Nous demandons beaucoup à l’IA : comprendre, résumer, prévoir, décider, classer, générer, rassurer. Bien sûr, ces outils ont des capacités nouvelles. Mais leur succès culturel tient aussi à autre chose. Ils arrivent dans des sociétés saturées d’information, d’urgences, d’indicateurs, de risques et de contradictions. Ils offrent une forme rare : une réponse.
Cette réponse peut être utile. Elle peut aussi devenir un miroir. Ce que nous cherchons parfois dans l’IA n’est pas seulement une intelligence supplémentaire, mais une échappatoire à l’incertitude. Un interlocuteur qui tranche la complexité, stabilise le flou, transforme le doute en formulation acceptable.
L’IA ne crée pas notre désir de certitude.
Elle le rend conversationnel, disponible, presque ordinaire.
Les cultures humaines ont toujours fabriqué des dispositifs pour affronter l’incertain : oracles, rites, droit, expertise, statistiques, assurance, planification, prospective. L’oracle de Delphes ne donnait pas seulement une information ; il organisait une relation à l’avenir. La statistique moderne ne donne pas seulement des chiffres ; elle rend le hasard administrable. L’IA s’inscrit dans cette histoire longue des médiations entre ignorance et action.
L’incertitude n’est pas seulement un manque
Nous traitons souvent l’incertitude comme un défaut provisoire : il manquerait des données, de la puissance de calcul, un meilleur modèle. Parfois c’est vrai. Mais une partie de l’incertitude tient à la structure même des situations. Les acteurs changent, les valeurs divergent, les réactions modifient le phénomène, les conséquences ne sont pas toutes mesurables.
Dans le climat, l’économie, l’aménagement, la santé publique ou l’action collective, l’avenir dépend en partie de ce que nous ferons. Il ne s’agit donc pas seulement de prédire mieux. Il faut agir dans une situation où l’action transforme l’objet de la prévision.
On demande : “quel scénario retenir ?” Mais la vraie question est souvent : quels risques accepte-t-on, pour qui, à quel horizon, et avec quelle capacité de révision ?
Un classement paraît aider à décider. Mais il peut transformer une situation humaine en critères stables, alors que le conflit porte sur la confiance, la trajectoire ou la responsabilité.
Un chiffre rassure : hauteur d’eau, température, coût, probabilité. Mais la décision dépend aussi d’usages futurs, de maintenance, de vulnérabilités sociales et de choix politiques.
C’est ici que l’IA peut devenir ambiguë. Elle excelle à produire des continuités : phrases, scénarios, synthèses, plans. Elle rend le monde narrativement plus stable. Mais une bonne narration peut masquer une mauvaise incertitude. Elle peut donner une forme à ce qui devrait rester problématique.
Trop de registres, d’acteurs, de délais et de conséquences.
Le trouble devient une demande claire, souvent trop bien cadrée.
Le modèle produit un récit continu, plausible, immédiatement utilisable.
Le jugement semble déplacé vers la qualité de la réponse.
La comparaison culturelle
Le désir d’éviter l’incertitude traverse les époques. Pascal distinguait l’esprit de géométrie et l’esprit de finesse : certaines choses se démontrent, d’autres se discernent dans des relations subtiles. Hannah Arendt rappelait que l’action humaine ouvre de l’imprévisible parce qu’elle se déploie entre plusieurs personnes. Les traditions tragiques, elles, montrent que l’intelligence ne supprime pas toujours le conflit ; parfois elle le rend plus visible.
L’IA arrive dans un moment où nous supportons mal cette pluralité. Les institutions veulent piloter, les organisations veulent sécuriser, les individus veulent réduire la charge mentale. Le modèle devient attractif parce qu’il transforme le monde en problème formulable.
Nous ne risquons pas seulement de croire que l’IA sait.
Nous risquons de préférer les situations que l’IA sait traiter.
Ce déplacement est discret. On ne demande pas explicitement au réel de devenir plus simple. On privilégie seulement les objets qui entrent bien dans les systèmes : documents bien formés, données propres, décisions scorables, procédures répétables. Le reste devient bruit, exception, dette ou inconfort.
Une autre manière d’utiliser l’IA
Il existe pourtant une manière plus féconde d’utiliser ces outils : non pas pour supprimer l’incertitude, mais pour la travailler. Demander plusieurs hypothèses. Faire apparaître les désaccords. Distinguer ce qui est documenté, probable, contesté, inconnu. Produire des questions plutôt que seulement des réponses. Transformer une intuition en protocole vérifiable.
Une IA bien employée peut devenir un instrument de clarification. Elle peut aider à nommer les incertitudes, à repérer les angles morts, à comparer des récits concurrents, à rendre une décision plus explicite. Elle peut augmenter notre capacité à rester dans le trouble assez longtemps pour ne pas conclure trop vite.
Cette question pousse l’IA vers la clôture : synthèse, recommandation, solution apparemment propre.
- Quelle incertitude peut être réduite ?
- Quelle incertitude doit rester visible ?
- Quels désaccords sont lissés par la réponse ?
- Quelles hypothèses changeraient la conclusion ?
- Qui assume la décision après la réponse ?
Cela demande une discipline presque inverse de l’usage spontané. Ne pas chercher la réponse la plus fluide. Demander la limite, la source, l’hypothèse, le contre-exemple, l’alternative. Ne pas confondre assurance grammaticale et solidité du jugement.
L’IA nous renvoie donc une question culturelle, mais aussi très pratique : voulons-nous des machines qui calment notre peur de l’incertitude, ou des outils qui nous aident à l’habiter plus intelligemment ? Dans une organisation, cela se voit à la manière de poser les questions, de garder les désaccords ouverts, de documenter les hypothèses et de dire explicitement qui répond de la décision.
La réponse technique dépendra de cette réponse morale.