COMPLEXIANCE · RELIER POUR DÉCIDER

Penser l’IA
en complexité

L’IA ne change pas seulement nos réponses. Elle transforme ce que nous savons, la manière dont nous travaillons et les décisions que nous pouvons encore reprendre.

Complexiance propose de concevoir et d’observer l’IA à partir de ces relations : entre les personnes, les connaissances, les règles, les ressources et les modèles. Pour comprendre ce qui se transforme et garder la capacité d’agir.

Une proposition de Mehdi Kachouri · cadre à éprouver, septembre 2026

Une lecture du systèmeUne méthode de terrainUne mémoire des décisions
CARTOGRAPHIE DES INTERACTIONS
Six dimensions reliées : finalités, connaissances, personnes, ressources, transformations et continuité. Les interactions sont au centre. Schéma conceptuel, sans données mesurées.
Chaque usage laisse une trace. Ces traces modifient les conditions du prochain choix.

LE POINT DE DÉPART Comprendre ce qui se relie.
Décider de ce qui doit rester maîtrisable.

Que change l’IA
chez ceux qui l’utilisent ?

Nous évaluons souvent le modèle, ses réponses et ses risques. Complexiance ajoute une question : que deviennent les personnes, les connaissances et l’organisation au fil de son utilisation ?

Un assistant peut accélérer une tâche tout en déplaçant le travail vers la vérification. Une réponse peut devenir une source interne. Une recommandation répétée peut modifier une habitude. L’enjeu est de regarder ces transformations sans perdre la précision des contrôles techniques.

DÉFINITION PROPOSÉE

La complexiance est une approche de conception, d’observation et de décision qui étudie comment l’IA, les personnes, les connaissances, les règles et les ressources se transforment mutuellement, pour documenter leurs effets, leurs incertitudes, leurs dépendances et les possibilités de reprise humaine.

DISTINGUER

Ne pas tout confondre

Une réponse fluide, une source fiable, une décision légitime et un travail utile sont quatre choses différentes. Chacune appelle son propre contrôle.

RELIER

Ne pas tout séparer

Le résultat du modèle dépend aussi des données, des consignes, des droits, des habitudes et du temps disponible pour vérifier. Ces conditions font partie de l’analyse.

Six angles.
Une même situation de travail.

01 / FINALITÉS

Les choix et les pouvoirs

Qui définit le résultat attendu ? Qui bénéficie de l’usage, qui supporte ses risques et qui peut s’y opposer ?

02 / CONNAISSANCES

Les sources et la mémoire

Que sait-on, d’où le sait-on, qu’est-ce qui a changé ? Une information générée ne devient pas un fait par répétition.

03 / TRAVAIL

Les personnes et les compétences

Que délègue-t-on ? Que faut-il encore savoir faire pour vérifier, contredire et reprendre une tâche ?

04 / DÉPENDANCES

Les outils et les ressources

Modèles, fournisseurs, matériel, énergie, droits d’accès et coûts : quelles conditions rendent l’usage possible ?

05 / TRANSFORMATIONS

Les effets qui reviennent

Comment les résultats modifient-ils les pratiques et les informations qui alimenteront les décisions suivantes ?

06 / CONTINUITÉ

Le temps et la réversibilité

À quel moment revoir le choix ? Que peut-on reprendre si le modèle, les tarifs ou les conditions d’accès changent ?

LA COMPLEXITÉ N’EST PAS UN MANQUE DE CLARTÉ

Deux exigences peuvent être justes.
Et se contrarier.

Accélérer sans perdre le discernement. Conserver sans figer. Automatiser sans empêcher la reprise. Un bon arbitrage rend cette tension visible au lieu de la faire disparaître du tableau de bord.

01

Vitesse ↔ vérification

Une rédaction plus rapide peut déplacer l’effort vers la relecture. Observer le temps complet, jusqu’à la correction, permet de savoir où le travail a réellement changé.

02

Mémoire ↔ remise en question

Conserver une connaissance aide à travailler. Conserver son origine, ses réserves et son statut permet encore de la contredire quand le contexte évolue.

