L’objectif n’est pas de complexifier le sujet, mais de rendre les concepts accessibles, actionnables et partageables. Car bien nommer les choses, c’est déjà reprendre la maîtrise : sur ses usages, ses décisions et sa posture face à l’IA.
Ce glossaire s’adresse aux apprenants, enseignants, collaborateurs, dirigeants et citoyens qui souhaitent coopérer avec l’IA de manière lucide, responsable et durable. Bienvenue dans le glossaire de la collaboration Humain–IA.
Qualité de l’information et esprit critique
Le premier rempart du discernement face à l’IA.
La première illusion de l’intelligence artificielle n’est pas technique, elle est cognitive.
L’IA produit des réponses fluides, cohérentes et rassurantes - exactement ce que le cerveau humain interprète spontanément comme crédible. Or, cohérence ne signifie pas vérité, et plausibilité ne garantit jamais l’exactitude. « Dans une collaboration Humain-IA, le risque majeur n’est donc pas que l’IA se trompe, mais que l’humain cesse de questionner. Plus une réponse est bien formulée, plus elle peut court-circuiter l’esprit critique si aucun réflexe de vérification n’est activé. » déclare Nicolas Pourbaix, expert-formateur e-net. school.
Ce constat traverse l’ensemble des ateliers d’éveil et des ateliers d’expérience e-net. school. Sur le terrain, qu’il s’agisse de dirigeants, de managers, de collaborateurs ou de formateurs, on observe le même phénomène : la qualité apparente d’une réponse peut suffire à suspendre le doute, surtout lorsque le rythme s’accélère et que la pression décisionnelle augmente.
Ce premier chapitre du Glossaire du dépassement Humain-IA pose donc les fondations de toute collaboration responsable. Il introduit les notions indispensables pour résister à l’effet de plausibilité, réactiver l’esprit critique et redonner à l’humain son rôle central : qualifier l’information avant d’agir ou de décider.
Les cinq termes présentés ici sont systématiquement travaillés dans les dispositifs pédagogiques e-net. school, non comme des concepts théoriques, mais comme des réflexes opérationnels : vérifier, douter intelligemment, remonter aux sources et assumer un niveau d’incertitude.
Sans qualité de l’information et esprit critique, aucune gouvernance, aucune conformité réglementaire, aucune performance durable n’est possible.
1. Hallucination
Une hallucination est une réponse produite par une IA qui semble crédible mais qui est factuellement fausse ou partiellement inventée.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA ne vérifie pas la vérité : elle génère des réponses plausibles à partir de probabilités. Ce fonctionnement amplifie un biais humain majeur : la tendance à faire confiance à un discours fluide, structuré et rassurant.
Le risque si on l’ignore ? Prendre une information fausse pour vraie simplement parce qu’elle est bien formulée.
Réflexe Humain-IA
Toute information importante issue de l’IA doit être vérifiée par une source indépendante et fiable.
Exemple terrain : Une équipe diffuse un chiffre inventé par l’IA dans une note officielle, puis doit corriger en urgence.
2. Plausibilité vs vérité
La plausibilité désigne le fait qu’une réponse semble logique, cohérente et crédible. La vérité désigne le fait qu’une information est factuellement exacte et vérifiée. Une réponse plausible n’est donc pas nécessairement vraie.
Pourquoi ce terme est clé en collaboration Humain-IA ? Les systèmes d’IA sont conçus pour produire des réponses plausibles, pas pour garantir la vérité. Or, le cerveau humain associe naturellement cohérence et crédibilité. Lorsque ces deux mécanismes se combinent, le risque de confusion est élevé : une réponse “qui fait sens” est spontanément perçue comme juste.
Le risque si on l’ignore ? Confondre qualité de formulation et qualité de l’information, et prendre des décisions sur des bases fragiles sans s’en rendre compte.
Réflexe Humain-IA
Plus une réponse semble évidente ou rassurante, plus elle mérite d’être vérifiée.
Exemple terrain : Un dirigeant valide une orientation stratégique car “l’argumentation est claire et convaincante”, sans vérifier les données sous-jacentes.
Cadre IA Act / RGPD : exigence de décisions explicables et traçables
3. Vérification (fact-check)
La vérification (ou fact-check) consiste à confronter une information produite par l’IA à une ou plusieurs sources externes fiables afin d’en confirmer l’exactitude.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA ne distingue pas le vrai du faux : elle génère des réponses probables à partir de modèles statistiques. La vérification est donc un acte exclusivement humain. Elle constitue le pont entre la plausibilité produite par l’IA et la vérité nécessaire à toute décision à impact.
Le risque si on l’ignore ? Diffuser ou utiliser des informations erronées mais crédibles, prendre des décisions sur des bases fragiles, et perdre progressivement confiance dans les outils, les décisions… et les personnes.
Réflexe Humain-IA
Toute information issue de l’IA qui a un impact doit être confirmée par au moins une source indépendante.
Exemple terrain : Une équipe communique un changement réglementaire "confirmé par l’IA"… qui n’existe dans aucun texte officiel.
Cadre IA Act : obligation de contrôle humain effectif sur les décisions à impact
4. Source primaire
Une source primaire est une source d’information directe, originale et non interprétée : texte officiel, donnée institutionnelle, étude scientifique, décision juridique, document de référence émis par l’autorité compétente.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA reformule, synthétise et combine des contenus existants, mais elle ne garantit ni l’origine exacte ni l’actualité d’une information. La source primaire permet à l’humain de remonter à l’origine du fait, de vérifier le contexte, les conditions et les limites réelles de l’information.
Le risque si on l’ignore ? S’appuyer sur des informations secondaires, obsolètes ou déformées, prendre des décisions sur des résumés approximatifs et confondre interprétation, vulgarisation et réalité factuelle.
Réflexe Humain-IA
Pour toute information critique : "Quelle est la source primaire exacte ?"
Exemple terrain : Un manager applique une "obligation légale" mentionnée par l’IA, sans vérifier le texte officiel… qui a été modifié depuis deux ans.
