Objectif
Passer d'un écart constaté à une cause suffisamment vérifiée pour choisir une correction raisonnable.
Cours
Le chemin est :
écart → causes possibles → vérification → cause suffisamment établie → correction.
Règle de proportion
Plus la décision est chère, risquée ou difficile à annuler, plus la vérification doit être solide.
« Suffisamment établi » ne veut pas dire « certain à 100 % ». Cela veut dire que les éléments dont on dispose suffisent pour la décision envisagée.
Grille pratique
Pour chaque cause envisagée, notez :
- la cause supposée ;
- l'observation ou le test qui permettrait de la vérifier ;
- le résultat du test ;
- ce qui la confirme ;
- ce qui la contredit ;
- le risque et le coût de la correction ;
- la décision possible.
Exemple — exemple inventé
Un salon de coiffure prend ses rendez-vous en ligne. Environ 5 rendez-vous sur 100 n'apparaissent pas dans l'agenda. La gérante pense que le logiciel de réservation est en cause et veut en changer.
Avant de changer de logiciel, il faut comparer les rendez-vous perdus avec ceux qui sont bien arrivés et chercher ce qui les différencie.
Exercice 1
Dans un salon, 2 rendez-vous en ligne sur 100 disparaissent. Le logiciel de réservation est accusé.
Quelle première vérification est la plus utile ?
Correction
A. Elle teste l'hypothèse sur les vrais rendez-vous du salon, sans engager tout de suite une correction coûteuse. C peut aider, mais l'éditeur ne connaît pas les rendez-vous de ce salon ; B et D corrigent avant de savoir.
Exercice 2
Trois factures ont un montant faux : deux ont été saisies à la main, une vient d'une importation automatique. Peut-on conclure que l'importation est toujours responsable ?
Correction
Non. Trois cas ne suffisent pas, et deux sur trois viennent d'ailleurs.
À retenir
Une petite correction facile à annuler demande moins de vérifications qu'un changement de logiciel coûteux et difficile à défaire.
Synthèse
Ne pas confondre écart constaté et cause établie.
Avec une IA — Faire trouver des pistes, pas une cause toute faite
Principe
Une IA est très utile pour allonger la liste des causes possibles et proposer des tests qui les départagent.
Mais elle peut écrire une explication très convaincante sans avoir les observations qui la prouvent.
Une cause proposée par une IA reste une hypothèse tant qu'elle n'est pas vérifiée.
Exemple guidé
Écart : 5 rendez-vous en ligne sur 100 n'apparaissent pas dans l'agenda.
Demande (prompt) :
« Donne plusieurs causes possibles à cet écart. Pour chacune, indique ce qui la confirmerait, ce qui la contredirait, et un test pour les départager. Ne désigne aucune cause comme certaine. »
Exemple de réponse d'une IA
« Cause possible 1 : les rendez-vous pris depuis un téléphone se perdent plus souvent. Test : comparer le type d'appareil des rendez-vous perdus et des autres. Cause possible 2 : les rendez-vous pris la nuit, pendant la sauvegarde automatique, se perdent. Test : comparer les heures de réservation. »
Cette réponse est un bon point de départ, mais chaque piste doit être confrontée aux données réelles.
Exercice IA 1 — Repérer l'excès d'assurance
L'IA écrit :
« Le logiciel de réservation est la cause du problème. Il faut en changer. »
Question : quel est le défaut principal de cette réponse ?
Correction
Réponse : A.
Explication : aucune vérification n'est présentée, et la correction proposée est lourde alors que la cause n'est pas établie.
Exercice IA 2 — Vérifier une grille faite par l'IA
Vous avez demandé à l'IA de remplir une grille. Voici sa réponse :
« Cause 1 : réservations depuis un téléphone. Test : comparer le type d'appareil des rendez-vous perdus et des autres. — Cause 2 : réservations pendant la sauvegarde de nuit. Test : comparer les heures de réservation. — Cause 3 : le logiciel est trop ancien. Test : lire les avis sur internet à propos de ce logiciel. »
Question : quel test ne permet pas de départager les causes ?
Correction
Réponse : C.
Explication : le test de la cause 3. Lire des avis sur internet ne dit rien sur les rendez-vous perdus de ce salon : il ne peut ni confirmer ni écarter la cause. Les tests 1 et 2 comparent des rendez-vous réels et peuvent départager les explications.
Exercice IA 3 — Revoir son raisonnement après un test
L'IA avait proposé : « Les rendez-vous perdus viennent probablement des réservations faites depuis un téléphone. » Le test ne montre aucune différence entre téléphone et ordinateur.
L'IA répond :
« Le test n'a pas confirmé la piste du téléphone, mais le problème est sans doute plus subtil : le logiciel reste probablement responsable. »
Question : que faites-vous ?
Correction
Réponse : B.
Explication : le résultat affaiblit la piste du téléphone. Il ne prouve rien sur le logiciel : il ne faut pas « sauver » une autre explication sans preuve. Il faut reprendre les autres pistes (par exemple l'heure de réservation) et choisir un nouveau test, proportionné à la décision.
Dans votre activité
Le réflexe : avant de corriger, demandez-vous : quel petit test me dirait si cette cause est la bonne ? Plus la correction coûte cher ou est difficile à défaire, plus il faut vérifier avant.
Par exemple (cas inventé) : un électricien ne reçoit pas toutes les demandes de devis de son site et pense en changer. Il s'envoie d'abord trois demandes depuis trois adresses e-mail différentes : une seule n'arrive pas. Le site entier n'est pas en cause ; la piste se resserre, et un changement de site serait une dépense inutile.
Avec une IA : demandez-lui des pistes et des tests possibles, pas « la » cause. Le test, c'est vous qui le faites.