03

Délégation ↔ capacité de reprise

On peut déléguer une opération sans déléguer la responsabilité de la décision. Il faut donc savoir qui peut interrompre l’usage, corriger le résultat et reprendre la tâche.

04

Liberté de choix ↔ dépendances réelles

Un modèle à poids ouverts peut réduire certaines contraintes de fournisseur. Il demande aussi du matériel, de l’exploitation et des compétences. Un service distant déplace ces dépendances ; il ne les efface pas.

La question devient concrète : quel compromis acceptons-nous, pour quel usage, avec quels contrôles et jusqu’à quel changement de situation ?

Une méthode à éprouver,
pas une promesse à croire.

Commencer par une tâche réelle, identifier les relations qui peuvent changer la décision, puis confronter les hypothèses au terrain.

01CadrerDéfinir le besoin et les limites

Décrire la tâche, les personnes concernées et les conséquences acceptables. Nommer la personne qui décide.

À conserver : Une fiche de situation et une limite de délégation.

02RelierRendre les interactions visibles

Décrire les flux d’information, les dépendances et les boucles prioritaires. Distinguer les relations observées des relations supposées.

À conserver : Une carte des relations avec leur statut.

03Mettre en contradictionChercher ce qui pourrait invalider le choix

Examiner les sources contraires, les arbitrages et les scénarios d’échec. Conserver aussi les informations manquantes.

À conserver : Un registre d’hypothèses et d’objections.

04ÉprouverTester les conséquences

Comparer les options sur des tâches représentatives. Tester une erreur, une correction et la reprise du travail sans l’IA.

À conserver : Un protocole et des résultats datés.

05DéciderFixer les conditions d’usage

Choisir ce qui peut être délégué, les contrôles nécessaires et les conditions de suspension. Rendre les responsabilités explicites.

À conserver : Une décision motivée et des risques résiduels documentés.

06Suivre et réviserObserver ce qui se transforme

Suivre les pratiques réelles, les sources, les coûts et les compétences. Réexaminer la décision lorsque les conditions changent.

À conserver : Un journal et des déclencheurs de réexamen.

Faire un premier essai

Une fiche à remplir pour cadrer un pilote, noter les incertitudes et conserver les résultats.

Télécharger la fiche (.txt)

UNE TÂCHE LIMITÉE · DES OBSERVATIONS DATÉES

Passer d’une conviction
à une décision documentée.

Le pilote ne sert pas à confirmer que l’IA est utile. Il sert à déterminer dans quelles conditions un usage mérite d’être conservé, adapté ou interrompu.

AVANT L’ESSAI

Écrire ce qui ferait changer d’avis

Choisir une tâche et un processus de référence. Fixer les critères avant les résultats : qualité attendue, erreurs inacceptables, accès autorisés, effort de contrôle et conditions d’arrêt.

À conserver : une fiche de cadrage, un jeu de cas et les critères d’acceptation.

PENDANT L’ESSAI

Observer le travail complet

Comparer des cas représentatifs. Introduire une source contradictoire, corriger une information et tester la reprise sans assistant. Dater les observations et noter la configuration utilisée.

À conserver : les résultats, les erreurs, les corrections et les limites du protocole.

APRÈS L’ESSAI

Décider, puis rouvrir le choix

Expliquer le compromis retenu. Nommer un responsable de revue et les événements qui déclencheront un nouvel examen : tarif, modèle, source, droit d’accès ou pratique de travail.

À conserver : une décision motivée et un journal de révision.

CE QU’IL FAUT OBSERVER

La qualité d’une réponse ne suffit pas.

Ces indicateurs sont des propositions de suivi. Ils ne constituent pas des résultats déjà obtenus ni des seuils universels.

Le temps complet
Production, vérification, correction et reprise.
La provenance
Sources retrouvables, contradictions et versions utilisées.
La correction
Effets d’une mise à jour sur les réponses concernées.
La continuité
Capacité à poursuivre la tâche lors d’une panne ou d’un changement de modèle.

Quand une réponse
devient une source.

