Intelligence artificielle

Human-in-the-Loop : où placer l’humain dans vos processus d’IA (et où l’enlever)

15 Octobre 2026

11 min de lecture

Human-in-the-LoopHITLSupervision humaine IAAgents IALoi 09-08Automatisation responsable

Une main humaine et une main robotique qui se rapprochent sous le titre Human in the Loop, avec une empreinte digitale entourée de flèches en boucle

On peut déléguer une tâche à l’IA, pas la responsabilité. Une méthode concrète pour décider où placer le contrôle humain, encadrer les agents IA et éviter le piège du valideur tampon.

Février 2024. Un client d’Air Canada vient de perdre sa grand-mère. Il demande au chatbot de la compagnie comment bénéficier du tarif deuil. Le chatbot lui répond qu’il peut acheter son billet au prix normal et demander le remboursement de la différence plus tard. C’est faux : la politique de la compagnie ne le permet pas.

Devant le tribunal, Air Canada a soutenu que le chatbot était « une entité distincte, responsable de ses propres actions ». Le tribunal a rejeté l’argument : l’entreprise est responsable de toutes les informations publiées sur son site, qu’elles viennent d’une page statique ou d’une IA.

La leçon tient en une phrase : on peut déléguer une tâche à l’IA, pas la responsabilité.

En 2026, l’enjeu est plus grand encore. Les agents IA ne se contentent plus de répondre : ils envoient des e-mails, modifient des fiches clients, préparent des paiements. La question n’est donc plus « faut-il un humain ? », mais où exactement le placer pour garder le contrôle sans tout ralentir. C’est ce que permet le Human-in-the-Loop, à condition de le concevoir correctement. Voici la méthode.

L’essentiel en 30 secondes

Le Human-in-the-Loop (HITL) consiste à placer un humain aux étapes où son jugement change réellement le résultat, pas partout.
Le bon critère n’est pas « l’IA est-elle fiable ? », mais : quel est l’impact d’une erreur, et peut-on l’annuler ?
Avec les agents IA qui agissent (payer, envoyer, supprimer), le contrôle humain devient un garde-fou opérationnel, plus seulement une bonne pratique.
Le piège le plus courant est le « valideur tampon » : un humain qui approuve tout sans regarder. Il se mesure et se corrige.
Au Maroc, l’article 11 de la loi 09-08 interdit déjà qu’une décision produisant des effets juridiques repose uniquement sur un profilage automatisé.

Human-in-the-Loop : de quoi parle-t-on vraiment ?

Littéralement, Human-in-the-Loop signifie « humain dans la boucle ». C’est une manière de concevoir un système d’IA dans lequel une personne intervient à des moments précis pour valider, corriger ou refuser ce que la machine propose, et où ces corrections servent ensuite à améliorer le système.

L’humain peut intervenir à trois moments :

Avant : préparer et annoter les données, définir les règles et les seuils.
Pendant : valider une proposition avant qu’elle ne soit exécutée.
Après : auditer un échantillon, analyser les erreurs, ajuster les prompts et les règles.

Exemple : un outil analyse une demande de remboursement client et propose 2 000 DH. Le responsable voit la proposition, les pièces justificatives et la règle appliquée. Il valide, ajuste le montant ou refuse. Le système a fait 90 % du travail de préparation ; la décision, elle, reste humaine.

Le mot important est boucle. Un contrôle humain qui ne nourrit jamais le système n’est qu’un goulot d’étranglement. Une vraie boucle HITL apprend de chaque correction.

Comment fonctionne une boucle HITL

Schéma de la boucle Human-in-the-Loop : entrée, proposition IA, contrôle humain, exécution, traçabilité, puis retour d’expérience vers le système

Entrée : une demande, un document ou un événement arrive (e-mail client, facture, CV, ticket).
Proposition IA : le modèle classe, rédige une réponse ou prépare une action, avec ses sources.
Contrôle humain : pour les cas définis à l’avance, une personne compétente examine la proposition. Elle peut valider, modifier, refuser ou demander des précisions.
Exécution : seule l’action autorisée est réalisée.
Traçabilité : le système enregistre qui a décidé quoi, et pourquoi. Ces traces servent aux audits et à l’amélioration continue.

