Qu’est-ce que l’IA générative ?
Objectifs de la leçon
- Définir simplement l’IA générative et ce qu’elle produit.
- Comprendre la logique d’une consigne, d’un modèle et d’une réponse.
- Identifier les usages professionnels réalistes dès aujourd’hui.
- Savoir où placer la vérification humaine dans le travail.
Difficulté : Débutant
Chapitres de la leçon
- 1. L’idée centrale : produire un contenu à partir d’une consigne
- 2. Ce que l’IA générative sait produire
- 3. Comment l’outil fabrique sa réponse
- 4. Démonstration guidée : transformer une demande floue en demande exploitable
- 5. Ce que l’IA ne garantit pas
- 7. Sites officiels utiles
- À vous de jouer : transformer une tâche réelle avec l’IA
Illustration — comment l’IA générative travaille
Une IA générative ne “comprend” pas comme un humain : elle transforme une consigne en proposition probable, puis l’humain vérifie, ajuste et décide.
Vous donnez le cap
objectif, contexte, public, contraintes et format attendu.
L’outil calcule une suite probable
à partir de ses apprentissages et de votre demande.
Vous obtenez une première version
texte, plan, tableau, mail, synthèse ou idées de départ.
Vérifier les faits, retirer les erreurs, adapter au contexte métier et valider ce qui sera utilisé.
L’IA accélère la production d’un brouillon ; elle ne remplace pas la responsabilité professionnelle.
1. L’idée centrale : produire un contenu à partir d’une consigne
L’IA générative est une famille d’outils capables de produire un contenu nouveau à partir d’une demande exprimée en langage naturel : texte, plan, tableau, image, code, résumé, idée de scénario, fiche pratique ou aide à la décision. Le mot important est générative : l’outil ne se contente pas d’afficher une page existante, il compose une réponse probable à partir de ce qu’il a appris et du contexte que vous lui fournissez.
Dans un cadre professionnel, l’IA générative doit être comprise comme un assistant de production. Elle accélère la préparation, la reformulation, la structuration et l’exploration. Elle ne remplace ni l’expertise métier, ni la responsabilité, ni la validation finale.
2. Ce que l’IA générative sait produire
Pour un apprenant débutant, le plus simple est de classer les productions par formats. Dans chaque format, l’IA peut proposer une première version, améliorer une version existante ou transformer une information d’un format vers un autre.
| Besoin professionnel | Production possible | Exemple concret |
|---|---|---|
| Rédiger | Mail, courrier, note, annonce | Transformer des points rapides en mail clair |
| Structurer | Plan, procédure, checklist | Créer le plan d’une réunion commerciale |
| Synthétiser | Résumé, compte rendu, fiche mémo | Résumer 3 pages de notes en 10 lignes |
| Comparer | Tableau d’aide au choix | Comparer 3 outils selon coût, risque, usage |
| Préparer | Trame, script, questions | Préparer un entretien client ou RH |
3. Comment l’outil fabrique sa réponse
Un modèle génératif ne “comprend” pas comme un humain. Il calcule une réponse plausible en s’appuyant sur des régularités apprises et sur les éléments présents dans votre demande. Plus la demande est précise, plus le modèle dispose de repères pour produire quelque chose d’utile.
Une consigne vague donne souvent une réponse générique. Une consigne contextualisée produit une réponse plus exploitable. Cette différence est fondamentale pour un usage professionnel.
| Consigne trop vague | Consigne professionnelle |
|---|---|
| “Fais un mail.” | “Rédige un mail de relance courtois à un client B2B qui n’a pas répondu depuis 10 jours. Ton professionnel, 120 mots maximum, avec une question finale claire.” |
| “Explique l’IA.” | “Explique l’IA générative à des salariés débutants, avec 3 exemples administratifs et une mise en garde sur la confidentialité.” |
4. Démonstration guidée : transformer une demande floue en demande exploitable
Imaginons une assistante administrative qui veut préparer une note interne sur une nouvelle procédure. La première demande pourrait être : “Fais une note sur la procédure”. Le résultat risque d’être trop général. On va donc professionnaliser la demande en quatre étapes.
Démonstration — Prompt progressif
1. Contexte
Je travaille dans un organisme de formation. Je dois informer l’équipe administrative.
2. Tâche
Rédige une note interne sur la nouvelle procédure d’inscription.
3. Contraintes
Ton clair, non juridique, 300 mots maximum. Mentionne les étapes et les points de vigilance.
4. Format
Structure avec : objectif, étapes, responsabilités, points à vérifier.
Cette méthode transforme l’IA en partenaire de brouillon. Vous peut ensuite corriger le vocabulaire métier, ajouter les règles internes et supprimer ce qui n’est pas applicable.
Emplacement capture conseillé : capture de l’écran avant/après montrant une consigne vague puis une consigne structurée dans l’outil IA.
