IA générative et pensée critique : ce que 问 nous apprend sur le prompt
“We can only see a short distance ahead, but we can see plenty there that needs to be done.” Alan Turing.
L’IA générative est souvent présentée comme un outil d’accélération. Qui n’a pas remarqué qu’elle produit, analyse, synthétise plus vite. C’est une révolution dans le quotidien de nombre de professionnels. Et c’est précisément là que commence le problème.
Car aller plus vite ne signifie pas nécessairement penser mieux.
Dans un monde saturé de prompts prêts à l’emploi, de méthodes en cinq étapes et de carrousels LinkedIn qui promettent de “dompter l’IA” en deux clics sans prendre le temps de penser l’outil, une question mérite d’être posée : que faisons-nous réellement lorsque nous questionnons une intelligence artificielle ?
La réponse ne se trouve pas seulement dans la technique. Il serait trop confortable de penser qu’elle se trouve dans des templates de structures de prompts répondant à des situations précises et ne correspondant pas à notre réel. Elle se trouve aussi dans la culture, dans la philosophie, dans le rapport au langage, et peut-être, plus profondément encore, dans une certaine manière chinoise de regarder le passage entre la question et la compréhension.
问 : Questionner, ce n’est pas simplement demander
Le caractère chinois 问, wèn, signifie demander, interroger, questionner. Dans sa forme simplifiée, il combine 口, la bouche, et 门, la porte. Il faut rester prudent : il s’agit d’un composé phono-sémantique, où 口 porte l’idée liée à la parole, tandis que 门 joue un rôle phonétique. (source)
Cette précision est importante. Sans elle, on tombe vite dans la poésie de comptoirs d’aéroport, celle qui transforme trois traits chinois en sagesse millénaire pour conférence TedX à Mar el Lago.
Pourtant, même avec cette rigueur, l’image demeure féconde. 问 met en scène une parole liée à un seuil. Questionner, ce n’est donc pas seulement produire une phrase interrogative. Je reformule : questionner ce n’est pas uniquement poser une question. C’est accepter qu’il existe un passage entre ce que l’on croit savoir et ce que l’on cherche vraiment.
Appliqué à l’IA générative, ce caractère devient une métaphore imagée. Le prompt n’est pas une simple commande. Il est la manière dont l’humain organise son entrée dans un espace de réponse.
Le prompt comme porte intellectuelle
Beaucoup d’utilisateurs jugent l’IA trop vite. Ils formulent une demande rapide, obtiennent une réponse moyenne, puis concluent que l’outil est limité. Parfois, ils ont raison. Mais souvent, la faiblesse ne vient pas seulement du modèle. Elle vient de la porte construite pour y entrer.
Un prompt pauvre ouvre mal. Il laisse entrer trop de bruit, trop d’implicite, trop de confusion. Il confond la demande visible avec le besoin réel. L’utilisateur croit demander un texte, alors qu’il cherche parfois une position. Il croit demander une synthèse, alors qu’il cherche un arbitrage. Il croit demander une stratégie, alors qu’il cherche surtout à clarifier un risque. L’IA répond à ce qui est formulé ; la pensée critique doit retrouver ce qui est réellement en jeu. C’est ici que la pensée critique devient décisive. Elle oblige à ralentir avant de formuler. Elle force à distinguer ce que l’on veut produire de ce que l’on veut comprendre. Elle évite aussi de transformer l’IA en machine à confirmer nos propres certitudes.
Une porte ne sert pas seulement à entrer. Elle sert aussi à filtrer. Dans le travail avec l’IA, cette nuance est décisive. Un bon prompt ne doit pas seulement ouvrir l’espace de réponse. Il doit aussi empêcher certaines facilités d’y pénétrer : les évidences recyclées, les formulations trop générales, les biais de confirmation et les réponses séduisantes qui donnent l’impression de penser à notre place.
Il faut cependant prendre gare à la porte. Certaines vous feront pénétrer dans une salle bien décorées aux attributs séduisants, exactement la pièce que vous cherchiez, mais ce n’est peut-être pas celle qu’il vous faut. L’intervention humaine est une fois de plus au centre de la réflexion, sans cette validation, l’erreur n’est jamais loin.
