Contradictions métier
Traiter un problème ambigu sans inventer une politique.
Verdict de cette tâche
À conserver humainContradictions métier — Traiter un problème ambigu sans inventer une politique. Décidé par erreurs critiques sur 67 % des expériences et risque moyen 3,7/5 avec supervision 4,0/5. Le mode C est le plus favorable (qualité 3,8/5), le mode A le moins favorable. Gain net moyen −3,6 min face à la référence humaine de 16,7 min. Contrainte de la fiche : Aucune règle de priorisation ne doit être produite comme si elle avait été validée par l'entreprise.
Un verdict est une recommandation fondée sur les mesures affichées plus bas, pas un niveau de preuve.
Livrable attendu
Contradictions, décisions métier manquantes, informations à collecter, aucune règle présentée comme validée.
Contexte fourni
- A : les urgences passent immédiatement. B : aucune définition de l'urgence. A : les clients premium sont toujours prioritaires. C : des non-premium peuvent avoir des incidents critiques. Objectif : automatiser la priorisation. Aucun SLA, aucune politique, aucun historique. (jeu d'entrée synthétique, identique dans les trois modes)
Critères de qualité
- Exactitude : ce qui est affirmé est correct au regard des entrées fournies.
- Fidélité aux entrées : aucune donnée, contrainte ou décision hors du jeu d'entrée.
- Gestion de l'incertitude : ce qui manque ou reste à vérifier est signalé comme tel.
- Utilité opérationnelle : le livrable est exploitable dans le contexte décrit.
- Absence d'invention : aucun chiffre, exemple, source ou politique inventé.
Points de vigilance
- Aucune règle de priorisation ne doit être produite comme si elle avait été validée par l'entreprise.
Dossier expérimental
Dossier reproductible versionné dans le dépôt : docs/lab/01/T19/. Il contient le scénario, le contexte, le jeu d'entrée synthétique, le livrable attendu, la grille d'évaluation et les trois prompts de référence (modes A, B et C). Les entrées sont synthétiques et ne décrivent aucune entreprise réelle ; aucun résultat n'y figure.
- README.md
- scenario.md
- context.md
- expected-output.md
- evaluation-rubric.md
- prompt-A.md
- prompt-B.md
- prompt-C.md
- inputs/dataset.md
- baseline.md
Référence humaine
Temps de référence mesuré : 16.7 min — Exécution simulée dans les conditions de la fiche : jeu d'entrée du corpus, aucun assistant, aucune source externe.
Mesures
| Métrique | Valeur | Couverture |
|---|---|---|
| Qualité moyenne0 = inutilisable, 5 = directement exploitable (score élevé favorable). | 3.2 / 5 | couverture : 15 réalisées / 15 attendues |
| Temps humain total | 20.3 min | couverture : 15 réalisées / 15 attendues |
| Gain opérationnel net | -3.6 min | couverture : 15 réalisées / 15 attendues |
| Supervision0 = aucune intervention nécessaire, 5 = intervention humaine très importante (score élevé défavorable). | 4 / 5 | couverture : 15 réalisées / 15 attendues |
| Reproductibilité0 = très instable, 5 = très stable (score élevé favorable). | 2.7 / 5 | couverture : 15 réalisées / 15 attendues |
| Risque0 = risque négligeable, 5 = risque critique (score élevé défavorable). | 3.7 / 5 | couverture : 15 réalisées / 15 attendues |
Expériences sur cette tâche — couverture : 15 réalisées / 15 attendues
Expériences
| Assistant | Mode A | Mode B | Mode C |
|---|---|---|---|
| ChatGPT | 3 / 5 | 3 / 5 | 4 / 5 |
| Claude | 2 / 5 | 4 / 5 | 4 / 5 |
| Gemini | 2 / 5 | 3 / 5 | 3 / 5 |
| Microsoft Copilot | 3 / 5 | 3 / 5 | 4 / 5 |
| Perplexity | 3 / 5 | 3 / 5 | 4 / 5 |
Chaque expérience conserve son prompt exact et sa sortie brute hors du site ; seules les mesures sont publiées ici.
Contenus dérivés de cette tâche
Les publications qui exploitent directement les mesures de cette tâche.
- Analyse
Le gain de temps de l'IA existe, mais il est petit et inégal
5,1 minutes de gain net moyen par expérience, 19 tâches gagnantes sur 20, et une tâche où l'assistance coûte 3,6 minutes de plus. La moyenne ne dit presque rien.
- Analyse
Plus la tâche engage une décision, moins l'assistance est fiable
De la production de contenu à la décision stratégique, la qualité passe de 3,95 à 3,04 sur 5 et la supervision requise grimpe de 2,07 à 3,40. La pente est régulière.
- Analyse
Les erreurs qui coûtent cher sont celles que personne ne voit
Sur les expériences où une anomalie avait été volontairement placée, 25 sur 45 sont passées inaperçues. Le sujet du contrôle n'est pas la qualité moyenne, c'est le trou.
- Dossier vivant
Contrôle, risque et responsabilité
Qui répond de ce que produit l'IA dans l'entreprise ? Nous suivons les dispositifs de contrôle, les erreurs qui échappent à la relecture et les tâches qui doivent rester sous décision humaine.
Ce qu'une mesure réelle devrait confirmer
Ces points sont dérivés des observations simulées de cette tâche. Aucune exécution réelle n'a encore eu lieu : rien ici n'est acquis.
- Que le temps de référence utilisé (16.7 min, généré et non chronométré) soit remplacé par une baseline humaine réellement mesurée. Gain net simulé : -3.6 min.
- Que la supervision nécessaire (4 / 5, score élevé défavorable) corresponde au travail de reprise réellement constaté.
- Que la qualité observée en simulation (3.2 / 5) se retrouve sur une exécution réelle, sur 15 expérience(s) / 15, faute de quoi le verdict de la tâche ne tient pas.