La boucle se referme quand les corrections reviennent dans le système : un prompt reformulé, une règle d’escalade ajoutée, un seuil ajusté. Au bout de quelques semaines, la part des cas qui nécessitent un humain doit baisser. Si elle ne baisse pas, la boucle ne fonctionne pas.

La matrice de décision : où placer l’humain ?

La question « faut-il un humain ? » est mal posée. Mettre un humain partout ralentit tout et finit par produire des validations machinales. N’en mettre nulle part expose l’entreprise. La bonne question tient en deux axes : quel est l’impact d’une erreur, et peut-on la corriger après coup ?

Matrice de décision croisant l’impact d’une erreur et sa réversibilité : automatisation avec échantillonnage, règles et exceptions, Human-on-the-Loop, et Human-in-the-Loop avec validation avant action

Situation	Niveau de contrôle	Exemples
Impact faible, réversible	Automatisation complète + contrôle par échantillon (5 à 10 % des cas)	Tri d’e-mails, étiquettes CRM, résumés de réunion internes
Impact faible, irréversible	Règles et seuils automatiques ; l’humain traite seulement les exceptions	Fusion de doublons, envoi d’une campagne déjà validée
Impact élevé, réversible	Human-on-the-Loop : l’IA agit, un humain surveille et peut annuler	Réponses SAV standards, relances de paiement
Impact élevé, irréversible	Human-in-the-Loop strict : rien ne part sans validation	Paiement fournisseur, refus de crédit, décision RH, message à portée juridique

Une règle s’ajoute à la matrice : dès qu’une décision concerne directement une personne (un candidat, un client, un salarié), le contrôle humain est la norme, quel que soit le quadrant. C’est aussi ce que prévoit la loi, comme nous le verrons plus bas.

Agents IA : le HITL devient un frein d’urgence

Jusqu’ici, l’IA générative produisait surtout du texte. Un humain le relisait de toute façon avant de l’utiliser. En 2026, les agents IA font autre chose : ils agissent. Ils envoient des e-mails, modifient le CRM, créent des factures, déclenchent des virements, via des connecteurs comme le protocole MCP.

Le contrôle humain change alors de nature. Il ne s’agit plus de relire un texte, mais de décider quelles actions un agent peut exécuter seul. La méthode la plus simple consiste à classer chaque outil de l’agent en trois niveaux :

Type d’action	Exemples	Règle
Lecture	Consulter un dossier, chercher une facture, lire un stock	Libre, journalisée
Écriture réversible	Créer un brouillon, mettre à jour une fiche, planifier une tâche	Autorisée, avec historique et possibilité d’annuler
Action irréversible ou externe	Payer, envoyer à un client, supprimer, publier, déployer en production	Validation humaine obligatoire

Exemple concret : un agent comptable rapproche les factures fournisseurs et prépare les virements de la semaine. Il ne paie rien. Le vendredi, le responsable financier reçoit un lot de 40 virements, avec les anomalies signalées en premier (montant inhabituel, RIB modifié, fournisseur nouveau). Il valide le lot en 10 minutes au lieu d’une demi-journée de saisie.

Ce découpage limite aussi les dégâts d’une attaque par injection de prompt : même manipulé, un agent ne peut pas déclencher seul une action irréversible.

Trois cas d’usage en entreprise

1. Service client : automatiser sans couper le lien

Un assistant répond aux questions récurrentes (horaires, suivi de commande, conditions de livraison). Dès qu’une réclamation implique un litige, un remboursement important ou un client mécontent, le dossier passe à un conseiller. La fintech Klarna en a fait l’expérience : après avoir mis en avant le remplacement de centaines de conseillers par l’IA, son PDG a reconnu en 2025 une baisse de qualité et a relancé le recrutement d’agents humains, en insistant sur un principe : le client doit toujours pouvoir parler à une personne.

Ce qu’on mesure : délai de réponse sur les demandes simples, taux de satisfaction sur les dossiers escaladés.

