Poser une question à un chatbot et obtenir une réponse, c’est comme entrer dans une grande banque et interroger le portier sur le cours du dollar et le prêt que la banque peut vous accorder. Évidemment, ses réponses sont floues, évasives, parfois même erronées. Pour obtenir des réponses adaptées, il faut s’adresser à un spécialiste : ne pas s’arrêter au portier, entrer dans le bâtiment, se diriger vers le bureau où se trouve la personne capable de vous donner une réponse claire et bien fondée.
Savoir utiliser l’IA ne se résume pas à savoir poser une question. C’est une compétence bien plus large, qui repose sur des connaissances théoriques et des compétences pratiques.
📅 Données arrêtées au 26 octobre 2026. Le domaine évolue vite : vérifiez toujours l’information à la source avant de décider.
🎲 Deux règles du jeu. 1. Toutes les ressources citées sont gratuites ; la langue est précisée quand elles sont en anglais. 2. Les compétences pratiques s’apprennent sur un problème réel, le vôtre : la méthode est décrite dans Apprendre à utiliser l’IA avec un mini-projet.
Les connaissances théoriques
1. L’histoire de l’IA
Pourquoi c’est utile
Supposons qu’une nouvelle personne arrive dans votre entourage. Vous vous dites qu’elle semble sympathique. Presque automatiquement, vous cherchez à en savoir plus sur elle : d’où elle vient, quelle école elle a faite, ce qu’elle aime, ce qu’elle n’aime pas. Vous cherchez un peu dans son histoire. Pourquoi met-elle toujours des robes bleues ? Pourquoi déteste-t-elle l’orange ? Pourquoi ne répond-elle pas au téléphone le matin ? Et comment lui demander de vous préparer ces gâteaux dont elle est la spécialiste ? Toutes ces informations vous permettent de comprendre son comportement, ses blocages, et d’interagir avec elle en harmonie.
De la même manière, connaître l’histoire de l’IA permet de comprendre comment elle s’est construite, et sur quelles bases logiques et structurelles elle fonctionne. Vous n’avez pas besoin de connaître les dates par cœur, ni le détail des différents progrès. Ce qu’il faut impérativement savoir, c’est comment, d’une simple machine électrique, nous sommes arrivés à une machine qui nous parle. Et surtout, où et comment elle cherche les mots pour nous répondre.
Sans un minimum de connaissances sur l’histoire de l’IA, vous risquez de confondre ses réponses avec une « pensée », et de ne pas repérer ses limites, ses distorsions et ses vulnérabilités.
Dans un projet IA. Connaître l’histoire de l’IA vous aidera à mieux comprendre ce que vous pouvez obtenir, ou non, d’une IA. Cette connaissance vous sert dès le début de tout projet, et jusqu’à l’évaluation du résultat.
🎯 Objectif à vous fixer : comprendre la logique et les piliers structuraux de l’IA.
📚 Notions clés
- La question de départ : une machine peut-elle penser ? (le test de Turing)
- La naissance du terme « intelligence artificielle »
- L’IA à base de règles : des connaissances écrites à la main par des experts
- Les « hivers de l’IA » : promesses, déceptions, arrêt des financements
- L’apprentissage automatique : la machine apprend à partir d’exemples
- Les réseaux de neurones et l’apprentissage profond
- Les grandes victoires sur l’humain : les échecs, puis le go
- Les modèles de langage et la méthode Transformer
- L’arrivée des IA génératives dans le grand public (ChatGPT)
Où trouver des ressources
- l’article de Wikipédia « Histoire de l’intelligence artificielle » (en français) ;
- l’article « L’intelligence artificielle : hier, aujourd’hui… et demain » de la revue Interstices, publiée par Inria et le CNRS (en français).
2. Les différentes IA
Pourquoi c’est utile
Dans la vie courante, vous savez pertinemment dans quel magasin chercher des clous et dans lequel acheter de la viande bio. Vous connaissez les différents magasins, et vous ne tournez pas en rond dans un magasin de bricolage à chercher le rayon du pain. Et quand un nouveau magasin ouvre ses portes, vous savez si la marchandise qu’il propose vous intéresse, et si son offre est meilleure ou non que celle des magasins que vous avez l’habitude de fréquenter.