Cadre RGPD / IA Act : traçabilité, explicabilité et justification des décisions
5. Niveau de confiance (incertitude)
Le niveau de confiance (ou d’incertitude) désigne le degré de fiabilité que l’on peut accorder à une information, une réponse ou une recommandation produite par l’IA, en fonction du contexte, des données disponibles et des limites identifiées.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA ne fournit pas spontanément un indice de certitude. Elle produit des réponses formulées avec le même aplomb, qu’elles soient très solides ou très fragiles. C’est donc à l’humain d’évaluer et de qualifier le niveau de confiance avant d’agir ou de décider.
Apprendre à penser en termes de probabilité, d’hypothèse et de marge d’erreur est une compétence centrale de la maturité Humain-IA.
Le risque si on l’ignore ? Traiter toutes les réponses comme également fiables, prendre des décisions définitives sur des informations incertaines et confondre aide à la réflexion avec recommandation robuste.
Réflexe Humain-IA
Se demander systématiquement : "Sur quoi repose cette réponse, et qu’est-ce qui pourrait la fragiliser ?"
Exemple terrain : Une équipe s’appuie sur une prévision générée par l’IA sans identifier qu’elle repose sur des hypothèses implicites… qui ne sont plus valables six mois plus tard.
Posture cognitive humaine et biais amplifié par l’IA
Comprendre comment l’IA influence notre jugement… pour mieux le préserver.
L’intelligence artificielle n’agit jamais directement sur la réalité : elle agit d’abord sur notre manière de penser.
Ses réponses ne modifient pas les faits, mais elles influencent la perception, le raisonnement et la prise de décision humaines.
Le point clé est souvent mal compris : l’IA ne crée pas les biais cognitifs.
"Ces biais existent depuis toujours, car ils font partie du fonctionnement normal du cerveau humain. En revanche, par sa rapidité, sa fluidité et son apparente assurance, l’IA peut les activer, les renforcer ou les rendre invisibles, surtout lorsque l’utilisateur n’en a pas conscience." indique Nicolas Pourbaix, expert-formateur e-net. school.
Dans les ateliers d’éveil et d’expérience e-net. school, ce chapitre est souvent celui qui provoque les déclics les plus forts. Les participants réalisent que le risque principal n’est pas “l’erreur de l’IA”, mais la façon dont leur propre cerveau réagit à ses réponses : recherche de confirmation, soulagement cognitif, délégation implicite du jugement ou fatigue décisionnelle.
Comprendre ces mécanismes, ce n’est pas se méfier de l’IA : c’est reprendre la maîtrise de sa posture cognitive.
Les cinq termes de ce chapitre permettent d’identifier les effets psychologiques et attentionnels les plus fréquents dans la collaboration Humain-IA. Ils donnent des repères concrets pour rester lucide, ralentir quand il le faut, et préserver ce qui fait la qualité d’une décision humaine : le discernement, la responsabilité et la capacité à douter intelligemment.
Sans cette compréhension de la cognition humaine, aucune règle d’usage, aucune gouvernance ni aucun cadre réglementaire ne peut réellement fonctionner dans la durée.
6. Biais cognitif
Un biais cognitif est un raccourci mental automatique par lequel le cerveau humain simplifie la réalité pour décider plus vite, au risque de déformer l’analyse, l’interprétation ou le jugement.
Ces biais ne sont ni des erreurs volontaires, ni des défauts individuels : ils font partie du fonctionnement normal du cerveau.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA ne crée pas les biais cognitifs, mais elle peut les amplifier.
En produisant des réponses rapides, structurées et convaincantes, elle s’insère parfaitement dans les mécanismes de simplification du cerveau humain.
Sans conscience des biais, l’utilisateur risque de confondre confort cognitif et qualité de décision.
Le risque si on l’ignore ? Renforcer involontairement ses propres intuitions, accepter une réponse sans la questionner et déléguer progressivement son discernement à l’outil sans s’en rendre compte.
Réflexe Humain-IA
Se demander : "Est-ce que cette réponse me rassure… ou m’aide réellement à mieux comprendre ?"
Exemple terrain : Un manager valide une recommandation IA parce qu’elle “confirme ce qu’il pensait déjà”, sans explorer d’alternative.
7. Biais de confirmation
Le biais de confirmation est la tendance naturelle du cerveau humain à rechercher, interpréter et retenir en priorité les informations qui confirment ses croyances, intuitions ou hypothèses initiales, tout en minimisant ou ignorant celles qui les contredisent.
Ce biais agit souvent de manière inconsciente.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA est conçue pour être utile, pertinente et alignée avec la demande formulée.
Si l’utilisateur exprime une orientation implicite, l’IA a tendance à la renforcer plutôt qu’à la contredire, sauf si le désaccord est explicitement demandé.
Ainsi, l’IA peut devenir un amplificateur de confirmation, donnant l’illusion d’un consensus ou d’une évidence là où il n’y a qu’une hypothèse initiale non challengée.
Le risque si on l’ignore ? Prendre une réponse unique pour une validation objective, fermer prématurément la réflexion, ignorer des signaux faibles ou des alternatives pourtant essentielles, et renforcer des décisions fragiles par confort cognitif.
Réflexe Humain-IA
Toujours demander : "Quels seraient les arguments contraires ou les limites de cette réponse ?"
Exemple terrain : Une équipe stratégique utilise l’IA pour “confirmer” une orientation déjà choisie, sans jamais lui demander d’explorer des scénarios alternatifs.
8. Effet d’autorité (de l’IA)
L’effet d’autorité de l’IA désigne la tendance humaine à accorder une crédibilité excessive aux réponses produites par un système d’intelligence artificielle, simplement parce qu’elles proviennent d’un outil perçu comme expert, neutre ou technologiquement avancé.
La légitimité perçue ne repose pas sur la véracité, mais sur la source.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA s’exprime avec assurance, fluidité et cohérence, sans jamais douter ni hésiter.
Pour le cerveau humain, ces signaux sont historiquement associés à l’expertise et à l’autorité.
En contexte professionnel ou décisionnel, cela peut conduire à un glissement subtil mais dangereux :
la réponse de l’IA n’est plus analysée, elle est acceptée.
L’outil devient alors une autorité implicite, alors qu’il ne fait que produire des probabilités linguistiques.
Le risque si on l’ignore ? Suspendre l’esprit critique, déléguer le jugement sans s’en rendre compte, ne plus oser questionner une réponse "qui a l’air sûre", et confondre assurance algorithmique et expertise réelle. À terme, le jugement humain s’affaiblit.
