Un directeur pose une question routinière lors d’une réunion du conseil d’administration : d’où vient ce chiffre de rotation ? Normalement, quelqu’un indique l’onglet source ou cite l’analyste qui l’a extrait. Cette fois, personne dans la salle ne peut répondre – la diapositive a été générée la veille, la requête sous-jacente a disparu, et la personne qui a « construit » le support se contente de décrire l’opération comme un simple copier-coller d’une consigne dans un outil. Le nombre s’avère suffisamment proche de la plausibilité pour que cela ait mis une seconde réunion à être détecté. C’est ce moment, multiplié à travers assez d’entreprises, qui a transformé les diapositives générées par l’IA d’un récit de productivité en un problème de gouvernance.

Ce n’est pas que les conseils d’administration se méfient soudainement de l’IA. C’est que le support destiné au conseil porte un poids que aucun autre document de l’entreprise ne partage, et ce poids ne tolère pas une source que personne ne peut désigner.

Le problème n’a jamais été l’IA — c’était la note de bas de page manquante

Tout autre document qui parvient au conseil passe par une chaîne que quelqu’un peut reconstituer : un analyste financier a extrait la donnée, un contrôleur l’a révisée, un directeur général a validé le cadre. Cette chaîne est ce qui transforme une mauvaise donnée en erreur attribuable à quelqu’un plutôt qu’en énigme. Les outils génératifs ne préservent pas cette chaîne par défaut – la sortie a la même apparence que le modèle ait puisé dans des données réelles de l’entreprise, assemblé quelque chose statistiquement plausible, ou simplement comblé un écart sans jamais l’avoir signalé comme tel.

Le profil de risque de l’IA générative de 2024 du NIST a donné un nom formel à ce mode de défaillance : la confabulation – une sortie erronée mais présentée avec la même confiance qu’une sortie correcte. C’est cette partie qui la rend particulièrement dangereuse sur une diapositive de conseil. Un témoignage client halluciné est embarrassant. Une tendance de revenus hallucinée mais qui semble cohérente, formatée comme tous les autres graphiques du support, peut influencer une décision réelle d’allocation de capital avant qu’on pense à la vérifier.

Un support de conseil doit survivre à une lecture des années plus tard, pas seulement être présenté une fois

C’est là que la comparaison avec les autres documents formels de l’entreprise s’avère utile. Quiconque a travaillé sur un rapport annuel destiné aux actionnaires sait que le document doit répondre à deux lecteurs très différents en même temps – la personne qui le parcourt en deux minutes et celle qui fait une véritable diligence sur chaque note de bas de page. Un support de conseil a une troisième obligation que ces deux documents ne partagent pas entièrement : au Royaume-Uni, les procès-verbaux des conseils et comités doivent être conservés pendant au moins dix ans en vertu de l’article 248 de la Companies Act 2006, et tout résumé ou transcription généré par l’IA lié à cette réunion risque d’être traité comme faisant partie de ce registre. Une diapositive dont on ne peut retracer la source ne semble pas seulement négligée au moment présent – elle devient un passif qui reste dans un dossier pendant une décennie.

C’est une exigence bien différente que « le graphique avait-il l’air professionnel ». C’est « ce document peut-il survivre à être extrait et examiné dans un litige cinq ans plus tard » – et un nombre généré par l’IA sans fil d’audit ne le peut généralement pas.

Il y a aussi un problème de franchise, et c’est un peu contre-intuitif

On pourrait s’attendre à ce que la résistance vienne purement de la précision. Ce n’est pas tout à fait le cas. Un sondage de 2024 mené par GC100 – l’organisme représentant les avocats généraux des entreprises du FTSE 100 et 250 – a révélé que de nombreux dirigeants sont mal à l’aise avec l’utilisation d’outils d’IA pour enregistrer ou résumer les discussions du conseil, indépendamment de toute préoccupation concernant les erreurs factuelles. La préoccupation est psychologique : savoir que chaque mot pourrait être transcrit et analysé change la manière dont les gens débattent ouvertement dans la salle. Les conseils d’administration existent en partie pour avoir le désaccord franc qui n’a lieu nulle part ailleurs dans l’entreprise. Un outil enregistrant discrètement cette discussion – même de manière précise – peut l’aplanir.

