’outil recommande et vous décidez, la responsabilité vous revient donc. Si vous acceptez chaque recommandation sans rien changer, vous n’êtes plus dans cette bande, vous êtes dans la bande automatisée sans l’avoir choisi. L’article 14, paragraphe 4, point b, existe exactement pour cette dérive.
L’IA est-elle toujours dans la bande basse pour les questions médicales ou juridiques ?
S’en servir pour comprendre sa situation, préparer ses questions et vérifier la terminologie est un acte différent de la laisser décider, et seul le second relève de la bande basse. La distinction tient à ce que le résultat détermine l’action ou éclaire une décision prise par un humain qualifié.
Cela s’applique-t-il aux agents qui agissent de façon autonome plutôt que de converser ?
Plus nettement encore, car les agents suppriment la capacité de l’article 14, paragraphe 4, point e, celle d’intervenir avant qu’un effet ne se produise. Un système qui agit dès qu’il conclut a retiré le bouton d’arrêt, ce pourquoi le règlement en fait une exigence de conception et non une habitude d’usage. Notez tout ce qu’un agent exécutera sans supervision au moins une bande en dessous de la même décision prise dans une fenêtre de conversation.
Pourquoi des enjeux élevés pour autrui comptent-ils moins que des enjeux élevés pour moi ?
Parce que vous pouvez consentir à un risque que vous portez, et pas au nom de quelqu’un d’autre. C’est le principe derrière l’annexe III, où presque chaque domaine listé concerne des décisions imposées à une personne qui n’a pas choisi de faire partie du processus.
Y a-t-il un cas où déléguer une décision irréversible se justifie ?
Seulement là où un être humain ne peut pas la prendre du tout, par exemple à des vitesses dépassant le temps de réaction humain, et ce sont des systèmes d’ingénierie dotés de leurs propres régimes de sécurité, pas des choix personnels. Pour une personne qui décide dans une fenêtre de conversation, non.
Sources
Règlement (UE) 2024/1689, règlement sur l’intelligence artificielle, version du Journal officiel du 13 juin 2024, article 14 et annexe III.
Règlement général sur la protection des données, règlement (UE) 2016/679, article 22.
Information Commissioner’s Office, orientations sur les droits liés à la prise de décision automatisée, y compris le profilage.
METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, publié le 10 juillet 2025.
Pew Research Center, Americans and AI 2026: chatbots, smart devices and views on impact, publié le 17 juin 2026, enquête auprès de 5 119 adultes américains menée du 17 au 23 février 2026.
Bentley University et Gallup, enquête 2026 Bentley Business in Society, étude en ligne par panel Gallup à base probabiliste auprès de 3 270 adultes américains, du 4 au 11 mai 2026.
Ce contenu a été compilé avec le soutien de l’IA à la suite d’une recherche approfondie, puis rédigé et préparé pour publication par l’équipe éditoriale de CEOtudent.
This post is also available in:
