Chaque résultat d'IA est une première ébauche. Attention au workslop.

Vous avez donné une bonne consigne à votre IA. Le résultat semble soigné. Des phrases complètes, un ton confiant, une structure claire. On l'envoie?

Pas encore.

En septembre 2025, la Harvard Business Review a publié une recherche de BetterUp Labs et de Stanford sur un phénomène qu'ils ont appelé le « workslop » : du contenu généré par l'IA qui semble soigné mais qui manque de substance réelle. Quarante et un pour cent des travailleurs sondés y avaient été confrontés.

Chaque cas coûtait en moyenne près de deux heures de reprise. Ce coût de reprise est un tueur silencieux du retour sur investissement des programmes d'adoption de l'IA.

La solution n'est pas d'utiliser l'IA moins souvent. C'est de valider ce que l'IA vous donne avant que qui que ce soit d'autre ne le voie. Voici une liste de vérification à considérer.

1. Vérifiez les calculs.

L'IA se trompe avec une certaine régularité sur les chiffres, et ce, avec assurance. Calculs d'efficacité, pourcentages, totaux, comparaisons d'une année à l'autre, faites le calcul vous-même, ou demandez à une autre IA de vérifier les chiffres. Si les chiffres sont erronés dans un rapport, la confiance sera perdue, et elle ne reviendra pas facilement.

2. Vérifiez les citations.

Si vous avez demandé à l'IA de résumer des entrevues et qu'elle a produit des citations, vérifiez-les par rapport à la source. L'IA fusionne parfois le langage de deux personnes en une seule citation, ou reformule un commentaire en un langage plus fort que ce que la personne a réellement utilisé. Une citation dans un rapport est une affirmation sur ce qu'une personne réelle a vraiment dit. Assurez-vous de bien la reproduire.

3. Demandez-vous ce qui pourrait manquer.

L'IA est douée pour résumer ce qui se trouve dans la source. Elle l'est moins pour remarquer ce qui en est absent. Si une analyse d'un processus de dotation ne mentionne pas les délais de classification, ça ne veut pas dire qu'il n'y en a pas, ça veut dire que vous n'avez pas inclus de données à ce sujet dans la consigne. Demandez-vous toujours : « Qu'est-ce que cette analyse ne dit pas et que je sais, par expérience, être probablement pertinent? »

4. Méfiez-vous du faux équilibre.

L'IA a tendance à produire une prose qui semble équilibrée même quand la réalité sous-jacente est déséquilibrée. Si 9 intervenants sur 10 disent que le processus est brisé et que 1 dit qu'il fonctionne bien, l'IA écrira souvent que « les intervenants ont exprimé des points de vue partagés ». Techniquement vrai. Trompeur sur le fond. À réécrire.

5. Vérifiez l'insensibilité politique.

L'IA ne sait pas que l'agent de classification dont vous parlez entretient un vieux différend avec le directeur des ressources humaines dont vous parlez aussi. Elle produira des recommandations qui présument que tout le monde dans votre organisation peut simplement se parler comme des adultes. Votre travail consiste à ajouter l'intelligence politique qui manque à l'IA.

6. Lisez le texte à voix haute.

Lire le texte à voix haute vous aide à percevoir comment les autres pourraient le recevoir, et peut aider à repérer des problèmes inattendus.

Bonus : une consigne de vérification pour faire contre-vérifier par une deuxième IA, différente

Si vous voulez qu'une deuxième IA vous aide à vérifier le travail de la première, voici une consigne que j'utilise :

« Vous êtes un réviseur critique. Je vous fournis [MATÉRIEL SOURCE : p. ex., transcriptions d'entrevues, tableaux de données, contexte du dossier] et un document préliminaire généré par une autre IA. Comparez le document préliminaire au matériel source et relevez : (1) toute affirmation numérique qui ne correspond pas aux données source; (2) toute citation qui n'apparaît pas textuellement dans la source; (3) toute conclusion importante de la source que le document préliminaire omet; (4) tout endroit où le document préliminaire utilise un langage faussement équilibré (« points de vue partagés », « certains intervenants ») alors que les données source sont en fait unilatérales; (5) toute recommandation qui présume une dynamique organisationnelle non décrite dans la source. Soyez précis. Citez l'emplacement dans la source pour chaque problème relevé. »

C'est plus rapide que de lire le document préliminaire à froid, et ça vous donne une liste ciblée à vérifier. Deux IA qui se contre-vérifient captent plus de choses qu'une seule IA. Ça ajoute environ 3 à 5 minutes contre 20 à 30. Les 5 à 10 minutes restantes vous appartiennent, pour ajouter l'intelligence politique qu'aucune des deux IA ne possède.

Chaque résultat de l'IA est une première ébauche. C'est votre nom qui figure sur la deuxième.

À retenir :

• Le « workslop », un résultat de l'IA soigné mais sans substance ou contenant des hallucinations, vous coûte du temps de reprise ou, si vous ne le repérez pas, nuit à votre réputation.
• Vérifiez toujours les calculs de l'IA manuellement. Elle se trompe avec assurance plus souvent qu'on ne le pense.
• Vérifiez les citations par rapport au matériel source. Reformuler un commentaire en citation, c'est de la fabrication.
• Méfiez-vous du faux équilibre. L'IA fait paraître également partagées des conclusions pourtant déséquilibrées.
• Utilisez une consigne structurée dans une IA différente pour faire une vérification rapide de workslop.
• Votre jugement, votre intelligence politique et vos connaissances contextuelles sont ce qui fait que la deuxième ébauche est la vôtre.