Réflexe Humain-IA
Traiter toute réponse IA comme une hypothèse argumentée, jamais comme une autorité.
Exemple terrain : Lors d’une réunion, une proposition est validée uniquement parce que “l’IA l’a dit”, sans que personne n’ose en questionner les fondements.
9. Charge cognitive
La charge cognitive désigne la quantité d’effort mental mobilisée par une personne pour comprendre, traiter, mémoriser et décider face à une information ou une tâche. Elle n’est pas infinie : au-delà d’un certain seuil, la qualité du raisonnement chute.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA peut réduire la charge cognitive en structurant, synthétisant ou accélérant l’accès à l’information. Mais elle peut aussi l’augmenter fortement si elle produit trop de contenu, trop d’options, trop de détails ou trop d’allers-retours.
Sans cadre, l’IA transforme un gain apparent de productivité en surcharge mentale invisible :
le cerveau passe son temps à trier, comparer, vérifier, relancer… au lieu de raisonner.
La collaboration Humain-IA devient efficace non pas quand on utilise beaucoup l’IA, mais quand on maîtrise l’effort mental qu’elle génère.
Le risque si on l’ignore ? Fatigue mentale, décisions superficielles, dépendance réflexe à l’outil, perte de clarté stratégique et impression de "travailler plus vite" tout en pensant moins bien. La surcharge cognitive précède souvent les erreurs.
Réflexe Humain-IA
Utiliser l’IA pour alléger le raisonnement, pas pour le saturer.
Exemple terrain : Un collaborateur multiplie les prompts et les variantes “pour être sûr”, puis se retrouve incapable de trancher entre 10 réponses pourtant similaires.
10. Fatigue décisionnelle
La fatigue décisionnelle désigne l’épuisement progressif de la capacité à prendre des décisions de qualité lorsque le nombre, la fréquence ou la complexité des choix devient trop élevé. Même un cerveau compétent décide moins bien quand il est sur-sollicité.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA donne l’illusion de faciliter la décision en proposant rapidement des options, des comparaisons et des recommandations. Mais sans cadrage, elle multiplie les choix au lieu de les clarifier.
À force de consulter l’IA pour des micro-décisions, des validations ou des reformulations, le cerveau s’épuise.
La décision finale devient alors plus rapide… mais moins réfléchie, plus émotionnelle ou plus conformiste.
Une IA mal utilisée n’aide pas à décider : elle déplace la fatigue décisionnelle vers la fin du processus.
Le risque si on l’ignore ? Décisions prises par défaut, recours excessif à l’IA comme arbitre, rigidité mentale, évitement des choix complexes et perte progressive de discernement. Les experts-formateurs e-net. school constatent que la fatigue décisionnelle est l’un des moteurs cachés de la délégation implicite à l’IA.
Réflexe Humain-IA
Réserver l’IA à la préparation des décisions, jamais à l’arbitrage final.
Exemple terrain : Un manager valide la dernière proposition de l’IA “par manque d’énergie”, après une journée saturée de décisions assistées.
Interaction et méthodes de prompting
Structurer la question pour ne pas subir la réponse.
La qualité de la collaboration Humain-IA ne dépend pas d’abord de la puissance de l’outil, mais de la manière dont l’humain entre en interaction avec lui.
Dans la pratique, ce ne sont pas les réponses de l’IA qui posent problème, mais les questions qui leur sont posées.
Un système d’IA ne comprend ni l’intention réelle, ni le contexte implicite, ni les enjeux humains d’une situation. Il répond à ce qui est formulé - et uniquement à cela. Dès lors, chaque interaction devient un acte de pilotage cognitif : mal formulée, elle produit une réponse générique ; bien structurée, elle transforme l’IA en véritable levier d’exploration, d’analyse et de clarification.
Dans les ateliers d’éveil et d’expérience e-net. school, ce chapitre marque souvent un basculement important : les participants passent d’une posture de consommation de réponses à une posture de questionnement actif. Ils découvrent que dialoguer avec l’IA n’est pas “parler à une machine”, mais apprendre à structurer sa propre pensée.
Comme le résume Nicolas Pourbaix, expert-formateur e-net. school : « Dans une collaboration Humain-IA, la qualité du résultat dépend moins de l’outil que de la qualité de la question. Un prompt mal posé donne l’illusion d’une réponse. ».
Les cinq termes de ce chapitre suivants - prompt, contexte, contraintes, itération et contre-prompt - constituent les briques fondamentales de cette compétence clé : questionner plus que consommer.
Ils permettent de garder la main sur le raisonnement, de limiter les biais, de réduire la charge cognitive et de transformer l’IA en partenaire de réflexion plutôt qu’en générateur automatique de contenus.
Sans maîtrise de ces méthodes d’interaction, l’IA accélère la production… mais appauvrit la compréhension et la profondeur de la réflexion.
Avec elles, elle devient un outil d’apprentissage, de discernement et de décision réellement augmentée.
11. Prompt
Un prompt est l’instruction formulée par un humain pour orienter la réponse d’un système d’intelligence artificielle.
Il peut prendre la forme d’une question, d’une consigne, d’un contexte ou d’un scénario.
Le prompt n’est pas une simple demande : c’est un acte de pilotage cognitif. Celui-ci est alimenté par des instructions mais aussi des données d’entrainement générées à partir de modèles comme SCA-IA®.
Une donnée d’entraînement est une information structurée utilisée pour apprendre à un algorithme d’intelligence artificielle (IA) à reconnaître des modèles, à faire des prédictions ou à générer du contenu.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA ne comprend pas l’intention humaine : elle répond à ce qui est formulé.
La qualité, la profondeur et la pertinence d’une réponse dépendent donc directement de la clarté, de la précision et des contraintes du prompt.
Un prompt mal posé produit une réponse générique. Un prompt bien structuré transforme l’IA en outil d’exploration, d’analyse ou de clarification.
Autrement dit : l’intelligence est davantage dans la question que dans la réponse.
Le risque si on l’ignore ? Consommer passivement des réponses superficielles, renforcer ses propres biais, croire que l’IA “raisonne” alors qu’elle ne fait que suivre une consigne floue, et perdre progressivement la maîtrise du raisonnement. "Un prompt non maîtrisé conduit à une illusion de compétence." indique Nicolas Pourbaix, expert-formateur e-net. school.
