Episode 165 - Comment garder son esprit critique face à l'IA ?

from DigitalFeeling · host Elodie Chenol

Gardez son esprit critique face à l'IA On tape une question dans une IA générative, la réponse arrive, formulée avec assurance, bien construite et on la croit. C'est exactement le réflexe qu'on a développé avec Google depuis vingt ans : ce qui sort en premier doit être vrai. Sauf qu'un moteur de recherche et une IA générative ne fonctionnent pas du tout de la même façon, et c'est précisément ce qui explique la majorité des erreurs que je vois en formation.Dans ce 165ème épisode, je reviens sur un point que je martèle à chaque session : les outils d'IA sont probabilistes, pas déterministes. Et sans esprit critique, cette différence peut coûter cher.Pourquoi une IA générative peut se tromper avec assuranceUne IA générative ne « comprend » pas une demande au sens strict. Elle calcule, mot après mot, la suite la plus probable compte tenu du contexte et de tout ce qu'elle a appris. Ce fonctionnement statistique a une conséquence directe : l'outil peut produire une réponse fausse tout en la formulant avec la même assurance qu'une réponse juste. Rien, dans le ton du texte généré, ne signale une incertitude.C'est ce qui distingue fondamentalement une IA générative d'un moteur de recherche classique : Google renvoie des pages existantes à vérifier, une IA générative fabrique une réponse, parfois exacte, parfois non.Qu'est-ce qu'une hallucination IA ? (définition)Une hallucination IA est une information générée par l'outil qui paraît plausible mais qui est fausse ou inventée. Elle peut prendre plusieurs formes :une date erronée ou obsolèteun chiffre ou une statistique inventésune citation mal attribuée à la mauvaise personneun indicateur (KPI) ou une notion qui n'existe tout simplement pasL'exemple que je donne dans l'épisode : un de mes stagiaires en formation avait reçu de l'IA un KPI qui n'existait pas. Plutôt que de vérifier ailleurs, il a fait confiance à l'outil — et s'est retrouvé à défendre une notion inventée. Le réflexe à avoir aurait été simple : croiser l'information sur Google, sur un autre LLM, ou challenger directement l'IA en lui demandant de préciser sa source.Une cause fréquente d'hallucination : la date de connaissance de l'IAPoint souvent ignoré en formation : par défaut, la base de connaissances d'un LLM s'arrête à une date donnée (autour de 2024 pour la plupart des modèles au moment de l'épisode). Si votre prompt ne précise pas qu'on est en 2026, l'IA peut tout simplement répondre avec des données obsolètes de deux ans — sans vous prévenir.Réflexe simple à adopter : indiquez systématiquement la date actuelle dans votre prompt, ou activez la recherche web quand l'outil le permet (ChatGPT, Claude, Perplexity). Cette seule précision réduit considérablement le risque de récupérer une information périmée.6 réflexes pour vérifier une réponse d'IA générative# Réflexe Pourquoi ça marche 1 Préciser la date actuelle dans le prompt Évite que l'IA reste bloquée sur sa base de connaissances par défaut 2 Demander explicitement une recherche web Force l'outil à aller chercher une information à jour 3 Demander de citer ses sources L'absence de source est un premier signal d'alerte 4 Cliquer et lire réellement les sources citées Le résumé de l'IA et le contenu réel de la source ne correspondent pas toujours 5 Demander « es-tu sûr de ta réponse ? » Pousse l'IA à revérifier les chiffres avancés 6 Demander une auto-évaluation sur 10, puis demander d'atteindre 10/10 Incite l'IA à affiner et préciser sa réponseSur le réflexe n°4 : j'ai un exemple personnel avec Perplexity, sur une recherche à propos d'une fonctionnalité de véhicule. L'outil m'avait donné plusieurs sources, dont une vidéo YouTube. En regardant l'intégralité de la vidéo, l'information censée s'y trouver n'existait tout simplement pas. Conclusion : toujours vérifier la source elle-même, pas seulement le résumé qu'en fait l'IA.Quel outil pour minimiser les hallucinations ?Outil Point fort observé Point de vigilance Perplexity Le plus fiable sur la fiabilité des sources citées, particulièrement en recherche web Vérifier tout de même le contenu réel des sources Claude Réponses très complètes Davantage sujet aux hallucinations selon mon usageCe que la fiabilité de l'IA ne remplace pas : votre expertiseLe point le plus important de l'épisode n'est pas technique, il est méthodologique : ce qui nourrit réellement une IA, c'est le feedback qu'on lui donne. Et ce qui enrichit votre pratique, c'est votre propre expertise métier — pas le premier résultat généré. Trop de personnes, y compris en formation, s'arrêtent à la première réponse en se disant « je l'améliorerai plus tard ». C'est l'inverse du bon réflexe : il faut challenger l'IA avant de considérer la réponse comme acquise.En résuméGarder son esprit critique face à l'IA générative, ce n'est pas douter de tout en permanence — c'est adopter quelques réflexes simples et systématiques : contextualiser la date, demander des sources, les vérifier réellement, et challenger l'outil sur sa propre confiance. Ce sont ces petits gestes, répétés, qui transforment l'IA d'un outil qu'on subit en un outil qu'on pilote.💡 Soutenez le podcast :✅ Abonnez-vous à DigitalFeeling sur LinkedIn ✅ Rejoignez ma newsletter : substack.com/@elodiechenol✅ Laissez 5 ⭐ sur Apple Podcasts ou Spotify ✅ Partagez cet épisode à un dirigeant qui en aurait besoin 🎙️ Abonnez-vous à Digital Feeling sur votre plateforme d'écoute préférée pour ne manquer aucun épisode.Hébergé par Audiomeans. Visitez audiomeans.fr/politique-de-confidentialite pour plus d'informations.

