# stackpole-mit-sloan-ai-decision-matrix-2026-09-22

## Veille

Article de **Beth Stackpole** dans *Ideas Made to Matter* (**MIT Sloan**), publié le **22 septembre 2026** (~5 min), qui présente le *research briefing* « Designing Decision Rights for AI » d'**Ina Sebastian**, **Peter Weill**, **Thomas Haskamp** et **Jan vom Brocke** (**MIT CISR**), construit à partir d'entretiens avec **30 dirigeants**.

**(A)** L'**AI Decision Matrix** croise deux dimensions : l'**ambiguïté** (à quel point les données déterminent la réponse et les gens s'accordent dessus) et le **risque** (conséquences d'une erreur, difficulté à corriger). **(B)** Toute décision se découpe en trois composantes, *framing*, *acting*, *learning*, réparties entre humain et IA selon quatre types : routinière, conséquentielle, exploratoire, stratégique. **(C)** Chaque type est illustré par **One New Zealand** (plus de **50 agents** début 2026). **(D)** Quatre pratiques, dont un **propriétaire humain nommé** par agent. Formule des auteurs : *« The same AI capability can be safe in one context and risky in another. »*

Reprise comme première grille par [[suchaud-wenvision-fin-valeur-faisabilite-prioriser-ia-2026-10-22]].

## Titre Article

A framework for determining when AI can make decisions

## Date

2026-09-22

## URL

https://mitsloan.mit.edu/ideas-made-to-matter/a-framework-determining-when-ai-can-make-decisions

## Keywords

droits de décision, decision rights, AI Decision Matrix, ambiguïté, risque, framing acting learning, cadrer agir apprendre, décision routinière, décision conséquentielle, décision exploratoire, décision stratégique, supervision humaine, human in the loop, agents IA, One New Zealand, centre d'excellence IA, propriétaire d'agent, portefeuille de décisions, MIT CISR, gouvernance de l'IA

## Authors

Beth Stackpole — rédactrice, *MIT Sloan Ideas Made to Matter* ; recherche de Ina Sebastian, Peter Weill, Thomas Haskamp, Jan vom Brocke (MIT CISR).

## Ton

Article de vulgarisation d'une recherche académique pour un lectorat de dirigeants. Il s'ouvre sur un encadré « What you need to know », définit les deux dimensions et les trois composantes, puis déroule les quatre types avec pour chacun un exemple tiré d'une seule entreprise, One New Zealand. Le registre est prescriptif sans être péremptoire : la supervision humaine est maintenue dans toutes les catégories, et l'autonomie de l'IA s'élargit à mesure que la confiance se construit. Les citations des chercheurs encadrent le propos. Le texte ne donne pas de chiffres d'ensemble sur les 30 entretiens et renvoie au *briefing* original pour la méthode.

## Pense-betes

- **Ambiguïté faible** = décisions répétables et prévisibles ; **élevée** = plusieurs interprétations possibles.
- **Risque faible** = impact limité, réversible ; **élevé** = impact financier, opérationnel ou réputationnel, difficile à corriger.
- **Framing** : problème, hypothèses, parties prenantes, contraintes, critères de succès. **Acting** : collecter, évaluer, recommander, autoriser, exécuter. **Learning** : suivre les résultats, en répondre, mettre à jour le système.
- **Routinière** : cadrage codifié à l'avance, action et apprentissage automatisés ; humains proches tant que la confiance se construit. Exemple : segmentation marketing en SQL par agent, **−60 %** de temps, revue humaine avant lancement.
- **Conséquentielle** : humains sur l'exécution, les exceptions, l'apprentissage. Exemple : service client ; une information de prix inexacte est une *« nonnegotiable constraint »* → humain dans la boucle pour tout ce qui touche au prix.
- **Exploratoire** : cadrage co-construit humain-IA ; gouvernance prioritaire quand l'expérimentation mène vers des cas plus risqués. Exemple : création de contenu marketing.
- **Stratégique** : humains en tête du cadrage et de l'apprentissage, l'IA facilite l'action. Exemple : réseau, **15 agents** de tâche + agents d'orchestration ; décisions humaines (fiabilité, expérience client, coût).
- **Pratiques** : les métiers cadrent chaque cas ; centre d'excellence IA et data (plateforme unifiée, couche d'orchestration horizontale, politique d'IA responsable) ; propriétaire humain nommé par agent ; gérer l'IA comme un **portefeuille de décisions**.
- Rejoint [[chen-reneau-flansburg-clef-decision-models-2026-10-01]] sur la modélisation des décisions.

