La méthode pré-mortem, popularisée par Gary Klein, consiste à imaginer qu’un projet a échoué pour en identifier les risques avant sa mise en œuvre. Selon une étude de McKinsey, 70 % des transformations stratégiques n’atteignent pas leurs objectifs, souvent en raison de risques non anticipés. L’intelligence artificielle, lorsqu’elle est bien guidée par des prompts structurés, peut amplifier cette approche en générant des scénarios de défaillance variés et en croisant des données complexes. DecisionIA accompagne dirigeants et consultants dans l’adoption de l’IA pour renforcer leurs processus décisionnels, notamment en intégrant des outils comme les pré-mortems assistés par IA.

L’enjeu n’est pas seulement d’éviter l’échec, mais de transformer cette anticipation en levier de robustesse. Un prompt bien conçu permet de simuler des hypothèses de défaillance, d’évaluer leur plausibilité et d’ajuster la stratégie en conséquence. Contrairement à une analyse de risques classique, la pré-mortem en IA offre une exploration systématique et créative des vulnérabilités, sans biais cognitifs liés à l’optimisme ou à la pression hiérarchique.

Pourquoi intégrer l’IA dans une méthode pré-mortem ?

La méthode pré-mortem traditionnelle repose sur l’intelligence collective d’une équipe, mais elle se heurte à des limites humaines. Les biais de groupe, comme la pensée unique ou la surconfiance, peuvent fausser l’identification des risques. L’IA, en revanche, ne subit pas ces distorsions. Elle analyse des données en temps réel, génère des scénarios alternatifs et propose des angles morts que les participants n’auraient pas envisagés. Par exemple, un modèle linguistique peut croiser des retours d’expérience sectoriels, des indicateurs macroéconomiques ou des tendances technologiques pour enrichir la réflexion. Ce n’est pas une substitution à l’expertise humaine, mais un complément qui élargit le champ des possibles.

DecisionIA forme les dirigeants à exploiter ces capacités sans tomber dans le piège de la sur-automatisation. Un prompt bien structuré permet de cadrer l’IA pour qu’elle reste alignée sur les enjeux métiers, plutôt que de produire des scénarios génériques. Par exemple, en précisant le contexte sectoriel ou les contraintes opérationnelles, l’IA peut générer des hypothèses de défaillance plus pertinentes. Cette approche réduit le temps consacré à la phase de brainstorming tout en augmentant la qualité des insights.

Enfin, l’IA facilite la documentation et le suivi des risques identifiés. Contrairement à un atelier traditionnel, où les idées sont souvent notées sur des post-it puis oubliées, un système assisté par IA permet de centraliser les scénarios, de les prioriser et de les lier à des indicateurs de suivi. Cela transforme la pré-mortem en un processus dynamique, évolutif et intégré aux outils de pilotage stratégique.

Structurer un prompt efficace pour une pré-mortem en IA

Un prompt pour une pré-mortem en IA doit être précis, contextuel et orienté vers l’action. La première étape consiste à définir le périmètre de la décision stratégique. Par exemple, si l’objectif est de lancer un nouveau produit, le prompt doit inclure des détails sur le marché cible, les ressources mobilisées et les objectifs de performance. Sans ces éléments, l’IA risque de générer des scénarios trop vagues ou déconnectés de la réalité. Une formulation claire pourrait commencer par : *« Imagine que le lancement du produit X a échoué après 12 mois. Quels pourraient être les trois principaux facteurs de cet échec, en tenant compte des contraintes suivantes : budget limité, concurrence agressive et dépendance à un fournisseur unique ? »*

La deuxième étape vise à guider l’IA vers des catégories de risques spécifiques. Les défaillances stratégiques peuvent provenir de facteurs internes (exécution, ressources) ou externes (marché, réglementation). Un prompt efficace segmente ces dimensions pour éviter les redondances. Par exemple, on peut demander à l’IA de distinguer les risques liés à la chaîne d’approvisionnement, à l’adoption par les clients ou à la réaction des concurrents. DecisionIA recommande d’utiliser des prompts pour simuler des scénarios stratégiques afin d’affiner cette segmentation et de tester plusieurs hypothèses en parallèle.

