L'IA manque de philosophie
Les entreprises auditent l'IA après avoir fixé ses objectifs. La philosophie doit intervenir en amont, avant qu'une conception du travail ou de la performance ne devienne un système.
Au printemps 2026, un texte pontifical consacré aux transformations contemporaines a formulé avec une netteté rare ce que de nombreuses stratégies d’intelligence artificielle (IA) laissent encore dans l’ombre. Léon XIV y observe que "chaque choix de conception exprime une vision de l’humanité". La formule concerne directement les organisations qui confient à une IA le soin de classer des candidatures, d’évaluer un risque, de recommander une action ou de définir une priorité. Derrière chacun de ces usages se trouve une certaine idée du travail, du mérite, de la confiance ou de la performance. Une fois cette conception traduite en données, en indicateurs et en règles de décision, elle acquiert la force d’une infrastructure. Elle devient plus rapide à appliquer et plus difficile à discuter. La gouvernance de l’IA commence alors souvent trop tard. Elle examine les effets du système après que sa mission a déjà été considérée comme évidente.
Ce que l’entreprise automatise réellement
Une organisation ne confie pas seulement un problème à une IA. Elle lui confie aussi une manière de le définir. Dans Logic: The Theory of Inquiry, John Dewey montre qu’un problème prend forme au cours de l’enquête qui délimite une situation encore indéterminée et lui donne une direction. Formuler un problème oriente déjà l’action. Cette idée devient décisive lorsque le cadrage initial peut guider des milliers de décisions.
Supposons qu’une entreprise souhaite améliorer son service client. Elle peut définir la difficulté comme une durée excessive des échanges et demander à l’IA de réduire le temps moyen de traitement. Une conversation plus courte peut pourtant signaler une résolution rapide, mais aussi l’abandon d’un client ou l’évitement d’un dossier complexe. Le même enjeu aurait pu être formulé autour de la confiance, de la clarté des offres ou de la résolution durable. Chaque cadrage conduit à une autre intervention. L’IA peut accélérer le traitement d’une demande. La définition de cette demande reste une responsabilité humaine.
La même difficulté apparaît dans le recrutement. Identifier les "meilleurs candidats" suppose de définir le talent. Faut-il privilégier l’adéquation immédiate au poste, le potentiel d’apprentissage, la singularité d’un parcours ou la capacité à transformer une fonction ? Chaque réponse appelle d’autres données et produit d’autres classements. Le système rend ensuite cette définition opératoire, souvent avec une cohérence et une rapidité qui lui donnent l’apparence d’une évidence.
Les travaux de Rachel Etta Rudolph, Elay Shech et Michael Tamir montrent que la conception des systèmes d’apprentissage automatique engage aussi une forme d’ingénierie conceptuelle. Modifier un modèle peut revenir à modifier la manière dont une institution emploie des catégories sociales. L’IA industrialise ainsi moins des décisions isolées que les concepts qui les rendent possibles. Une définition approximative, autrefois limitée à quelques jugements locaux, peut devenir une règle appliquée à grande échelle. Une métrique choisie pour sa disponibilité peut progressivement se transformer en définition officielle de la réussite.
C’est ici que la philosophie acquiert un rôle propre. La technique permet de comprendre le système, ses capacités et ses limites. Le management organise son insertion dans le travail. L’éthique examine les droits, les responsabilités et les dommages possibles. La philosophie intervient bien plus tôt. Elle clarifie les concepts, compare les finalités et rend explicite la conception de la personne que le projet s’apprête à institutionnaliser. Elle évite qu’une préférence managériale, une convention de métier ou un indicateur commode ne devienne trop vite une vérité calculée.
Instituer une due diligence philosophique
Pour remplir cette fonction, la philosophie doit quitter le registre du commentaire et entrer dans le processus de décision. Tout projet d’IA significatif devrait faire l’objet d’une due diligence philosophique avant la validation du cas d’usage. Cette procédure aurait pour objet de vérifier que le problème, les concepts et les finalités confiés au système sont suffisamment solides pour être automatisés. Elle devrait précéder l’étude de faisabilité et figurer dans le dossier soumis à l’instance chargée d’autoriser le projet.
Le premier examen porterait sur la formulation du problème. Quelle situation l’entreprise cherche-t-elle réellement à transformer ? Pourquoi l’IA constitue-t-elle une réponse pertinente ? Quelles autres formulations ont été étudiées ? Une baisse de fidélité peut être interprétée comme un défaut de personnalisation, une dégradation du service, une perte de confiance ou une proposition de valeur devenue moins pertinente. Tant que ces hypothèses restent confondues, l’automatisation risque d’accélérer une réponse sans clarifier la question.
