Pas Comme Vous. Pour Vous : Pourquoi l'« Ingénierie Cognitive » Passe à Côté du Sujet

TL;DR : L'industrie de l'IA continue d'inventer de nouvelles disciplines d'« Ingénierie » — Prompt, Contexte, Harnais, Boucle, Graphique, maintenant Cognitive. Chacune résout le même méta-problème : une sortie fiable. Mais l'« Ingénierie Cognitive » promet quelque chose qu'elle ne peut pas encore livrer. La véritable opportunité n'est pas de faire penser l'IA commevous. Cela lui fait penser pourvous — mieux, plus vite, et avec une connaissance explicite de ses propres limites.

James ici, PDG de Mercury Technology Solutions. Cyberport, Hong Kong — Juillet 2026

Le Tapis de Nommage

Tous les quelques mois, l'IA Twitter invente un nouveau "Ingénierie."

Ingénierie de Prompt. Ingénierie de Contexte. Ingénierie de Maîtrise. Ingénierie de Boucle. Ingénierie de Graphe. Maintenant Ingénierie Cognitive.

Les noms se multiplient. Les conférences vendent des billets. Les leaders d'opinion sur LinkedIn mettent à jour leurs bios. Et quelque part au milieu de tout cela, l'ingénierie réelle est réalisée.

Mais voici le truc : la progression est réelle.Chaque couche résout le même méta-problème — comment faire en sorte que l'IA produise de manière fiable ce que vous voulez réellement — avec une portée et une abstraction croissantes.

| Couche | Ce qu'elle contrôle | Le Saut | |-------|-----------------|----------| | Prompt | Appel unique | Ce que le modèle voit | | Contexte | Appel unique + mémoire | Ce que le modèle sait sur vous | | Exploiter | Exécution de tâche unique | Outils, état, limites de sécurité | | Boucle | Persistance multi-tour | Correction jusqu'à ce que ce soit fait | | Graphique | Orchestration multi-étape | Conception de flux, ramification, parallélisme | | Cognitif | La prise de décision elle-même | Comment il pense, pas seulement ce qu'il pense |

Chaque étape est réellement plus difficile que la précédente. Chacune nécessite de nouvelles abstractions, de nouveaux modes de défaillance, une nouvelle observabilité. Les noms ne sont pas le problème. Le problème est lorsque les gens les considèrent comme du marketing au lieu de l'architecture.

**Le paradoxe de l'ingénierie :** Plus nous nommons de couches, plus nous risquons d'oublier que l'utilisateur se moque de nos abstractions. Il se soucie des résultats.

Ce que signifie réellement "Ingénierie Cognitive"

Un post récent a présenté l'ingénierie cognitive comme la prochaine frontière : "enseigner à l'IA comment penser." Faites-lui comprendre vos schémas de pensée, vos cadres de décision, vos critères de jugement, vos priorités. Pas seulement exécuter — penser comme vous, puis exécuter.

C'est une vision convaincante. C'est aussi dangereusement sous-spécifié.

Lorsque quelqu'un dit "enseigner à l'IA comment penser", cela peut signifier trois choses très différentes :

| Interprétation | Ce que c'est réellement | Pouvons-nous le construire ? | |----------------|---------------------|------------------| | A : Modèles de réflexion | Incitation par chaîne de pensée + boucles d'auto-correction | ✅ Aujourd'hui. Voir les 4 modèles agentiques d'Andrew Ng. | | B : Apprentissage des préférences | Affinez sur vos traces de décision, apprenez vos compromis | ⚠️ Difficile. Nécessite une infrastructure de données que la plupart des entreprises n'ont pas. | | C : Architecture cognitive explicite | États de croyance, règles d'inférence, gestion de l'incertitude, métacognition | ❌ Frontière de recherche. Pas encore un produit. |

La plupart des démos de "Cognitive Engineering" seront Un déguisé en C. Ils montreront des chaînes de réflexion et appelleront cela "enseigner à l'IA à penser." Ce n'est pas une architecture cognitive. C'est un bon prompting avec des étapes supplémentaires.

Une véritable architecture cognitive nécessite quelque chose de plus difficile :

• États de croyance — ce que l'agent considère comme vrai, avec une confiance explicite

• Règles d'inférence — comment cela met à jour les croyances en fonction de nouvelles preuves

• Cadres de décision — logique explicite pour les compromis (vitesse vs. précision vs. coût)

• Méta-cognition — sachant ce qu'il ne sait pas, et le disant

Ce n'est pas de l'ingénierie. C'est construire un esprit. Et nous n'en sommes pas encore là.

La dimension qui lui manque

La progression qu'il décrit est verticale — plus de capacité par couche. Mais il y a un horizontal dimension qui compte tout autant : portée de l'opération.

