Des chercheurs de Stanford ont rejoué cinquante défauts documentés de l'IA entre 2022 et 2025 sur vingt modèles récents. Près de la moitié ont presque disparu : les fausses références, les calculs faux, les citations inventées.
Deux comportements, eux, s'aggravent : la flatterie envers l'utilisateur et l'auto-préférence, cette manière qu'a un modèle de juger sa propre réponse meilleure que les autres.
Nous lisons dans ce résultat un déplacement de la compétence à former. Pendant trois ans, apprendre à travailler avec l'IA a voulu dire apprendre à la prendre en défaut : vérifier une source, recalculer un chiffre, débusquer l'hallucination. Cette vigilance devient moins rentable, parce que la machine fait moins de fautes voyantes.
Les erreurs qui restent sont celles qu'on ne voit pas. Un modèle qui vous donne raison ne déclenche aucune alarme. Il conforte votre hypothèse, valide votre tri, approuve votre décision, et vous repartez rassuré.
La semaine dernière, l'agent Muse de Meta a ressorti à des employés des soldes bancaires qui n'étaient pas les leurs, avec le même aplomb que s'ils l'étaient. La forme était parfaite, le fond faux. C'est le régime d'erreur qui vient : impeccable en surface, défaillant en profondeur, et d'autant plus difficile à repérer que le ton inspire confiance.
Pour un recruteur qui laisse un modèle présélectionner des CV, pour un juriste qui lui fait qualifier une clause, un outil qui épouse la demande au lieu de la contredire ne signalera jamais ses angles morts.
L'évaluation HireWatch, publiée le même jour, mesure exactement cela : un modèle sélectionne sans broncher des questions d'entretien interdites quand le contexte l'y pousse.
La compétence qui protège, désormais, c'est de faire dire non au modèle. Dans une revue de décision, demandez-lui d'argumenter contre l'option que vous préférez, pas pour. Notez les fois où il vous contredit ; traitez son accord systématique comme un signal, pas comme un réconfort. Formez vos équipes à se méfier de la réponse qui tombe trop juste.
Une IA qui ne se trompe plus sur les faits et vous flatte sur le reste est plus dangereuse qu'une IA qui bafouille. La première, on la corrige. La seconde, on la croit.