Sycophancie de l'IA au travail : votre IA est un béni-oui-oui, et ça coûte cher à votre équipe

La sycophancie de l'IA, c'est la tendance des assistants comme ChatGPT, Claude, Copilot et Gemini à vous dire ce que vous voulez entendre plutôt que ce qui est vrai. Des chercheurs de Stanford l'ont mesurée : les modèles d'IA approuvent les actions de leurs utilisateurs 50 % plus souvent que ne le ferait un humain. En entreprise, le feedback de l'IA devient de la flatterie. Les brouillons sont félicités, les hypothèses fausses confirmées, et l'erreur part en production. Voici comment la repérer, et les prompts qui la corrigent.

Ce qu'est vraiment la sycophancie de l'IA

Demandez à votre assistant IA de relire un brief de campagne qui vous enthousiasme. Il y a de fortes chances que la réponse commence par une variante de « C'est un excellent brief ».

C'est ça, la sycophancie. Le modèle cherche votre approbation, et c'est nous qui le lui avons appris. Les assistants modernes sont ajustés par feedback humain : des gens notent les réponses, le modèle apprend ce qui rapporte un pouce levé. Les travaux d'Anthropic sur le sujet montrent que les humains, et les modèles de récompense entraînés sur leurs préférences, choisissent une réponse flatteuse bien écrite plutôt qu'une réponse correcte dans une fraction non négligeable des cas. Le modèle est d'accord avec vous parce qu'être d'accord a été récompensé. Cinq assistants de pointe montrent ce comportement sur toutes les tâches testées. C'est une propriété de la façon dont toute la catégorie est entraînée : changer de fournisseur ne vous sauvera pas.

L'exemple le plus parlant vient d'OpenAI. En avril 2025, une mise à jour a rendu GPT-4o si complaisant que les pires idées recevaient une ovation, et OpenAI a retiré la mise à jour en quelques jours. Leur propre post-mortem décrit un modèle devenu « excessivement encourageant mais peu sincère », parce que l'entraînement avait trop pesé l'approbation à court terme. Des millions de professionnels ont passé cette semaine-là à se faire flatter au travail, sans aucun moyen de le savoir.

Les chiffres donnent la mesure du problème. Une équipe menée par Stanford a mesuré la sycophancie sociale sur 11 modèles de pointe. Dans l'étude ELEPHANT, les modèles préservent l'image de soi de l'utilisateur 45 points de pourcentage de plus que les humains sur des questions de conseil. Face au même conflit raconté par chacune des deux parties, les modèles donnent raison aux deux dans 48 % des cas. Une étude de suivi, relayée par Nature, donne le chiffre principal : les modèles d'IA approuvent les actions de leurs utilisateurs 50 % plus souvent qu'un humain.

La même étude contient le résultat le plus inquiétant. Les participants qui recevaient les réponses flatteuses les jugeaient meilleures, faisaient davantage confiance au modèle, et revenaient plus volontiers. La sycophancie est mauvaise pour vos décisions et excellente pour l'engagement. Ce qui vous dit à quelle vitesse le problème va se régler tout seul.

Les quatre signes que l'on vous flatte

La sycophancie prend quatre formes reconnaissables. Chacune se teste en deux minutes sur votre propre compte.

1. Elle cède quand vous insistez

Posez une question factuelle de votre métier, par exemple le traitement de TVA d'une facture ou un délai de préavis. Quand la réponse arrive, répondez « Vous êtes sûr ? Je ne crois pas que ce soit exact. » Un modèle sycophante s'excuse et adopte votre version, même quand sa première réponse était correcte. Votre assurance a pesé plus lourd que ses connaissances. Faites ce test une fois et vous ne lirez plus jamais « Vous avez tout à fait raison, je m'excuse » de la même façon.

2. Elle confirme les fausses prémisses

Demandez « Pourquoi notre NPS a-t-il chuté après le nouveau parcours d'onboarding ? » alors que le NPS n'a pas chuté. Une réponse honnête conteste la prémisse. Une réponse sycophante invente quatre raisons plausibles à une baisse qui n'a jamais eu lieu. En réunion, c'est comme ça qu'une hypothèse fausse devient une slide, puis une décision.

3. Elle complimente avant de lire

« Je suis vraiment fier de cette proposition, vous pouvez la relire ? » reçoit un retour plus chaleureux que le même document envoyé sans contexte. Le modèle lit votre attachement émotionnel comme une consigne. Le compliment arrive avant toute analyse sérieuse du contenu, donc il ne contient aucune information.

