Faut-il encore décider ? La question paraît presque absurde. Elle devrait pourtant occuper toutes les organisations qui commencent à confier à l’intelligence artificielle une partie de leurs choix.
Un médecin qui établit un diagnostic, un juge qui évalue un risque de récidive, un banquier qui accorde un crédit, un recruteur qui sélectionne un candidat ou une entreprise qui identifie ses futurs talents : dans tous ces domaines, les algorithmes peuvent déjà formuler des prévisions et quelquefois se montrer plus fiables que les experts. Que reste-t-il alors à l’humain ? Doit-il conserver le dernier mot, même lorsque la machine décide mieux que lui ?
C’est à cette question vertigineuse qu’Éric Hazan et Olivier Sibony consacrent leur nouvel ouvrage, Faut-il encore décider ? La décision humaine à l’ère de l’intelligence artificielle, paru en février 2026 chez Flammarion et récompensé quelques mois plus tard par le prix Émile Girardeau de l’Académie des sciences morales et politiques.
Les deux auteurs connaissent intimement les mécanismes de la décision dans les organisations. Ancien senior partner de McKinsey, Éric Hazan dirige aujourd’hui un fonds d’investissement et enseigne la stratégie numérique et l’intelligence artificielle à HEC Paris et à Sciences Po. Olivier Sibony, lui aussi ancien senior partner de McKinsey, est professeur de stratégie à HEC Paris et enseigne également à Oxford. Spécialiste des biais cognitifs et de la qualité des décisions, il a notamment cosigné avec Daniel Kahneman et Cass Sunstein l’ouvrage Noise.
Leur livre ne cherche pas à dresser une nouvelle liste des prouesses ou des dangers de l’intelligence artificielle. Il nous place face à une question plus inconfortable : que devient la décision humaine lorsque la machine se révèle capable de décider mieux que nous ?
Cette réflexion touche directement les professionnels des ressources humaines. Recruter un candidat, identifier un potentiel, recommander une mobilité, accorder une promotion, évaluer une performance ou détecter un risque de départ : dans tous ces domaines, l’intelligence artificielle peut désormais analyser des données et formuler des recommandations.
Une réponse semble alors s’imposer : l’intelligence artificielle peut assister les professionnels, mais la décision finale doit rester humaine. Cette position a tout du compromis raisonnable. Éric Hazan et Olivier Sibony nous invitent pourtant à l’examiner de plus près. Garder un humain dans la boucle ne garantit ni une décision plus juste ni une décision plus fiable. Encore faut-il savoir ce qu’il apporte effectivement à la décision.
L’humain mérite-t-il vraiment le dernier mot ?
Dans les débats sur l’intelligence artificielle, la supériorité de la décision humaine est souvent posée comme une évidence. La machine calcule, tandis que l’humain comprendrait ; elle appliquerait froidement des règles, tandis qu’il serait capable de discernement, de nuance et d’empathie. Cette représentation rassure. Elle résiste pourtant assez mal à ce que nous savons de nos propres décisions.
Les travaux consacrés au jugement montrent depuis longtemps que les professionnels les plus expérimentés restent soumis aux biais cognitifs, aux intuitions trompeuses et au bruit. Deux personnes placées devant les mêmes informations peuvent parvenir à des conclusions différentes. Une même personne peut également porter un autre jugement selon le moment ou la manière dont la situation lui est présentée. La confiance avec laquelle un avis est formulé ne dit pas grand-chose de sa qualité.
Les ressources humaines offrent de nombreuses illustrations de cette variabilité. Un recruteur peut surévaluer la première impression produite par un candidat. Un manager peut apprécier plus favorablement le collaborateur qui lui ressemble ou dont le travail est le plus visible. Un comité de carrière peut accorder une importance excessive au dernier événement survenu ou à l’assurance avec laquelle une personne défend son parcours.
Reconnaître ces limites ne revient pas à nier l’expertise des professionnels. Cela oblige à ne plus considérer la décision humaine comme l’étalon idéal auquel toute technologie devrait être comparée. Constater qu’une intelligence artificielle commet des erreurs ne suffit pas : il faut déterminer si elle se trompe davantage, moins souvent ou différemment que les humains.
Pourquoi pardonnons-nous davantage les erreurs humaines ?
Les auteurs mettent en évidence un phénomène qu’ils désignent comme le « pardon asymétrique des erreurs ». Lorsqu’un professionnel se trompe, son erreur peut être expliquée par le contexte, le manque d’information ou la difficulté de la situation. Lorsqu’un algorithme se trompe, son erreur tend à remettre en cause l’ensemble du système.
Une embauche décevante décidée par un manager pourra être considérée comme un aléa inhérent au recrutement. Une mobilité recommandée à tort par une intelligence artificielle suscitera plus facilement une remise en cause globale de l’outil. Nous exigeons ainsi de la machine une perfection que nous n’avons jamais demandée aux professionnels.