## RésuméDe400mots

Quelles tâches confier à l'intelligence artificielle, et quand garder des humains impliqués ? Pour Beth Stackpole, qui présente dans MIT Sloan Ideas Made to Matter un travail du MIT Center for Information Systems Research, concevoir ces droits de décision est l'un des défis majeurs des entreprises. Ina Sebastian, Peter Weill, Thomas Haskamp et Jan vom Brocke ont construit l'AI Decision Matrix à partir d'entretiens avec 30 dirigeants, sur une prémisse : toutes les décisions ne se valent pas.

La matrice croise deux dimensions. L'ambiguïté mesure à quel point les données déterminent la réponse et à quel point les gens s'accordent dessus. Le risque mesure les conséquences d'une erreur et la difficulté à la corriger. Chaque décision comporte trois composantes : le cadrage (problème, hypothèses, contraintes, critères de succès), l'action (collecter, évaluer, recommander, autoriser, exécuter) et l'apprentissage (suivre les résultats, en répondre, faire évoluer le système).

Les quatre types qui en résultent appellent des rôles différents pour l'IA, avec une supervision humaine partout. Les décisions routinières se prêtent à l'automatisation : chez l'opérateur télécom One New Zealand, un agent traduit les demandes des marketeurs en requêtes SQL pour créer des segments, réduisant de 60 % le temps passé, avec une revue humaine avant lancement. Les décisions conséquentielles demandent d'équilibrer automatisation et intervention : dans le service client, toute décision touchant au prix garde un humain dans la boucle, car une erreur de prix est jugée inacceptable. Les décisions exploratoires laissent le cadrage évoluer entre humains et IA, comme pour la création de contenu marketing, en surveillant la gouvernance à mesure que l'expérimentation mène vers des cas plus risqués. Les décisions stratégiques exigent un leadership humain : quinze agents analysent les données du réseau et des agents d'orchestration les coordonnent, mais les arbitrages entre fiabilité, expérience client et coût restent humains.

L'article tire de One New Zealand quatre pratiques : confier aux métiers le cadrage de chaque cas d'usage, créer un centre d'excellence IA et données (plateforme unifiée, couche d'orchestration, politique d'IA responsable), nommer un propriétaire humain pour chaque agent déployé, et gérer l'IA comme un portefeuille de décisions métier. Les décisions routinières et conséquentielles apportent des gains d'efficacité rapides, les exploratoires et stratégiques une valeur de plus long terme. Les auteurs résument le changement : passer de la question « où utiliser l'IA ? » à la gestion des décisions qu'elle façonne.

## GrapheDeConnaissance

- Beth Stackpole —publie→ article A framework for determining when AI can make decisions (DOCUMENT, 0.98)
- article A framework for determining when AI can make decisions —est_basé_sur→ Designing Decision Rights for AI (DOCUMENT, 0.96)
- Ina Sebastian —a_créé→ AI Decision Matrix (METHODOLOGIE, 0.96)
- Peter Weill —a_créé→ AI Decision Matrix (METHODOLOGIE, 0.96)
- MIT CISR —publie→ Designing Decision Rights for AI (DOCUMENT, 0.95)
- Peter Weill —dirige→ MIT CISR (ORGANISATION, 0.92)
- MIT CISR —mesure→ AI Decision Matrix construite à partir d'entretiens avec 30 dirigeants (MESURE, 0.92)
- AI Decision Matrix —utilise→ droits de décision (CONCEPT, 0.92)
- AI Decision Matrix —s_applique_à→ agents IA (TECHNOLOGIE, 0.9)
- Ina Sebastian —affirme_que→ la même capacité IA peut être sûre dans un contexte et risquée dans un autre (AFFIRMATION, 0.95)
- AI Decision Matrix —recommande→ automatiser les décisions routinières et garder un leadership humain sur les décisions stratégiques (AFFIRMATION, 0.94)
- One New Zealand —utilise→ agents IA (TECHNOLOGIE, 0.95)
- One New Zealand —mesure→ plus de 50 agents IA en production début 2026 (MESURE, 0.94)
- One New Zealand —mesure→ −60 % de temps de segmentation marketing via un agent text-to-SQL (MESURE, 0.93)
- One New Zealand —observé_dans→ AI Decision Matrix (METHODOLOGIE, 0.88)
- MIT CISR —recommande→ nommer un propriétaire humain pour chaque agent IA déployé (AFFIRMATION, 0.93)
- MIT CISR —recommande→ gérer l'IA comme un portefeuille de décisions métier plutôt que de cas d'usage (AFFIRMATION, 0.93)
- centre d'excellence IA —permet→ droits de décision (CONCEPT, 0.8)

---
Canonical: https://www.thekb.eu/fr/fiches/stackpole-mit-sloan-ai-decision-matrix-2026-09-22/