Traiter l'IA comme un stagiaire ? La force de l'analogie — et les trois endroits où elle casse

Le conseil le plus durable sur le travail avec l'IA tient en une phrase : traitez-la comme un stagiaire très rapide et très sûr de lui. L'analogie mérite sa popularité parce qu'elle importe, en un geste, toute la boîte à outils managériale que les gens possèdent déjà — et cette boîte à outils est en grande partie correcte.

Vous ne donneriez pas à un stagiaire une consigne vague d'une ligne pour publier ce qui revient ; vous écrivez un brief. Vous ne lui donneriez pas la carte bancaire de l'entreprise le premier jour ; vous cadrez son autorité et placez des points de contrôle sur les actions à conséquences. Vous relisez son travail avant diffusion, vous donnez un retour précis au lieu de tout recommencer, et vous restez responsable de ce qui sort sous votre nom. Chacune de ces habitudes se transfère intacte à l'usage de l'IA, et la plupart des incidents — le document non vérifié déposé, l'agent qui a écrit au mauvais destinataire — sont des échecs précisément de ces habitudes.

L'analogie installe aussi le bon registre émotionnel : ni vénération ni mépris, mais supervision. Cela seul prévient les deux postures d'échec les plus courantes — traiter le modèle en oracle, et refuser de déléguer quoi que ce soit.

Mais les analogies font des dégâts à leurs bords, et celle-ci a trois bords à marquer.

Cassure un : le stagiaire apprend, le modèle non

Un stagiaire humain intériorise vos retours ; la correction se compose en confiance. Un modèle ne se souvient pas mercredi de la correction de mardi — « l'apprentissage » vit dans vos prompts, vos consignes enregistrées et la conception de vos workflows, pas dans le travailleur. Conséquence managériale : la confiance gagnée par un modèle sur une classe de tâches ne se généralise jamais comme la confiance en une personne, et l'amélioration est un artefact à votre charge. Les équipes qui ratent cela « re-forment le stagiaire » dans le chat en boucle et s'étonnent que rien ne tienne ; le remède est de déplacer ce qui a marché vers des instructions permanentes et des gabarits.

Cassure deux : le stagiaire sait quand il est perdu

La production la plus précieuse d'un stagiaire correct est la phrase « je ne suis pas sûr de celui-là ». Chez les humains, la confiance suit grossièrement la compétence — c'est le signal sur lequel tourne toute la boucle de management. Les modèles cassent ce signal : la sortie se lit avec la même assurance sur du solide et sur du faux, ce que la recherche sur le biais d'automatisation et la frontière déchiquetée mesure sans relâche. Conséquence : l'effort de relecture ne peut pas être alloué selon la confiance apparente du travailleur, comme on relit les humains. Il doit l'être selon l'enjeu et la vérifiabilité de l'affirmation — une discipline à laquelle rien dans l'expérience managériale ordinaire ne prépare, et la chose principale qu'une formation à l'IA doit construire délibérément.

Cassure trois : le stagiaire est une personne, le modèle en est mille

Un stagiaire fait une tâche à la fois, et les erreurs restent à peu près proportionnées à l'effort. Un modèle — et surtout un agent — passe à l'échelle : un gabarit défectueux devient cinq cents lettres défectueuses avant midi ; une hypothèse fausse s'exécute sur tout un lot. La conséquence est une règle de management sans équivalent humain : piloter petit, inspecter, puis seulement passer à l'échelle — parce que des taux d'erreur tolérables à volume humain deviennent des incidents à volume machine, et que la fenêtre entre « erreur » et « dégâts » se ferme à vitesse machine.

Utiliser l'analogie à dessein

La synthèse pratique, pour la formation comme pour l'habitude personnelle : garder l'analogie du stagiaire comme cadre par défaut, parce que brief, périmètre, points de contrôle et responsabilité sont le bon squelette. Puis y visser les trois corrections comme règles explicites — la persistance vit dans vos prompts et gabarits, pas dans le modèle ; relire selon l'enjeu, jamais selon la confiance ; passer à l'échelle seulement après inspection.

Enseignée ainsi, l'analogie devient mieux qu'une métaphore : un pont entre les compétences de management que les étudiants et professionnels possèdent déjà et les disciplines réellement nouvelles que l'IA exige. La partie familière abaisse la barrière. Les trois cassures sont la leçon.