« On relira à la fin. »
Pour une petite tâche, ça peut très bien marcher.
Quand une IA produit vite, beaucoup, ou enchaîne plusieurs étapes, la relecture finale peut en revanche devenir une drôle de stratégie : on laisse le système fabriquer vingt choses, puis on espère repérer l’erreur au bout.
Je préfère décider avant où le contrôle doit vivre.
Tout ne mérite pas le même niveau de vérification
Une reformulation interne peut prendre trente secondes à relire.
Un chiffre destiné à un client mérite une comparaison avec sa source. Une synthèse de réunion doit au moins garder les décisions et les échéances importantes. Un texte réglementaire demande des sources primaires.
Si tu contrôles tout avec la même intensité, tu vas soit perdre tout le temps gagné, soit finir par ne plus vraiment contrôler.
Sur une synthèse de réunion, par exemple, je regarderais quatre choses : les décisions prises, les actions, les responsables et les dates explicites.
Le style peut être moyen. Ce n’est pas grave.
Si une décision disparaît, là c’est un problème.
Le contrôle devient beaucoup plus simple quand on sait ce qui compte.
La qualité ne doit pas annuler le gain
Si la tâche prend dix minutes manuellement et que la vérification de l’IA en prend douze, on n’a pas gagné de temps.
Ça ne veut pas forcément dire que l’usage est mauvais. Peut-être que le contrôle est mal placé, que la consigne est floue ou que la tâche n’était pas un bon candidat.
Mais il faut mesurer le coût total, pas seulement admirer la vitesse de génération.
On peut demander à un second passage de comparer la synthèse avec la source, de signaler les chiffres sans référence ou de vérifier qu’une liste d’éléments obligatoires est présente.
Ça ne remplace pas la responsabilité humaine, mais ça réduit le travail mécanique de vérification.
Et surtout, ça rend le contrôle reproductible au lieu de dépendre de « j’ai lu vite fait et ça avait l’air bon ».
Le contrôle qualité devient une compétence de travail
Le Work Trend Index 2026 de Microsoft décrit justement l’évolution des rôles et des modes de travail autour de l’IA. Voir le baromètre.
À mes yeux, apprendre à utiliser l’IA sans apprendre à contrôler ce qu’elle produit, c’est apprendre la moitié du métier.