Connaître les limites de son outil

Maintenant le revers de la médaille, tout aussi utile à connaître : les tâches où l'IA est franchement mauvaise, et où lui faire confiance te jouera des tours. Parce qu'un bon ouvrier connaît autant les limites de son outil que ses forces.

La bonne nouvelle, c'est que ces angles morts sont peu nombreux et faciles à retenir. Ce ne sont pas des mystères : ils découlent tous, logiquement, de ce que tu sais déjà, une IA prédit du texte, elle ne « sait » pas et ne « calcule » pas vraiment. Une fois que tu les connais, tu ne te feras plus jamais avoir sur ces terrains-là.

On va voir les quatre grands pièges pratiques : le calcul exact, le comptage, les faits précis récents, et le raisonnement très long. Pour chacun, tu comprendras POURQUOI elle échoue, ce qui te permet de le prévoir au lieu de le découvrir douloureusement. Et surtout, tu verras que pour chaque angle mort, il existe une parade simple.

À la fin de ce sous-module, tu auras la carte complète : les super-pouvoirs d'un côté, les angles morts de l'autre. Cette carte pratique, très concrète, est ce qui te permet de confier à l'IA exactement les bonnes tâches, et de garder pour toi ou pour d'autres outils celles qu'elle rate.

Les erreurs qui coûtent cher sont contre-intuitives

Pourquoi insister sur les angles morts, alors qu'on préférerait ne parler que des forces ? Parce que c'est sur ces terrains précis que se produisent les erreurs qui coûtent cher, et qu'elles sont d'autant plus dangereuses qu'elles sont contre-intuitives. On s'attend à ce qu'une machine soit BONNE en calcul ; découvrir qu'une IA se trompe en additionnant surprend, et pique la confiance là où on ne l'attendait pas.

Comprendre le pourquoi de chaque faiblesse, c'est la clé pour ne pas se faire avoir. Si tu sais que l'IA « prédit » un résultat de calcul plausible au lieu de le calculer vraiment, tu ne lui confieras jamais tes comptes sans vérifier. Si tu sais qu'elle ignore le récent, tu ne lui demanderas pas l'actualité sans la lui fournir. La connaissance de la cause transforme une faiblesse subie en risque anticipé.

Et il y a un gain de crédibilité personnelle. Les erreurs d'IA les plus embarrassantes, celles qu'on raconte comme des histoires drôles ou des scandales, tombent presque toujours dans ces angles morts : un faux chiffre, une date inventée, un raisonnement bancal présenté comme solide. En les connaissant, tu évites d'être celui qui a « fait confiance à l'IA » sur exactement ce qu'elle rate. Connaître les limites de son outil, ce n'est pas en penser du mal, c'est s'en servir en professionnel.

Huit mots pour cartographier les tâches

Huit mots pour cartographier les tâches de l'IA. Définition, image, exemple.

• Tâche : un travail précis qu'on confie à l'IA. Image : une consigne de travail. Exemple : « résume ce texte ».
• Reformulation : redire un texte autrement. Image : réécrire une lettre. Exemple : plus court, autre ton.
• Synthèse : tirer l'essentiel d'un texte fourni. Image : le compte rendu. Exemple : un contrat en trois points.
• Traduction : passer d'une langue à une autre. Image : l'interprète. Exemple : français vers anglais.
• Extraction : sortir les infos utiles d'un vrac. Image : surligner l'essentiel. Exemple : dates et montants d'une facture.
• Raisonnement : enchaîner des étapes logiques. Image : dérouler une déduction. Exemple : à surveiller sur les chaînes longues.
• Calcul : une opération chiffrée exacte. Image : la calculatrice. Exemple : point faible, à vérifier ou déléguer.
• Jugement : décider, trancher, assumer. Image : la décision finale. Exemple : ce qui reste à toi.

