Il est naturel de vouloir examiner autant de choses que possible avant de prendre une décision. Avec l’IA, nous pouvons organiser plusieurs sources, comparer leurs différences et découvrir en peu de temps des questions dont nous ignorions l’existence. Les points d’entrée dans la recherche se sont multipliés. Pourtant, le fait de rendre l’information plus facile à recueillir ne permet pas nécessairement d’avoir plus facilement le sentiment d’avoir « suffisamment cherché ». La source suivante, la comparaison suivante et le contre-argument suivant sont immédiatement disponibles.
Supposons que nous choisissions une école afin d’acquérir une nouvelle compétence. Il y a beaucoup de choses que nous pouvons examiner : le contenu des cours, le coût, la durée, les parcours après la formation et l’expérience des participants. Avec l’IA, un tableau comparatif peut également être créé rapidement. Mais à mesure que la date limite d’inscription approche, nous ne pouvons pas vérifier chaque information. De plus, des informations supplémentaires ne modifieront pas nécessairement le choix. Augmenter la quantité d’éléments étudiés n’est pas la même chose que réduire l’incertitude qui compte pour le jugement.
Ce qu’il faut ici, c’est ne pas considérer la recherche uniquement comme « le travail consistant à recueillir autant d’informations que possible ». La recherche a pour rôle de découvrir ce qui reste inconnu. En même temps, elle a pour rôle de déterminer à quel point ces inconnues sont importantes pour le jugement. Si nous pouvons distinguer les inconnues susceptibles de modifier le résultat de celles qu’il est intéressant de connaître mais qui ont peu d’effet sur le choix, la forme de ce qui doit être examiné change.
L’IA peut aider à établir cette distinction. Elle peut organiser les éléments pour lesquels les sources sont insuffisantes, repérer les désaccords entre les sources et identifier quelles modifications des hypothèses changeraient la conclusion. Mais le fait que l’IA puisse poursuivre l’exploration ne signifie pas qu’un humain doive continuer à attendre. Pendant que la recherche se poursuit, les échéances approchent, les options changent et le temps disponible pour agir réellement diminue.
Les conditions permettant de mettre fin à une recherche doivent donc inclure non seulement la dimension de l’information, mais aussi celle du temps humain. Nous devrions nous demander non seulement : « Existe-t-il encore des informations inconnues ? », mais aussi : « Quelle est la probabilité que ces informations modifient le jugement ? » et « Que perdra-t-on en les attendant ? » Cela ne signifie pas décider en ignorant l’incertitude. Il s’agit plutôt de prendre en compte à la fois une incertitude qui ne peut pas être entièrement éliminée et un temps qui ne peut pas être récupéré.
Pour Sai＊aus, la valeur de l’aide à la recherche ne réside pas seulement dans la maximisation de la quantité d’informations. Ce qui importe, c’est de rendre visibles les fondements sur lesquels une personne cherche à décider, afin qu’elle puisse distinguer le point où une recherche supplémentaire est nécessaire de celui où le jugement doit commencer. Précisément parce que l’IA peut continuer à explorer, nous devons distinguer la capacité à « poursuivre les recherches » du jugement selon lequel nous « devrions poursuivre les recherches ».
Dans de nombreux cas, nous ne pouvons pas tout examiner avant de décider. Ce n’est pas un échec de la recherche. Pour les humains qui vivent dans un temps limité, la recherche ne consiste pas à achever une collecte infinie d’informations ; elle consiste aussi à déterminer ce qu’il faut savoir pour pouvoir décider. Plus l’IA élargit ce qui peut être examiné, plus la fin de la recherche s’éloigne du point où l’information s’épuise pour se rapprocher du point où les humains comprennent l’incertitude restante et assument la responsabilité d’un choix.
Pas des réponses. De la compréhension.