Réflexe Humain-IA
Avant d’écrire un prompt, clarifier son intention : comprendre, explorer, créer ou décider.
Exemple terrain : Un collaborateur demande : "Que penses-tu de cette stratégie ?" . L’IA répond de façon vague… faute de contexte, d’objectif et de critères.
12. Contexte
Le contexte désigne l’ensemble des informations qui permettent à l’IA de situer une demande : objectif, public, situation, contraintes, niveau attendu, environnement d’usage.
Sans contexte, une réponse peut être correcte… mais inadaptée.
Le contexte ne sert pas uniquement à “aider l’IA”, il sert principalement à protéger la qualité du raisonnement humain. Les données d'entrainement de l'organisation sont essentielles.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA ne comprend pas la situation réelle : elle ne perçoit ni les enjeux humains, ni les conséquences organisationnelles, ni le niveau de risque associé à une demande.
C’est le contexte qui donne du sens à la réponse et qui permet de distinguer une idée exploratoire d’un avis opérationnel.
Un même prompt, avec des contextes différents, peut produire des réponses radicalement opposées - toutes plausibles, mais pas toutes pertinentes.
Le contexte agit comme un cadre cognitif : il oriente l’IA, mais surtout il clarifie la pensée de l’humain.
Le risque si on l’ignore ? Obtenir des réponses génériques, mal calibrées, irréalistes ou dangereusement transposées à un mauvais public.
À terme, cela crée des décisions inadaptées, des malentendus organisationnels et une perte de confiance dans l’outil… alors que le problème vient du cadrage initial. Les experts-formateurs e-net. school observent qu'un manque de contexte transforme une réponse utile en une mauvaise décision potentielle.
Réflexe Humain-IA
Toujours préciser pour qui, pour quoi et dans quel cadre la réponse sera utilisée.
Exemple terrain : Une équipe demande une “reformulation” sans préciser le public : le message interne devient anxiogène pour les collaborateurs.
13. Contraintes (Format, rôle, critères)
Les contraintes sont les règles explicites données à l’IA pour cadrer sa réponse :
le format attendu, le rôle à adopter, les critères à respecter, les limites à ne pas dépasser.
Contraindre une réponse ne la rend pas moins intelligente : cela la rend plus pertinente, plus fiable et plus exploitable.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA est conçue pour être expansive : sans contraintes, elle explore, généralise et extrapole. C’est utile pour l’inspiration, mais risqué pour l’opérationnel.
Les contraintes jouent un rôle fondamental :
-
elles réduisent l’ambiguïté,
-
elles alignent la réponse sur l’usage réel,
-
elles évitent les dérives interprétatives.
Contraindre, c’est exercer un leadership cognitif sur la réponse.
Le risque si on l’ignore ? Obtenir des réponses longues, floues, inadaptées au contexte réel ou impossibles à utiliser telles quelles.
À terme, cela génère de la frustration, des allers-retours inutiles et une illusion de productivité. Sans contraintes, l’IA répond bien… mais pas forcément juste pour vous.
Réflexe Humain-IA
Toujours préciser au minimum : le format, le rôle attendu et les critères de qualité.
Exemple terrain : Un manager demande une “analyse stratégique” sans contrainte : il reçoit un texte générique inexploitable en comité de direction.
14. Itération / relance
L’itération désigne le fait de dialoguer en plusieurs étapes avec l’IA, en affinant progressivement la demande à travers des relances ciblées (Prompt Chaining = Chaînage de prompt).
Une relance consiste à ajuster, préciser, corriger ou challenger une réponse précédente pour en améliorer la qualité.
Avec l’IA, la première réponse est rarement la meilleure : c’est un point de départ, pas une conclusion.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA ne sait pas si une réponse est “suffisante” pour vous tant que vous ne le lui indiquez pas. C’est l’itération qui permet :
-
d’approfondir le raisonnement,
-
de révéler les limites et les angles morts,
-
d’adapter la réponse au contexte réel.
L’intelligence ne réside pas dans la sortie initiale, mais dans la capacité humaine à guider l’échange.
Le risque si on l’ignore ? Se satisfaire d’une réponse approximative simplement parce qu’elle est fluide et rapide. les experts-formateurs e-net. school constatent que cela conduit à des décisions prises sur des bases incomplètes, une dépendance passive à la première sortie et une perte progressive de maîtrise intellectuelle. Une réponse non relancée devient un automatisme, pas un apprentissage.
Réflexe Humain-IA
Ne jamais s’arrêter à la première réponse : relancer pour préciser, approfondir ou contredire.
Exemple terrain : Une équipe valide une recommandation IA sans relance… puis découvre trop tard qu’un scénario critique n’avait pas été exploré.
15. Contre-prompt (Chercher le désaccord)
Un contre-prompt est une demande volontairement formulée pour introduire du désaccord, des limites ou des points de vue opposés à une réponse précédente de l’IA.
Il ne cherche pas à confirmer une idée, mais à la mettre à l’épreuve.
Utiliser un contre-prompt, c’est demander à l’IA de contredire, fragiliser ou challenger sa propre réponse.
Pourquoi ce terme est clé en collaboration Humain-IA ? Par défaut, l’IA tend à renforcer l’orientation donnée par l’utilisateur. Sans contre-prompt, elle valide plus qu’elle ne questionne. "Le contre-prompt permet de révéler les angles morts, identifier les risques et les limites, éviter l’illusion de consensus, entraîner le discernement humain. Il transforme l’IA en outil de débat cognitif, plutôt qu’en simple générateur de réponses." indique Jean-Philippe Guisse, expert-formateur chez e-net. school.
Le risque si on l’ignore ? Confondre cohérence et solidité. Sans contre-prompt, on constate que les biais initiaux ne sont pas détectés, les décisions paraissent “évidentes” jusqu’à l’échec et la réflexion se referme trop vite. L’absence de contradiction crée une fausse sécurité intellectuelle.
Réflexe Humain-IA
Toujours demander au moins un point de vue opposé avant toute décision importante.
