Lire les résultats avec prudence
Lire la tendance avec les changements de périmètre, de volume et de méthode de collecte. Une amélioration apparente peut provenir d’une population différente ou d’un reclassement. Croiser la mesure avec une observation terrain avant d’en déduire une progression réelle.
La question de contrôle reste : comparer les résultats de l’IA à une méthode de référence sur des cas représentatifs, y compris les exceptions importantes.
Couvrir bénéficiaires, données, processus, fréquence, criticité, erreurs acceptables et alternative sans IA.
Ne pas choisir l’IA parce qu’elle est disponible. Une règle déterministe ou une meilleure recherche documentaire peut mieux répondre au besoin.
Application à votre contexte
Vérifiez si la population, la source ou les règles de calcul ont changé. Comme une moyenne ne montre pas la dispersion, examinez les cas les plus pénalisants et les services critiques avant de conclure à une amélioration.
Distinguez la plausibilité d'une réponse de son exactitude. Testez les informations manquantes, les documents contradictoires, les droits d'accès et les instructions malveillantes présentes dans les données. Un lien vers une source n'établit pas automatiquement que cette source soutient la réponse.