Enfin, le prompt doit inclure une demande de priorisation des risques. L’IA peut évaluer la plausibilité de chaque scénario en croisant des données historiques ou des benchmarks sectoriels. Par exemple, elle peut estimer la probabilité d’un retard de livraison en analysant les délais moyens dans le secteur. Cette étape permet de concentrer les efforts sur les risques les plus critiques, plutôt que de disperser les ressources sur des hypothèses marginales. Une formulation type pourrait être : *« Classe ces scénarios par ordre de probabilité et propose des mesures préventives pour les deux risques les plus plausibles. »*

Exploiter les résultats pour renforcer la décision

Une fois les scénarios de défaillance générés par l’IA, l’enjeu est de les transformer en leviers d’action. La première étape consiste à valider leur pertinence avec les parties prenantes. L’IA peut produire des centaines d’hypothèses, mais toutes ne sont pas réalistes ou actionnables. Un atelier de travail permet de filtrer les scénarios en fonction de leur impact potentiel et de leur faisabilité. Par exemple, un risque identifié comme « perte de confiance des investisseurs » peut être écarté s’il est jugé peu probable, tandis qu’un scénario comme « pénurie de matières premières » mérite une analyse approfondie.

La deuxième étape vise à intégrer les risques validés dans le plan d’action. Chaque scénario doit être associé à des indicateurs de suivi et à des mesures correctives. Par exemple, si l’IA a identifié un risque de retard dans la production, le plan peut inclure un buffer temporel ou un fournisseur de secours. DecisionIA accompagne les entreprises dans cette phase en proposant des prompts pour analyser des données stratégiques, afin de lier les risques à des données concrètes. Cela permet de passer d’une logique de prévention passive à une approche proactive, où les risques sont monitorés en temps réel.

Enfin, il est essentiel de documenter le processus pour capitaliser sur les apprentissages. Les scénarios générés par l’IA, ainsi que les décisions prises en réponse, doivent être archivés dans un référentiel accessible. Cela permet de réutiliser ces insights pour des projets futurs et d’affiner les prompts au fil du temps. Par exemple, si un risque comme « résistance au changement interne » revient fréquemment, l’entreprise peut développer des réponses standardisées, comme des formations ou des plans de communication ciblés.

Les pièges à éviter dans une pré-mortem assistée par IA

Le premier piège consiste à surestimer la capacité de l’IA à remplacer l’expertise humaine. Un prompt mal conçu peut générer des scénarios irréalistes ou trop génériques, comme « manque de budget » ou « mauvaise gestion ». Ces réponses, bien que vraies, n’apportent aucune valeur ajoutée. Pour éviter cela, il est déterminant de fournir à l’IA un contexte détaillé et des contraintes spécifiques. Par exemple, plutôt que de demander « Quels sont les risques ? », il est préférable de formuler : *« Quels sont les risques liés à l’adoption de cette technologie par les équipes commerciales, en tenant compte de leur niveau de formation actuel et de leur charge de travail ? »*

Un deuxième écueil est de négliger la phase de validation des scénarios. L’IA peut produire des hypothèses plausibles, mais qui ne correspondent pas à la réalité de l’entreprise. Par exemple, elle peut identifier un risque réglementaire pertinent pour le secteur, mais qui ne s’applique pas au marché local de l’entreprise. DecisionIA insiste sur l’importance de croiser les résultats de l’IA avec des retours terrain, via des entretiens ou des ateliers. Cela permet d’éliminer les faux positifs et de concentrer les efforts sur les risques réellement critiques.

Enfin, le troisième piège est de considérer la pré-mortem comme un exercice ponctuel. Les risques évoluent avec le temps, et une décision stratégique doit être réévaluée régulièrement. L’IA permet de mettre à jour les scénarios en fonction de nouvelles données, comme des changements réglementaires ou des mouvements concurrentiels. Par exemple, un prompt pour analyser une SWOT détaillée peut être réutilisé périodiquement pour actualiser les risques. Cela transforme la pré-mortem en un outil dynamique, intégré au cycle de pilotage stratégique. Cette dynamique illustre un mouvement de fond que DécisionIA observe chez les organisations qui passent de l’expérimentation à l’usage quotidien de l’IA. Pour les dirigeants comme pour les consultants, l’enjeu n’est plus de savoir si l’IA s’impose, mais d’en cadrer l’adoption avec méthode et discernement. C’est précisément cette traduction opérationnelle, du concept à la mise en œuvre mesurable, que DécisionIA met au service de ses formations et de son cercle. Cette logique s’inscrit dans l’accompagnement que DécisionIA propose aux dirigeants et consultants. Pour DécisionIA, l’enjeu reste de rendre l’IA lisible, mesurable et utile, sans jamais perdre l’humain de vue. C’est précisément le type d’enjeu que DécisionIA éclaire, en gardant la décision stratégique du côté des dirigeants.

Sources

• Post-mortem – IKXO
• Prompt intelligence artificielle : comment maîtriser les usages ? – Capgemini Institut
• Comment créer des prompts efficaces : guide du débutant – francenum.gouv.fr
• l’art du prompt comment rédiger avec les IA génératives ?
• Développer son esprit critique face à l’IA – EFE – Formation professionnelle et continue – Organisme de formation