L'Article 1 s'est terminé sur une question : comment et où exactement l'IA pourrait-elle nous aider dans nos disciplines d'expertise ?
La réponse pourrait supposer un binaire. Les tâches que l'IA peut faire. Les tâches que l'IA ne peut pas faire. Tracez la ligne, et vous avez votre stratégie.
Pourtant la pratique brise cette idée.
Car les tâches les plus intéressantes n'étaient d'aucun des deux côtés. Elles sont au milieu. Des tâches où l'IA a produit quelque chose de réellement utile — pas du vide, pas d'hallucination, pas de validation complaisante — mais un brouillon réel, structuré, substantiel. Et pourtant ce brouillon n'est pas le livrable. Il ne peut pas l'être. Il exige des mains de praticien. Restructuration. Calibrage politique. Suppression de recommandations à l'assurance trompeuse qui mourraient au contact de la réalité organisationnelle. Ajout du contexte qu'aucun jeu de données d'entraînement ne contient.
Prenez un plan de continuité. Mission réelle. L'IA écrit un brouillon complet. Structure solide, clauses correctes, stratégies de reprise raisonnables — vraiment utile comme point de départ.
Mais.
Le plan ne tient pas compte du fait que le site de secours a un problème de capacité que tout le monde connaît mais que personne n'a documenté.
Il ne reflète pas l'accord informel entre le directeur informatique et le COO sur qui détient réellement la décision d'activation.
Il ne porte pas la mémoire du dernier exercice qui a échoué parce que l'arbre d'appel supposait que les gens répondraient au téléphone à 4 heures du matin.
Vous prenez ce brouillon et vous en faites un vrai plan. Pas en repartant de zéro. En travaillant SUR la sortie de l'IA. En la modifiant. En l'enrichissant. En en assumant la responsabilité.
Ce n'est pas de l'automatisation. Ce n'est pas du travail purement humain. C'est tout autre chose.
Le schéma s'est confirmé sur chaque mission, chaque modèle, chaque type de document.
Certaines tâches où la sortie de l'IA EST le livrable. Vous n'y touchez pas. Une checklist de conformité générée d'après les clauses de l'ISO 22301. Une matrice d'évaluation de maturité remplie à partir de données structurées. Le calcul d'une cascade d'impact. Les règles sont explicites, la sortie est vérifiable, et la modifier n'apporte rien. L'IA s'en charge. Terminé.
Certaines tâches où la sortie de l'IA est le POINT DE DÉPART du livrable. Vous travaillez dessus, la remodelez, y injectez de l'expertise, et la signez. Le plan de continuité. Le rapport d'audit. La recommandation de traitement des risques. Le récit du BIA. L'IA produit. Vous décidez.
Certaines tâches où aucune sortie de l'IA n'entre dans le livrable. Vous seul. Arbitrer des RTO irréalistes devant le comité exécutif. Mener un entretien où l'objectif réel n'est pas la sortie documentée mais l'alignement politique qui se joue dans la conversation en marge. Décider à deux heures du matin si la situation justifie une activation totale ou une attente. L'IA peut fournir des données de contexte, mais le livrable — la décision, l'arbitrage, l'animation — est entièrement le vôtre.
Trois zones. Trois relations fondamentalement différentes entre la sortie de l'IA et le livrable final.
L'observation en elle-même n'est pas révolutionnaire. Tout praticien ayant passé du temps avec ces outils reconnaît les trois modes de façon intuitive.
Je suis donc parti chercher le protocole. Il doit déjà en exister un, quelque part dans la littérature.
Il n'y en a pas.
Les travaux académiques sont riches. Vaccaro et ses collègues du MIT ont analysé 106 études expérimentales sur les équipes humain-IA et ont constaté que l'équipe fait moins bien que l'IA seule dans les tâches de décision, mais dépasse les deux dans les tâches de création. Un constat crucial. Aucune méthode opérationnelle.
Haupt et Brynjolfsson ont soutenu que les humains et l'IA doivent être évalués conjointement, non séparément. Position importante. Aucun protocole en amont pour construire la partition.
Tong a synthétisé soixante ans de recherche sur la collaboration humain-IA et a identifié le même paradoxe de performance. Pareschi a proposé une architecture de conception centaurienne. Loaiza et Rigobon ont identifié cinq capacités irréductiblement humaines : empathie, présence, opinion, créativité, espoir.
