Une réponse fluide donne facilement l’impression d’être maîtrisée. Une IA peut pourtant combiner une information exacte, une date dépassée et une source inventée dans le même paragraphe. La bonne méthode n’est pas de tout suspecter indistinctement, mais d’adapter la vérification à l’usage prévu.
Un brouillon interne sans conséquence et un conseil juridique transmis à un client ne nécessitent évidemment pas le même niveau de contrôle. Commencez donc par classer l’impact avant de relire le style.
1. Reformuler la question et le périmètre
Notez en une phrase ce que la réponse devait résoudre. Vérifiez le pays, la période, le public, le produit ou la version concernés. Une réponse peut être exacte pour les États-Unis et inapplicable en France, ou correcte pour une ancienne version d’un logiciel.
2. Séparer les faits des recommandations
Surlignez les dates, chiffres, noms, obligations, citations et caractéristiques techniques. Ce sont les éléments vérifiables. Distinguez-les des conseils, hypothèses et préférences, qui doivent être évalués selon le contexte plutôt que confirmés comme des faits.
3. Retrouver la source primaire
Pour une loi, partez du texte officiel ou de l’autorité compétente. Pour une fonction logicielle, consultez la documentation de l’éditeur. Pour une vulnérabilité, recherchez l’avis du fournisseur, le CERT ou la base de référence. Un article secondaire peut expliquer, mais il ne doit pas être la seule preuve d’une affirmation importante.
4. Contrôler la date de l’information
Demandez quand la source a été publiée et quand l’événement s’est produit. Une page récemment mise à jour peut résumer une règle ancienne ; à l’inverse, un document daté peut rester le référentiel applicable. Vérifiez aussi si une proposition a été adoptée, si une fonctionnalité est disponible en France et si le calendrier a changé.
5. Ouvrir réellement les liens et citations
Ne validez jamais une référence sur son apparence. Ouvrez-la, recherchez le passage correspondant et vérifiez qu’elle soutient précisément l’affirmation. Une source sérieuse peut être réelle mais hors sujet, ou exprimer une nuance que le résumé a supprimée.
6. Refaire les calculs hors du modèle
Recopiez les valeurs dans une calculatrice ou un tableur. Contrôlez les unités, taxes, arrondis, périodes et hypothèses. Pour un tableau, vérifiez que les totaux correspondent aux lignes et qu’aucune catégorie ne manque. Une explication élégante ne corrige pas une formule fausse.
7. Chercher une contradiction et un cas limite
Posez une question adverse : « Dans quel cas cette conclusion serait-elle fausse ? ». Comparez avec une seconde source indépendante et testez un exemple réel. Pour une procédure technique, reproduisez l’action dans un environnement de test plutôt que directement en production.
8. Faire valider par la bonne compétence
La relecture doit être confiée à la personne capable d’identifier l’erreur pertinente : comptable, juriste, administrateur, responsable métier ou propriétaire du processus. Une validation hiérarchique sans compétence technique peut donner un feu vert sans réduire le risque.
Construire une preuve de vérification proportionnée
- Faible impact : relecture, source principale et test rapide.
- Impact moyen : deux sources, calcul indépendant et validation métier.
- Impact fort : sources officielles, version conservée, approbation nominative et procédure de retour arrière.
Conservez l’URL, la date de consultation et la décision pour les productions sensibles. Il n’est pas nécessaire d’archiver chaque conversation : la trace doit permettre de comprendre ce qui a été validé et sur quelle base.
Les signaux qui imposent de s’arrêter
Soyez particulièrement prudent lorsque l’IA fournit une citation introuvable, refuse de distinguer certitude et hypothèse, mélange plusieurs juridictions, annonce une exclusivité mondiale ou donne un chiffre très précis sans méthode. Dans ce cas, reprenez la recherche depuis la source plutôt que de multiplier les reformulations du même modèle.
La vérification n’annule pas le gain de temps. Elle concentre l’attention humaine sur les points qui produiraient une vraie conséquence si l’IA se trompait.
Article informatif. Les outils, règles et pratiques peuvent évoluer : vérifiez les sources officielles et adaptez les recommandations aux risques de votre organisation.