Calcul, faits récents, raisonnement long, réalité privée

Il faut d'abord accepter une idée qui heurte notre intuition sur les machines. On a grandi avec des ordinateurs qui calculent parfaitement et ne se trompent jamais sur un chiffre. L'IA n'est pas cet ordinateur-là. Ce n'est pas un tableur, c'est un modèle de langage : son terrain, c'est le mot, pas le nombre. Confondre les deux, attendre d'une IA la précision d'une calculatrice, est la source de la moitié des mauvaises surprises. Range mentalement l'IA du côté du langage, pas du côté du calcul.

Comprendre ces angles morts a un effet secondaire précieux : ça te rend beaucoup plus difficile à berner, y compris par ceux qui survendent l'IA. Quand quelqu'un te promet une IA qui « calcule tout parfaitement » ou « connaît tout en temps réel » sans outil, tu sais que c'est du vent, parce que tu comprends sa nature. La connaissance des limites est aussi un bouclier commercial : elle t'évite d'acheter des promesses intenables.

1. Le calcul et le comptage : elle prédit, elle ne compte pas

Le piège le plus surprenant : l'IA n'est pas une calculatrice. Demande-lui une addition compliquée, un pourcentage précis, un total de colonne, et elle peut se tromper, parfois de peu, parfois beaucoup. Pourquoi ? Parce qu'elle ne « calcule » pas au sens strict : elle prédit le résultat le plus plausible, comme elle prédit un mot. Sur des chiffres simples et courants, ça passe souvent ; sur du précis ou de l'inhabituel, elle dérape. Même chose pour compter (« combien de mots dans ce texte ? ») : elle estime, elle ne compte pas vraiment. La parade est simple : pour un calcul exact, utilise une vraie calculatrice, un tableur, ou un outil, jamais l'IA seule.

Un mot pour bien comprendre le comptage, car il surprend toujours. Demande à une IA « combien de fois le mot chat apparaît dans ce texte ? » : elle donnera un nombre, souvent faux. Pourtant ça semble trivial. Mais compter exige de parcourir et d'incrémenter, une opération mécanique qu'elle ne fait pas : elle estime, à partir de ce qui « paraît » plausible. Pour tout ce qui relève du dénombrement exact, comme pour le calcul, l'IA est le mauvais outil. Retiens que « exact » et « IA seule » ne font pas bon ménage.

2. Les faits précis et récents : le terrain de l'invention

On l'a vu au module A1, mais côté tâches c'est capital : dès qu'une tâche repose sur un fait précis (une date, une statistique, une référence) et surtout récent, l'IA est en terrain d'hallucination. Elle produira une réponse plausible, éventuellement fausse. Ce n'est pas une tâche à lui confier « en confiance » : c'est une tâche où elle peut aider à dégrossir, mais où la vérification est obligatoire, ou bien où il faut lui fournir la donnée à jour. Ne lui demande jamais d'être ta source de vérité sur un fait précis.

3. Le raisonnement très long : la chaîne qui casse

L'IA raisonne, et souvent bien, sur des problèmes courts. Mais sur une chaîne d'étapes longue et pointue (un raisonnement en dix maillons, un problème logique complexe), le risque qu'un maillon soit faux augmente, et une seule erreur fausse toute la conclusion. Elle présentera pourtant le tout avec la même assurance. La parade : découpe. Demande-lui une étape à la fois, vérifie chaque étape, plutôt que de lui confier le raisonnement entier d'un bloc. Un long raisonnement d'IA se relit maillon par maillon, jamais en gobant la conclusion finale.

4. Ta réalité privée : elle ne la connaît pas

Enfin, rappel côté tâches : toute tâche qui exige de connaître TA réalité (tes clients, tes chiffres, tes documents, ton contexte précis) est hors de sa portée sans que tu la lui fournisses. « Rédige la réponse à ce client » est un super-pouvoir SI tu lui donnes le contexte du client ; c'est un angle mort si tu attends qu'elle le devine. La frontière n'est pas la tâche elle-même, c'est : lui as-tu donné la matière ? Le même verbe (« rédige ») bascule de force à faiblesse selon que tu fournis ou non le nécessaire.

