Une analyse claire, une présentation fluide, un argumentaire bien construit : l’IA peut aider à produire un travail convaincant. Pour apprécier sa qualité, une autre question reste essentielle : la personne qui le présente peut-elle expliquer, vérifier et corriger ce qu’elle avance ?
Cette question concerne la fiabilité des décisions autant que le développement des compétences. Elle invite à adapter l’accompagnement et l’évaluation du travail.
Distinguer le résultat et la compréhension
Prenons une situation fictive. Un chargé d’études prépare une recommandation avec une IA. Le document répond aux attentes de forme. Mais lorsque son responsable demande pourquoi une hypothèse a été retenue, il ne sait pas retrouver la source ni expliquer le choix.
Le problème mérite un diagnostic précis : manque de temps, difficulté à vérifier, connaissance insuffisante du métier ou attente mal définie ? Chacune de ces causes conduit à un accompagnement différent.
L’organisation peut préciser que la qualité attendue inclut la capacité à défendre le raisonnement, à présenter les limites et à reconnaître les points encore incertains.
Ce que les premières recherches invitent à observer
Une étude publiée à CHI en 2025 auprès de 319 travailleurs du savoir examine leurs expériences déclarées d’usage de l’IA générative. Une confiance plus élevée dans l’IA y est associée à un moindre exercice de la pensée critique. Les auteurs décrivent également un déplacement de cette activité vers la vérification et l’intégration des réponses.[1]
Ces observations ne démontrent pas une perte générale des compétences causée par l’IA. Elles suggèrent de regarder comment évoluent les tâches intellectuelles et les conditions dans lesquelles le jugement s’exerce.
Une réponse utile pour l’entreprise consiste donc à organiser l’apprentissage autour des usages, puis à suivre ce que les équipes savent réellement expliquer et faire.
Faire de la vérification une compétence reconnue
Vérifier demande de connaître le contexte, d’identifier les informations importantes et de disposer de sources fiables. Cette activité doit avoir une place dans la charge de travail et dans les critères de qualité.
Une équipe peut formaliser quelques attentes : retrouver les sources décisives, expliciter les hypothèses, comparer une alternative et signaler les incertitudes. La profondeur du contrôle dépend de l’enjeu de la décision.
Un manager peut demander une courte restitution du raisonnement plutôt qu’un simple commentaire sur la présentation. Cette discussion permet d’identifier les besoins de formation et les points où le collectif doit apporter son expertise.
Préserver des occasions d’apprendre
Les personnes débutantes ont besoin de comprendre comment un professionnel expérimenté analyse une situation. Des retours sur les corrections, des discussions de cas et des exercices accompagnés peuvent maintenir cette transmission.
Le collectif peut aussi documenter les erreurs rencontrées et les moyens de les détecter. L’intérêt est de rendre les apprentissages disponibles pour les autres, dans un cadre où il est possible de poser une question ou de reconnaître une difficulté.
Si cette réponse est contestée demain, saurons-nous expliquer pourquoi nous l’avons retenue ?
AKCELI accompagne les transformations en reliant compétences, pratiques de management et organisation du travail.
Source
[1] Lee et al. (2025), The Impact of Generative AI on Critical Thinking, CHI. Les pistes d’accompagnement sont proposées par AKCELI.
Une analyse claire, une présentation fluide, un argumentaire bien construit : l’IA peut aider à produire un travail convaincant. Pour apprécier sa qualité, une autre question reste essentielle : la personne qui le présente peut-elle expliquer, vérifier et corriger ce qu’elle avance ?
Cette question concerne la fiabilité des décisions autant que le développement des compétences. Elle invite à adapter l’accompagnement et l’évaluation du travail.
Distinguer le résultat et la compréhension
Prenons une situation fictive. Un chargé d’études prépare une recommandation avec une IA. Le document répond aux attentes de forme. Mais lorsque son responsable demande pourquoi une hypothèse a été retenue, il ne sait pas retrouver la source ni expliquer le choix.
Le problème mérite un diagnostic précis : manque de temps, difficulté à vérifier, connaissance insuffisante du métier ou attente mal définie ? Chacune de ces causes conduit à un accompagnement différent.
L’organisation peut préciser que la qualité attendue inclut la capacité à défendre le raisonnement, à présenter les limites et à reconnaître les points encore incertains.
Ce que les premières recherches invitent à observer
Une étude publiée à CHI en 2025 auprès de 319 travailleurs du savoir examine leurs expériences déclarées d’usage de l’IA générative. Une confiance plus élevée dans l’IA y est associée à un moindre exercice de la pensée critique. Les auteurs décrivent également un déplacement de cette activité vers la vérification et l’intégration des réponses.[1]
Ces observations ne démontrent pas une perte générale des compétences causée par l’IA. Elles suggèrent de regarder comment évoluent les tâches intellectuelles et les conditions dans lesquelles le jugement s’exerce.
Une réponse utile pour l’entreprise consiste donc à organiser l’apprentissage autour des usages, puis à suivre ce que les équipes savent réellement expliquer et faire.
Faire de la vérification une compétence reconnue
Vérifier demande de connaître le contexte, d’identifier les informations importantes et de disposer de sources fiables. Cette activité doit avoir une place dans la charge de travail et dans les critères de qualité.
Une équipe peut formaliser quelques attentes : retrouver les sources décisives, expliciter les hypothèses, comparer une alternative et signaler les incertitudes. La profondeur du contrôle dépend de l’enjeu de la décision.
Un manager peut demander une courte restitution du raisonnement plutôt qu’un simple commentaire sur la présentation. Cette discussion permet d’identifier les besoins de formation et les points où le collectif doit apporter son expertise.
Préserver des occasions d’apprendre
Les personnes débutantes ont besoin de comprendre comment un professionnel expérimenté analyse une situation. Des retours sur les corrections, des discussions de cas et des exercices accompagnés peuvent maintenir cette transmission.
Le collectif peut aussi documenter les erreurs rencontrées et les moyens de les détecter. L’intérêt est de rendre les apprentissages disponibles pour les autres, dans un cadre où il est possible de poser une question ou de reconnaître une difficulté.
Si cette réponse est contestée demain, saurons-nous expliquer pourquoi nous l’avons retenue ?
AKCELI accompagne les transformations en reliant compétences, pratiques de management et organisation du travail.
Source
[1] Lee et al. (2025), The Impact of Generative AI on Critical Thinking, CHI. Les pistes d’accompagnement sont proposées par AKCELI.
Commencez à écrire ici ...