5. Ce que l’IA ne garantit pas
Une réponse d’IA peut être bien écrite et pourtant inexacte. C’est l’un des pièges les plus importants. La forme peut donner une impression de fiabilité, mais l’utilisateur doit vérifier les faits, les chiffres, les dates, les obligations légales, les sources et les décisions sensibles.
Dans une organisation, la bonne posture consiste à dire : “L’IA propose, l’humain dispose.” L’outil accélère la préparation, mais la validation appartient au professionnel.
7. Sites officiels utiles
Vidéo récapitulative faite avec NotebookLM de google
Repère professionnel : ajouter des captures avant/après d’une consigne vague puis structurée, avec un exemple métier NB Form anonymisé.
À vous de jouer : transformer une tâche réelle avec l’IA
Objectif : repartir avec une méthode simple pour tester l’IA sur une situation professionnelle concrète, sans confondre brouillon automatique et livrable validé.
Une tâche réelle de votre semaine : mail, compte rendu, procédure ou préparation de réunion.
Écrire une consigne en quatre blocs : contexte, tâche, contraintes, format attendu.
Demander une première version à l’IA, puis conserver ce brouillon sans le publier tel quel.
Relire avec trois couleurs : utile, à corriger, à supprimer.
Preuve à conserver
Livrable : Une explication en vos propres mots accompagnée d’un exemple métier.
- Le rôle de l’IA, l’entrée et la sortie sont identifiés.
- Vous distinguez clairement production, vérification et décision.
Approfondissement et mise en pratique
Ce qu’il faut vraiment comprendre
Le point clé à faire passer est que l’IA générative ne doit pas être présentée comme une intelligence qui sait, mais comme un système qui produit une proposition à partir d’une consigne. Cette nuance change tout : on ne lui demande pas de décider à notre place, on lui demande de préparer une matière de travail.
Dans cette leçon, il est utile d’insister sur la différence entre production et validation. L’IA peut produire vite, mais la validation dépend du contexte métier, de la responsabilité professionnelle, des règles internes et du bon sens humain.
Méthode terrain
- Prenez le temps de nommer une tâche concrète qu’ils font déjà : mail, synthèse, tableau, support, plan d’action.
- Identifier ce que l’IA peut produire dans cette tâche : brouillon, reformulation, structure, idées, checklist.
- Repérer ce que l’IA ne peut pas garantir seule : exactitude, conformité interne, intention réelle, relation client, décision finale.
- Faire reformuler la règle : l’IA propose, l’humain décide.
- Conclure par une mini-checklist de validation avant usage professionnel.
Exemple guidé
Exemple simple : un apprenant demande à l’IA de rédiger un mail de relance. L’IA peut proposer un ton, une structure et une formulation. En revanche, elle ne sait pas si le client a déjà répondu par téléphone, si une remise a été promise, ou si le dossier comporte un élément sensible. Le professionnel doit donc relire, contextualiser et valider.
Vous pouvez montrer deux versions : une demande vague, puis une demande cadrée avec objectif, destinataire, ton, contraintes et format. L’écart de qualité devient immédiatement visible.
Erreurs fréquentes à éviter
- Croire qu’une réponse bien écrite est forcément exacte.
- Oublier de donner le contexte métier et le public cible.
- Utiliser la réponse brute sans relecture.
- Demander une décision à l’IA au lieu de lui demander une aide à la préparation.
- Confondre rapidité de production et qualité professionnelle.
Mise en pratique
Prenez le temps de choisir une tâche réelle et de la décomposer en trois colonnes : ce que je donne à l’IA, ce que l’IA peut produire, ce que je dois vérifier moi-même. Cet exercice installe immédiatement le bon cadre d’usage.
Critères de réussite
- Vous savez expliquer l’IA générative sans jargon.
- Vous savez distinguer brouillon, aide et décision.
- Vous savez citer au moins trois vérifications humaines nécessaires.
- Il comprend que le prompt est un brief professionnel, pas une formule magique.
Activité guidée
Étapes de travail
- Partir d’une tâche connue des apprenants plutôt que d’une définition technique.
- Faire produire une première réponse IA en direct, puis demander ce qui manque pour l’utiliser vraiment.
- Séparer au tableau : ce que l’IA produit, ce que l’humain décide, ce qui doit être vérifié.
- Terminer par une phrase réflexe que chacun peut retenir.
Questions à vous poser
- Dans votre travail, où perdez-vous du temps au démarrage ?
- Qu’est-ce que vous n’accepteriez jamais de déléguer entièrement à l’IA ?
- Quelle vérification rendrait cette réponse utilisable ?
Ce que vous devez retenir
À retenir : ramener les participants à une posture équilibrée : ni fascination, ni rejet. L’IA devient un outil de préparation, de structuration et de variation, mais pas un responsable métier.
Dernière réponse
Vous avez des questions ?
Nico Tomatic [beta]