Comment transformer votre IA préférée en analyste de renseignement avec une méthode simple vieille de 100 ans ? @ Thierry Lafon

Les grands modèles de langage ont un défaut de fabrication : ils cherchent à confirmer, pas à infirmer. Vous demandez "La Chine va-t-elle envahir Taïwan ?", l'IA vous sort 50 raisons pour lesquelles c'est imminent. Vous demandez l'inverse, elle vous expliquera pourquoi c'est impossible.

C'est le biais de confirmation sous stéroïdes.

Ajoutez à cela un autre problème : les IA sont nourries à 80% de sources occidentales anglophones. Quand vous leur demandez d'analyser la Chine, elles vous donnent la vision américaine de la Chine. Quand vous leur demandez la Russie, elles vous servent la soupe de l'OTAN.

Résultat ? Des analyses borgnes qui vous font prendre de mauvaises décisions.
 

En 1921, la Tcheka soviétique lance l'Opération Trust : elle crée une fausse organisation anti-bolchevique pour piéger les opposants. Pendant 5 ans, les services occidentaux mordent à l'hameçon. Puis tout s'effondre.

La leçon ? En renseignement, il ne suffit pas de collecter des informations. Il faut activement chercher à se tromper.

C'est exactement ce que le philosophe Karl Popper théorisait dans les années 1930 : une hypothèse scientifique n'est valable que si on a tout fait pour la détruire et qu'elle a résisté.

En 2003, le Pr israélien Isaac Ben-Israël, alors doctorant adapte cette méthode au renseignement militaire dans son livre Philosophie du Renseignement. Entre 2020 et 2025, Thierry Lafon la teste pendant 5 ans en Intelligence Économique et fin 2025 avec Stéphanie Brochot ils publient leurs résultats dans un ouvrage passé sous les radars de nombreux experts de la profession. Résultat : 80-92% de fiabilité sur plus d’une centaine de cas.

Et en janvier 2026, nous l'avons automatisée pour l'IA.
 

Au lieu de demander à votre IA "Dis-moi ce qui va se passer", vous lui demandez :
"Voici 5 scénarios possibles. Pour chacun, trouve-moi toutes les preuves qui le CONTREDISENT."

Concrètement :

1. Collectez dans TOUTES les directions

• Pas juste CNN et Le Monde. Aussi RT, Al Jazeera, TASS, Global Times.
• Pas juste en anglais. En mandarin, russe, arabe.
• Pas juste les gentils. Aussi les méchants. Surtout les méchants.
   

2. Classez par niveau de confiance

• Niveau 1 : Convergence de 3+ sources adverses = Probablement vrai
• Niveau 2 : Une seule source fiable = Peut-être vrai
• Niveau 3 : Impossible à vérifier = On ne sait pas
   

3. Formulez plusieurs hypothèses (pas une seule)

• "La Chine va envahir Taïwan en 2027"
• "La Chine va attendre 10 ans"
• "La Chine va négocier une réunification pacifique"
   

4. Demandez à l'IA de DÉTRUIRE chaque hypothèse

• "Trouve-moi toutes les raisons pour lesquelles l'invasion est impossible"
• "Trouve-moi toutes les preuves que la Chine ne veut pas la guerre"
   

5. Gardez ce qui résiste

• L'hypothèse qui survit à toutes les tentatives d'infirmation ? C'est probablement la bonne.
   

C’est déjà très coûteux en temps de procéder de la sorte.
 

Trois raisons :

1. Vous forcez l'IA à sortir de sa bulle En lui demandant des sources contradictoires, vous cassez le biais de confirmation. L'IA ne peut plus vous servir une soupe consensuelle. Elle doit vous montrer les désaccords.

2. Vous détectez les angles morts Quand l'IA vous dit "Je n'ai trouvé aucune source chinoise sur ce sujet", vous savez que votre analyse est borgne. Et une analyse borgne, c'est une analyse dangereuse.

3. Vous mesurez l'incertitude Au lieu de prétendre savoir, vous quantifiez ce que vous ne savez pas. "40% de probabilité, fiabilité 55%, sources russes manquantes." Un décideur préfère ça à une fausse certitude.
 

Version minimaliste (5 minutes) :

Copiez-collez ce prompt dans votre LLM préféré :

Analyse cette question avec la méthode SMISt-GPT :
1. Collecte des faits dans 3 langues minimum (sources contradictoires obligatoires)
2. Classe par niveau de confiance (convergence sources adverses = haute confiance)
3. Formule 5 hypothèses possibles
4. Pour chaque hypothèse, cherche activement à l'INFIRMER (pas à la confirmer)
5. Garde les hypothèses qui résistent, avec probabilités
6. Liste explicitement ce que tu ne sais pas (zones aveugles, biais, limites)

Question : [Votre question]

Version complète (si vous êtes sérieux) :

Nourrissez votre LLM avec amour tel un Tamagoshi quand vous étiez petit, des opérations de PSYOP que vous connaissez. Demandez-lui de les analyser. Puis demandez-lui de vous proposer une méthode de collecte, de qualification et d’analyse de l’information pour éviter de tomber dedans.