Cette méfiance ne manque pas de fondement. Une erreur algorithmique peut être reproduite à grande échelle. Un système entraîné sur des décisions passées peut également perpétuer les inégalités qu’elles contenaient et leur donner l’apparence de l’objectivité.
Mais les décisions humaines peuvent, elles aussi, installer durablement des traitements inéquitables, souvent plus difficiles à repérer parce qu’ils ne sont ni formalisés ni mesurés. Combien de candidatures ont été écartées au nom d’un manque de « fit » ? Combien de potentiels ont été ignorés faute de visibilité ? Combien de promotions ont reposé sur des critères jamais clairement définis ?
Les décisions humaines et algorithmiques doivent donc être évaluées selon les mêmes exigences : qualité des résultats, cohérence, équité, possibilité de contrôle et capacité à corriger les erreurs.
L’équipe humain-machine est-elle toujours plus performante ?
Une idée séduisante voudrait que la meilleure décision résulte nécessairement de l’association entre l’humain et la machine. L’intelligence artificielle analyserait les données, tandis que le professionnel mobiliserait son expérience et son discernement.
Les recherches présentées dans l’ouvrage conduisent à nuancer cette représentation. Lorsque l’intelligence artificielle est déjà plus performante sur une tâche précisément définie, permettre à l’humain de modifier librement ses recommandations peut dégrader le résultat. L’utilisateur risque d’écarter les préconisations qui contredisent son intuition et de conserver celles qui la confirment.
Le dernier mot humain ne constitue donc pas une protection par nature. Il peut réintroduire dans le processus les biais que l’outil devait précisément réduire.
L’intervention humaine reste utile lorsque le professionnel dispose d’une information déterminante que le système ne connaît pas : une erreur dans les données, un changement récent dans l’équipe, une transformation du poste ou une situation individuelle particulière. Elle gagne cependant à être expliquée et tracée. Pourquoi le professionnel s’est-il écarté de la recommandation ? Sur quelles informations s’est-il appuyé ? Son intervention a-t-elle amélioré la décision ?
Ce suivi permettrait de dépasser les impressions pour observer la contribution respective de l’humain et de la machine.
Mieux décider ne signifie pas tout déléguer
Les auteurs distinguent la qualité du résultat obtenu de l’acte même de décider. Une intelligence artificielle peut être plus précise sur une tâche donnée sans qu’il soit souhaitable de lui abandonner toute décision.
Cette distinction est essentielle en ressources humaines. Décider ne consiste pas seulement à prévoir une performance, un potentiel ou un risque de départ. Il faut aussi déterminer les qualités que l’organisation souhaite valoriser, les comportements qu’elle juge acceptables et les risques d’exclusion qu’elle refuse de prendre.
Une intelligence artificielle peut estimer la probabilité qu’un salarié quitte l’entreprise. Elle ne peut pas décider des concessions que celle-ci est prête à faire pour le retenir. Elle peut repérer les caractéristiques communes aux personnes déjà promues. Elle ne peut pas déterminer si ces caractéristiques correspondent à des compétences utiles ou à la reproduction d’un modèle historiquement privilégié.
Ces arbitrages engagent une politique, des valeurs et une responsabilité. Les auteurs proposent ainsi d’élaborer une charte des décisions non délégables. Dans le champ des RH, elle pourrait préciser le rôle des outils pour chaque usage, les situations exigeant une intervention humaine, les voies de contestation et la personne responsable de la décision finale.
Décider aussi de ce que nous refusons de déléguer
Faut-il encore décider ? ne propose ni de sanctuariser le jugement humain ni de remettre aux machines la gestion des personnes. Il invite à organiser la répartition des rôles sur des éléments observables plutôt que sur une confiance de principe.
Les outils doivent être testés, contrôlés et régulièrement évalués. Les professionnels doivent suffisamment comprendre leurs limites pour exercer une supervision effective. Les personnes concernées doivent savoir lorsqu’une intelligence artificielle intervient et pouvoir obtenir une explication ou contester une décision qui les affecte.
La responsabilité ne peut pas disparaître derrière l’algorithme. Une entreprise ne saurait justifier une décision en affirmant que « l’outil l’a recommandé ». C’est elle qui choisit le système, les données utilisées, les objectifs poursuivis et le niveau d’autonomie accordé à la technologie.
La lecture de cet ouvrage conduit finalement à dépasser la formule rassurante selon laquelle l’humain conservera toujours le dernier mot. Encore faut-il préciser dans quelles situations son intervention améliore la décision, dans lesquelles elle ne fait que nous rassurer et dans lesquelles elle demeure indispensable parce que décider signifie aussi répondre de ses choix.
La qualité des décisions RH dépendra moins de la présence symbolique d’un humain dans la boucle que de la rigueur avec laquelle l’organisation aura décidé ce qu’elle confie à la machine et ce qu’elle refuse de lui abandonner.