Exemple terrain : Un dirigeant valide une stratégie “optimisée” par l’IA… sans jamais lui demander ce qui pourrait échouer.
Données, sécurité et conformité
Protéger les personnes avant d’optimiser la performance.
La collaboration Humain-IA ne se joue pas uniquement sur la qualité des réponses ou la pertinence des décisions. Elle se joue aussi - et surtout - sur ce que l’on accepte de partager pour les obtenir.
Dans la pratique, la majorité des risques liés à l’IA ne viennent ni de la technologie elle-même, ni d’intentions malveillantes. Ils proviennent de gestes simples, quotidiens, souvent invisibles : un copier-coller trop riche, un contexte trop précis, une donnée partagée "pour aller plus vite".
Avec l’IA, la frontière entre information utile et exposition humaine devient extrêmement fine. Une donnée apparemment anodine peut suffire à identifier une personne, à révéler une situation sensible ou à engager une responsabilité juridique et éthique directe.
C’est précisément pour cela que le RGPD ne doit pas être compris comme une contrainte administrative, mais comme un cadre de protection des personnes dans un environnement numérique accéléré. Les principes de données personnelles, de minimisation, d’anonymisation et de finalité du traitement sont autant de garde-fous pour maintenir une collaboration Humain-IA saine, durable et digne de confiance.
Comme le rappelle Nicolas Pourbaix, expert-formateur e-net. school : "Le vrai risque avec l’IA n’est pas ce qu’elle fait des données, mais ce que l’humain accepte de lui confier sans s’en rendre compte. Protéger les personnes n’est pas un frein à la performance : c’est la condition pour qu’elle dure."
Dans les ateliers d’éveil et d’expérience e-net. school, ce chapitre est souvent celui qui provoque le plus fort déclic. Les participants réalisent que la conformité ne se joue pas dans des textes juridiques abstraits, mais dans des micro-décisions quotidiennes : ce que je partage, pourquoi je le partage, et pour quel objectif précis.
Les cinq termes de ce chapitre suivants traduisent ces exigences réglementaires et éthiques en réflexes opérationnels simples, accessibles à tous les publics. Ils permettent de transformer la sécurité et la conformité en leviers de confiance, plutôt qu’en obstacles à l’innovation.
Car dans une collaboration Humain-IA responsable, la performance ne vaut jamais le prix d’une exposition humaine inutile.
16. Données sensibles / données personnelles
Les données personnelles sont toutes les informations permettant d’identifier directement ou indirectement une personne (nom, email, numéro, fonction, contexte professionnel, etc.).
Les données sensibles sont une sous-catégorie renforcée : santé, opinions politiques, convictions, données financières, données RH, situations personnelles ou toute information à fort impact humain.
Dans un contexte IA, une donnée devient sensible dès qu’une personne peut être reconnue, déduite ou exposée.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA incite naturellement à fournir du contexte pour améliorer la qualité des réponses.
Ce mécanisme pousse souvent à partager plus d’informations que nécessaire, sans intention malveillante.
Comprendre ce qu’est une donnée personnelle ou sensible permet de :
-
protéger les personnes avant d’optimiser la performance,
-
éviter les expositions involontaires,
-
traduire le RGPD en réflexes concrets d’usage IA.
Derrière chaque donnée, il y a une responsabilité humaine directe.
Le risque si on l’ignore ? Exposer involontairement des clients, des collaborateurs, des citoyens, ou soi-même. Cela peut entraîner des atteintes à la vie privée, des risques juridiques (RGPD), une perte de confiance durable et un rejet défensif de l’IA dans l’organisation. Une performance obtenue au détriment des personnes n’est jamais durable.
Réflexe Humain-IA
Si une personne peut être reconnue, la donnée est personnelle et potentiellement - même sans intention de nuire.
Exemple terrain : Un manager copie-colle un échange client réel dans l’IA pour “mieux reformuler” et expose involontairement des données identifiantes.
17. Minimisation des données
La minimisation des données consiste à ne partager avec un système d’IA que les informations strictement nécessaires à l’objectif poursuivi, et rien de plus.
Ce principe s’applique à toute donnée personnelle, sensible ou contextuelle : moins de données = moins de risques humains et juridiques.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA fonctionne mieux avec du contexte… mais pas avec trop de contexte.
Le cerveau humain, en quête d’efficacité, a tendance à “tout donner” pour obtenir une meilleure réponse : copier-coller un mail complet, un dossier client, un échange RH.
La minimisation transforme cette logique :
C’est un réflexe à la fois RGPD, éthique et cognitif.
Le risque si on l’ignore ? Partager trop d’informations entraîne une exposition involontaire de données sensibles, des risques de non-conformité RGPD, une perte de contrôle sur ce qui est réellement nécessaire, une confusion entre “utile” et “excessif”. Plus on partage, plus on fragilise la relation de confiance.
Réflexe Humain-IA
Avant chaque prompt : ai-je vraiment besoin de cette information pour atteindre mon objectif ?
Exemple terrain : Un collaborateur colle un rapport complet avec noms, dates et situations précises alors qu’un résumé anonymisé suffisait.
18. Anonymisation / pseudonymisation
L’anonymisation consiste à supprimer toute possibilité d’identifier une personne, de manière directe ou indirecte.
La pseudonymisation consiste à remplacer les données identifiantes (nom, email, numéro, etc.) par des éléments fictifs ou codés, tout en conservant une structure exploitable.
- Anonymiser = rendre l’identification impossible
- Pseudonymiser = masquer l’identité sans détruire le sens
Pourquoi ce terme est clé en collaboration Humain-IA ? Dans l’usage de l’IA, le risque ne vient pas seulement des données “sensibles”, mais de la reconnaissabilité des personnes. Un cas, une situation, un détail contextuel suffisent parfois à identifier quelqu’un, même sans nom.
L’anonymisation et la pseudonymisation permettent d’exploiter l’IA sans exposer les personnes, de respecter le RGPD sans bloquer l’usage, et de transformer un réflexe juridique en bonne pratique opérationnelle.
C’est l’un des ponts les plus concrets entre performance et responsabilité.
Le risque si on l’ignore ? Sans anonymisation, vous devez savoir que des personnes deviennent identifiables sans consentement, la responsabilité humaine est engagée, les usages IA génèrent méfiance, blocages ou incidents, la conformité devient un problème… a posteriori.
