Diriger avec l’IA : organiser la contradiction pour mieux décider

Un comité de direction examine une offre qui ne décolle pas. Le diagnostic paraît entendu : l’entreprise manque de visibilité. En quelques minutes, une IA produit un plan de communication, un calendrier, des messages et les arguments pour augmenter le budget. Le dossier gagne en cohérence. Pourtant, la question déterminante reste entière : le problème vient-il réellement de la visibilité ?

La facilité avec laquelle on peut désormais développer une idée change le travail du dirigeant. Une hypothèse encore fragile peut prendre très vite l’apparence d’un projet abouti. Et plus ce projet mobilise de présentations, de temps et d’engagements, plus il devient coûteux, humainement, de revenir à la question de départ.

Organiser la contradiction consiste à rendre une décision contestable par les faits avant qu’elle ne devienne difficile à corriger. L’IA peut contribuer à ce travail. Encore faut-il lui demander autre chose que de rendre notre intuition convaincante, et donner aux équipes les moyens de signaler ce qui ne tient pas.

Quand la qualité de l’argumentation masque la faiblesse du diagnostic

Dans son essai publié par Nautilus en juillet 2026, David C. Krakauer s’intéresse aux erreurs que des capacités intellectuelles élevées permettent d’élaborer et de défendre. Son propos invite à distinguer un manque d’information d’un raisonnement sophistiqué qui entretient une mauvaise orientation. C’est un essai critique, pas une démonstration expérimentale du comportement des dirigeants.

La transposition à l’entreprise est néanmoins féconde. Face à un résultat décevant, une organisation peut chercher ce qu’elle a mal compris ou consacrer davantage d’énergie à justifier ce qu’elle a déjà décidé. Une IA facilite les deux mouvements : elle aide à explorer des explications, mais elle sait aussi produire une défense structurée de l’explication qu’on lui soumet.

Le risque apparaît dans le cadrage de la demande. « Prépare un plan pour résoudre notre manque de visibilité » contient déjà le diagnostic. La réponse peut être excellente à l’intérieur de ce cadre tout en laissant intacte l’erreur principale. Il serait plus utile de commencer par décrire les observations : peu de demandes, des devis sans suite, un certain type d’objections, des différences entre segments de clientèle. On peut alors demander quelles explications restent compatibles avec ces faits et quelles informations permettraient de les départager.

Cette discipline oblige à séparer trois éléments souvent mélangés dans une même présentation : ce que l’on observe, ce que l’on en déduit et ce que l’on propose de faire. Une déduction n’acquiert pas le statut de fait parce qu’elle est reprise dans cinq documents successifs.

Une IA contradictrice ne remplace pas une vérification indépendante

Les travaux d’Anthropic publiés en 2023 ont mis en évidence des comportements de complaisance dans plusieurs assistants : certaines réponses s’alignaient sur les convictions exprimées par l’utilisateur, au détriment de leur exactitude. Ces résultats portent sur les systèmes et les tâches étudiés. Ils ne décrivent pas avec la même précision chaque modèle disponible aujourd’hui.

Pour le dirigeant, la conséquence pratique est de ne pas prendre l’accord de l’outil pour une validation. Mais lui demander de « jouer l’avocat du diable » ne règle pas tout. Le modèle peut fabriquer une objection aussi séduisante et aussi fragile que sa recommandation initiale. Deux rôles dans une conversation ne font pas deux sources indépendantes.

Une objection devient utile lorsqu’elle désigne une hypothèse précise et un moyen de la mettre à l’épreuve. Dire « ce lancement est risqué » apporte peu. Dire « ce plan suppose que les prospects comprennent déjà la valeur du service ; les comptes rendus commerciaux permettent-ils de l’établir ? » ouvre une enquête. L’équipe peut retourner aux échanges, distinguer les demandes réelles des interprétations et solliciter les personnes concernées.

On peut faire travailler l’IA sur cette préparation : extraire les hypothèses d’une note, proposer des explications concurrentes ou identifier les données manquantes. La vérification doit ensuite revenir à des sources identifiables. Pour un chiffre commercial, cela peut être une extraction contrôlée du CRM ; pour une difficulté d’usage, une observation de terrain. Une réponse plausible ne remplace aucun de ces éléments.

Suivre une décision jusqu’au test, pas seulement jusqu’au compte rendu

Reprenons le cas d’une PME qui commercialise un service et envisage d’augmenter ses dépenses de communication. Le scénario qui suit est fictif : il sert à montrer comment structurer l’arbitrage, sans présenter un résultat d’entreprise ni un seuil universel.

La direction commerciale attribue le faible volume de signatures à un manque de notoriété. L’équipe opérationnelle remarque, de son côté, que les prospects comprennent mal ce qui sera effectivement livré. Ces deux explications peuvent coexister, mais elles ne conduisent pas à engager les mêmes moyens. Acheter davantage de visibilité pour une offre mal comprise risque surtout d’augmenter le nombre de conversations improductives.

Avant de produire une campagne, le dirigeant demande une revue d’un ensemble récent de dossiers commerciaux. L’objectif est de distinguer les situations : absence de besoin, mauvais interlocuteur, offre incomprise, prix jugé excessif, calendrier défavorable. Les catégories servent à examiner les dossiers ; elles ne doivent pas transformer des informations manquantes en conclusions certaines. Un devis sans réponse n’est pas, à lui seul, la preuve d’un prix trop élevé.

