Cet article souligne la nécessité de mécanismes de rétroaction pour faciliter une utilisation responsable de l'IA face à l'augmentation de l'utilisation des systèmes d'IA, en particulier pour les utilisateurs qui ne sont pas en mesure d'évaluer la qualité des prédictions de l'IA. À l'aide d'un scénario de traduction automatique (TA), nous comparons et analysons les processus décisionnels d'utilisateurs monolingues concernant le partage ou non des résultats de TA, d'abord sans rétroaction, puis avec quatre types de rétroaction qualité : la mise en évidence des erreurs, les explications LLM, la rétrotraduction et les tables de questions-réponses (QA). L'analyse révèle que tous les types de rétroaction, à l'exception de la mise en évidence des erreurs, ont amélioré la précision des décisions et la fiabilité appropriée, et que la rétroaction implicite, en particulier les tables de QA, a significativement amélioré la précision des décisions, la fiabilité appropriée et la perception utilisateur par rapport à la rétroaction explicite. Les tables de QA ont reçu les notes les plus élevées en termes d'utilité et de fiabilité, et ont induit la charge mentale la plus faible.
