Durée indicative : 15 min · Lecture et mise en pratique
Objectifs de la leçon
Difficulté : Débutant – Durée indicative : 15 minutes
Une réponse d’IA peut donner l’impression qu’une personne a compris la situation, recherché les faits puis choisi ses mots. Le mécanisme est différent : le modèle construit une suite plausible à partir de votre demande et de ce qu’il a appris.
Lorsque vous écrivez « Prépare un ordre du jour pour… », le modèle ne retrouve pas un ordre du jour déjà rangé dans une base. Il découpe le texte en unités, appelées tokens, puis estime quelles suites ont le plus de chances de convenir. Cette opération est répétée jusqu’à former une réponse complète.
Le résultat peut être remarquable parce que le modèle a rencontré de nombreux exemples de structures, de raisonnements et de formulations pendant son entraînement. Mais la plausibilité n’est pas une preuve. Une date fausse, un nom mal attribué ou une règle inventée peuvent être formulés avec autant d’assurance qu’une information correcte.
Une IA générative répond d’abord à la question « quelle suite convient ici ? », pas à la question « qu’est-ce qui est vrai ? ». Elle peut utiliser une recherche ou une source lorsqu’une fonction spécifique lui en donne l’accès, mais cette connexion doit être visible et les sources doivent encore être contrôlées.
Vous allez comparer deux demandes sur le même petit jeu de données fictif. Le second prompt fournit une mission, une source et une limite ; il réduit les interprétations possibles sans remplacer votre contrôle. Avant votre premier essai, ouvrez la leçon Prendre en main ChatGPT, repérez Nouveau chat, la zone de saisie et le bouton d’envoi, puis revenez ici. Ce renvoi permet de commencer même si vous n’avez encore jamais utilisé de chatbot.
La seconde donne une mission, des informations et une limite. Elle réduit l’espace d’interprétation du modèle.
Elle ne supprime pourtant pas le besoin de vérification. Si les notes se contredisent, le modèle peut choisir une version au lieu de signaler l’ambiguïté. Si un nom manque, il peut parfois compléter une phrase de manière vraisemblable. C’est pourquoi le prompt doit aussi indiquer comment réagir à l’incertitude.
Cette capsule reprend les trois décisions fictives de l’exercice. Elle montre comment cadrer une réponse et contrôler la différence entre source et proposition. Ces données sont indépendantes du dossier Horizon.
Mini-cas fictif et autonome, illustré par des cartes conceptuelles. Les cartes expliquent le raisonnement ; elles ne reproduisent pas les clics d’une interface.
Décision 1 : conserver le parcours en trois écrans pour le test.
Décision 2 : consacrer la prochaine réunion à la maquette et au chiffrage.
Décision 3 : garder une validation humaine avant tout message au client.Fais un ordre du jour.À partir de ces trois décisions uniquement, prépare un ordre du jour de trente minutes. N’ajoute aucune décision, date ni personne. Indique ce qui reste à préciser.Test en trois écrans : 8 minutes.
Maquette et chiffrage : 17 minutes.
Validation humaine des messages au client : 5 minutes.
À préciser : participants et responsabilités.Avant cette vidéo
Vous demandez un ordre du jour. Un assistant peut proposer une structure très convaincante. Pourtant, vous ne lui avez donné ni les sujets de votre réunion, ni sa durée.
Le modèle compose une suite plausible à partir de la demande, du contexte disponible et de ce qu’il a appris. Cette capacité aide à préparer un document. Elle ne prouve pas que le modèle connaît vos décisions.
Ajoutons trois décisions fictives : garder trois écrans pour le test, travailler sur la maquette et le chiffrage à la prochaine réunion, et conserver une validation humaine avant un message au client.
La seconde demande fournit cette source et fixe trente minutes. Elle interdit d’ajouter une décision, une date ou une personne et demande de signaler ce qui reste à préciser. Les interprétations possibles sont mieux cadrées.
Observez cette réponse illustrative. Les thèmes viennent-ils de la source ? Les durées sont-elles des décisions déjà prises ou des propositions pour organiser la réunion ? Mettez la vidéo en pause si nécessaire.
Les thèmes correspondent aux trois décisions. Les durées totalisent trente minutes, mais leur répartition est proposée par la réponse : elle n’était pas dans les notes. Vous devez encore la valider.
Les participants et les responsabilités restent à préciser. Une date ou un nom ajouté sans source demanderait une correction. Un prompt précis facilite ce contrôle, sans rendre toute réponse automatiquement exacte.
Pour votre prochain essai, gardez la source ouverte. Repérez une affirmation et montrez son appui. Distinguez une information fournie, une proposition à valider et un ajout sans preuve. La même vérification s’applique quel que soit votre assistant.
Reprenez ensuite les deux essais de C’est à vous et conservez votre comparaison.
Utilisez ces trois décisions fictives, indépendantes du dossier Horizon qui sera fourni plus loin :
Décision 1 : conserver le parcours en trois écrans pour le test.
Décision 2 : consacrer la prochaine réunion à la maquette et au chiffrage.
Décision 3 : garder une validation humaine avant tout message au client.Dans un premier chat, envoyez « Fais un ordre du jour » et conservez la réponse. Dans un chat neuf, copiez les trois décisions puis envoyez : « À partir de ces trois décisions uniquement, prépare un ordre du jour de trente minutes. N’ajoute aucune décision, date ni personne. Indique ce qui reste à préciser. »
Comparez le lien aux trois décisions et la somme des durées. La réponse bornée peut encore se tromper : toute nouvelle affirmation doit être retrouvée dans le petit jeu de données. Conservez les deux prompts, les deux réponses et une phrase expliquant la différence. Vous venez de contrôler l’effet du contexte, pas de prouver que le modèle connaît votre projet.
Nico-tomatic
Assistant IA automatisé — ne partagez pas de données sensibles.