2. Recrutement : l’IA trie, l’humain choisit

Une IA peut organiser des CV et repérer des compétences explicites. Mais elle peut écarter des parcours atypiques et reproduire les biais de recrutements passés. L’équipe RH doit voir pourquoi un profil est classé, pouvoir contester le classement, et rester seule responsable des décisions. Un refus fondé uniquement sur un score automatique pose aussi un problème juridique au Maroc (voir plus bas).

Ce qu’on mesure : temps de tri gagné, diversité des profils retenus en entretien.

3. Développement logiciel : générer vite, relire sérieusement

Un assistant IA propose du code, des tests et des refactorisations. Avant toute fusion, un développeur fait la revue : sécurité, dépendances, cas limites, tests. Le code généré par IA se lit vite et semble propre, ce qui rend la relecture plus importante, pas moins.

Ce qu’on mesure : délai de livraison, nombre d’incidents en production.

Le piège du « valideur tampon »

Un bouton « Approuver » ne fait pas une supervision. Quand une personne valide 200 propositions par jour et que l’IA a raison 98 fois sur 100, elle finit par cliquer sans lire. C’est le biais d’automatisation : la tendance à faire confiance à la machine par défaut. Le contrôle existe sur le papier, mais il ne protège plus rien.

Quatre leviers pour l’éviter :

Ne présenter que ce qui mérite un regard. Les cas courants passent par des règles ; l’humain reçoit les exceptions, les montants élevés, les situations nouvelles.
Concevoir un écran de revue utile. Afficher les sources, ce qui a changé par rapport à l’habitude, et le niveau d’incertitude. Mettre en évidence les anomalies plutôt que de tout présenter au même niveau.
Rendre le refus aussi simple que la validation. Si refuser demande trois écrans et une justification, personne ne refuse.
Tester la vigilance. Insérer de temps en temps un cas volontairement faux dans la file de revue, et vérifier qu’il est bien intercepté.

Signal d’alerte : si le taux de correction humaine est à 0 % depuis des mois, deux explications sont possibles. Soit l’IA est parfaite sur ce périmètre, et le contrôle peut être allégé. Soit plus personne ne regarde. Dans les deux cas, il faut agir.

HITL, Human-on-the-Loop, automatisation : quelles différences ?

Approche	Rôle de l’humain	Quand l’utiliser
Human-in-the-Loop (HITL)	Valide avant que l’action ne parte	Erreur coûteuse et difficile à annuler
Human-on-the-Loop (HOTL)	Surveille un système autonome et peut l’arrêter ou annuler	Volume élevé, erreurs corrigeables rapidement
Automatisation avec audit	Contrôle un échantillon a posteriori	Faible impact, tâches répétitives

Les termes varient selon les secteurs. Ce qui compte, c’est de définir pour chaque processus qui peut intervenir, à quel moment, et avec quel pouvoir réel.

Ce que disent la loi et les cadres de référence

Au Maroc : l’article 11 de la loi 09-08

La loi 09-08 relative à la protection des données personnelles, contrôlée par la CNDP, pose un principe de « neutralité des effets ». Son article 11 prévoit qu’aucune décision produisant des effets juridiques à l’égard d’une personne ne peut être prise sur le seul fondement d’un traitement automatisé destiné à définir son profil ou à évaluer certains aspects de sa personnalité. Des exceptions existent, notamment dans le cadre d’un contrat lorsque la personne a pu présenter ses observations.

Concrètement : refuser un crédit, un candidat ou un contrat uniquement sur la base d’un score automatique est risqué. Une intervention humaine réelle, avec la possibilité pour la personne de faire valoir son point de vue, est la façon la plus sûre de rester dans le cadre.

En Europe : l’AI Act

L’article 14 de l’AI Act impose un contrôle humain effectif pour les systèmes d’IA à haut risque (recrutement, crédit, éducation, accès aux services essentiels…). Le règlement « Omnibus numérique » adopté en 2026 a reporté l’application de ces obligations au 2 décembre 2027 pour la plupart de ces systèmes. Les entreprises marocaines qui fournissent des services à des clients européens sont directement concernées.

