Plus nos problèmes deviennent complexes, plus nous sommes tentés de chercher des machines capables de les simplifier. Et si nous prenions précisément le problème à l’envers ?
Dans une tribune publiée dans Le Monde, François-Xavier de Vaujany, professeur en sciences de gestion à l’Université Paris-Dauphine-PSL, formule une proposition particulièrement stimulante : « La réponse à la crise existentielle que nous traversons ne viendra pas d’un grand calcul réalisé par une IA surpuissante ». La formule pourrait être comprise comme une nouvelle critique de l’intelligence artificielle. Ce serait pourtant passer à côté de l’essentiel. Car le problème qu’il soulève concerne moins les capacités de l’IA que notre manière de penser, d’organiser et de décider face à des phénomènes dont les interdépendances deviennent toujours plus difficiles à saisir.
De Vaujany prend pour point de départ l’été caniculaire de 2026. Une sécheresse n’est jamais seulement une sécheresse : elle affecte l’agriculture, mais également la production énergétique, le fonctionnement des infrastructures, les hôpitaux, les logements, les transports ou encore notre vulnérabilité géopolitique. Le phénomène climatique révèle ainsi quelque chose de plus profond : les grands défis auxquels nous sommes confrontés ne peuvent plus être considérés indépendamment les uns des autres.
Or nos organisations continuent largement à fonctionner selon une logique inverse. Climat, énergie, numérique, sécurité ou travail sont confiés à des administrations, des directions, des experts et des processus de décision différents. Dans les entreprises, les enjeux sociétaux viennent souvent se superposer aux catégories traditionnelles de stratégie, de concurrence, de performance ou d’innovation, sans véritablement transformer la manière dont les décisions sont fabriquées. Nous avons ainsi organisé la spécialisation de la décision au moment même où le réel nous impose de penser les interdépendances.
Le problème n’est donc pas que nous ne sachions pas suffisamment de choses. Nous n’avons probablement jamais disposé d’autant de données, d’expertises et de capacités d’analyse. Le problème est notre capacité à les articuler. Nous savons isoler les variables, spécialiser les expertises, distribuer les responsabilités et produire des indicateurs ; nous éprouvons davantage de difficultés lorsqu’il faut comprendre comment ces dimensions interagissent, identifier les arbitrages qu’elles rendent nécessaires et décider lorsque plusieurs rationalités également légitimes entrent en contradiction.
C’est ici que la question de l’intelligence artificielle devient particulièrement intéressante. L’IA augmente considérablement notre capacité à traiter de l’information. Elle peut synthétiser des milliers de documents, identifier des corrélations, produire des scénarios, confronter des hypothèses ou mettre au jour des conséquences difficiles à anticiper. Elle constitue, de ce point de vue, une augmentation spectaculaire de nos capacités analytiques.
Mais une capacité d’analyse supplémentaire ne produit pas mécaniquement une meilleure décision. Faut-il privilégier la sécurité ou l’autonomie ? La performance immédiate ou la robustesse à long terme ? Jusqu’où accepter un risque ? Que sommes-nous prêts à sacrifier pour préserver ce que nous considérons comme essentiel ? Quelle responsabilité sommes-nous disposés à assumer ? Aucun calcul ne peut faire disparaître ces questions, parce qu’elles ne sont pas seulement informationnelles. Elles engagent des valeurs, des priorités, des représentations du monde et des conceptions différentes de ce qui mérite d’être préservé.
Le risque serait alors de demander à l’intelligence artificielle de résoudre par davantage de calcul ce qui relève en réalité d’une difficulté à arbitrer. Nous disposerions de machines extraordinairement puissantes pour produire des réponses dans des organisations qui ne savent pas toujours très bien quelles questions elles doivent poser. Ce serait une étrange victoire technologique : accroître considérablement notre puissance de réponse sans avoir augmenté dans les mêmes proportions notre capacité de questionnement.
François-Xavier de Vaujany propose une autre voie à travers ce qu’il appelle une « intelligence vivante ». S’appuyant notamment sur John Dewey et sur l’idée pragmatiste d’une démocratie conçue comme une expérimentation permanente, il invite à concevoir la décision non comme le résultat d’un calcul réalisé depuis un point de vue surplombant, mais comme un processus associant citoyens, scientifiques, responsables politiques, managers et entrepreneurs.
Cette intelligence est vivante parce qu’elle accepte précisément ce que nos processus de décision cherchent souvent à réduire : le temps, les désaccords, les frictions, les conflits et l’incertitude. Elle ne considère pas ces éléments comme des perturbations venant empêcher la bonne décision, mais comme une partie de la matière même à partir de laquelle celle-ci doit être élaborée. Décider dans un monde complexe ne consiste plus seulement à disposer de suffisamment d’informations pour sélectionner la meilleure option ; cela suppose de confronter différentes manières de comprendre une situation, d’expliciter les désaccords et d’expérimenter des réponses dont les conséquences ne peuvent jamais être intégralement anticipées.
La distinction est alors essentielle. Une intelligence essentiellement calculatoire cherche à déterminer quelle est la meilleure réponse à un problème donné. Une intelligence vivante doit aussi être capable de se demander si le problème a été correctement posé, quelles dimensions ont été exclues de sa formulation, quels acteurs ne le décrivent pas de la même manière et quels critères nous utilisons lorsque nous affirmons qu’une réponse serait « meilleure » qu’une autre. L’une et l’autre ne sont évidemment pas incompatibles. Toute la question consiste précisément à savoir comment les articuler.