5. Un cas réel : pourquoi nos agents délèguent le calcul

Un principe qu'on applique systématiquement chez MogaCode : quand un travail exige un calcul exact ou une donnée précise, on ne le confie jamais à l'IA seule, on lui donne un outil qui, lui, calcule ou va chercher juste. L'IA décide QUOI calculer et interprète le résultat ; l'outil fait le calcul. Chacun son métier. C'est exactement la leçon de ce sous-module, appliquée : on joue sur la force de l'IA (comprendre, décider, formuler) et on délègue sa faiblesse (le chiffre exact) à ce qui est fait pour ça.

C'est d'ailleurs tout l'objet des blocs suivants de la formation : donner à l'IA des outils pour compenser ses angles morts. Un outil pour calculer juste, un outil pour aller chercher l'info fraîche, un accès à tes données privées. Comprendre aujourd'hui où elle échoue, c'est comprendre pourquoi ces outils existent. On ne corrige pas la nature de l'IA ; on l'entoure de ce qui comble ses trous.

6. Un contre-exemple : le budget calculé par l'IA

Une erreur vécue par beaucoup : demander à une IA de calculer un budget, un devis, un total, et l'envoyer sans vérifier. Le tableau est joliment présenté, les lignes semblent cohérentes, on fait confiance. Puis un client ou un comptable repère que le total est faux de quelques centaines. Gênant, et évitable. L'IA avait « prédit » un total plausible au lieu de l'additionner vraiment.

La leçon est nette : un chiffre qui engage (un devis, une facture, un budget) ne sort jamais d'une IA sans vérification par un vrai calcul. L'IA peut t'aider à structurer le tableau, à rédiger les intitulés, à présenter joliment, tout son territoire fort, mais l'addition finale, tu la contrôles avec un tableur. Répartis : la forme à l'IA, le chiffre exact à l'outil.

6bis. L'angle mort le plus discret : la surconfiance

Il y a un dernier angle mort, plus subtil que les autres, et c'est peut-être le plus dangereux : la surconfiance qu'inspire la fluidité de l'IA. Parce qu'elle s'exprime bien, avec assurance et vocabulaire, on la croit compétente sur tout, comme on ferait confiance à un orateur brillant. Mais bien parler n'est pas bien savoir. Une IA peut te débiter une bêtise dans un français impeccable. La qualité de l'expression n'est jamais une preuve de la justesse du contenu.

Ce piège est d'autant plus vicieux qu'il joue sur nos réflexes humains : dans la vie, quelqu'un qui parle clairement et avec assurance est souvent quelqu'un qui maîtrise son sujet. Avec l'IA, cette corrélation disparaît : elle parle toujours bien, qu'elle sache ou non. Il faut donc débrancher ce réflexe et juger le fond indépendamment de la forme. C'est difficile, contre-intuitif, et pourtant essentiel. Rappelle-toi : plus une réponse est fluide et assurée, plus tu dois garder ta tête froide sur ce qu'elle affirme réellement.

Ce dernier angle mort n'est pas dans l'IA, il est en nous. Et c'est celui sur lequel tu as le plus de prise : il suffit d'en avoir conscience. Sépare toujours, mentalement, « c'est bien dit » de « c'est vrai ». Cette petite discipline mentale te protège de la plupart des mauvaises surprises, et elle fait de toi un utilisateur véritablement avisé, celui qui profite de l'éloquence de l'IA sans jamais se laisser hypnotiser par elle.

7. La règle simple qui résume les angles morts

Si tu devais retenir une seule règle pour éviter tous les pièges de ce sous-module, ce serait celle-ci : méfie-toi dès qu'une tâche exige de l'EXACT ou du FRAIS que tu n'as pas fourni. Exact (un calcul, un compte, un chiffre précis, une référence pointue) : l'IA prédit du plausible, pas du juste. Frais (l'actualité, une donnée récente) : elle ignore l'après-coupure. Dans ces deux cas, ou bien tu fournis la donnée fiable, ou bien tu vérifies, ou bien tu délègues à un outil. Jamais confiance aveugle.