Chaque contribution fait avancer le champ. Aucune ne répond à la question qu'un praticien en exercice se pose réellement :
Prends mes trente et une activités de continuité. Décompose-les en tâches élémentaires. Dis-moi lesquelles vont où — d'une manière reproductible, auditable et indépendante du modèle d'IA qui se trouve dominant ce trimestre.
Les cadres existent. Le protocole, non.
Alors nous l'avons construit.
Non pas à partir d'une théorie projetée sur la pratique. À partir de la pratique formalisée en théorie. Le point de départ n'était pas «que dit la littérature sur l'IA à propos de l'allocation des tâches ?». Le point de départ était : que fait réellement un praticien de la continuité chaque jour, et que se passe-t-il quand l'IA entre dans chacune de ces activités ?
La méthode devait satisfaire trois contraintes qu'aucun cadre existant n'abordait.
Indépendante de la discipline. Applicable à la continuité aujourd'hui. À la gestion des risques ou à la sécurité de l'information demain. À toute discipline experte régie par une norme formelle.
Indépendante de la technologie. La classification ne peut pas dépendre du fait que l'IA soit ChatGPT, Claude, Gemini, ou quelque chose qui n'existe pas encore. Le modèle du prochain trimestre ne devrait pas invalider la classification de ce trimestre.
Observable. Fondée sur les livrables, non sur des états cognitifs ou des évaluations subjectives de la «capacité de l'IA».
Le critère a abouti à quelque chose de simple. La relation entre la sortie de l'IA et le livrable final.
Trois questions séquentielles. L'IA peut-elle le faire ? Si oui, le livrable est-il identique à la sortie de l'IA, sans modification ? Si oui : l'IA s'en charge seule. Si non : du contenu produit par l'IA apparaît-il dans le livrable final ? Si oui : collaboration. Si non : praticien seul.
Trois questions. N'importe quelle tâche. N'importe quelle discipline. Observable, reproductible, auditable.
Les trois catégories ont reçu des noms. Déterministe : la sortie de l'IA est le livrable. Mixte : l'IA produit, vous modifiez et décidez. Stratégique : vous seul, aucun contenu d'IA dans le livrable.
D, M, S.
Ce que cela change
Le passage de «l'IA peut ou ne peut pas faire ceci» à «quelle est la relation entre la sortie de l'IA et le livrable final» peut sembler de la sémantique.
Ce n'en est pas.
La question traditionnelle — l'IA peut-elle faire cette tâche ? — impose une évaluation de la capacité de l'IA elle-même. Cette évaluation change tous les six mois à mesure que les modèles progressent. Elle dépend de l'outil précis, de la requête précise, de la configuration précise. Elle est instable par nature.
La question D/M/S — qu'advient-il de la sortie de l'IA ? — évalue la tâche, non l'outil. Un plan de continuité est M non pas parce que l'IA d'aujourd'hui n'est pas assez bonne pour l'écrire seule, mais parce que le plan exige structurellement le jugement du praticien, le contexte politique et l'assomption de responsabilité qu'aucune IA ne peut fournir.
Cette classification est stable. Elle survit à la prochaine sortie de modèle.
La méthode oblige aussi à affronter une vérité inconfortable. Nous passons beaucoup de temps sur des tâches qui ne requièrent pas notre jugement. Non par paresse. Parce que la profession a été conçue avant l'existence de l'IA. Chaque matrice de conformité, chaque modèle rempli, chaque calcul déterministe a été bâti en supposant qu'un humain le ferait — parce qu'il n'y avait pas d'alternative.
Maintenant, il y en a une.
L'inverse est tout aussi vrai. Certaines tâches qui paraissent simples sont irréductiblement complexes. Mener un entretien ressemble à «poser des questions, noter les réponses». Mais la vraie compétence, c'est lire l'interlocuteur, ajuster le fil des questions en temps réel, saisir ce qu'il a failli dire mais n'a pas dit, et savoir quel silence combler et lequel laisser respirer.
Aucun modèle ne fait cela.
D/M/S ne juge pas le praticien. Elle cartographie le travail tel qu'il est réellement, et révèle où l'IA apporte de la valeur, où elle a besoin de supervision, et où elle n'a rien à faire.
Mais savoir que les trois zones existent n'est pas la même chose que savoir où tombe chacune de vos tâches. Cela exige d'appliquer la méthode. À quelque chose de réel. À quelque chose de complet. À une discipline entière — chaque activité, chaque tâche — et de voir ce qui en sort.
C'est ce qui s'est passé avec la continuité d'activité.
À suivre : Article 3 — Quand on fait vraiment le travail. 104 tâches. 31 activités. Et un chiffre qui redéfinit la profession : 53 %.