De la même manière, connaître les différentes IA permet de savoir laquelle ouvrir selon le résultat attendu. Et chaque fois qu’une nouvelle IA fait son apparition, ou qu’une IA existante propose un nouveau modèle, vous savez à quelle famille elle appartient, ce qu’elle peut vous apporter, et si elle mérite de remplacer celle que vous utilisez déjà. Cette connaissance prépare directement la compétence pratique « identifier les outils ».
Sans connaître les différentes IA, vous ne pouvez pas choisir l’outil adapté au résultat que vous attendez, et vous risquez de tout demander au même chatbot, ou de passer à côté de l’outil qui ferait la tâche mieux et plus vite.
Dans un projet IA. Connaître les différentes IA vous aidera à identifier les outils d’IA adaptés à chaque tâche, et à comparer les IA disponibles sur le marché. Cette connaissance vous sert au début d’un projet, quand vous choisissez vos outils, et chaque fois qu’une nouvelle IA apparaît.
🎯 Objectif à vous fixer : être capable de distinguer une IA spécialisée d’une IA générative, et de trouver, pour chaque grande famille d’IA générative, un outil et l’usage auquel il est destiné.
📚 Notions clés
- IA spécialisée et IA générative
- Les IA qui prédisent ou recommandent (vidéos, achats, trajets)
- Les familles d’IA générative : texte, image, son et musique, vidéo
- Le chatbot généraliste
- Le moteur de recherche à sources
- Le carnet de notes qui travaille sur vos documents
- L’IA multimodale (texte, image, voix dans le même outil)
- L’agent IA, qui enchaîne des actions
- La différence entre un modèle, une application et un éditeur
- Version gratuite, version payante, limites d’usage
Où trouver des ressources
- Aixploria, un annuaire en français des outils d’IA classés par usage ;
- la leçon « Repérez-vous dans le champ de l’intelligence artificielle » du cours Objectif IA : initiez-vous à l’intelligence artificielle, d’OpenClassrooms, de l’Institut Montaigne et d’Abeona (en français, environ six heures) ;
- l’article Combien vous coûte un compte IA gratuit ?, qui présente les principaux chatbots et leurs éditeurs.
3. La manière de fonctionner des IA
Pourquoi c’est utile
Quand vous voulez voyager en avion, il faut savoir comment fonctionne un aéroport : où sont affichés les départs, où se fait l’enregistrement, où se déposent les bagages, où se trouvent les portes d’embarquement, etc. La structure et la logique sont toujours les mêmes, quel que soit le pays où se trouve l’aéroport. C’est pourquoi, même sans parler la langue du pays, vous savez comment et où vous diriger, quelles procédures suivre et quel est le rôle des différents employés que vous croisez.
Avec l’IA, c’est pareil : il faut comprendre comment elle fonctionne et quelles sont ses structures de base. Cette compréhension est la base de toute vérification : un résultat se contrôle mieux quand on sait comment il a été produit.
Sans connaître la manière de fonctionner des IA, vous ne pouvez pas savoir ce que vous pouvez leur déléguer ou non, ni quelles réponses risquent d’être biaisées, voire hallucinées, et vous risquez de perdre beaucoup de temps pour obtenir, à la fin, une information inventée.
Dans un projet IA. Connaître la manière de fonctionner des IA vous permet de mieux formuler vos demandes, d’identifier les outils d’IA adaptés à chaque tâche et d’évaluer leurs réponses. Cette connaissance vous sert tout au long du projet.
🎯 Objectif à vous fixer : comprendre comment une IA générative produit une réponse, et pourquoi une réponse probable n’est pas forcément vraie.
📚 Notions clés
- Les données d’entraînement
- Le modèle de langage
- Les jetons : le découpage du texte en petits morceaux
- La prédiction de la suite la plus probable
- La fenêtre de contexte : ce dont l’IA « se souvient » dans une conversation
- La date limite des connaissances et la recherche web
- Les hallucinations : une réponse probable mais fausse
- Les biais hérités des données
- La complaisance : la tendance à approuver ce que vous proposez
- Ce que deviennent vos conversations et vos documents
Où trouver des ressources
- les vidéos de la chaîne YouTube Science Étonnante « Ce qui se cache derrière le fonctionnement de ChatGPT » (2023) et sur les quatre étapes pour entraîner un grand modèle de langage (2025), en français ;
- les chapitres « Apprentissage automatique » et « Réseaux de neurones » du cours Elements of AI, de l’Université d’Helsinki (en français, gratuit) ;
- la page « Aborder l’IA en classe » du CLEMI, avec ses fiches pour comprendre les principes de base de l’IA (en français) ;
- l’article IA : les 10 réflexes pour déjouer ses pièges les plus dangereux.