Vertical (son cadre) : Invite → Contexte → Exploitation → Boucle → Graphique → Cognitif Horizontal (manquant) : Unique → Multi → Persistant → Distribué → Autonome → Auto-améliorant

L'axe horizontal concerne la mesure dans laquelle le système fonctionne sans vous :

| Étape | Portée | Implication humaine | |-------|-------|-------------------| | Appel unique | Une invite, une réponse | Chaque mot | | Multi-tour | Historique de conversation | Chaque session | | Persistant | Les tâches survivent à travers les sessions | Revue périodique | | Distribué | Plusieurs agents coordonnent | Gestion des exceptions | | Autonome | Poursuite d'objectifs autodirigée | Escalade uniquement | | Auto-améliorant | Modifie sa propre architecture | Aucun (théorique) |

Chez Mercury, nous opérons à Persistant → Distribué.Nos tâches cron s'exécutent pendant la nuit. Nos sous-agents travaillent en parallèle. Mais un humain examine toujours la sortie, publie toujours le post, approuve toujours la stratégie.

L'ingénierie cognitive, si elle existe, vit à l'intersection des deux axes :portée autonome + architecture de raisonnement explicite. Ce n'est pas une fonctionnalité que vous livrez en un sprint. C'est un programme de recherche.

La vraie question

"Voulez-vous une IA capable de 'penser comme vous et d'exécuter le travail à votre place' ?"

Non.Je veux une IA qui pensemieux que moi dans les domaines que j'ai explicitement délégués, et sait quand demander dans les domaines que je n'ai pas.

"Comme moi" est un bug, pas une fonctionnalité. J'ai des biais. Des angles morts. Des jours où je suis fatigué et prends de mauvaises décisions. Une IA qui réplique ma pensée réplique mes échecs.

La citation de Yang Wen-li s'applique ici : "Le moyen le plus efficace de gagner est de faire perdre à l'ennemi sa volonté de se battre." Dans ce cas, l'ennemi est l'irréliabilité. Et la façon de le battre n'est pas l'imitation — c'est l'augmentation.

Ce que je veux vraiment :

• Dans les domaines que je délègue : Plus rapide, plus cohérent, moins émotionnel. Pas de fatigue. Pas d'ego. Pas de "J'ai déjà décidé cela hier, laissons-moi m'y tenir."

• Dans les domaines que je garde : Escalade claire. "Je n'ai pas assez de contexte." "Cela contredit votre priorité déclarée." "Vous avez dit de ne jamais faire cela sans demander."

• À la limite : Transferts explicites. "J'ai fait X. Y nécessite votre jugement. Voici ce que je recommande."

**Le véritable cadre :** Pas "comme vous." **Pour vous.**

Ce que Mercury construit réellement

Nous n'avons pas besoin d'ingénierie cognitive. Nous avons besoin de l'ingénierie graphique fiable à laquelle les clients font confiance pour des processus commerciaux réels.

Voici à quoi cela ressemble en pratique :

Notre pile aujourd'hui :

• Boucles L1-L3 (rapport → assisté → non surveillé) pour le contenu et l'analyse

• Coordination L4-L5 (tâches persistantes, multi-agents) pour les audits et la recherche

• Compactage de contexte afin que les longues sessions ne perdent pas leur état

• Répétition + routage de secours afin que les échecs ne se propagent pas

• Couche d'observabilité afin que nous sachions ce qui a échoué et pourquoi

Ce que nous ajoutons ensuite :

• Journalisation des préférences — ce qui vous permet de prioriser, quels risques vous tolérez

• Suivi des décisions — pas "que fait l'IA" mais "pourquoi a-t-elle choisi cela"

• Incertitude explicite — scores de confiance sur les recommandations, pas seulement sur les réponses

Ce n'est pas de l'ingénierie cognitive. C'est apprentissage des préférences + journalisation explicite des compromis. Mais cela apporte 80 % de la valeur avec 20 % de la complexité. Et c'est réalisable maintenant.

L'opportunité

La première entreprise à productiser même une forme faible de comportement "cognitif" gagne le récit. Pas parce que c'est une AGI complète, mais parce que cela déplace la conversation de "l'automatisation" à "le jugement."

Pensez à la présentation :

"Nos agents ne se contentent pas d'exécuter votre flux de travail. Ils apprennent vos critères de décision — quelles pistes vous priorisez, quels risques vous tolérez, quels raccourcis vous acceptez — et les appliquent de manière cohérente. Lorsqu'ils sont incertains, ils posent des questions. Lorsque vous êtes incertain, ils recommandent."

Ce n'est pas un article de recherche. C'est un positionnement de produit. Et c'est défendable car le fossé n'est pas le modèle — c'est les données de préférence accumulées que aucun concurrent n'a.

L'Action

Si vous construisez avec l'IA, arrêtez de courir après le prochain label "Ingénierie". Posez plutôt trois questions :

1. À quelle portée mon système fonctionne-t-il ? (Appel unique ? Persistant ? Distribué ?)

2. Que se passe-t-il en cas d'échec ? (Erreur silencieuse ? Escalade ? Cascade ?)

3. Comment sait-il ce que j'apprécie ? (Règles explicites ? Préférences apprises ? Ça ne le fait pas ?)

Les réponses vous disent quoi construire ensuite. Pas comment l'appeler.

Parce qu'en 2026, les entreprises qui gagnent ne sont pas celles avec l'architecture cognitive la plus avancée. Ce sont celles dont les agents échouent gracieusement, escaladent clairement et s'améliorent continuellement.

Le reste n'est qu'une question de nom.

Mercury Technology Solutions : Accélérer la digitalité.