« Trois semaines. »
C'est ce que l'assistant a répondu, en une seconde, à un chargé d'affaires qui lui demandait le délai de livraison d'une pièce.
Le chargé d'affaires a écrit trois semaines au client. La pièce est arrivée six semaines plus tard.
Et l'assistant n'avait jamais vu ce fournisseur de sa vie.
Personne n'a menti
Il faut le dire tout de suite, parce que c'est le contraire de ce qu'on croit : l'outil n'a pas déraillé, et il n'a pas non plus été mal installé.
Il a fait exactement ce pour quoi il est construit. Il a produit la réponse la plus vraisemblable.
Or trois semaines, pour ce type de pièce, c'est vraisemblable. C'est même vrai la plupart du temps. Ce jour-là, non, parce que ce fournisseur-là avait deux mois de retard sur toute sa production.
L'assistant n'avait aucun moyen de le savoir. Il n'est branché ni sur les commandes de l'entreprise, ni sur l'historique des livraisons, ni sur quoi que ce soit qui appartienne à la maison.
Il a répondu quand même.
Et voilà ce que ça a vraiment coûté
Reprenez la scène et regardez ce qui s'est passé au moment précis où la réponse est apparue à l'écran.
Elle est arrivée en une seconde, bien tournée, sans hésitation. Exactement comme quand elle répond juste.
C'est ça, le problème. Ce n'est pas qu'elle s'est trompée. C'est qu'elle a dit une chose qu'elle ignorait sur le même ton qu'une chose qu'elle sait.
Comparez avec un collègue. Quand vous demandez un délai à quelqu'un qui ne le connaît pas, il hésite, il dit « attends, je regarde », il vous rappelle. Cette hésitation ne vous agace pas, elle vous informe : elle vous dit qu'il faut vérifier.
La machine, elle, n'hésite jamais. Donc personne ne vérifie, puisque rien n'indique qu'il faudrait le faire.
Le chargé d'affaires n'a pas été négligent. Il n'avait aucun signal.
On les a notées comme à un examen
Reste à comprendre pourquoi elles font ça, parce que ce n'est ni un bug ni un accident.
OpenAI a publié en septembre 2025 un travail qui l'explique, et l'explication tient dans une image que tout le monde comprend.
On évalue ces outils comme on note un élève à un examen à choix multiples. Une bonne réponse rapporte un point. Une mauvaise réponse ne rapporte rien. Et une case laissée vide ne rapporte rien non plus.
Alors mettez-vous à la place de l'élève. Si vous ne savez pas, vous avez tout intérêt à deviner : au pire vous avez zéro, ce que vous auriez eu de toute façon, et au mieux vous tombez juste.
C'est exactement ce qu'on a appris à ces machines, pendant des années, en les notant sur leur taux de bonnes réponses. Deviner rapporte. Dire « je ne sais pas » ne rapporte rien.
Les chiffres publiés par OpenAI dans le même document rendent la chose très concrète. Sur un test de questions factuelles, un de leurs modèles refuse de répondre dans 1 % des cas seulement, et il se trompe dans 75 % de ses réponses. Un autre, entraîné à s'abstenir, refuse de répondre plus d'une fois sur deux, et ses erreurs tombent à 26 %.
Le second passe pour moins performant, puisqu'il répond moins souvent. En entreprise, c'est pourtant le seul des deux avec lequel on peut travailler.
Ce qui change tout : lui donner de quoi aller voir
Une équipe de chercheurs de l'EPFL, de l'institut ELLIS de Tübingen et de l'institut Max Planck a publié en février 2026 un test qui pousse ces outils dans leurs retranchements, sur 950 questions de droit, de médecine, de recherche et de code.
Le résultat qui nous intéresse ici n'est pas le classement des modèles. C'est l'écart entre deux façons de les interroger.
Le même modèle, à qui on demande de répondre de mémoire, se trompe environ six fois sur dix. Le même modèle, autorisé à aller chercher ses sources avant de répondre, tombe autour de trois fois sur dix.