4. Le contenu et les types de prompt
Pourquoi c’est utile
Au café, « un café » et « un café allongé, sans sucre, avec un peu de lait froid à part » ne donnent pas la même tasse.
De la même manière, il faut savoir s’adresser à une IA. Connaître le contenu et les types de prompt donne une boîte à outils dans laquelle puiser pour chaque demande, au lieu de reformuler au hasard jusqu’à obtenir un résultat.
Sans connaître le contenu et les types de prompt, vous ne pouvez pas construire une demande adaptée à chaque tâche, et vous risquez de multiplier les essais au hasard pour un résultat qui reste générique.
Dans un projet IA. Connaître le contenu et les types de prompt vous permet de choisir le type de prompt et le contenu les plus appropriés, pour obtenir un résultat optimal en peu de temps. Cette connaissance vous sert à chaque demande, tout au long du projet.
🎯 Objectif à vous fixer : connaître les éléments qui composent un prompt et les principaux types de prompt.
📚 Notions clés
- Ce qu’est un prompt
- Les éléments d’un prompt : rôle, contexte, tâche, public, format, exemples, contraintes
- Le prompt simple
- Le prompt avec exemples
- Le prompt de rôle
- Le prompt par étapes
- Le prompt conversationnel, construit en plusieurs échanges
- Le prompt système : des consignes permanentes (Gem, GPT personnalisé, projet Claude)
- Le document joint au prompt
Où trouver des ressources
- l’article Apprendre à prompter : 10 pas pour devenir un pro ;
- l’article Tâches répétitives : créez votre Gem, votre GPT ou votre Projet (Claude), pour le prompt système ;
- la partie « Effective prompting techniques » du cours AI Fluency: Framework & Foundations d’Anthropic (en anglais, gratuit).
5. Le cadre juridique : protection des données et responsabilité
Pourquoi c’est utile
Quand vous confiez vos papiers à un médecin, vous savez qu’il est tenu au secret professionnel et qu’il ne les montrera pas à d’autres patients. Quand vous confiez vos secrets à un ami, vous êtes convaincu qu’il ne les rendra pas publics. Et quand vous frappez quelqu’un avec un bâton, personne n’accuse le bâton : le responsable est celui qui l’a manié.
L’IA n’est ni un médecin ni un ami, seulement une boîte noire reliée au serveur d’une entreprise. Son « cerveau » n’est pas dans l’ordinateur sur lequel vous écrivez, mais dans un centre de données à l’autre bout du monde. TOUT ce que vous écrivez dans une IA et tous les documents que vous y déposez partent sur les serveurs d’une entreprise, qui peut les conserver et, selon vos réglages, s’en servir pour entraîner ses modèles.
En revanche, l’IA est considérée comme un outil, au même titre que le bâton. Quand vous publiez ou transmettez une réponse de l’IA, la responsabilité vous revient.
Sans connaître le cadre juridique, vous ne pouvez pas savoir quelles informations confier à une IA ni ce que vous engagez en utilisant ses réponses, et vous risquez de divulguer des données personnelles (les vôtres, celles de vos proches, de vos élèves ou de vos clients) ou d’avoir à répondre d’un contenu faux, copié ou qui porte atteinte à l’image de quelqu’un.
Dans un projet IA. Connaître le cadre juridique vous permet de choisir les outils et les documents que vous pouvez confier à une IA, puis de vérifier que ce que vous diffusez respecte les droits des autres. Cette connaissance intervient au début du projet, au moment d’identifier les outils, et à la fin, avant toute diffusion du résultat.
🎯 Objectif à vous fixer : connaître les règles qui protègent vos données et celles des autres, et comprendre ce dont vous restez responsable quand vous utilisez une IA.