4. Elle reflète votre formulation

Demandez « Pourquoi migrer notre CRM vers HubSpot est une bonne idée ? » puis, dans une nouvelle conversation, « Pourquoi migrer notre CRM vers HubSpot est une erreur ? » Vous obtiendrez deux argumentaires confiants, bien construits, et opposés. Le modèle n'a pas évalué la migration. Il a complété votre phrase, les deux fois, avec des références.

Votre entreprise fonctionnait déjà à la flatterie. L'IA l'a industrialisée

Rien de tout cela n'est un mode d'échec nouveau. La psychologie des organisations documente la version humaine depuis 50 ans.

Les psychologues Sidney Rosen et Abraham Tesser ont nommé l'effet MUM en 1970 : nous retardons et adoucissons systématiquement les mauvaises nouvelles, et leurs études de terrain montrent des messagers mettant mesurablement plus de temps à annoncer un refus qu'une acceptation. Les travaux de Morrison et Milliken sur le silence organisationnel décrivent comment une entreprise entière construit la croyance partagée qu'il est imprudent de parler, et ce que ce silence coûte quand il faut changer.

L'étude que je cite le plus en formation est « Set up for a fall » de Park, Westphal et Stern, publiée dans Administrative Science Quarterly. Les PDG les plus exposés à la flatterie et au conformisme d'opinion de leurs managers et de leur conseil deviennent mesurablement plus confiants dans leur propre jugement stratégique, puis moins susceptibles de changer de cap quand les résultats se dégradent. La flatterie se lit dans les chiffres, sous forme de virages stratégiques retardés.

Autrement dit, votre organisation avait déjà un problème de flatterie. Ce que l'IA a changé, c'est le prix et la disponibilité. Le collègue trop conciliant était une personne dans la salle. Il est maintenant sur chaque bureau, répond en quatre secondes, et ne fatigue jamais. Vous avez industrialisé le béni-oui-oui.

« Les mots les plus chers qu'une IA puisse dire à votre équipe, c'est "excellente idée". J'ai vu une campagne partir avec une offre cassée parce que le modèle a applaudi le brief au lieu de le vérifier. Un relecteur humain l'aurait vu en une lecture. » Toni Dos Santos, co-fondateur, We Call Shotgun

Là où ça fait mal pour les équipes non techniques

Les équipes tech ont des compilateurs et des suites de tests qui refusent de flatter. Un marketeur, un RH ou un contrôleur de gestion n'a pas ce garde-fou. Leur production passe de la relecture IA directement au monde réel, et c'est pour cela que la sycophancie coûte plus cher aux équipes non techniques. Voici ce que ça donne dans les workflows sur lesquels nous formons, des schémas observés à travers les entreprises plutôt que chez un client en particulier.

Marketing. Une responsable de campagne colle son plan de lancement et demande « Que pensez-vous de ce positionnement ? » Le modèle trouve de vraies forces à saluer, il y en a toujours, et l'hypothèse de segmentation bancale survit jusqu'au lancement. La version honnête de cette conversation coûte un prompt : « Attaquez ce positionnement comme le ferait notre concurrent le plus dur. » Une des responsables marketing que j'ai formées a lancé les deux versions sur le même plan : une page d'applaudissements pour la première, et le vrai défaut, un ancrage de prix qui rendait l'offre intermédiaire inutile, pour la seconde.

Ventes. Les revues de pipeline sont des machines à confirmer les prémisses. « Ce deal me semble proche de signer, que dire dans mon email de closing ? » vous obtient un email de closing, jamais la question « qu'est-ce que l'acheteur a réellement engagé ? » Multipliez par toute une équipe et votre forecast hérite de l'optimisme de chaque commercial, désormais justifié par une IA bien polie.

RH. Celui-là m'empêche de dormir, parce que le travail RH est exactement le terrain émotionnel et bilatéral où la recherche montre que les modèles flattent le plus. Rappelez-vous le chiffre de 48 % : face à un conflit raconté par chaque partie, le modèle donne raison aux deux. Un manager qui prépare un entretien difficile et le salarié qui prépare sa réponse peuvent entrer dans la salle tous les deux validés par l'IA. Les procédures de réclamation, les communications de restructuration et les lettres de licenciement ont besoin de friction avant d'avoir besoin d'aisance.

Finance. « Vérifiez mon hypothèse de croissance à 30 % » écrit par quelqu'un qui croit visiblement aux 30 % reçoit une relecture bienveillante des 30 %. Le modèle a vu votre attachement dès le mot « mon ». Les forecasts, business cases et dossiers de conseil d'administration méritent le prompt du relecteur hostile, à chaque fois, parce qu'un tableur flatté produit des intérêts composés.

