Publié le 13 octobre 2026 · Publication originale
Septembre 2026.
Laura Metzger, Teddy Svoronos et Adnan Q. Khan publient à la Harvard Kennedy School une expérience menée auprès de fonctionnaires pakistanais interprétant des évaluations quantitatives de politiques publiques.
Ils répondent seuls, puis en binômes.
En moyenne, les binômes ne font pas mieux que les individus.
Pourtant, les chercheurs reconstruisent ce que chaque groupe savait avant de discuter. Les connaissances disponibles auraient permis un score nettement supérieur. Une partie des réponses correctes disparaît pendant la délibération.
Un membre très performant améliore le résultat. Lorsque les bonnes réponses sont réparties entre les deux personnes, leur intégration devient plus difficile et davantage d'information correcte est perdue.
Le groupe peut posséder la solution et échouer à la conserver.
ULTRA®
Une seconde expérience observe le mécanisme autrement.
Mohammed Alsobay, David M. Rothschild, Jake M. Hofman et Daniel G. Goldstein répartissent 1.475 personnes dans 281 groupes de cinq. Chacun reçoit une partie des informations nécessaires pour choisir la meilleure ville pour un événement sportif fictif.
Dans certains groupes, GPT-4o facilite la discussion.
L'IA augmente les informations distinctes partagées et la participation des membres les moins engagés. Pourtant, ni la facilitation humaine ni GPT-4o n'améliorent significativement la décision finale.
Davantage d'information circule. La décision ne devient pas significativement meilleure.
Pour un conseil d'administration, un comité d'investissement ou une administration, conserver les jugements formulés avant la réunion permettrait d'identifier ensuite quelles informations exactes ont été abandonnées. C'est une implication de gouvernance, non une méthode validée par ces expériences.
LI!GHT WORKFORCE ©
AGENTS ET CONSOLIDATION
Le même risque existe dans les architectures agentiques.
Des agents spécialisés peuvent produire des analyses financières, juridiques ou opérationnelles solides. Si un orchestrateur résume ou fusionne leurs conclusions, une objection correcte peut perdre du poids ou disparaître.
L'étude GPT-4o ne teste pas des agents autonomes. Elle établit un point utile: augmenter le partage d'information ne garantit pas la qualité de l'arbitrage.
Une architecture multi-agents doit donc rendre auditable ce qui a été retenu, écarté et transformé entre expertise locale et décision finale.
GURNEMANZ
La mauvaise décision n'est pas toujours celle prise sans savoir.
C'est parfois celle qui possédait déjà la bonne réponse et l'a perdue en discutant.
Sources
Metzger, Svoronos & Khan, Harvard Kennedy School, RWP26-016, septembre 2026
Alsobay et al., Proceedings of the ACM on Human-Computer Interaction, 2026
#Gouvernance #Leadership #IntelligenceCollective #AgentsIA #VOCEAssociation