C’est ici que se situe, pour Noetic Bees, l’un des enjeux les plus intéressants de l’intelligence artificielle. Son potentiel ne réside pas seulement dans l’automatisation des tâches ou l’accélération du traitement de l’information. Elle peut également devenir un instrument d’augmentation du discernement, à condition de modifier profondément la manière dont nous l’interrogeons.
Utilisée comme une machine à réponses, l’IA encourage une forme de délégation : voici la situation, analyse-la et indique-moi ce que je dois faire. Utilisée comme technologie de discernement, la relation s’inverse. Nous pouvons lui demander ce que nous ne voyons pas, quelles hypothèses nous considérons trop rapidement comme évidentes, quelles valeurs entrent en contradiction, quelles autres représentations de la situation sont possibles ou quelles conséquences de notre décision n’ont pas encore été examinées. L’IA ne vient alors plus fermer le raisonnement par une réponse ; elle contribue à l’ouvrir en augmentant notre capacité à mettre à l’épreuve notre propre manière de penser.
C’est précisément le déplacement qui nous intéresse. Une IA peut confronter des perspectives, rechercher des contradictions, identifier des présupposés, explorer les conséquences d’une hypothèse, construire des scénarios ou faire apparaître des angles morts. Elle peut nous aider à produire davantage de questions là où nous sommes spontanément tentés de produire trop rapidement des réponses. Sa valeur ne réside alors plus seulement dans ce qu’elle sait, mais dans sa capacité à nous aider à mieux examiner ce que nous croyons savoir.
Cette perspective conduit à déplacer une nouvelle fois le problème. Si les situations auxquelles nous sommes confrontés sont fondamentalement interdépendantes, la question n’est plus seulement de savoir de quelle intelligence artificielle nous avons besoin. Il faut également se demander dans quelle architecture de décision nous allons l’insérer.
Une IA extrêmement performante intégrée à une organisation cloisonnée peut simplement permettre de produire plus rapidement des analyses cloisonnées. Introduite dans un collectif incapable de confronter ses représentations, elle peut consolider la représentation dominante au lieu de la mettre à l’épreuve. Mobilisée dans une organisation qui refuse le conflit ou neutralise les désaccords, elle ne produira pas miraculeusement du dialogue. La technologie ne corrige pas automatiquement l’organisation qui l’utilise ; elle peut même augmenter la puissance des mécanismes qui la structurent déjà.
C’est pourquoi la proposition de De Vaujany dépasse largement la question technologique. Il appelle à transformer les architectures de décision elles-mêmes : dépasser la juxtaposition des politiques sectorielles, réintroduire les méthodes scientifiques dans la fabrique de la décision et construire de nouvelles formes de coopération capables de traiter conjointement les interdépendances. Dans cette perspective, la question déterminante devient moins celle de l’intelligence de la machine que celle de l’intelligence de l’organisation équipée de machines.
Une partie de la promesse contemporaine de l’intelligence artificielle repose sur l’idée que l’augmentation de notre puissance de traitement permettra de réduire progressivement l’incertitude. Davantage de données permettraient de meilleures analyses ; de meilleures analyses, de meilleures prédictions ; de meilleures prédictions, de meilleures décisions. Cette logique est pertinente tant que nous sommes confrontés à des problèmes pour lesquels il existe effectivement une solution qu’une information plus complète permettrait d’identifier.
Mais une grande partie des décisions auxquelles sont confrontées les organisations ne sont pas de cette nature. Elles concernent des situations dans lesquelles plusieurs solutions sont possibles, plusieurs valeurs légitimes s’opposent, plusieurs représentations du monde coexistent et plusieurs conséquences demeurent incertaines. Il ne s’agit alors plus simplement de trouver la bonne réponse. Il faut déterminer ce que nous voulons préserver, ce que nous acceptons de transformer, les risques que nous sommes prêts à prendre et les renoncements que nous sommes capables d’assumer. Ce ne sont plus seulement des problèmes à résoudre. Ce sont des situations à discerner.
La réponse ne viendra donc probablement pas d’un « grand calcul ». C’est la conclusion de De Vaujany : elle dépendra davantage de notre capacité à penser simultanément les grands défis auxquels nous sommes confrontés et à inventer de nouvelles formes d’organisation et de nouveaux modes de vie. L’intelligence artificielle peut incontestablement nous y aider. Mais à une condition : ne pas lui demander de supprimer la complexité du monde, mais de nous aider à mieux la penser pour pouvoir agir en son sein.
Car, avant de nous demander ce que l’IA peut décider pour nous, demandons-nous ce que nous devons encore apprendre à interroger nous-mêmes. Quel problème sommes-nous réellement en train de chercher à résoudre ? Quelle manière de le formuler avons-nous déjà tenue pour évidente ? Que devient la situation si nous la regardons depuis le point de vue de ceux qu’elle affecte autrement ? Quelles tensions cherchons-nous trop vite à faire disparaître alors qu’elles contiennent peut-être l’essentiel de la décision ?
Et surtout : qu’est-ce qu’une réponse techniquement excellente ne pourra jamais décider à notre place ? Ce que nous voulons préserver. Ce que nous acceptons de risquer. Les conséquences dont nous sommes prêts à répondre. Peut-être est-ce là que commence une intelligence véritablement augmentée : non lorsque la machine produit davantage de réponses, mais lorsqu’elle nous oblige à poser des questions plus justes — et à assumer collectivement ce que leurs réponses engagent.
