ChatGPT peut-il vous aider à prendre de meilleures décisions?

La plupart des décisions difficiles ne le sont pas faute d’information. Elles le sont parce qu’il y a trop d’éléments à soupeser en même temps, et que notre esprit passe sans cesse de l’un à l’autre. ChatGPT est utile ici moins comme un oracle que comme un assistant patient qui couche le problème sur papier de façon ordonnée : quelles sont les options, qu’est-ce qui compte, à quel point chaque élément compte, et quel score obtient chaque option.

Cette structure est la vraie valeur. Une fois votre raisonnement sur la page, vous pouvez le voir, le remettre en question et le modifier. Le modèle peut aussi suggérer des critères auxquels vous n’aviez pas pensé, et il plaidera la position contraire sur demande sans se fatiguer ni se vexer.

L’outil : une matrice de décision pondérée

Une matrice de décision est un tableau avec vos options en lignes et vos critères en colonnes. Chaque critère reçoit une pondération, un pourcentage qui indique à quel point il compte pour vous, et chaque option reçoit un score pour chaque critère, par exemple de 1 (faible) à 5 (excellent). Multipliez chaque score par sa pondération, additionnez sur la ligne, et vous obtenez un total que vous pouvez comparer.

Les chiffres ne prennent pas la décision à votre place. Ils vous obligent à énoncer clairement vos priorités, et ils montrent à quel point les options sont vraiment proches ou éloignées.

Un exemple concret : où une petite boulangerie devrait-elle dépenser son budget?

Imaginez la propriétaire d’une boulangerie de deux personnes qui a mis de côté une somme pour une seule amélioration. Les choix : un deuxième four, un site Web avec commande en ligne, ou une aide à temps partiel pour les matins achalandés. Voici un prompt qui fixe un rôle, donne le contexte et demande le travail par étapes.

Agis comme un conseiller pratique pour petites entreprises. Je suis propriétaire d’une boulangerie de deux personnes et je peux me payer une seule de ces trois améliorations cette année : (A) un deuxième four, (B) un site Web avec précommandes en ligne, (C) une aide à temps partiel pour les matins de semaine.

Ma situation : la plupart des jours, nous avons tout vendu avant 11 h, je travaille 60 heures par semaine, et environ le tiers des clients demandent s’ils peuvent commander à l’avance.

Avant de noter quoi que ce soit, pose-moi jusqu’à cinq questions sur les faits dont tu aurais besoin. Propose ensuite 3 ou 4 critères avec des pondérations qui totalisent 100 %, explique chaque pondération en une ligne, note chaque option de 1 à 5 et présente les totaux pondérés dans un tableau. Enfin, énumère ce qui devrait être vrai pour que l’option la moins bien notée soit le meilleur choix.

La ligne « pose-moi d’abord des questions » est importante. Laissé à lui-même, ChatGPT devine habituellement le sens d’une demande floue plutôt que de poser des questions, comme OpenAI le note elle-même. Inviter les questions transforme cette supposition en courte entrevue.

Une fois que la propriétaire a répondu, la matrice pourrait ressembler à ceci (scores donnés à titre d’illustration) :

Pour le risque, un score plus élevé signifie un choix plus sûr. Les totaux sont serrés, ce qui est en soi une information utile : c’est une question de jugement sur les priorités, pas une victoire nette. Poussez maintenant l’analyse. Demandez : « Si je baisse la pondération du temps de la propriétaire à 20 % et que je monte celle des ventes supplémentaires à 55 %, le classement change-t-il? » Avec ces pondérations, l’option en ligne passe en tête (3,30, contre 3,05 pour le four et 2,85 pour l’aide), et la propriétaire apprend exactement quelle valeur oriente la réponse.

D’autres manœuvres qui fonctionnent

• Analyse prémortem. « Imagine que nous sommes dans un an et que l’option C a échoué. Écris les trois raisons les plus probables. » Cela fait ressortir les risques que l’optimisme cache.
• Renforcer l’autre option. « Présente les arguments honnêtes les plus solides en faveur de l’option A. » Une bonne décision survit à son meilleur contre-argument.
• Le pour et le contre, avec les conséquences. Demandez le pour et le contre, puis demandez lesquels sont réversibles et lesquels ne le sont pas. Les erreurs réversibles coûtent moins cher.

Où se trompe-t-il?

Le premier problème est le contexte manquant. Le modèle ne connaît que ce qui se trouve dans la conversation, plus les tendances générales apprises pendant son entraînement. Il ne connaît pas vos liquidités, votre marché local ni votre niveau de fatigue à moins que vous ne le lui disiez, et il comble les trous avec des hypothèses typiques. Ses scores ne valent que les faits que vous lui donnez; vérifiez donc les chiffres sur lesquels il s’appuie avant de vous fier au tableau.

Le deuxième est l’excès d’assurance. OpenAI prévient que ChatGPT peut écrire des réponses qui semblent raisonnables, mais qui sont fausses, et qu’un petit changement de formulation peut changer la réponse. Un tableau soigné avec deux décimales a l’air précis, mais les scores en dessous sont des suppositions. Posez la même question dans une nouvelle conversation avec une autre formulation; si le classement s’inverse, considérez le résultat comme une ébauche grossière.

Le troisième est la complaisance (sycophancy), l’habitude de dire aux gens ce qu’ils semblent vouloir entendre. Des chercheurs d’Anthropic ont rapporté en décembre que les plus grands modèles de langage sont plus susceptibles de répéter la réponse préférée de l’utilisateur. Si votre prompt dit « Je penche pour le four », attendez-vous à ce que l’analyse penche du même côté. Gardez votre préférence hors du premier prompt, et demandez les arguments contre votre option préférée avant de vous engager.

Utilisé ainsi, ChatGPT ne décide pas à votre place. Il rend votre propre raisonnement visible, et c’est souvent l’étape qui manquait.