Une réponse d’IA qui semble juste peut encore être incomplète, mal cadrée ou difficile à utiliser. La qualité de la collaboration humain-IA se joue alors dans la capacité à reconnaître le problème, à le décrire et à décider de la suite. Pour une organisation, former les équipes à cette étape est aussi nécessaire que leur apprendre à rédiger une première consigne.
Une étude sur les conversations avec Claude offre un point de départ intéressant. Elle ne prouve pas que contester une IA améliore automatiquement le travail. Elle rappelle plutôt qu’un échange comporte des ajustements, des désaccords et des tentatives de réparation. Voici comment transformer ce constat en exercice de formation et en méthode de vérification.
À retenir
- Une friction désigne une difficulté dans l’interaction; elle ne signifie pas nécessairement que toute la tâche a échoué.
- Les résultats observés dans des conversations grand public ne mesurent pas la performance des équipes québécoises.
- Vérifier une réponse demande un critère, une source ou une connaissance du métier, au-delà d’une impression de crédibilité.
- Une bonne relance précise le défaut à corriger et ce qui permettra de reconnaître une amélioration.
- Le temps de correction et de validation doit entrer dans l’évaluation du gain réel.
Ce que l’étude mesure vraiment
Le travail de Shao et de ses collègues, déposé le 21 août 2026, examine 249 834 conversations avec les versions grand public de Claude. Une analyse automatisée y classe 49,7 % des conversations comme comportant une friction. Parmi les conversations avec friction, 78,7 % présentent une tentative active de résolution. Lorsqu’une personne conteste le raisonnement, 81,5 % des cas sont classés comme productifs. Ce dernier terme couvre notamment clarification, raffinement ou apprentissage; il ne certifie pas l’exactitude du résultat final. Étude complète, août 2026.
Ces catégories reposent sur un outil d’analyse de conversations. Les chercheurs ont reçu des résultats agrégés, sans consulter les échanges bruts. L’observation ne démontre pas de lien causal entre une stratégie et une meilleure performance. Elle ne porte ni sur Claude Code ni sur Cowork. Présentation du dispositif de recherche par Anthropic, 26 août 2026.
Reconnaître le problème avant de reformuler
Dans une équipe, plusieurs difficultés peuvent se ressembler à première vue. Un texte est agréable à lire, mais la recommandation ne respecte pas la politique interne. Une synthèse couvre le thème demandé, mais omet une exception. Un calcul paraît cohérent, mais utilise le mauvais dénominateur. Recommencer la consigne sans nommer la difficulté risque de produire une deuxième version tout aussi convaincante.
La première question est donc : quelle exigence le résultat ne satisfait-il pas? Cette exigence peut concerner un fait, un périmètre, un raisonnement ou une possibilité d’action. La grille suivante est une proposition d’extensio.ai pour une discussion d’équipe. Elle aide à choisir une intervention précise et à reconnaître les situations qui exigent une autre ressource.
| Difficulté | Signal à chercher | Intervention utile |
|---|---|---|
| Fait incertain | Chiffre, date ou référence sans preuve vérifiable | Retrouver la source primaire et contrôler le passage |
| Mauvais contexte | Règle étrangère ou hypothèse absente du mandat | Préciser le territoire et les contraintes pertinentes |
| Raisonnement fragile | Conclusion qui dépasse les données présentées | Demander les hypothèses et tester un contre-exemple |
| Résultat inutilisable | Texte clair, mais aucune décision ou action possible | Définir le destinataire et le livrable attendu |
| Risque hors compétence | Conséquence importante impossible à vérifier | Suspendre l’usage et consulter la personne compétente |
Un exercice de formation à partir d’une réponse plausible
Choisissez une tâche courte que les participants connaissent réellement. Il peut s’agir de résumer une procédure publique, de comparer des options de service ou de préparer une note interne. Évitez une tâche si spécialisée que seule la personne qui anime peut reconnaître les erreurs. L’objectif est d’exercer le jugement, pas de piéger les participants.
Préparez une réponse fictive qui contient deux ou trois défauts identifiés : une condition omise, une source qui ne soutient pas la conclusion et une recommandation trop générale, par exemple. Conservez une grille de correction et les documents de référence. Indiquez qu’il s’agit d’un exercice conçu pour la formation. N’utilisez pas de données confidentielles dans un outil qui n’est pas autorisé à les traiter.
