Discours alarmistes sur l'IA : comment trier les promesses quand on choisit une agence

La controverse relayée par Radio France oppose deux registres qui se ressemblent plus qu'il n'y paraît. D'un côté, un discours catastrophiste sur une intelligence artificielle qui "joue avec nos vies". De l'autre, l'accusation que ces alertes relèvent surtout du marketing. Dans les deux cas, l'entreprise qui cherche un prestataire se retrouve devant des affirmations fortes, difficiles à vérifier, et qui ne disent rien de ce que la technologie fera réellement dans son contexte métier.

Le premier réflexe utile est de séparer le débat public du cahier des charges. Que l'IA générative représente ou non un risque civilisationnel n'a aucune incidence sur la question concrète que se pose une direction marketing ou une DSI : est-ce que cet outil réduit mon délai de traitement, améliore la qualité de mes contenus, ou fait baisser mon coût par dossier ? Un prestataire qui répond à cette question par des considérations générales sur l'avenir de l'humanité, dans un sens comme dans l'autre, esquive la commande.

Concrètement, une consultation d'agence ou d'intégrateur IA gagne à être structurée autour d'un cas d'usage unique et mesurable. Choisissez un processus réel, documenté, avec un volume connu : le tri des demandes entrantes, la production de fiches produits, la reformulation de réponses support, l'analyse de verbatims clients. Demandez au prestataire de décrire l'avant et l'après, avec l'indicateur qu'il propose de suivre et la méthode de mesure. Un projet sans indicateur défini avant le démarrage est un projet dont personne ne pourra dire s'il a réussi.

La deuxième précaution porte sur les démonstrations. Une démo réalisée sur les données du prestataire prouve seulement que l'outil fonctionne dans des conditions choisies par lui. Exigez un test sur un échantillon de vos propres contenus, même réduit, même anonymisé. C'est le seul moyen d'observer les cas limites : vocabulaire métier, formats de fichiers réels, exceptions, dossiers mal renseignés. Le taux d'erreur observé sur cet échantillon vous en apprendra davantage que n'importe quelle plaquette.

Troisième point : la transparence sur ce qui tourne réellement sous le capot. Demandez quels modèles sont utilisés, où les données transitent, ce qui est conservé et pendant combien de temps, et si vos contenus peuvent servir à entraîner un modèle tiers. Ces réponses doivent figurer dans le contrat et non dans un échange oral. Un prestataire qui ne sait pas répondre précisément revend probablement une brique dont il ne maîtrise pas les conditions d'usage.

Il est aussi raisonnable de calibrer l'engagement financier sur l'incertitude réelle. Un cadrage court et payé, suivi d'un pilote à périmètre fermé, puis d'une décision de généralisation, coûte moins cher qu'un déploiement global lancé sur la foi d'une promesse. Prévoyez explicitement le scénario d'arrêt : que se passe-t-il si les résultats du pilote ne sont pas au rendez-vous, qui garde les prompts, les jeux de données annotés, les configurations ?

Enfin, méfiez-vous symétriquement des deux discours extrêmes. Le prestataire qui promet une transformation totale et celui qui vend surtout de l'anxiété partagent le même défaut : ils déplacent la conversation loin de votre problème. Le bon signal, chez une agence comme chez un éditeur, c'est la capacité à décrire ce que l'outil ne sait pas faire, à nommer les tâches qui resteront humaines et à documenter les points de contrôle.

Pour l'entreprise qui lance sa consultation maintenant, la méthode tient en quatre lignes : un cas d'usage, un indicateur, un test sur vos données, un contrat clair sur les données et la réversibilité. Cette grille filtre efficacement les propositions, indépendamment de ce que dit l'actualité sur les risques de l'intelligence artificielle.