Le deuxième examen concernerait le concept central. Quel terme sera converti en score, en classement ou en recommandation ? Comment l’organisation définit-elle la qualité, le risque, la satisfaction ou le mérite ? Quelles définitions concurrentes pourraient être raisonnablement défendues ? Une métrique représente une finalité sans jamais l’épuiser. La due diligence philosophique oblige donc l’entreprise à distinguer ce qui se mesure facilement de ce qui possède réellement de la valeur.
Le troisième examen porterait sur les biens en tension. Accélérer un processus peut réduire l’attention accordée aux exceptions. Standardiser une décision peut renforcer la cohérence tout en diminuant la valeur du jugement situé. Personnaliser une offre peut accroître sa pertinence tout en enfermant l’utilisateur dans la continuité de ses comportements passés. La philosophie ne résout pas ces tensions à la place des décideurs. Elle les rend visibles assez tôt pour que les arbitrages puissent être assumés avant de devenir des routines techniques.
Le dernier examen concernerait la contestabilité. Qui pourra remettre en cause la définition initiale du problème ? Les personnes concernées pourront-elles seulement signaler une erreur, ou également discuter les catégories qui organisent la décision ? Une gouvernance complète doit pouvoir réviser la mission confiée à l’IA, et pas uniquement corriger ses résultats. La responsabilité porte autant sur la qualité de l’exécution que sur la légitimité de l’objectif poursuivi.
La philosophie améliore la stratégie
Ce travail d’explicitation ne ralentit pas la stratégie. Il évite qu’elle transforme trop vite une intuition fragile en investissement technologique. Une demande d’automatisation peut masquer une absence de priorité, un conflit entre plusieurs objectifs ou une dégradation de l’organisation. En soumettant le cadrage initial à la discussion, la philosophie révèle parfois que la réponse attendue relève moins d’un modèle que d’une transformation du travail, du service ou de la relation avec le client.
Cette démarche améliore aussi la qualité des indicateurs. Les organisations ont tendance à confondre ce qui est facilement quantifiable avec ce qui compte réellement. Dès qu’un objectif est converti en métrique, le risque apparaît de voir cette métrique devenir l’objectif lui-même. La due diligence philosophique maintient ouverte la distinction entre la valeur recherchée et son approximation chiffrée.
Elle protège enfin la diversité des interprétations. Lisa Messeri et Molly Crockett ont montré que les outils d’IA peuvent produire des illusions de compréhension et favoriser des monocultures intellectuelles. Une organisation peut générer davantage d’analyses tout en explorant moins de manières de comprendre son activité. La fluidité des réponses crée alors une impression de clôture. La philosophie réintroduit des alternatives. Elle demande quelle hypothèse est devenue invisible, quel concept rassemble artificiellement des réalités différentes et quelle finalité a été écartée avant d’être réellement examinée.
Une étude menée auprès de 319 professionnels montre également que l’usage de l’IA générative déplace l’effort critique vers la vérification et l’intégration des réponses. Ce déplacement peut être utile, mais il laisse entière une question plus profonde. Le cadre proposé mérite-t-il d’être accepté ? Une réponse peut être factuellement exacte et servir un problème pauvre. La philosophie permet de contrôler ce qui précède la vérification des faits, à savoir la construction de la question, la définition des concepts et la justification de la finalité.
Former à une quatrième compétence
La philosophie ne doit donc pas être ajoutée comme une culture générale périphérique. Elle doit devenir une compétence pratique. Savoir problématiser une demande, distinguer plusieurs définitions d’un même concept, expliciter les biens en tension, construire l’objection la plus solide à une décision et justifier une finalité. Ces exercices peuvent être intégrés aux projets d’IA, aux formations de dirigeants et aux processus d’investissement.
À mesure que les modèles deviennent accessibles à tous, l’avantage se déplace vers la qualité des missions qui leur sont confiées. Une organisation peut disposer d’outils puissants et rester prisonnière de concepts pauvres. Une autre utilisera les mêmes outils avec davantage de discernement parce qu’elle aura mieux formulé le problème, mieux défini la valeur recherchée et mieux organisé la contestation.
Former à l’IA exige dès lors quatre compétences complémentaires. La technique permet de comprendre les systèmes et leurs limites. Le management permet d’organiser leur intégration dans le travail. L’éthique permet de gouverner les droits, les responsabilités et les conséquences. La philosophie permet de choisir les fins, de clarifier les concepts et de préserver la possibilité de discuter la mission avant d’en automatiser l’exécution.
L’IA manque de philosophie lorsque ses objectifs paraissent aller de soi. Sa maîtrise commence au moment où l’organisation accepte de les remettre en question.