Une question simple qui ouvre plusieurs enquêtes
« Quel modèle d’IA choisir ? » La question paraît technique. Pourtant, une réponse peut aussi modifier la façon dont une équipe retrouve ses sources, transmet une décision, vérifie une erreur ou quitte un fournisseur. Ce déplacement ne signifie pas que chaque choix technologique provoque tous ces effets. Il signifie que les relations doivent être examinées dans une situation précise, avec les personnes concernées.
Complexiance est le nom donné ici à cette démarche : penser l’IA en complexité en regardant ce qui tient ensemble, ce qui se contredit et ce qui reste inconnu. C’est une proposition de travail de Mehdi Kachouri, pas une discipline scientifique constituée, une certification ou un modèle prédictif validé. Le néologisme sert à rendre une question visible ; il ne suffit pas à en prouver la méthode.
La complexité n’autorise pas à tout relier
Edgar Morin appelle à une réforme de la pensée qui sache relier les connaissances séparées, sans abolir les distinctions nécessaires. Son texte publié dans Le Courrier de l’UNESCO ne propose pas un raccourci pour expliquer chaque phénomène par tous les autres. Il invite notamment à situer ce que l’on sait dans un contexte et à reconnaître l’incertitude.
Dans une analyse de l’IA, les relations possibles sont nombreuses : fournisseurs, coûts, données, travail, normes, métiers, énergie ou décisions. Dessiner un réseau toujours plus dense peut donner une impression de profondeur, mais réduire la capacité de décider. Une carte utile déclare son périmètre : quelles relations sont documentées, lesquelles sont supposées et lesquelles ne peuvent pas encore être examinées ?
Suivre un effet concret sans inventer une chaîne causale
Prenons un service public qui utilise un assistant pour retrouver des documents internes. L’exemple qui suit est fictif. Une équipe envisage de changer de modèle parce que son coût augmente. Une comparaison des prix et de la qualité des réponses est nécessaire, mais ne répond pas seule aux questions de continuité.
- Connaissances : les documents, leurs versions et leurs droits restent-ils retrouvables ?
- Personnes : qui corrige les réponses, forme les nouveaux collègues et assume l’arbitrage ?
- Architecture : la mémoire et les règles de travail peuvent-elles suivre le changement de modèle ?
- Décisions : quelles erreurs seraient visibles, par qui et à quel moment ?
Aucune de ces questions ne prouve qu’un nouveau modèle produit un dommage. Elles transforment un choix abstrait en enquête vérifiable. Si la mémoire, les sources et les règles sont réellement séparées du modèle, une migration peut être plus praticable. Il faut le tester sur les tâches et les contraintes du service, pas le déduire d’une promesse d’interopérabilité.
Une lecture qui complète les cadres existants
Les principes de l’OCDE sur l’IA demandent de considérer le cycle de vie d’un système, la supervision humaine et la gestion des risques selon le contexte. Complexiance ne remplace ni ce cadre, ni une évaluation de sécurité, ni le droit applicable. Sa contribution proposée est d’examiner ce qui se passe entre les catégories : comment une décision technique change le travail de vérification, comment une mémoire devient une source d’autorité et comment une correction circule ou se perd.
Cette lecture mérite aussi une confrontation avec le management public. L’ouvrage collectif Vers un management public hypermoderne, dirigé par Céline Chatelin et David Carassus, ouvre un terrain de dialogue. Sa fiche et son sommaire établissent la présence d’un chapitre sur les systèmes d’information et l’IA publique. Nous ne tirons pas de conclusion sur le contenu détaillé de ce chapitre sans l’avoir lu.
Organiser la démarche dans une équipe
On peut commencer modestement. Décrire une situation, sa décision à prendre et la période considérée. Recueillir les sources accessibles, puis inscrire dans des colonnes séparées les faits vérifiés, les affirmations des acteurs, les hypothèses et les points inconnus. Pour chaque relation jugée importante, demander qui pourrait l’observer, quelle conséquence changerait la décision et quelle explication concurrente demeure plausible.
La carte obtenue n’est qu’un support de discussion. Elle devient utile si elle conduit à un essai proportionné, à une responsabilité identifiable et à une date de réexamen. Une équipe doit aussi pouvoir dire « nous ne savons pas » et conserver ce constat. La décision n’attend pas forcément la disparition de toute incertitude ; elle doit pouvoir être révisée lorsque de nouveaux éléments apparaissent.
Le temps fait partie du système
Une lecture faite aujourd’hui ne doit pas être réécrite après l’événement pour paraître évidente. Notre premier article sur la mémoire des décisions distingue le texte prospectif de sa relecture rétrospective. Cette séparation oblige à retrouver les hypothèses initiales, les sources disponibles à l’époque et les observations qui les ont contredites.
Complexiance reste donc une proposition à éprouver, y compris contre ses propres angles morts. Si elle n’aide pas une équipe à mieux poser une question, à documenter une relation ou à réviser une décision, son vocabulaire n’apporte rien. Sa valeur se jugera dans des situations décrites, des limites explicites et des retours discutables.
Sources et vérifications
- Edgar Morin, « Pour une réforme de la pensée », *Le Courrier de l’UNESCO*, 24 mai 2019 : texte de référence sur la pensée qui relie et distingue.
- OCDE, Principes sur l’intelligence artificielle : cycle de vie, supervision humaine et gestion des risques contextualisée ; page institutionnelle consultée le 30 septembre 2026.
- EMS Éditions, fiche de *Vers un management public hypermoderne* : direction de l’ouvrage et domaine couvert par le sommaire.
- Le laboratoire Complexiance : présentation de cette proposition, de ses angles et de ses limites.
L’exemple du service public est construit pour expliquer une démarche. Il ne décrit aucune expérimentation ni résultat observé. Le chapitre du livre EMS n’a pas été analysé intégralement. Ce texte présente une méthode proposée et non une validation indépendante de son efficacité.