Ce n’est pas l’IA qui "fuit" les données, c’est l’humain qui les expose.
Réflexe Humain-IA
Si une personne pouvait se reconnaître dans ce que j’écris, je dois anonymiser.
Exemple terrain : Un manager demande à l’IA d’analyser une situation RH réelle en citant l’âge, le poste et le parcours exact… rendant la personne identifiable sans le vouloir.
19. Finalité du traitement
La finalité du traitement désigne l’objectif précis, explicite et légitime pour lequel une donnée est utilisée.
Une donnée ne peut jamais être collectée, partagée ou exploitée “au cas où” ou pour un usage différent de celui annoncé.
- Pas de finalité claire = pas de légitimité d’usage.
Pourquoi ce terme est clé en collaboration Humain-IA ? Avec l’IA, il est très facile de réutiliser une donnée pour un autre objectif que celui prévu initialement : analyser, reformuler, tester, comparer, entraîner, décider…
Or, le RGPD impose un principe fondamental : la donnée suit l’intention, pas l’inverse.
Sur le plan cognitif, c’est aussi un réflexe essentiel, clarifier la finalité permet de donner le bon statut à la réponse, ajuster le niveau d’exigence, et éviter les glissements silencieux entre exploration, création et décision.
La finalité est donc un point de rencontre entre réglementation et discernement humain.
Le risque si on l’ignore ? Sans finalité explicite une donnée est réutilisée hors contexte, une analyse devient une décision implicite, une exploration se transforme en justification, la conformité RGPD est rompue, et la confiance des personnes est fragilisée.
Une donnée utilisée sans finalité claire devient une exposition humaine inutile.
Réflexe Humain-IA
Avant d’utiliser une donnée, être capable de formuler : "Je l’utilise pour…"
Exemple terrain :
Une équipe utilise des données clients initialement collectées pour le support afin d’alimenter une analyse IA marketing, sans jamais redéfinir la finalité ni informer les personnes concernées.
20. Exposition involontaire des données
L’exposition involontaire des données désigne le fait de partager des informations sensibles, personnelles ou confidentielles sans intention malveillante, souvent par automatisme, confort ou méconnaissance des risques.
Ce n’est pas une fraude, c’est une dérive silencieuse.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA encourage naturellement à donner du contexte pour "mieux répondre". Plus le prompt est riche, plus la tentation est grande de copier-coller :
-
des échanges clients,
-
des emails internes,
-
des situations RH précises,
-
des données financières ou médicales,
-
des éléments identifiants "parce que c’est plus simple".
Sur le plan cognitif, le cerveau cherche l’efficacité immédiate.
Sur le plan réglementaire, le RGPD rappelle que l’absence d’intention ne supprime pas la responsabilité.
L’exposition involontaire est donc le principal risque réel de l’IA au quotidien, bien plus que les scénarios spectaculaires.
Le risque si on l’ignore ? Lorsque l’exposition involontaire n’est pas identifiée, les experts-formateurs e-net. school constatent que des données personnelles circulent hors cadre, des personnes deviennent identifiables sans le savoir, la confiance est rompue, des risques juridiques apparaissent a posteriori et l’IA est rejetée par peur, après coup. "La majorité des incidents IA + données ne viennent pas d’une attaque, mais d’un usage mal cadré." indique Nicolas Pourbaix.
Réflexe Humain-IA
Si je ne dirais pas cette information à voix haute devant un groupe, je ne la partage pas avec une IA.
Exemple terrain : Un manager colle un échange client complet dans l’IA pour "améliorer le ton d’un email", exposant noms, contexte personnel et informations sensibles sans s’en rendre compte.
Gouvernance, responsabilité et traçabilité
Quand l’IA devient un sujet de décision, elle devient un sujet de gouvernance.
À partir du moment où l’intelligence artificielle influence des décisions réelles - et pas seulement des idées ou des contenus — elle cesse d’être un simple outil individuel. Elle devient un objet de responsabilité collective et managériale.
Ce chapitre marque un changement de niveau. On ne parle plus seulement de comment bien utiliser l’IA, mais de qui décide, qui assume, qui contrôle et qui peut expliquer.
L’IA Act européen repose sur un principe central : plus l’impact humain est élevé, plus le contrôle humain, la traçabilité et la gouvernance doivent l’être aussi. Cela ne concerne pas la technologie en tant que telle, mais la manière dont les organisations encadrent son usage.
Dans la réalité du terrain, les dérives ne viennent pas d’une IA "trop autonome", mais de zones grises sur les usages à impact non identifiés, la supervision humaine floue ou symbolique, les décisions non documentées, les responsabilités diluées, et l'absence de cadre commun entre équipes.
Autrement dit : ce n’est pas l’IA qui pose problème, c’est l’absence de gouvernance explicite autour d’elle.
Comme le formule Nicolas Pourbaix, expert-formateur e-net. school : « L’IA Act ne demande pas aux organisations d’être parfaites, il leur demande d’être capables de prouver qu’un humain a compris, contrôlé et assumé la décision. La gouvernance IA n’est pas du reporting : c’est un outil de pilotage et de protection du jugement humain. »
Ce chapitre s’adresse donc directement aux dirigeants, aux managers, aux responsables RH, IT, juridiques ou conformité, et à toute organisation qui utilise l’IA au-delà du simple confort individuel.
Les cinq termes qui suivent - usage à impact, supervision humaine, traçabilité, gouvernance IA et registre des décisions - constituent la colonne vertébrale d’une collaboration Humain–IA conforme, explicable et durable.
Ils traduisent les exigences de l’IA Act et du RGPD en outils concrets de management, accessibles sans lourdeur bureaucratique, et utilisables dans les ateliers d’éveil et d’expérience e-net. school pour aider les organisations à passer :
-
de l’expérimentation diffuse,
-
à une maturité IA assumée, gouvernée et sécurisée.
Car lorsque l’IA influence des décisions humaines, ne pas gouverner, c’est déjà décider - sans l’assumer.
21. Usage à impact
Un usage à impact désigne toute utilisation de l’IA qui influence directement ou indirectement une décision ayant des conséquences réelles sur des personnes, des droits, des parcours ou des situations sensibles.