What this episode covers

Gardez son esprit critique face à l'IA On tape une question dans une IA générative, la réponse arrive, formulée avec assurance, bien construite et on la croit. C'est exactement le réflexe qu'on a développé avec Google depuis vingt ans : ce qui sort en premier doit être vrai. Sauf qu'un moteur de recherche et une IA générative ne fonctionnent pas du tout de la même façon, et c'est précisément ce qui explique la majorité des erreurs que je vois en formation. Dans ce 165ème épisode, je reviens sur un point que je martèle à chaque session : les outils d'IA sont probabilistes, pas déterministes. Et sans esprit critique, cette différence peut coûter cher. Pourquoi une IA générative peut se tromper avec assuranceUne IA générative ne « comprend » pas une demande au sens strict. Elle calcule, mot après mot, la suite la plus probable compte tenu du contexte et de tout ce qu'elle a appris. Ce fonctionnement statistique a une conséquence directe : l'outil peut produire une réponse fausse tout en la formulant avec la même assurance qu'une réponse juste. Rien, dans le ton du texte généré, ne signale une incertitude. C'est ce qui distingue fondamentalement une IA générative d'un moteur de recherche classique : Google renvoie des pages existantes à vérifier, une IA générative fabrique une réponse, parfois exacte, parfois non. Qu'est-ce qu'une hallucination IA ? (définition)Une hallucination IA est une information générée par l'outil qui paraît plausible mais qui est fausse ou inventée. Elle peut prendre plusieurs formes : - une date erronée ou obsolète- un chiffre ou une statistique inventés- une citation mal attribuée à la mauvaise personne- un indicateur (KPI) ou une notion qui n'existe tout simplement pasL'exemple que je donne dans l'épisode : un de mes stagiaires en formation avait reçu de l'IA un KPI qui n'existait pas. Plutôt que de vérifier ailleurs, il a fait confiance à l'outil — et s'est retrouvé à défendre une notion inventée. Le réflexe à avoir aurait été simple : croiser l'information sur Google, sur un autre LLM, ou challenger directement l'IA en lui demandant de préciser sa source. Une cause fréquente d'hallucination : la date de connaissance de l'IAPoint souvent ignoré en formation : par défaut, la base de connaissances d'un LLM s'arrête à une date donnée (autour de 2024 pour la plupart des modèles au moment de l'épisode). Si votre prompt ne précise pas qu'on est en 2026, l'IA peut tout simplement répondre avec des données obsolètes de deux ans — sans vous prévenir. Réflexe simple à adopter : indiquez systématiquement la date actuelle dans votre prompt, ou activez la recherche web quand l'outil le permet (ChatGPT, Claude, Perplexity). Cette seule précision réduit considérablement le risque de récupérer une information périmée. 6 réflexes pour vérifier une réponse d'IA générative# Réflexe Pourquoi ça marche 1 Préciser la date actuelle dans le prompt Évite que l'IA reste bloquée sur sa base de connaissances par défaut 2 Demander explicitement une recherche web Force l'outil à aller chercher une information à jour 3 Demander de citer ses sources L'absence de source est un premier signal d'alerte 4 Cliquer et lire réellement les sources citées Le résumé de l'IA et le contenu réel de la source ne correspondent pas toujours 5 Demander « es-tu sûr de ta réponse ? » Pousse l'IA à revérifier les chiffres avancés 6 Demander une auto-évaluation sur 10, puis demander d'atteindre 10/10 Incite l'IA à affiner et préciser sa réponse Sur le réflexe n°4 : j'ai un exemple personnel avec Perplexity, sur une recherche à propos d'une fonctionnalité de véhicule. L'outil m'avait donné plusieurs sources, dont une vidéo YouTube. En regardant l'intégralité de la vidéo, l'information censée s'y trouver n'existait tout simplement pas. Conclusion : toujours vérifier la source elle-même, pas seulement le résumé qu'en fait l'IA. Quel outil pour minimiser les hallucinations ?Outil Point fort observé Point de vigilance Perplexity Le plus fiable sur la fiabilité des sources citées, particulièrement en recherche web Vérifier tout de même le contenu réel des sources Claude Réponses très complètes Davantage sujet aux hallucinations selon mon usage Ce que la fiabilité de l'IA ne remplace pas : votre expertiseLe point le plus important de l'épisode n'est pas technique, il est méthodologique : ce qui nourrit réellement une IA, c'est le feedback qu'on lui donne. Et ce qui enrichit votre pratique, c'est votre propre expertise métier — pas le premier résultat généré. Trop de personnes, y compris en formation, s'arrêtent à la première réponse en se disant « je l'améliorerai plus tard ». C'est l'inverse du bon réflexe : il faut challenger l'IA avant de considérer la réponse comme acquise. En résuméGarder son esprit critique face à l'IA générative, ce n'est pas douter de tout en permanence — c'est adopter quelques réflexes simples et systématiques : contextualiser la date, demander des sources, les vérifier réellement, et challenger l'outil sur sa propre confiance. Ce sont ces petits gestes, répétés, qui transforment l'IA d'un outil qu'on subit en un outil qu'on pilote. 💡 Soutenez le podcast : ✅ Abonnez-vous à DigitalFeeling sur LinkedIn ✅ Rejoignez ma newsletter : substack.com/@elodiechenol ✅ Laissez 5 ⭐ sur Apple Podcasts ou Spotify ✅ Partagez cet épisode à un dirigeant qui en aurait besoin 🎙️ Abonnez-vous à Digital Feeling sur votre plateforme d'écoute préférée pour ne manquer aucun épisode. Hébergé par Audiomeans. Visitez audiomeans.fr/politique-de-confidentialite pour plus d'informations.