Le contexte revêt également une importance des plus importantes. Il faut savoir filtrer les informations que l’on donne à l’IA, contextualiser son prompt en affinant sa demande. C’est un peu comme un comédien lorsqu’il se met dans la peau d’un personnage. Il ne va pas seulement apprendre son script, il se doit aussi de connaitre son passé, ses réussites, ses erreurs, l’histoire de tous les membres de sa famille, la météo du jour où il récite son script, dans quel environnement, ses soucis du moment, son état d’esprit. Un monde se dessine, le contexte est la peau dans laquelle la formulation du problème va architecturer précisément la meilleure décision.
Une interaction sérieuse avec l’IA ne se joue presque jamais en une seule réponse. Le premier prompt ouvre rarement la bonne porte du premier coup. Il permet plutôt de voir ce qui manque, ce qui résiste, ce qui doit être reformulé. L’itération n’est donc pas une correction cosmétique. C’est une méthode d’enquête.
Le NIST rappelle que les systèmes d’IA générative peuvent produire des contenus faux mais formulés avec assurance. Ce risque, souvent appelé hallucination ou confabulation, ne relève pas seulement d’un problème technique. Il devient un problème intellectuel lorsque l’utilisateur n’a pas prévu de mécanisme de vérification. (source NIST)
Une réponse élégante peut donc être une mauvaise réponse. C’est même l’un des pièges les plus intéressants de l’IA : elle peut donner au bruit une apparence d’intelligence.
问 et 悟 : de la question à la compréhension
Le caractère 问 ouvre la question. Le caractère 悟, wù, renvoie à une compréhension plus profonde, à une prise de conscience, à ce moment où une idée cesse d’être seulement formulée pour devenir intégrée. Entre les deux, il y a tout le travail.
C’est là que la collaboration avec l’IA devient vraiment intéressante. L’enjeu n’est pas de demander à la machine de penser à notre place. Il est de l’utiliser pour mieux faire apparaître ce que notre propre question contient déjà : ses angles morts, ses contradictions, ses hypothèses faibles, ses dépendances invisibles.
Un dirigeant, un consultant ou un stratège ne devrait pas utiliser l’IA comme un distributeur automatique de réponses. Il devrait l’utiliser comme un espace de confrontation. C’est moins confortable, évidemment. Mais le confort intellectuel a rarement produit des décisions solides.
Une réponse produite par l’IA n’est pas encore une information fiable. Une information fiable n’est pas encore une analyse. Une analyse n’est pas encore une décision. Cette distinction paraît évidente, mais elle disparaît vite lorsque la réponse est fluide, bien structurée et immédiatement exploitable en apparence. Pour un dirigeant, c’est précisément là que le risque commence : confondre la qualité formelle d’une réponse avec sa valeur stratégique réelle.
J’ai développé cette idée dans mon article sur la culture chinoise, le wù et le discernement des dirigeants. L’IA devient réellement utile lorsqu’elle aide à déplacer la pensée, pas lorsqu’elle la flatte.
La pensée chinoise comme antidote au prompt pauvre
Ce que la pensée chinoise apporte ici, ce n’est pas un décor exotique. C’est une manière d’observer les relations.
Un problème réel n’est presque jamais isolé. Il dépend d’une multitude d’éléments à prendre en considération : un contexte, un langage, une intention, une temporalité, un niveau de risque, un public, un environnement culturel et des critères de décision. Si l’on traite ces éléments comme des silos, l’IA produira une réponse propre, mais partielle. Ces dépendances doivent être reliées, et ces ponts ont encore besoin de l’intervention humaine.
Le problème n’est donc pas toujours le manque d’informations. Dans beaucoup de situations, les données existent déjà, les intuitions aussi, les expériences également. Ce qui manque, c’est souvent le passage entre elles. Le prompt, lorsqu’il est bien construit, devient ce lieu de passage entre information, contexte, intention, risque et décision.
La pensée chinoise invite davantage à regarder les interactions, les équilibres, les passages et les tensions mais aussi les vides qui relient ces points. Dans cette perspective, le prompt devient moins une instruction qu’un lieu de mise en relation.
C’est précisément ce que j’aborde dans mon analyse sur les variables codépendantes comme prochaine frontière de l’IA stratégique. La valeur ne vient pas seulement de la quantité d’informations données à l’IA. Elle vient de la manière dont ces informations sont reliées.
Voilà pourquoi les recettes de prompt engineering que l’on voit passer partout restent insuffisantes. Elles peuvent aider à structurer une demande. Elles ne suffisent pas à structurer une pensée.