Ainsi, la restriction ne porte pas seulement sur « l’IA a fait une erreur ». Parfois, c’est « la présence de l’IA a modifié ce que les gens étaient prêts à dire », ce qui est un problème plus difficile à résoudre avec une meilleure consigne.

Ce n’est pas la première fois que les entreprises limitent l’accès à un outil aussi rapidement

Le schéma a un précédent, mais dans un autre coin de l’entreprise. En 2023, Samsung a interdit les outils d’IA générative sur les appareils de l’entreprise après que des ingénieurs de sa division des semi-conducteurs aient divulgué du code source propriétaire et des notes de réunion internes à un chatbot public lors de trois incidents distincts en trois semaines. L’interdiction n’était pas un rejet de l’IA en tant que catégorie – c’était une réaction à un mode de défaillance spécifique et traçable que la direction a jugé plus important que le gain de temps. Les restrictions au niveau du conseil concernant les diapositives générées par l’IA suivent une forme similaire : pas une politique de « pas d’IA du tout », mais une règle plus ciblée visant le point exact où une sortie intraceable pourrait causer de vrais dommages.

Ce qui complique souvent les choses, c’est que la solution à laquelle les gens pensent d’abord – « il suffit qu’une personne vérifie à nouveau les chiffres de l’IA » – suppose que le vérificateur dispose du temps et des données sources originales pour vérifier. En pratique, au moment où un support atteint le conseil, la personne effectuant la révision finale optimise souvent pour le flux narratif et la mise en forme, et non pour redériver chaque chiffre depuis le début. L’étape de vérification que l’on suppose avoir lieu est fréquemment la première à être supprimée sous pression des délais.

Ce qui est réellement restreint, et ce qui ne l’est pas

Presque personne n’interdit l’IA dans le travail de présentation de manière globale – ce serait une bataille étrange à mener alors que les outils gagnent réellement du temps sur la mise en forme, les premières ébauches et les itérations de conception. Ce qui se resserre, c’est une chose beaucoup plus spécifique : les chiffres et affirmations générés par l’IA atteignant une diapositive de conseil sans une source vérifiable par un humain jointe. L’assistance à la conception, les suggestions de mise en page et la correction linguistique restent globalement inchangées. C’est la couche de données qui est désormais sous examen.

Cette distinction correspond presque exactement à une discipline que les supports de conseil appliquent depuis des décennies, bien avant l’arrivée de l’IA générative. La rigueur derrière la construction de diapositives à la manière de McKinsey exige que chaque titre énonce une affirmation vérifiable et que chaque graphique porte une ligne de source – non pas comme une règle de mise en forme, mais parce qu’un nombre non sourcé est traité comme une analyse incomplète, et non comme une analyse réelle. Un outil génératif qui ne peut citer l’origine d’une figure échoue à ce test de la même manière qu’un graphique non sourcé d’un jeune analyste aurait échoué en 1995. L’outil a changé ; la norme qu’un conseil applique réellement n’a pas bougé.

Les modèles sous-jacents comptent plus que ce que l’on pense

Une chose que je soulignerais pour toute personne qui reconstruit actuellement un processus de support de conseil : la mise en page du graphique elle-même peut soit faciliter, soit entraver la traçabilité. Une mise en page structurée de graphique avec un champ de ligne de source fixe rend difficile de sauter l’attribution – le champ vide est visible. Un graphique copié-collé directement depuis la sortie d’un outil d’IA n’a généralement nulle part intégré pour cette ligne, ce qui explique en partie pourquoi il est facile de laisser cette habitude glisser. La solution politique à laquelle on aboutit est procédurale – « réviser les sorties de l’IA avant qu’elles n’atteignent le conseil » – mais la mise en page elle-même effectue un travail d’application silencieux qu’un document de politique seul ne peut accomplir.

Aucune de ces considérations ne signifie que l’IA quitte la salle du conseil – elle est simplement repoussée là où elle est réellement utile, à savoir la rédaction et la mise en forme, tandis que les chiffres qui guident les décisions réelles sont ramenés à une source que quelqu’un peut nommer. La question plus difficile pour la plupart des entreprises n’est pas de savoir si l’on doit permettre à l’IA de s’approcher d’un support de conseil. C’est de savoir si leur processus de révision actuel aurait détecté la diapositive avec le nombre intraceable avant qu’elle n’atteigne la salle, ou si cela n’a tout simplement été détecté que cette fois-ci.