Critiquez là sur tous les points faibles de la méthode éprouvée qu’elle vous propose jusqu’à ce que, poussée dans ses retranchements elle vous demande de lui donner la vôtre (« la méthode SMISt » que nous décrivons dans notre livre). Puis attendez qu’elle vous demande de lui fournir des cas d’étude pour lequel vote anticipation était exacter. Laissez-là essayer et critiquez sa réponse (elle ne va pas au début arriver avec les données disponibles à la date où vous avez écrit votre anticipation et corrigez-là ou en améliorez son processus de collecte. Faites de même avec des cas où vous vous êtes trompé, puis profitez-en pour étudiez comment avec une méthode de falsification poppérienne plus rigoureuse vous auriez pu améliorer vos anticipations. Et à l’issue, vous disposez d’une instance de chat opérationnelle que vous pouvez tester.

Sauf que… fin de chat, tout est perdu.

C’est sans compter sur ses autres capacités d’un LLM :  Demandez-lui de générer un code qui chargé dans le contexte d’une nouvelle instance de chat, lui permettrait de mettre en œuvre la méthode SMISt et téléchargez-le. Ensuite vous voilà paré(e) pour surfer entre les LLM après l’avoir collé dans le contexte. Une analyse en mode COMPLET génère un rapport de 20-30 pages avec toutes les sources, toutes les tentatives d'infirmation, et toutes les incertitudes explicites.
 

Question : Quels seront les prochains coups tactiques de Trump dans les domaines militaire, économique, diplomatique et politique interne sur 1 mois, 3 mois, 6 mois, 1 an ?

Sans méthode : L'IA vous raconte que Trump est imprévisible, liste quelques possibilités vagues, et conclut "tout est possible" (merci, très utile).

Avec SMISt-GPT 3.2 :

Collecte multipolaire : 40 sources (USA, Chine, Russie, Iran, UE, ASEAN, Amérique latine) en anglais, mandarin, russe, arabe, espagnol. J’ai dû oublier le français trop consensuel.

Classification des faits établis :

• Niveau 1 : Trump a déjà frappé le Venezuela (janvier 2026) et évoque publiquement une seconde frappe
• Niveau 1 : Il évalue des "options fortes" contre l'Iran, y compris militaires
• Niveau 1 : Un accord commercial USA-Chine existe avec suspension tarifaire jusqu'en 2026

16 hypothèses testées (4 par domaine) avec tentatives systématiques d'infirmation

Résultat hiérarchisé par horizon temporel :
 

• 1 mois : Consolidation Venezuela + menace seconde frappe (65-75%), sanctions secondaires Iran (60-70%), intensification immigration enforcement (65-75%)
• 3 mois : Opérations "exemplaires" conditionnelles en Amérique latine (45-60%), cycles tarifs/exemptions transactionnels (45-60%)
• 6 mois : Posture Indo-Pacifique "dissuasion sans escalade" (35-50%), redéfinition doctrine Monroe 2.0 (35-50%)
• 1 an : Interventionnisme ponctuel normalisé (25-40%), alliances transactionnalisées (25-40%)
• Zones aveugles explicites : Seuil exact déclencheur frappe Iran, niveau résistance Pentagone/CIA, capacité judiciaire à bloquer pouvoirs d'urgence, forme réelle du "deal" Ukraine

• Fiabilité estimée : 65% à 1 mois, 55% à 3-6 mois, 45% à 1 an (honnêteté sur l'incertitude croissante).

SMISt-GPT ne remplace pas l'humain. Il ne peut pas :

• Accéder aux sources classifiées
• Interroger des témoins
• Détecter des opérations totalement inédites
• Prendre la décision finale

Et surtout : Il a les biais de ses données. Si vous lui demandez d'analyser la Chine sans sources chinoises, il vous donnera la vision américaine de la Chine. D'où l'importance de la règle P5 (équilibre géographique 40/30/30).

Parce que l'IA a transformé le renseignement, et a fortiori l’Intelligence Economique que vous le vouliez ou non. La question n'est pas "Pour ou contre l'IA en analyse ?" mais "Quelle méthode pour que l'IA ne raconte pas n'importe quoi ?".SMISt-GPT est une réponse. Pas la seule, pas la parfaite, mais une qui fonctionne. Testée. Mesurée. Améliorée.Et surtout : ouverte. La méthode est publiée (Lafon & Brochot, 2025) (2). N'importe qui peut l'utiliser, la critiquer, l'améliorer.

Parce qu'en 2026, avec les guerres cognitives, la désinformation industrielle et les deepfakes, on n'a plus le luxe d'analyser à l'aveugle.
 

Thierry Lafon
Chercheur associé, Université de Poitiers
Co-auteur, Intelligence Économique 3.0 : Le SMISt