Scénario illustratif, pas un résultat de test

Une équipe utilise un assistant pour consulter ses procédures. Une synthèse pourrait perdre une réserve importante, puis être reprise comme document de référence. Réindexée, elle pourrait donner l’impression que la réponse initiale est confirmée.

Ce que le pilote doit vérifier

  • Distinguer la source d’origine, le contenu généré et l’information validée.
  • Conserver les contradictions et le statut des anciennes procédures.
  • Vérifier qu’une correction atteint les réponses concernées.
  • Mesurer le travail complet et la reprise humaine.

La circularité des sources est une hypothèse à tester. Elle ne suppose pas un réentraînement automatique du modèle.

LE MODÈLE CHANGE. QUE DOIT-ON CONSERVER ?

La mémoire du travail
ne devrait pas dépendre
d’un seul moteur.

Changer de fournisseur ne devrait pas obliger à reconstruire les sources, les règles et l’historique des décisions. Cette continuité se prépare dans l’architecture et dans la méthode de travail.

OAM, Organic Augmented Memory, est une proposition d’architecture présentée par Koperateur Consulting : distinguer les connaissances conservées et leurs relations du modèle mobilisé pour une tâche. Elle sert ici d’exemple d’application ; elle n’est pas une condition d’utilisation de Complexiance.

01 · CE QUI DOIT RESTER RETROUVABLE

Sources, règles et décisions

Origine et statut des informations, contradictions, versions, responsabilités et raisons des choix. Les données personnelles restent soumises à des accès et à des durées de conservation définis.

02 · CE QUI PEUT ÊTRE REMPLACÉ

Modèle, hébergement et connecteur

Local ou distant, chaque moteur a ses contraintes. Le remplacer exige un adaptateur, des contrôles de sécurité et une nouvelle évaluation des résultats.

03 · CE QUI DOIT ÊTRE ÉPROUVÉ

La reprise réelle du travail

Tester la disponibilité des sources, les droits d’accès, la qualité des réponses et la propagation des corrections. Une API compatible ne garantit pas un comportement équivalent.

Explorer l’architecture OAM

Des travaux existants.
Une proposition à discuter.

La pensée complexe d’Edgar Morin invite à distinguer les éléments tout en examinant leurs relations, leurs rétroactions et l’incertitude. Le NIST décrit déjà l’IA comme un système sociotechnique et prévoit une gestion continue de ses risques. Complexiance s’appuie sur ces acquis ; elle ne revendique pas leur invention.

Relier ne dispense
ni de tester, ni de répondre.

Complexiance est un néologisme proposé et un cadre en construction. Son efficacité générale n’a pas été établie par une évaluation indépendante.

L’approche complète les contrôles techniques, la sécurité et la gouvernance. Elle ne remplace pas un audit ni une expertise juridique et ne constitue pas une certification. Comprendre les interactions doit préciser les responsabilités, jamais les diluer.

La prochaine étape est de documenter des pilotes, confronter les résultats aux méthodes existantes et publier les limites et les révisions du cadre.

Trois distinctions pour éviter les malentendus

Complexité ou complication ?

Une situation compliquée demande souvent de décomposer de nombreuses étapes. Une lecture en complexité examine aussi comment les éléments se modifient les uns les autres. Un schéma plus chargé ne prouve pas que cette lecture est utile : il faut montrer ce qu’elle change dans la décision.

Pourquoi conserver la gouvernance ?

Les responsabilités, les règles et les contrôles restent nécessaires. Complexiance propose d’en examiner les effets dans le travail réel et de les réviser lorsque les interactions changent. Elle complète la gouvernance ; elle ne l’abolit pas.

Peut-on déjà parler d’une discipline établie ?

Non. Complexiance est un nom proposé pour organiser une approche. Parler d’une discipline reconnue demanderait un corpus stabilisé, des méthodes discutées et des évaluations indépendantes qui ne sont pas présentés ici.

Une proposition de Mehdi Kachouri

Développée dans le cadre des travaux de Koperateur Consulting.

Échanger sur un cas d’usage