Le NIST AI Risk Management Framework

Ce cadre américain, non contraignant, propose une méthode structurée (gouverner, cartographier, mesurer, gérer) qui sert de référence pour organiser la supervision humaine des systèmes d’IA.

À retenir : la loi ne demande pas un humain à côté de chaque modèle. Elle demande un contrôle effectif là où une décision affecte une personne. C’est exactement ce que la matrice permet d’organiser.

Mettre en place le HITL dans une PME en 5 étapes

Inventorier les décisions. Lister ce que l’IA fait ou fera : répondre, classer, rédiger, payer, publier. Pour chaque décision, noter l’impact d’une erreur et sa réversibilité.
Placer chaque décision dans la matrice. Cela donne immédiatement le niveau de contrôle : échantillon, exceptions, surveillance ou validation préalable.
Nommer les décideurs. Une personne par type de décision, formée, avec le temps et l’autorité de refuser.
Construire l’écran de revue. Sources visibles, anomalies en premier, refus en un clic, motif enregistré.
Mesurer et ajuster chaque mois. Taux de correction, délais, incidents, cas escaladés. Alléger le contrôle là où l’IA a fait ses preuves, le renforcer là où elle se trompe.

Checklist avant de déployer un workflow d’IA

Chaque décision automatisée est-elle classée selon son impact et sa réversibilité ?
Sait-on qui valide, et qui intervient en cas d’erreur ?
La personne qui valide peut-elle comprendre, modifier et refuser la proposition ?
Les actions irréversibles d’un agent IA exigent-elles une validation ?
Les décisions qui touchent une personne prévoient-elles une intervention humaine réelle ?
Les décisions sensibles laissent-elles une trace exploitable ?
Vérifie-t-on que les contrôles détectent vraiment les erreurs ?

Conclusion : l’IA accélère, l’humain décide

Le Human-in-the-Loop n’est ni un frein à l’automatisation ni une case à cocher. C’est une décision de conception : choisir, processus par processus, où le jugement humain apporte le plus, et automatiser franchement tout le reste.

Les entreprises qui réussissent leur adoption de l’IA ne sont pas celles qui contrôlent tout, ni celles qui ne contrôlent rien. Ce sont celles qui savent répondre à une question simple : si cette action est une erreur, qui l’aurait arrêtée ?

Chez ITZENATA, c’est la question par laquelle nous commençons chaque projet d’IA et d’automatisation.

Questions fréquentes

Le Human-in-the-Loop ralentit-il les processus ?

Seulement s’il est mal ciblé. Bien conçu, il ne concerne qu’une minorité de cas (exceptions, montants élevés, situations nouvelles) et évite des corrections bien plus coûteuses après coup.

Faut-il valider manuellement toutes les réponses de l’IA ?

Non. La matrice impact / réversibilité permet de réserver la validation préalable aux décisions qui le justifient, et de contrôler le reste par échantillon.

Quelle différence avec le Human-on-the-Loop ?

Dans le HITL, l’humain valide avant l’action. Dans le Human-on-the-Loop, l’IA agit et l’humain surveille, avec la possibilité d’annuler ou d’arrêter le système.

Le HITL élimine-t-il les biais ?

Non. Il aide à en repérer certains, mais l’humain a aussi ses biais. Il faut des critères clairs, de la formation et un suivi des résultats.

Une PME peut-elle mettre en place le HITL sans grand projet ?

Oui. On commence par un seul processus : l’IA prépare, un collaborateur valide les cas sensibles, et on mesure le taux de correction pendant un mois.

Est-ce une obligation légale au Maroc ?

Pour les décisions produisant des effets juridiques fondées sur un profilage automatisé, l’article 11 de la loi 09-08 exige de ne pas s’appuyer uniquement sur le traitement automatisé. Pour une analyse de votre cas, rapprochez-vous d’un conseil juridique ou de la CNDP.

Sources et lectures complémentaires

Intégrer l’IA sans perdre la maîtrise de vos décisions ?

Chez ITZENATA, nous aidons les entreprises à identifier les processus à automatiser et à concevoir des workflows d’IA avec des points de contrôle humain adaptés à leurs risques.

Découvrir nos solutions IA Échanger avec un consultant

Voir Plus d'Articles