Les décisions de leadership concernant la mise en œuvre des outils d’IA sont souvent orientées autour de la rapidité, de la faisabilité ou du retour sur investissement. Mais ce ne sont pas les bons points de départ. Ce qui importe en premier, c’est la responsabilité, la responsabilité et la gestion responsable de la confiance que les gens accordent à nous. L’IA ne devrait pas être la solution par défaut à tous les problèmes. L’appliquer sans comprendre les implications sous-jacentes peut entraîner plus de risques que de valeurs, surtout lorsque les résultats générés par l’IA ont de réelles conséquences sur l’avenir des personnes. Dans ces contextes, le leadership ne consiste pas à dire non à l’IA ni à dire oui sans hésitation. Il s’agit de définir un oui clair et gouverné qui puisse tenir à grande échelle.

La pression sur chaque dirigeant en ce moment est d’agir vite. Envoyez le modèle. Lancez l’agent. Personnalisez tout. Mais le public est attentif, et il n’est pas du côté de la rapidité, quel qu’en soit le prix. Une étude de 2025 menée par KPMG et l’Université de Melbourne, qui a sondé plus de 48 000 personnes dans 47 pays, a révélé que, bien que l’utilisation de l’IA soit en hausse, la confiance reste le problème central et que le public souhaite une gouvernance renforcée. Une enquête YouGov de décembre 2025 l’a formulée plus franchement : 68 % des Américains déclarent qu’ils ne laisseraient pas un système d’IA agir sans une approbation humaine spécifique.

Et dans l’évaluation éducative, où l’ETS opère, un seul score à un test à enjeux élevés peut façonner toute la carrière d’un apprenant. Dans notre domaine, le coût d’une mauvaise IA ne se mesure pas aux plaintes des utilisateurs mais aux opportunités perdues.

Il serait facile de conclure que la bonne décision est de ralentir, que le leadership en ce moment consiste à dire non à l’innovation pilotée par l’IA. Je ne suis pas d’accord. Notre rôle en tant que leaders est de définir où l’IA apporte de la valeur, de poser les conditions pour son utilisation responsable et d’agir plus vite avec confiance, sans perdre la confiance.

Chez ETS, notre confiance à dire oui à l’IA vient des garde-fous que nous lui imposons. Nous utilisons l’IA et le traitement du langage naturel depuis le début des années 2000, en commençant par des applications comme la correction de dissertations et de réponses orales. D’ici la fin de l’année, près de 90 % des éléments de test seront générés par notre moteur interne d’IA. Pourtant, chacun de ces objets a un point de contrôle humain que nous ne supprimerons jamais. Et lorsqu’un score IA et un score humain divergent de manière significative, l’humain gagne et pousse à une revue et à une amélioration supplémentaires des modèles pour l’avenir.

Avant qu’une question de test n’arrive à un apprenant, elle passe par un examen d’équité et d’accessibilité. Après la livraison, nous réalisons un audit psychométrique du programme sur chaque produit majeur afin de rechercher des différences systématiques entre les sous-groupes. Nous utilisons un ensemble de modèles d’IA, pas l’outil d’un seul fournisseur, afin qu’aucun angle mort d’un seul système ne devienne le nôtre. Et nous considérons nos données propriétaires et diversifiées à l’international, y compris les échantillons de parole TOEFL provenant de candidats du monde entier, comme un contrepoids à la restreinte des modèles standards.

ETS a littéralement écrit le livre sur les normes d’évaluation équitables, et l’arrivée de l’IA ne baisse pas la barre. Cela l’augmente considérablement. Alors qu’auparavant nous auditions un programme majeur tous les trois ans, nous vérifions maintenant plus fréquemment quand l’IA est impliquée. Là où nous pensions auparavant que des évaluateurs humains formés appliquaient correctement nos standards en cours de route, nous intégrons désormais des contrôles explicites au milieu du processus plutôt qu’à la fin. Dans certains domaines, nous écrions de toutes nouvelles normes, car les questions soulevées par l’IA n’existaient pas il y a dix ans.

Un avantage de travailler dans une entreprise dotée d’une expertise approfondie est que nous la mettons en pratique dès le départ. Depuis des décennies, nous avons dû vérifier rigoureusement notre travail pour détecter les biais, le droit d’auteur, l’équité, l’exactitude factuelle et plus encore. Nos capacités d’IA chez ETS reposent sur 77 ans d’expérience et une propriété intellectuelle vérifiée. Combinée aux modèles d’IA, cette base alimente nos nouvelles offres et soutient la confiance que nous partageons avec nos clients.

Plus fondamentalement, la plus grande idée reçue sur l’IA dans les affaires actuellement est que l’objectif est de remplacer les personnes. Il devrait vraiment s’agir d’augmenter les humains et de les aider à faire plus. La véritable opportunité est de créer de la valeur, de libérer les gens pour résoudre des problèmes plus difficiles et de gagner la confiance nécessaire pour faire plus au fil du temps. Ce chemin est plus lent, et c’est le seul qui survit au contact avec la réalité.

C’est ça, le travail. Plus les modèles d’IA deviennent puissants, plus il est important de les appliquer avec la discipline, la science de la mesure et le jugement humain que les environnements à enjeux élevés exigent. Lorsque des modèles plus solides sont associés à des normes plus strictes d’équité, de validité et de cohérence, nous faisons plus que d’aller plus vite. Nous élargissons ce qui est possible, approfondissons la confiance dans les systèmes sur lesquels les gens comptent et augmentons de façon exponentielle l’impact positif de notre mission à travers le monde.