Débuter avec l'IA : briefer l'IA comme un collaborateur [SPECIAL 2/3]

Lundi matin. Tu as fait l'exercice de la semaine dernière. Tu as trié tes tâches, et tu as ta question à creuser : les retours de tes clients sur l'année. Soixante messages que personne n'a jamais relus ensemble. Tu les copies, en retirant les noms, tu ouvres l'outil, et tu tapes : « Résume ces retours clients. »

La réponse arrive. Propre. Structurée. Cinq paragraphes. « Les clients apprécient globalement la qualité. » « Certains soulignent des délais. » « La communication pourrait être améliorée. » Tu relis. Tu ne vois rien que tu ne savais déjà... et tu te demandes si l'IA a vraiment lu tes messages, ou si elle t'a rendu le résumé qu'elle aurait fait pour n'importe quelle entreprise.

Il y a un peu de ça. Et la raison tient en quelques mots : tu ne lui as rien dit.

Tu ne lui as pas dit qui tu es. Pourquoi tu en as besoin. Ce que tu comptes en faire. Ni à quoi ressemblerait un bon résultat. Alors elle a comblé les trous. Et quand une IA comble les trous, elle les comble avec la moyenne.

Pour comprendre pourquoi, il faut se rappeler ce que fait un modèle de langage. On l'a effleuré la semaine dernière. Il calcule, mot après mot, la suite de texte la plus probable compte tenu de ce que tu lui as donné. Quand tu lui donnes peu, la suite la plus probable, c'est celle qui conviendrait au plus grand nombre de situations. Un résumé de retours clients « en général ». Pour une entreprise « en général ». Lu par un manager « en général ». Une réponse moyenne, en somme... qui ne correspond à personne.

Plus tu lui donnes de contexte, plus la suite probable se rapproche de ta situation à toi. Ce n'est pas de la magie, c'est de la statistique : chaque précision réduit le nombre de situations auxquelles ta demande pourrait correspondre.

Et si ça te rappelle quelque chose, c'est normal. Imagine que tu lances à un collaborateur, en passant dans le couloir : « Tu me fais un point sur les retours clients ? » Il va faire ce qu'il peut. Deviner ce que tu attends, pour qui, sous quelle forme. Et il va probablement te rendre quelque chose de correct, de générique, et à côté de ce dont tu avais besoin. Il n'est pas mauvais pour autant : il a travaillé avec ce que tu lui as donné.

Ethan Mollick, professeur à Wharton et auteur de Co-Intelligence, insiste beaucoup sur ce parallèle. Selon lui, les astuces de formulation ne valent plus grand-chose. Ce qui compte, c'est de dire clairement ce qu'on veut obtenir, à quoi ressemble un bon et un mauvais résultat, et comment on va le vérifier. Et il ajoute que c'est tout simplement du management.

Dans l'épisode 12, on avait parlé du flou dans la délégation, et de ce qu'il protège parfois chez celui qui délègue. Avec l'IA, le flou ne protège rien. Il revient tout de suite, sous la forme d'une réponse fade. C'est même un assez bon miroir : si tes demandes à l'IA sont floues, il y a des chances que tes demandes à ton équipe le soient aussi.

Ludovic Salenne le disait dans notre échange : la rédaction de prompts compte moins qu'avant, les outils comprennent de mieux en mieux ce qu'on veut, et copier les prompts des autres ne fait pas progresser. Je le rejoins. Les formules toutes faites vieillissent vite. Ce qui ne vieillit pas, c'est la capacité à briefer. Ludovic proposait d'ailleurs une méthode simple : un rôle, un contexte, une tâche. Je vais t'en proposer une version un peu différente, parce que la recherche a bougé ces derniers mois... et elle va dans le sens de ce que Ludovic pressentait.

Reprenons ta demande ensemble, et construisons-la en quatre éléments. Quand j'accompagne des dirigeants, c'est l'exercice que je leur fais faire, sur un cas réel de leur quotidien.

Le premier, c'est le contexte. Ce que l'IA doit savoir pour faire du bon travail : qui tu es, pourquoi tu en as besoin, pour qui est le résultat. « Je manage une équipe commerciale de huit personnes. Je présente ces retours à mon comité de direction dans dix jours. Nous avons perdu deux clients importants cette année, et je veux comprendre ce qui ressort vraiment de ces messages. » C'est l'élément le plus souvent oublié, parce que tout ça te paraît évident. L'outil, lui, n'en sait rien.

Petite précision au passage : ton directeur a peut-être déjà son idée sur la raison de ces pertes. Tu n'es pas obligé de la donner. On verra dans le prochain épisode pourquoi une hypothèse glissée dans la demande peut orienter toute la réponse.

Le deuxième, c'est le résultat attendu. Le format, la longueur, le ton, et surtout ce qui fait un bon résultat à tes yeux. « Une page maximum. Les trois motifs qui reviennent le plus, classés par nombre de messages. Je veux des motifs concrets, pas des généralités du type "la communication pourrait être améliorée". Pas de recommandation, je m'en charge. » Cette dernière phrase compte : elle dit à l'outil où s'arrête son travail et où commence le tien.