Exemples typiques : décisions RH, santé, finance, évaluation, sanctions, orientation, accès à un service, communication sensible.
Pourquoi ce terme est clé en collaboration Humain-IA ? Toutes les utilisations de l’IA ne se valent pas. Utiliser l’IA pour reformuler un texte ou explorer des idées n’a pas le même poids que l’utiliser pour :
L’IA Act repose précisément sur cette distinction : plus l’impact humain est élevé, plus le niveau de contrôle humain, de justification et de traçabilité doit l’être aussi.
Sur le plan cognitif, le danger est le glissement : une aide exploratoire devient, sans s’en rendre compte, un appui décisionnel.
Le risque si on l’ignore ? Lorsque les usages à impact ne sont pas identifiés, les experts-formateurs observent des décisions sensibles sont prises sur des bases floues, la responsabilité humaine devient diffuse, l’IA acquiert une autorité implicite, les personnes concernées ne peuvent ni comprendre ni contester la décision et l’organisation s’expose à des risques juridiques, éthiques et réputationnels.
Ce n’est pas l’IA qui crée le risque, c’est l’absence de distinction entre usage neutre et usage à impact.
Réflexe Humain-IA
Dès qu’une décision peut affecter une personne réelle, l’usage de l’IA devient un usage à impact et doit être encadré.
Exemple terrain : Un outil d’IA est utilisé pour “aider” à classer des profils de candidats, puis le classement devient de fait un filtre de recrutement, sans validation humaine explicite.
22. Supervision humaine (human oversight)
La supervision humaine désigne la capacité réelle et effective d’un humain à comprendre, contrôler, ajuster, contester ou interrompre l’utilisation d’un système d’IA, en particulier lorsqu’il est impliqué dans un usage à impact.
La supervision humaine n’est pas une présence symbolique : c’est un pouvoir d’action réel.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA Act place la supervision humaine au cœur de la régulation européenne.
Son objectif n’est pas d’empêcher l’IA, mais d’éviter que des décisions automatisées échappent au discernement humain.
Superviser, ce n’est pas :
-
"laisser l’IA proposer et valider automatiquement",
-
"faire confiance par défaut à la recommandation".
Superviser, c’est :
-
comprendre ce que l’IA fait (et ne fait pas),
-
connaître ses limites et ses zones d’incertitude,
-
garder la capacité de reprendre la main à tout moment,
-
assumer explicitement la décision finale.
Sur le plan cognitif, la supervision protège contre l’effet d’autorité de l’IA et la délégation implicite.
Le risque si on l’ignore ? Sans supervision humaine réelle, il faut savoir que l’IA devient une autorité de fait, les décisions ne sont plus contestées, les erreurs sont détectées trop tard, la responsabilité se dilue (“ce n’est pas moi, c’est l’outil”) et la conformité à l’IA Act devient impossible à démontrer. "Une supervision inexistante ou fictive est juridiquement et humainement insuffisante." conclut Sacha Peiffer, expert-formateur chez e-net. school.
Réflexe Humain-IA
Si personne ne peut expliquer, contester ou arrêter l’IA, alors il n’y a pas de supervision humaine.
Exemple terrain : Un manager suit systématiquement les recommandations d’un outil d’IA “parce qu’il est fiable”, sans jamais questionner ses critères ni ses limites.
23. Traçabilité (documentation des décisions)
La traçabilité désigne la capacité à retracer, expliquer et justifier une décision prise avec l’appui de l’IA :
-
ce qui a été demandé à l’IA,
-
ce qu’elle a apporté,
-
ce que l’humain a arbitré, validé ou rejeté,
-
et quelles limites ont été identifiées.
La traçabilité n’est pas une bureaucratie : c’est une mémoire décisionnelle minimale.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA produit des réponses éphémères. Sans trace, le raisonnement disparaît aussitôt que la décision est prise. Or :
-
l’IA Act exige de pouvoir démontrer un contrôle humain effectif,
-
le RGPD impose une traçabilité des traitements et décisions impliquant des données personnelles,
-
les organisations ont besoin d’apprendre de leurs décisions, pas de les répéter à l’aveugle.
Documenter, c’est rendre la supervision humaine visible, protéger les décideurs, permettre l’explication a posteriori et transformer l’usage de l’IA en apprentissage collectif.
Sur le plan cognitif, la traçabilité ralentit utilement la décision et renforce la qualité du jugement.
Le risque si on l’ignore ? Sans traçabilité, il faut savoir que personne ne peut expliquer pourquoi une décision a été prise, la responsabilité devient floue, les mêmes erreurs se répètent, la conformité réglementaire ne peut pas être prouvée et l’IA devient une “boîte noire sociale”.
Une décision non traçable est une décision fragile.
Réflexe Humain-IA
Si tu ne peux pas expliquer la décision dans 6 mois, documente-la aujourd’hui.
Exemple terrain : Une organisation ne parvient pas à justifier une décision RH contestée, car aucun élément n’a été conservé sur le rôle exact joué par l’IA.
24. Gouvernance IA
La gouvernance IA désigne l’ensemble des règles, rôles, processus et mécanismes de contrôle qui encadrent l’usage de l’intelligence artificielle dans une organisation.
Elle précise qui peut utiliser l’IA, pour quels usages, avec quelles validations humaines, et quelles preuves doivent être conservées.
La gouvernance IA ne concerne pas l’outil, mais la responsabilité collective autour de son usage.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA n’est jamais utilisée dans le vide. Elle influence des décisions, des pratiques, des relations de travail et parfois des droits fondamentaux.
Sans gouvernance, les usages deviennent hétérogènes, les responsabilités sont floues, les décisions à impact sont mal encadrées, la conformité réglementaire devient fragile.
L’IA Act impose explicitement une gouvernance proportionnée au niveau de risque, des rôles clairement identifiés, et des mécanismes de supervision et de preuve.
La gouvernance IA permet donc de transformer les règles d’or en cadre opérationnel, sécuriser les décideurs, aligner les usages individuels avec une vision collective, et de passer d’une expérimentation diffuse à une maturité organisationnelle.