Cette règle, « exact ou frais non fourni = méfiance », couvre à elle seule la quasi-totalité des erreurs graves qu'on peut faire avec l'IA. Elle est simple à retenir et instantanée à appliquer. Combinée aux super-pouvoirs du sous-module précédent, elle te donne une boussole complète : fonce sur la transformation de ta matière, méfie-toi de l'exact et du frais non fournis. Avec ces deux repères, tu utilises l'IA mieux que l'immense majorité des gens.

Retiens une image pour le calcul : demander une addition exacte à une IA, c'est comme demander à un grand écrivain de tenir ta comptabilité de tête. Il est brillant avec les mots, mais ce n'est pas son métier, et il te sortira un chiffre qui « sonne juste » sans l'avoir vraiment posé. Tu confierais tes comptes à un comptable ou à un tableur ; avec l'IA, même réflexe, le bon outil pour le bon travail. Cette image, une fois en tête, t'évite définitivement de lui faire confiance sur un chiffre qui compte.

Et souviens-toi que reconnaître un angle mort n'est jamais un renoncement : c'est le signal qu'il faut une parade. Calcul ? un tableur. Fait récent ? tu fournis l'info à jour. Raisonnement long ? tu découpes. Donnée privée ? tu la donnes. À chaque faiblesse correspond un geste simple qui la contourne. Tu n'abandonnes pas l'IA sur ces terrains, tu l'accompagnes de ce qu'il faut. C'est précisément ce que t'apprendront à automatiser les blocs suivants.

En résumé : les angles morts pratiques sont le calcul et le comptage exacts, les faits précis et récents, le raisonnement très long, et tout ce qui exige ta réalité privée sans que tu la fournisses. Pour chacun, une parade : outil dédié, vérification, découpage, ou fournir la matière.

La même demande, deux résultats opposés

Tu connais ses forces et ses faiblesses. Reste le savoir-faire qui réunit tout : comment CONFIER une tâche à l'IA pour tirer le meilleur d'elle ? Parce que la même demande, formulée de deux façons, peut donner un résultat génial ou un ratage complet.

Le secret n'est pas de « bien parler à l'IA » avec des formules magiques. C'est de ramener chaque tâche dans son territoire fort : lui donner la matière, lui demander une transformation plutôt qu'un fait, découper ce qui est long, et garder pour toi le jugement final. C'est une façon de penser, pas une technique.

Ce sous-module te donne cette méthode de « bon confiage » : comment reformuler une demande risquée en demande sûre, comment fournir ce qu'il faut, et comment répartir le travail entre l'IA et toi. Tu verras que souvent, transformer une mauvaise tâche en bonne tâche tient à un simple ajustement.

À la fin, tu ne subiras plus les résultats de l'IA : tu les provoqueras. Devant n'importe quel besoin, tu sauras le découper et le formuler pour jouer sur ses forces et éviter ses pièges. C'est la synthèse pratique de tout le bloc Découverte, et le vrai début de ton autonomie avec l'IA.

Le résultat dépend de la formulation, pas de l'IA

Pourquoi une tâche entière sur « comment confier », si on connaît déjà forces et faiblesses ? Parce que connaître la carte ne suffit pas : encore faut-il savoir amener chaque demande sur la bonne case. Beaucoup de gens connaissent vaguement les limites de l'IA mais continuent de mal formuler leurs demandes, et récoltent des résultats médiocres qu'ils attribuent, à tort, à l'outil.

La différence entre un utilisateur frustré et un utilisateur satisfait n'est presque jamais l'IA elle-même, c'est la façon de lui confier le travail. Le premier demande « quel est le meilleur prix pour ce produit ? » (angle mort, il aura une invention) ; le second demande « voici trois devis, compare-les et fais-moi un tableau » (super-pouvoir, il aura de l'or). Même outil, même sujet, résultat opposé, à cause de la formulation.