Avant de questionner l’IA, il faut parfois laisser travailler le silence
L’un des points les plus importants est aussi l’un des moins rentables sur les réseaux sociaux : avant de prompter, il faut parfois ne rien écrire.
Ce silence n’a rien de mystique. Il ne s’agit pas d’allumer trois bougies, de contempler une montagne et d’attendre que l’algorithme vous parle comme un moine taoïste. Il s’agit simplement de laisser le problème se déposer.
Dans le travail intellectuel, certaines connexions apparaissent quand l’attention se déplace. On lit, on bloque, on fait autre chose, puis une relation surgit. Ce temps n’est pas une perte. C’est une phase de traitement.
L’IA pousse à l’immédiateté. La pensée critique, elle, demande parfois une latence. Et c’est précisément cette tension qui doit être maîtrisée.
Le miroir algorithmique
L’IA générative agit comme un miroir. Elle ne reflète pas seulement notre demande. Elle reflète notre manière de formuler, notre rapport au contexte, nos oublis, nos raccourcis, nos biais et encore nos vides.
Deux personnes utilisant le même modèle n’obtiendront pas les mêmes résultats, parce qu’elles ne pensent pas avec les mêmes mots, ne donnent pas la même profondeur de contexte et ne hiérarchisent pas les mêmes priorités. Elles ne savent pas toujours distinguer le symptôme du problème.
C’est pourquoi l’IA amplifie autant qu’elle assiste. Elle peut amplifier une pensée claire, mais elle peut aussi amplifier une confusion. Elle peut aider à faire émerger une intuition solide, mais elle peut aussi donner une belle forme à une idée fragile. Le risque n’est donc pas seulement que l’IA produise du faux. Il est aussi qu’elle produise du neuf en surface avec de l’ancien en profondeur.
Les principes de l’OCDE sur une IA digne de confiance rappellent l’importance de la transparence, de la responsabilité et du contrôle humain. Ces principes ne sont pas des ornements institutionnels. Ils rappellent que l’humain doit rester capable de comprendre, challenger et assumer ce que l’IA produit. (source OCDE)
La langue du prompt : un détour, pas le centre
La langue utilisée pour interagir avec l’IA compte, bien sûr. L’anglais peut parfois donner de meilleurs résultats selon les modèles, les domaines et les corpus mobilisés. Mais ce point ne doit pas devenir une obsession technique.
Le vrai sujet n’est pas seulement la langue choisie. C’est la vision du monde qu’elle transporte. Une langue organise les nuances, les implicites, les priorités et les angles d’approche.
J’ai traité ce sujet plus directement dans mon article sur la langue de prompt et le choix de la meilleure langue pour parler à l’IA. Ici, retenons surtout ceci : la qualité d’une interaction avec l’IA ne dépend pas uniquement du vocabulaire. Elle dépend de la structure de pensée qui précède les mots.
问 comme discipline de pensée
Le caractère 问 nous rappelle une chose simple : questionner, c’est organiser un passage.
Face à l’IA générative, cette idée devient stratégique. Le prompt ne devrait pas être compris comme une phrase magique, ni comme une astuce de productivité. Il devrait être pensé comme une discipline de clarification.
Bien prompter ne consiste pas seulement à obtenir une réponse plus rapide. Cela consiste à construire les conditions d’une meilleure compréhension. Cela demande du contexte, du doute, de la contradiction, une conscience des biais et une validation humaine sérieuse.
L’IA générative n’est donc pas un outil comme les autres. Elle nous oblige à regarder la qualité de nos questions. Elle révèle notre capacité à relier les informations, à filtrer le bruit et à accepter que la réponse puisse transformer la question.
Ce dernier point mérite de s’y arrêter. La production de contenu est ce que l’on attend d’une IA générative. Ce que l’on attend moins est qu’elle vienne bousculer nos certitudes, ce qui pourtant est le critère de progression d’une problématique ou d’une décision.
C’est peut-être là que 问 rejoint 悟 : la question ouvre un seuil, mais la compréhension n’apparaît que lorsque l’humain accepte de traverser ce seuil avec méthode.
Pour prolonger cette réflexion, vous pouvez lire d’autres analyses sur mon blog, découvrir mon travail sur DavidTabacznyj.com ou poursuivre l’échange sur mon profil LinkedIn.