- Lire sans relancer l’outil. Chaque personne marque les passages utilisables, incertains et incorrects. Elle explique son choix.
- Vérifier une affirmation. Les participants retrouvent un passage dans une source et comparent son périmètre à celui de la réponse.
- Formuler une correction ciblée. Ils précisent ce qui manque, la contrainte à respecter et la forme du résultat attendu.
- Comparer les versions. Ils vérifient que le défaut a disparu et qu’aucune erreur nouvelle n’a été introduite.
- Décider. Ils acceptent le résultat, le retravaillent ou arrêtent l’utilisation pour cette tâche, avec une justification.
La discussion finale porte sur les critères utilisés. Deux personnes peuvent préférer des formulations différentes tout en reconnaissant le même problème de fond. Distinguer qualité rédactionnelle et validité évite de consacrer toute la séance au style. Le guide sur les tics de rédaction IA complète cette distinction.
Écrire une relance qui permet de vérifier le progrès
« Améliore cette réponse » laisse une grande latitude à l’outil. Une relance plus utile nomme le défaut et indique une preuve attendue. Par exemple : « La proposition suppose que toutes les demandes sont admissibles. Le document fourni contient trois exclusions. Reprends la comparaison en intégrant ces exclusions et indique le passage qui soutient chaque condition. Signale ce que le document ne permet pas de conclure. »
Ce modèle de relance constitue un point de départ. Il ne garantit pas que l’IA citera correctement le document. La personne doit encore ouvrir les passages cités et examiner les omissions. Une référence présente dans la réponse peut être réelle tout en ne soutenant pas la conclusion. L’outil peut aussi corriger un problème et en déplacer un autre.
Une séquence de travail simple comporte quatre repères : le résultat attendu, l’écart observé, la correction demandée et le contrôle final. Elle permet de documenter un apprentissage réutilisable. Elle donne aussi aux collègues un langage commun pour parler de qualité sans transformer chaque échange en débat sur la qualité du « prompt ».
Mesurer le travail complet, y compris la vérification
Pour évaluer l’exercice, observez la détection des défauts, la qualité des preuves et la décision finale. Le nombre de messages envoyés à l’IA ne constitue pas un indicateur suffisant de compétence. Une personne peut obtenir un résultat acceptable avec peu d’échanges parce qu’elle dispose d’un bon cadre de travail; une autre peut accumuler les relances sans vérifier la source.
Dans un pilote réel, consignez le temps de préparation, le temps passé avec l’outil, le temps de validation et les reprises. Comparez des tâches semblables et notez leur difficulté. La charge de validation des gestionnaires doit être visible, même lorsqu’elle se déplace d’une personne à une autre. Un gain de production qui crée davantage de corrections en aval mérite d’être réévalué.
Fixez également un point d’arrêt. Si deux corrections ciblées ne résolvent pas un défaut important, une autre méthode peut être préférable. Ce seuil est un repère d’organisation à adapter, pas une règle scientifique. L’équipe doit pouvoir terminer la tâche sans IA et savoir à qui transmettre une situation incertaine. Nos formations en IA relient ces exercices aux usages et aux responsabilités de l’organisation.
Questions fréquentes
Une friction avec l’IA signifie-t-elle que l’outil est mauvais?
Une difficulté peut venir de l’outil, de la consigne, des documents disponibles ou d’une attente mal définie. Il faut identifier l’écart avant de juger l’ensemble du système. Certaines tâches restent inadaptées à l’outil, même après une clarification. La possibilité de suspendre l’usage fait partie d’une pratique compétente.
Faut-il toujours contester la réponse de l’IA?
Il faut vérifier les éléments dont dépend la décision. Une contestation systématique sans critère peut simplement allonger l’échange. Cherchez les hypothèses, les omissions et les preuves pertinentes. Adaptez la profondeur de l’examen aux conséquences d’une erreur, et faites intervenir une personne compétente lorsque la vérification dépasse votre champ d’expertise.
Comment mesurer l’efficacité d’une formation à l’IA?
Observez une tâche avant et après la formation, avec des critères comparables : qualité finale, erreurs détectées, temps complet et capacité à expliquer la décision. La satisfaction des participants reste utile, mais elle ne remplace pas cette observation. Prévoyez aussi un retour après utilisation dans le travail quotidien.