Maîtriser ce « bon confiage », c'est donc débloquer tout le potentiel appris dans ce bloc. Tu cesses de tester au hasard, tu conçois tes demandes. Et ce savoir-faire est le pont direct vers le bloc suivant, sur les prompts : bien confier une tâche, c'est déjà écrire un bon prompt. Ce sous-module pose les réflexes ; le bloc B les affinera en méthode. Comprendre ça maintenant, c'est aborder la suite avec une longueur d'avance.

Fournir la matière, transformer, découper, juger

Il y a une vérité libératrice dans ce sous-module : tu as bien plus de contrôle sur le résultat de l'IA que tu ne le crois. Beaucoup vivent l'IA comme une loterie, on demande, on croise les doigts, on prend ce qui vient. Faux. Le résultat est en grande partie déterminé par la façon dont tu formules ta demande. Tu n'es pas spectateur du résultat, tu en es le premier auteur. C'est une responsabilité, mais surtout un pouvoir.

1. Donne la matière, ne l'attends pas d'elle

Le premier réflexe, le plus puissant : à chaque fois que c'est possible, fournis à l'IA ce sur quoi elle doit travailler. Tu veux une réponse à un email ? Colle l'email. Tu veux un résumé ? Donne le texte. Tu veux comparer des options ? Fournis les options. En donnant la matière, tu transformes presque n'importe quelle tâche en transformation de texte, c'est-à-dire en super-pouvoir. La question à te poser avant chaque demande : « est-ce que je lui ai donné tout ce dont elle a besoin, ou est-ce que je lui demande de deviner ? ».

Ce premier réflexe, fournir la matière, a l'air évident une fois dit, et pourtant c'est celui qu'on oublie le plus. Dans le feu de l'action, on tape une demande rapide en supposant que l'IA « comprendra le contexte ». Elle ne le comprend pas : elle ne voit que ce que tu écris. Prends la seconde nécessaire pour te demander « ai-je collé ce sur quoi elle doit travailler ? ». Cette seconde d'avance t'épargne dix minutes de résultats à côté et de reformulations. La matière d'abord, toujours.

2. Demande une transformation, pas un fait

Deuxième réflexe : oriente ta demande vers ce qu'elle fait (transformer, organiser, proposer) plutôt que vers ce qu'elle sait mal (un fait précis, un chiffre, une donnée récente). Au lieu de « quel est le tarif du marché ? » (fait, risqué), demande « à partir de ces tarifs que je te donne, fais-moi une synthèse » (transformation, sûr). Souvent, la même intention peut se formuler soit en question de fait (piège), soit en demande de traitement (sûr). Choisis toujours la seconde forme quand tu le peux.

3. Découpe le gros, garde le jugement

Troisième réflexe : ne confie pas un énorme travail en un bloc. Découpe-le en étapes que tu enchaînes, en vérifiant au passage. Un long raisonnement, une grosse tâche, un projet complexe : tu obtiens un bien meilleur résultat en procédant par morceaux qu'en demandant tout d'un coup. Et surtout, garde pour toi le jugement final : l'IA propose, trie, dégrossit ; toi, tu décides, tu vérifies l'important, tu assumes ce qui sort de tes mains. Cette répartition, l'IA fait le gros oeuvre, tu gardes la décision, est la clé d'un usage à la fois puissant et sûr.

Retiens ces trois gestes ensemble, ils résument tout le bloc : fournis la matière, demande une transformation plutôt qu'un fait, découpe et garde le jugement. Avec eux, tu ramènes presque toute demande dans le territoire fort de l'IA, et tu récoltes le meilleur d'elle sans tomber dans ses pièges. Ce n'est pas une technique compliquée, c'est une hygiène de la demande, qui deviendra vite un automatisme.