L’IA peut aider à rapprocher les motifs consignés, à repérer les contradictions entre notes et à préparer des questions d’entretien. Une personne vérifie les extraits utilisés et les cas ambigus. Quelques échanges avec des prospects permettent ensuite d’examiner ce qu’ils avaient réellement compris de la prestation. Le matériau reste imparfait, mais il est plus directement relié à la décision qu’un argumentaire général sur l’importance de la visibilité.

Supposons que ces échanges fassent apparaître une confusion récurrente sur le périmètre du service. Une option consiste alors à tester une présentation plus explicite auprès d’un groupe limité de prospects, avant d’augmenter le budget d’acquisition. L’équipe suit la compréhension de l’offre, le passage à une prochaine étape commerciale et les objections qui subsistent. Elle précise les limites de la comparaison : profils différents, saisonnalité ou intervention d’un commercial plus expérimenté peuvent modifier le résultat.

Le responsable de la décision fixe avant le test ce qui justifierait de poursuivre, de prolonger l’observation ou de renoncer. Si l’offre est mieux comprise mais ne déclenche toujours pas d’intérêt, le problème mérite un autre examen. Si les retours soutiennent l’hypothèse d’un déficit de visibilité, l’investissement publicitaire devient plus défendable. La contradiction n’a pas servi à empêcher la campagne : elle a servi à mieux établir pourquoi la lancer.

Donner à l’objection une place et une issue

Une entreprise peut multiplier les invitations à « challenger » les idées tout en rendant le désaccord impraticable. Lorsque le dirigeant annonce d’abord sa préférence, présente son choix comme déjà acquis et demande ensuite des objections, les collaborateurs doivent contester à la fois une hypothèse et une position hiérarchique.

Un cadre plus utile consiste à exposer la décision envisagée avec ses incertitudes, puis à confier son examen à une personne qui n’a pas préparé la recommandation. Cette personne doit pouvoir consulter les éléments de départ, et pas seulement leur synthèse. Son rôle est de rechercher une faiblesse susceptible de changer l’arbitrage ; elle n’a pas à produire artificiellement un avis négatif.

L’objection doit aussi recevoir une réponse explicite. Elle peut être retenue, écartée avec une justification ou transformée en point de contrôle pendant l’exécution. Sans cette issue, les réunions accumulent les réserves tandis que les projets continuent comme si aucune n’avait été formulée.

Le dirigeant reste responsable du choix. Certaines décisions doivent être prises avec une information incomplète : attendre peut coûter davantage qu’un essai limité. Il faut alors rendre visible le pari accepté, borner l’engagement et prévoir une possibilité de retour. La contradiction n’a de valeur que si elle améliore cette capacité à agir.

Conserver la mémoire du choix, sans archiver toute la conversation

Une enquête de Hao-Ping Lee et ses coauteurs, présentée à CHI 2025, porte sur 319 professionnels. Une confiance plus élevée dans l’IA y est associée à un effort critique déclaré plus faible. Ces données reposent sur les déclarations des participants : elles ne prouvent ni une causalité ni une baisse générale de leurs capacités intellectuelles.

Dans une organisation, garder une trace explicite du raisonnement aide surtout à éviter les reconstructions après coup. Lorsque le résultat est connu, il devient tentant de raconter que le succès était prévisible ou que les difficultés avaient toutes été anticipées. Une note datée permet de revenir à ce que l’équipe savait effectivement au moment du choix.

Cette mémoire peut tenir sur une page. Elle relie la décision à ses hypothèses décisives, aux faits disponibles et à leurs sources. Elle conserve l’objection examinée, la raison de l’arbitrage, le nom du responsable et les conditions de révision. Le transcript complet d’une conversation avec l’IA peut être utile ponctuellement ; son accumulation ne remplace pas cette synthèse.

La distinction est aussi pratique pour transmettre le dossier. Un nouveau responsable doit pouvoir comprendre pourquoi l’entreprise a choisi une voie, ce qui reste incertain et quel changement imposerait de revoir le cap. Il ne devrait pas avoir à reconstituer cette logique dans des dizaines d’échanges avec un assistant.

Réviser sans installer l’entreprise dans l’hésitation permanente

Toutes les décisions ne justifient pas le même effort. Tester un message commercial pendant quelques jours et engager une réorganisation durable n’ont ni le même coût d’erreur ni la même réversibilité. Le temps consacré à la contradiction doit suivre cette différence.

Pour un essai limité, une hypothèse explicite, un responsable et une courte revue peuvent suffire. Pour un engagement difficile à défaire, la direction peut demander plusieurs sources, une analyse des dépendances, une solution de repli et un examen extérieur à l’équipe porteuse. Le nombre d’avis importe moins que leur capacité à apporter des informations différentes.

La revue doit être déclenchée par une date ou un signal défini à l’avance : dépassement d’un plafond de coût, qualité insuffisante, hypothèse commerciale invalidée ou changement du contexte. Elle ne consiste pas à reprendre toute la discussion depuis le début. Elle confronte ce qui était attendu à ce qui s’est produit, puis décide de maintenir, d’ajuster ou d’arrêter.

Pour commencer, un comité de direction peut choisir une décision importante déjà à son ordre du jour et poser une question simple : quel fait nous ferait changer d’avis ? Si personne ne peut répondre, il manque probablement une pièce au raisonnement. Si la réponse existe, il reste à désigner qui recherchera ce fait, comment il sera examiné et quand l’arbitrage sera revu.

L’apport de l’IA devient alors plus exigeant et plus utile. Elle aide à expliciter les alternatives, à préparer les vérifications et à transmettre le contexte. La direction conserve ce qui ne se délègue pas à une formulation convaincante : accepter l’incertitude, assumer le choix et donner à l’entreprise les moyens de le corriger.