Rien n'a changé dans la machine entre les deux mesures. On lui a seulement donné le droit d'aller voir.
Attention quand même
Il ne faut pas en tirer que ces outils sont dangereux, ni qu'il faudrait s'en passer.
Cette capacité à combler, à proposer, à dérouler une réponse plausible est précisément ce qui les rend utiles. Un outil qui répondrait « je ne sais pas » à une question sur trois serait vite abandonné, et à juste titre.
Il faut aussi être honnête sur nous : un humain à qui on demande un délai de mémoire, un vendredi à dix-huit heures, répond souvent de la même manière, avec le même aplomb. La différence est qu'on connaît ses habitudes, et qu'on sait à qui il faut redemander.
Le sujet n'est donc pas de rendre la machine prudente. Il est de lui donner de quoi être sûre, et de lui demander de le montrer.
La bonne question n'est pas « es-tu sûre »
Si vous demandez à un de ces outils s'il est certain de sa réponse, il vous dira oui, sur le même ton que le reste. La question ne sert à rien.
La question qui sert, c'est : d'où sort ce chiffre.
Et là, tout se joue sur ce que l'outil a le droit de regarder.
Un assistant général ne peut pas répondre. Il n'a pas de source à citer, parce qu'il a fabriqué le chiffre à partir de ce qui ressemble à votre question.
Une IA qui vit dans le logiciel de l'entreprise, elle, répond quelque chose comme : « quarante et un jours, c'est le délai constaté sur les trois dernières commandes passées chez ce fournisseur, la dernière le 3 juin ». Ou bien elle répond : « je n'ai rien sur ce fournisseur, il n'a jamais été commandé ».
Les deux réponses sont utiles. La seconde autant que la première, parce qu'elle vous dit exactement quoi faire : décrocher le téléphone.
Le socle avant l'IA
C'est pour cette raison qu'on construit un seul et même logiciel autour du métier d'une entreprise, au lieu d'ajouter un assistant à côté.
Dedans, un délai n'est plus une opinion. C'est une donnée, avec une date et une origine : la commande, la livraison réelle, l'écart entre les deux. Une marge n'est plus une estimation, c'est ce que le chantier a rapporté. Un stock n'est pas un souvenir, c'est un stock.
L'IA y voit tout en même temps et en direct, elle emploie vos mots, et elle fait de vraies tâches dedans : elle prépare le devis, elle relit le contrat, elle monte la réponse à l'appel d'offres. Chaque fois qu'elle avance un chiffre, elle peut dire d'où il vient, parce qu'il vient de chez vous.
Et quand la donnée n'existe pas, elle le dit, au lieu de la fabriquer.
LW Security est passée de 0 à 100 % digital sur toute sa chaîne : audits, stocks, statistiques, facturation. Pas avec cinq outils qui se parlent mal. Avec un seul, taillé pour eux. Helios-Sat, de son côté, configure des satellites en ligne, ce qui règle assez vite la question de savoir si un métier peut être trop particulier pour être outillé.
Le test des quatre questions
Il prend cinq minutes, et vous pouvez le faire ce matin avec l'outil que vos équipes utilisent déjà.
Posez-lui trois questions dont vous connaissez la réponse par cœur. Le nom de votre plus gros client, votre délai de paiement habituel, le prix d'une prestation courante.
Puis posez-lui une quatrième question dont personne ne connaît la réponse chez vous. Un délai fournisseur que vous n'avez jamais mesuré, par exemple.
Regardez la quatrième réponse. Si elle arrive aussi vite et aussi assurée que les trois premières, vous savez ce que vaut tout ce que cet outil raconte à vos équipes depuis six mois.
La question à poser lundi
Ce n'est pas « quelle IA on prend ».
C'est celle-ci : la dernière fois que l'un de nos outils a donné un chiffre à un client, est-ce que quelqu'un aurait pu dire d'où il venait ?