Le troisième, c'est l'exemple. C'est le plus sous-utilisé, et souvent celui qui change le plus le résultat. Tu montres à quoi ressemble ce que tu attends. « Présente chaque motif comme ceci : Délais de livraison, 14 messages sur 60, suivi d'une phrase représentative, sans nom. » Une seule ligne d'exemple, et l'outil sait exactement quel niveau de détail tu veux.

Le quatrième, c'est la vérification. On l'oublie presque toujours, alors que c'est lui qui te permettra de faire confiance au résultat. Demande dès le départ ce qu'il te faut pour contrôler. « Pour chaque motif, indique le nombre de messages concernés et cite-en un. Signale-moi aussi les messages qui n'entrent dans aucun motif. » Tu pourras vérifier en deux minutes, au lieu de devoir croire l'outil sur parole.

Et le rôle, dans tout ça ? « Tu es un expert en... », c'est le conseil qu'on lit partout. Fin 2025, des chercheurs de Wharton l'ont testé sur six modèles : donner un rôle d'expert à l'IA n'améliore pas la justesse de ses réponses. Il change le ton, le registre, la manière d'écrire. Si tu veux une réponse rédigée comme un responsable qualité s'adresserait à un comité de direction, le rôle sert à ça. Pour qu'elle soit juste, c'est le contexte qui fait le travail.

Même chose pour les recettes qui circulent : crier sur l'IA, la menacer, lui promettre un pourboire. Le même laboratoire a testé les menaces et les pourboires, sans trouver d'effet significatif sur la qualité des réponses. La différence se joue ailleurs : dans ce que tu lui donnes à lire.

Mets les quatre éléments bout à bout et relis. Tu passes d'une demande de quatre mots à un brief de six ou sept lignes. Trois minutes de plus... et une réponse qui n'a plus grand-chose à voir.

Et si tu ne sais pas par où commencer, termine ta demande par une phrase : « Avant de répondre, pose-moi les questions dont tu as besoin. » Les outils récents le font parfois d'eux-mêmes. Mais une question de l'IA, c'est souvent le contexte que tu as oublié de lui donner. Autant l'inviter à le réclamer.

Ensuite, ne t'arrête pas à la première réponse. Traite-la comme le premier jet d'un collaborateur. Tu ne lui dirais pas « c'est nul » avant de claquer la porte : tu lui dirais ce qui manque. Fais pareil. Une reprise pour le cadrage : plus court, plus direct. Une autre pour la précision : « le deuxième motif est trop vague, cite deux messages de plus ». Deux échanges de trente secondes.

Et si ta demande part dans tous les sens, découpe-la. Demander dans le même message une analyse, un plan d'action, un mail au directeur et un calendrier, c'est comme poser quatre dossiers à la fois sur le bureau d'un nouvel arrivant. Une tâche par demande, et chaque réponse nourrit la suivante.

Dernière chose, celle qui fait gagner le plus de temps sur la durée. Une bonne partie du contexte revient à chaque demande : qui tu es, ton métier, ton entreprise, ta façon de travailler. Les principaux outils proposent un endroit pour l'écrire une fois pour toutes : les instructions personnalisées, ou les préférences, selon l'outil. Ludovic en parlait pour limiter la flatterie. Tu peux t'en servir pour quelque chose de plus large : écrire la fiche de poste de ton IA. Qui tu es, ce que tu fais, pour qui tu travailles, le ton que tu veux, les formats que tu préfères, ce que tu ne veux pas. Et une règle que je te conseille d'y mettre dès maintenant : « Si tu ne sais pas, dis-le, plutôt que d'inventer. » On verra pourquoi dans le prochain épisode.

Alors, la dernière demande que tu as faite à une IA... si tu l'avais adressée telle quelle à un collègue, est-ce qu'il aurait su quoi faire ?

Et dans l'autre sens : la dernière consigne que tu as donnée à ton équipe, est-ce qu'elle tenait en quatre mots ?

Briefer une IA, c'est un bon entraînement pour briefer les humains. L'outil a au moins un avantage : il te renvoie ton flou immédiatement, sans se vexer, et sans faire semblant d'avoir compris.

Dans le prochain et dernier épisode de la série, on passe à la troisième étape : savoir quand croire l'IA. Tu as maintenant une demande solide, et une réponse qui a l'air parfaite. C'est précisément là que le risque commence. On verra pourquoi l'IA peut inventer une fausse information avec le même aplomb qu'une vraie, et pourquoi ça découle directement de sa façon de fonctionner. On verra aussi pourquoi on arrête de vérifier, justement quand la réponse est bien écrite. Je te montrerai comment régler ta vigilance selon ce qui est en jeu, avec une grille simple qui croise le domaine et le coût d'une erreur, et trois vérifications à faire avant d'utiliser une réponse importante. Avec la troisième fiche pratique.

Bien demander, c'est déjà reprendre la main. Et c'est souvent là que commence une performance juste.