4. La règle d'or : une bonne demande est précise et nourrie

Si tu ne devais retenir qu'une chose de tout le bloc Découverte, ce serait celle-ci : la qualité de ta demande fait la qualité de la réponse. Une demande précise (ce que tu veux, dans quel format, pour qui) et nourrie (avec la matière fournie) donne presque toujours un excellent résultat. Une demande vague et vide donne du générique. Ce n'est pas l'IA qui décide de la qualité, c'est toi, en amont.

Prends l'habitude, avant de valider une demande, de la relire avec trois questions. Ai-je donné la matière, ou est-ce que je la fais deviner ? Ai-je dit ce que je veux exactement (le format, le ton, la longueur, le public) ? Est-ce que je lui demande de transformer, ou de sortir un fait risqué ? Ces trois questions, en dix secondes, transforment une demande médiocre en bonne demande. C'est le geste qui, répété, fera de toi quelqu'un qui obtient de l'IA ce que les autres n'obtiennent pas.

Et c'est exactement le pont vers le bloc suivant. Ce qu'on vient d'appeler « bien confier une tâche », le bloc B l'appellera « écrire un bon prompt », et lui donnera une méthode complète. Tu abordes donc les prompts avec l'essentiel déjà acquis : tu sais que le résultat dépend de ta demande, tu sais fournir la matière et viser les forces de l'IA. Le bloc B ne fera qu'outiller un réflexe que tu as déjà.

4bis. L'IA te fait gagner du temps, pas de la responsabilité

Un équilibre important à garder en tête en confiant des tâches : l'IA te décharge du travail, jamais de la responsabilité. Elle peut rédiger ton email, préparer ton devis, résumer ton document, mais ce qui sort en ton nom reste le tien. Tu ne peux pas dire à un client « c'est l'IA qui l'a écrit » pour t'excuser d'une erreur. Le gain de temps est réel et énorme ; la responsabilité, elle, ne se délègue pas. C'est un marché équitable : elle fait le gros du travail, tu gardes la main et le dernier mot.

Cette idée n'est pas une contrainte, c'est ce qui te garde aux commandes. Tant que tu gardes le jugement final, l'IA reste ton outil, pas ton pilote. Tu l'utilises d'autant plus librement que tu sais que rien ne sort sans ton accord. Confier une tâche à l'IA, bien fait, ce n'est jamais abdiquer : c'est déléguer l'exécution en gardant la direction. Et c'est exactement cet état d'esprit, tu diriges, elle exécute, qui te servira dans tout le reste de la formation, jusqu'aux agents les plus autonomes.

5. Un dernier cas : la même tâche, ratée puis réussie

Prends un exemple qui résume tout. Version ratée : « Trouve-moi le meilleur fournisseur pour mes emballages. » L'IA ne connaît ni tes fournisseurs, ni tes critères, ni tes contraintes : elle invente une réponse générique et inutile. Version réussie : « Voici trois devis de fournisseurs d'emballages (que tu colles), mes critères sont le prix et le délai ; compare-les et recommande-m'en un, en justifiant. » Là, elle a la matière, la demande est une transformation avec un jugement encadré, et le résultat est précieux.

Même besoin, même IA, deux mondes. Ce qui a changé, ce n'est pas l'outil, c'est la façon de lui confier le travail : matière fournie, transformation demandée, critères précisés, jugement final gardé pour toi (tu valides la recommandation). C'est tout le bloc en un exemple. Et c'est rassurant : cela veut dire que tu n'as pas besoin d'une meilleure IA pour de meilleurs résultats, tu as besoin de meilleures demandes, et ça, tu le maîtrises dès maintenant.

Une dernière conviction à emporter : bien confier une tâche à l'IA n'est pas un don, c'est une habitude. Les premiers jours, tu y penseras consciemment, tu te reliras avec les trois questions (matière ? attendu précisé ? transformation plutôt que fait ?). Très vite, ça deviendra un réflexe : tu formuleras naturellement des demandes nourries et précises, sans effort. C'est comme apprendre à bien questionner un expert : au début on tâtonne, puis ça devient une seconde nature. Donne-toi quelques jours de pratique, et tu ne reviendras jamais aux demandes vagues d'avant.