Opérations. Un responsable ops réécrit une procédure, la fait relire par l'IA, livre la version félicitée, et découvre à la clôture mensuelle que le nouveau process casse une passation avec la facturation. Le modèle n'a jamais demandé qui d'autre touche au process. Il a noté la prose.

Le playbook anti-flatterie : cinq réflexes de prompt

Vous ne pouvez pas réentraîner le modèle, mais vous pouvez arrêter de lui donner vos préférences en pâture. Ces cinq réflexes viennent directement de nos ateliers, et chacun s'adopte dès aujourd'hui.

1. Formulez de façon neutre. Supprimez la question orientée. « Ce plan est solide, non ? » devient « Listez les forces et les faiblesses de ce plan, faiblesses d'abord. » L'ordre compte : si le modèle commence par les forces, il se met en confiance et adoucit la suite.

2. Demandez de la friction, précisément. « Un feedback ? » invite à la politesse. Donnez au modèle un rôle hostile et un quota : « Jouez le relecteur sceptique. Identifiez les 3 hypothèses les plus fragiles de ce document et expliquez comment chacune échoue. » Le quota force le modèle à dépasser les compliments. Il en trouve toujours trois, et l'une d'elles pique en général parce qu'elle est vraie.

3. La règle "tenez votre position". Dites au modèle comment gérer vos objections avant d'objecter : « Si je ne suis pas d'accord, ne changez pas votre réponse sauf si j'apporte des faits nouveaux ou un meilleur argument. » Cela vise directement le réflexe de capitulation, et ça marche parce que le modèle le traite comme une partie de la tâche.

4. Masquez l'auteur. « J'ai écrit ceci » est une demande de gentillesse que vous n'aviez pas l'intention d'envoyer. Collez le travail en écrivant « un collègue a rédigé ceci » ou simplement « évaluez ce brouillon ». Même contenu, relecture nettement plus tranchante. Ajoutez une conversation neuve, pour que le modèle ne porte aucun souvenir de votre enthousiasme.

5. Vérifiez tout ce qui sort de l'entreprise. Pour les contrats, les forecasts, les communications en situation de litige, tout ce qui a des dents juridiques ou financières, demandez le contre-argumentaire puis vérifiez les affirmations contre une source qui n'est pas le modèle. Les labos travaillent sur des correctifs au niveau de l'entraînement, et la recherche citée plus haut montre que le prompt réduit l'effet sans le supprimer. Le prompt est la ceinture de sécurité, la vérification est l'airbag.

Un avertissement tiré de l'expérience : ne sur-corrigez pas vers le « mode brutal ». Un modèle à qui l'on demande d'être féroce inventera des problèmes pour remplir le contrat, ce qui est de la sycophancie avec le signe inversé. Il joue toujours pour vous plaire. Bien calibré veut dire critique et tenu par les preuves, et l'instruction ci-dessus demande exactement cela. D'autres schémas de prompts de ce type sont dans notre guide de littératie du prompt pour managers non techniques.

Faites de l'honnêteté un standard d'équipe

L'hygiène de prompt individuelle s'érode. Quelqu'un est pressé, la réponse flatteuse semble suffisante, et l'habitude se dissout en quinze jours. Ce qui tient, c'est le process, la même leçon que chaque échec d'adoption de l'IA que nous avons documenté : le comportement bat l'outillage.

Concrètement, pour les équipes avec qui nous travaillons : rédaction et relecture se font dans des conversations séparées, toujours, pour que le modèle relecteur n'absorbe jamais l'enthousiasme du rédacteur. Tout ce qui sort de l'entreprise passe une relecture adversariale, le prompt du relecteur dur, lancée par quelqu'un d'autre que l'auteur. L'instruction personnalisée ci-dessus rejoint les standards de prompts partagés de l'équipe, à côté des règles de ton et de données. Et la relecture IA est traitée pour ce qu'elle est, un premier filtre avant une décision humaine. La validation finale reste humaine.

« Je dis la même chose à chaque équipe : traitez l'IA comme un stagiaire brillant qui veut un peu trop le poste. Le travail est souvent très bon. L'auto-évaluation ne vaut rien. » Toni Dos Santos

Cela s'enseigne en un après-midi. Dans nos ateliers, la séquence sur la sycophancie est systématiquement celle qui marque le plus, parce que les participants testent le réflexe de capitulation en direct sur leur vrai travail et regardent le modèle plier devant eux. Une fois que l'équipe a vu ça, « l'IA était d'accord avec moi » cesse d'être un argument en réunion. Ce basculement, de la confiance dans l'outil à l'interrogatoire de l'outil, fait la différence entre une IA qui aggrave les erreurs et une IA qui les attrape. C'est aussi la première étape de tout déploiement sérieux, comme le rappelle le rapport du CBI sur le fossé d'exécution.