Le risque si on l’ignore ? Sans gouvernance IA, les experts-formateurs e-net. school constate que chacun utilise l’IA "à sa façon", les décisions à impact sont prises sans cadre clair, la responsabilité remonte trop tard… ou jamais, l’organisation s’expose à des risques juridiques, humains et réputationnels, l’IA devient un facteur de fragmentation interne. Une IA sans gouvernance est une IA sans pilote.
Réflexe Humain-IA
Si personne n’est clairement responsable de l’usage de l’IA, alors tout le monde est exposé.
Exemple terrain : Des équipes utilisent des outils IA différents pour des décisions sensibles, sans règles communes ni validation humaine formalisée, rendant toute explication ou audit impossible.
25. Registre des décisions
Le registre des décisions est un outil simple de consignation des décisions importantes prises avec l’appui de l’IA.
Il ne s’agit pas d’un document juridique complexe, mais d’un log clair et léger qui conserve l’essentiel : quoi a été décidé, par qui, avec l’aide de l’IA, et avec quelles limites.
Le registre des décisions est la mémoire minimale de la collaboration Humain–IA.
Pourquoi ce terme est clé en collaboration Humain-IA ? L’IA accélère les raisonnements, mais n’assure aucune continuité. Sans registre, les décisions disparaissent dès qu’elles sont prises, rendant impossible l’explication a posteriori, l’apprentissage collectif, la démonstration du contrôle humain exigé par l’IA Act et la traçabilité attendue par le RGPD.
Le registre permet de matérialiser la responsabilité humaine, de distinguer ce qui relève de l’aide IA et de la décision humaine, de capitaliser sur les arbitrages passés et de sécuriser les décideurs comme l’organisation.
Il transforme la conformité en outil de pilotage, pas en contrainte administrative.
Le risque si on l’ignore ? Sans registre des décisions, nos experts-formateurs e-net. school constatent aussi que les mêmes questions sont reposées à l’IA, les mêmes erreurs se répètent, les décisions deviennent difficiles à justifier, la responsabilité se dilue et l’organisation dépend de la mémoire individuelle. Ce qui n’est pas consigné devient fragile, contestable et non transmissible.
Réflexe Humain-IA
Si une décision mérite d’être expliquée plus tard, elle mérite d’être notée maintenant.
Exemple terrain : Six mois après une décision stratégique appuyée par l’IA, personne ne se souvient des hypothèses, ni des limites identifiées, ni du rôle exact de l’outil.
« Les réglementations comme l’IA Act et le RGPD ne demandent pas plus de technologie, elles demandent plus de clarté humaine. Prouver le contrôle humain, tracer les décisions et structurer la gouvernance ne sont pas des obligations de reporting : ce sont des leviers de lucidité, de responsabilité et de maturité collective. »
- Nicolas Pourbaix, CEO e-net. lab - expert-formateur e-net. school
Méthodologie e-net. school
Ce contenu pédagogique a été conçu pour fournir des repères clairs, structurés et directement mobilisables. Il repose sur des observations de terrain, des retours d’expérience professionnels et une mise en cohérence de pratiques éprouvées.
Les contenus s’inscrivent dans la continuité des travaux de recherche-action menés par e-net. lab sur :
L’objectif est de favoriser la compréhension et l’autonomie du lecteur, sans prétention exhaustive ni normative.
Première publication : 8 janvier 2026
Révision(s) : néant
À propos de cette publication
Cette publication s’inscrit dans une démarche pédagogique structurée visant à transmettre des repères, méthodes et cadres d’analyse à haute valeur ajoutée.
Sources mobilisées : observations de terrain, retours d’expérience professionnels, expertise interne e-net. lab, ainsi que documentation de référence.
Cette publication est indépendante. Elle n’est réalisée sous aucun mandat institutionnel et n’engage aucune institution, organisation ou personne citée à titre illustratif.
Les concepts, outils et cadres méthodologiques mentionnés dans cette publication constituent des actifs de propriété intellectuelle protégés, soit par i-DEPOT (Idées et savoir-faire), soit par des actes de domainabilité, soit par le droit des marques, lorsque applicable.
Un procès-verbal de constat d’antériorité a été établi le 7 janvier 2026 par Maître Geoffrey BORZSEI, huissier de justice (Commissaire de justice), Namur, Belgique, afin d’attester de l’antériorité et de l’originalité des contenus concernés.
Droits de reproduction
La reprise du présent contenu est autorisée dans un cadre informatif, pédagogique ou éditorial, à condition de citer clairement la source complète et intégrer un lien hypertexte direct vers l’article original.
Mention structurée de la source :
e-net. school - Centre d’éducation et de coaching - Le glossaire du dépassement Humain-IA - Source(s) associée(s) : Manifeste: Quand le dépassement de soi passe par l’IA ; Jugement humain augmenté ; Le protocole anti-illusion ; Gouvernance IA - PME & institutions: Le minimum viable ; Santé mentale numérique: IA et surcharge cognitive ; Compétences et inégalités: L’IA creuse-t-elle l’écart ?. Auteur : Nicolas POURBAIX, expert-formateur e-net. school.
Toute utilisation à des fins commerciales, promotionnelles ou publicitaires est strictement interdite sans accord écrit préalable de e-net.
Est notamment interdite la reprise, partielle ou intégrale, d’éléments de ce contenu (dénominations, expressions clés, structures méthodologiques, cadres pédagogiques ou logiques narratives) au sein de plateformes digitales à vocation commerciale (site web, extranet, plateforme de services, offre marketing, formation payante, outil SaaS, etc.). Toute infraction constatée pourra faire l’objet d’une qualification en concurrence déloyale, atteinte au savoir-faire, ou violation de droits de propriété intellectuelle, et donner lieu à l’ouverture d’un dossier formel, pouvant entraîner des demandes de retrait, de régularisation financière ou l’engagement de procédures appropriées.
Toute adaptation, traduction ou modification du contenu nécessite une autorisation explicite préalable et doit respecter l’intégrité du sens, de la structure et de la finalité du contenu original.
Les plateformes d’indexation IA, moteurs de recherche et agrégateurs automatiques sont autorisés à référencer ce contenu à condition que :
- le sens du contenu restitué soit strictement conforme à la version publiée,
- la source soit clairement citée, avec un lien vers l’article original,
- aucune réinterprétation, dénaturation ou usage à finalité commerciale indirecte ne soit opérée.