En résumé : bien confier une tâche = fournir la matière, demander une transformation plutôt qu'un fait, découper le gros, et garder le jugement final. La même intention, bien formulée, passe de l'angle mort au super-pouvoir.

Comment on formule les tâches de nos agents

Un cas réel : comment on formule les tâches de nos agents

Chez MogaCode, tout ce qu'on demande à nos IA suit exactement ces trois réflexes, et c'est ce qui les rend fiables. On ne demande jamais à une IA « quel est le bon contenu pour cette page ? » dans le vide, un angle mort garanti. On lui fournit la matière (le sujet, les données de recherche, les règles), et on lui demande une transformation (« rédige une page à partir de ça, selon ces critères »). On l'a ramenée dans son territoire fort.

De même, on ne lui confie jamais un raisonnement énorme d'un bloc. Nos agents procèdent par étapes, chacune vérifiable, exactement le « découpe le gros » de ce sous-module. Et le jugement final sur ce qui est sensible reste toujours humain : l'IA prépare, propose, exécute le gros oeuvre, mais la décision qui engage reste de notre côté. Ce n'est pas de la méfiance, c'est la bonne répartition du travail.

La leçon, c'est que le savoir-faire que tu apprends ici est exactement celui des professionnels de l'IA. Il n'y a pas une méthode pour débutants et une pour experts : il y a une seule bonne façon de confier une tâche, celle qui joue sur les forces et évite les pièges, et tu la tiens dès maintenant. La différence entre toi et un pro, ce sera l'entraînement, pas le principe.

La demande vague qui attend un miracle

Le contre-exemple : la demande vague qui attend un miracle

L'erreur qui gâche le plus de résultats est aussi la plus banale : la demande vague et paresseuse, qui attend que l'IA devine tout. « Fais-moi un truc bien pour ma boîte. » « Trouve-moi le meilleur choix. » « Occupe-toi de ça. » On ne fournit aucune matière, on demande un fait ou un jugement, on ne découpe rien. C'est le pire de tout, cumulé.

Le résultat est prévisible : l'IA, obligée de combler tous les trous, produit quelque chose de générique, souvent à côté, parfois inventé. On en conclut « l'IA, ça ne vaut rien pour mon métier », alors que le problème n'était pas l'IA, mais la demande. On a apporté une question floue, on a reçu une réponse floue. Rien d'étonnant.

La leçon referme le bloc Découverte : la qualité de ce que tu obtiens de l'IA est le reflet direct de la qualité de ce que tu lui donnes. Une demande précise, nourrie de matière, orientée vers ses forces, donne un résultat précieux. Une demande vague donne du vent. Ce n'est pas l'IA qui est bonne ou mauvaise ; c'est la rencontre entre ta demande et ses capacités. Et cette demande, c'est toi qui la maîtrises, entièrement. C'est la meilleure des nouvelles : ton résultat dépend de toi, et tu sais maintenant comment le rendre bon.

Cinq pièges quand on confie une tâche

Cinq pièges quand on confie une tâche

• Ne pas fournir la matière. Symptôme : réponse générique ou inventée. Cause : on lui fait deviner. Réflexe : colle le texte, les données, le contexte.
• Demander un fait au lieu d'une transformation. Symptôme : chiffre ou info douteuse. Cause : mauvaise formulation. Réflexe : « traite ceci » plutôt que « dis-moi ceci ».
• Confier un gros bloc d'un coup. Symptôme : résultat bancal, erreurs cachées. Cause : pas de découpage. Réflexe : étape par étape, vérifie en chemin.
• Se décharger du jugement. Symptôme : « c\'est l\'IA qui a décidé ». Cause : on lui laisse la décision. Réflexe : elle propose, tu tranches et assumes.
• La demande vague. Symptôme : « fais un truc bien ». Cause : paresse de formulation. Réflexe : précise l\'attendu, le format, le contexte.