📚 Notions clés
- Les données personnelles et les données sensibles
- Le RGPD et vos droits : accès, rectification, effacement, opposition
- Les réglages de confidentialité : historique, conservation, entraînement des modèles
- Les informations confidentielles : documents professionnels, données d’élèves, de patients ou de clients
- Le règlement européen sur l’IA et ses niveaux de risque
- La transparence : signaler un contenu produit avec l’IA
- Le droit d’auteur, sur ce que vous donnez à l’IA et sur ce qu’elle produit
- Le droit à l’image et les hypertrucages (deepfakes)
- La responsabilité de l’utilisateur : ce que vous publiez ou transmettez vous engage
Où trouver des ressources
- la page « Comprendre le RGPD » de la CNIL (en français) ;
- l’affiche « IA générative et vie privée » de la CNIL : six questions pour protéger vos données avant, pendant et après l’utilisation d’une IA (en français, PDF) ;
- la fiche de la CNIL « IA et vie privée : comment s’opposer à la réutilisation de ses données personnelles pour l’entraînement d’agents conversationnels ? », avec la marche à suivre pour ChatGPT, Gemini, Claude, Le Chat, Copilot et Meta AI (en français) ;
- la page « Législation sur l’IA » de la Commission européenne, sur le règlement européen sur l’IA et ses niveaux de risque (en français) ;
- l’article Combien vous coûte un compte IA gratuit ? Les stratégies des éditeurs, sur l’usage de vos données par les éditeurs d’IA ;
- l’article Fraude à l’IA dans l’enseignement supérieur : que sanctionner ?, sur la responsabilité dans les études.
Les compétences pratiques
Les compétences pratiques s’enchaînent dans l’ordre d’un vrai projet, en partant d’une situation réelle. Beaucoup d’apprenants passent directement à la rédaction du prompt ; or ce sont les quatre premières compétences qui indiquent quoi demander, à quel outil et dans quel ordre.
1. Problématiser
Pourquoi c’est utile
Problématiser est une compétence qui n’est pas spécifique à l’IA : vous l’utilisez chaque jour, dans plusieurs domaines. Vous avez l’habitude de passer toujours par la même route, mais elle vient d’être fermée à cause de travaux. Vous ne pouvez pas ignorer ce problème, il faut le résoudre : c’est alors que vous vous mettez à chercher comment aller de votre domicile à votre école ou à votre lieu de travail sans passer par cette route.
Avec l’IA, c’est pareil : problématiser consiste à partir d’une situation pour passer d’un ressenti (« je perds du temps sur mes comptes rendus », « je voudrais comprendre mes parties d’échecs perdues ») à un problème formulé, que l’on peut résoudre et dont on peut vérifier la solution. « Je manque de temps et je ne peux pas vérifier les fautes d’orthographe de mon mail » : voilà un problème que je peux confier à l’IA. Sans problème clairement posé, on ne sait ni quoi décomposer, ni quel résultat attendre de l’IA.
Sans maîtriser la problématisation, vous ne pouvez pas savoir ce que vous attendez de l’IA, et vous risquez d’obtenir des réponses qui ne résolvent pas votre vrai problème.
Dans un projet IA. Problématiser est la base de votre projet : transformer une situation en un problème que l’IA peut aider à résoudre. Cette compétence intervient au tout début du projet, et toutes les autres en dépendent.
🎯 Objectif à vous fixer : être capable de transformer une situation de départ en un problème formulé en une phrase, avec le résultat attendu et le moyen de savoir qu’il est atteint.
🛠️ Savoir-faire clés
- Situation, besoin, problème : trois choses différentes
- Passer d’un ressenti à un problème formulé en une phrase
- Le résultat attendu
- Le critère de réussite : comment savoir que c’est atteint
- Les contraintes : temps, budget, données disponibles
- Ce que l’on peut confier à l’IA, et ce que l’on garde
Où trouver des ressources
- l’article Apprendre à utiliser l’IA avec un mini-projet (étape 1 : choisissez un mini-projet qui vous tient à cœur) ;
- la leçon « Delegation » du cours AI Fluency: Framework & Foundations d’Anthropic (en anglais, gratuit).
2. Décomposer un problème en actions
Pourquoi c’est utile
Décomposer un problème en actions est une compétence que vous utilisez chaque jour, notamment en cuisine. Vous avez envie d’une pizza faite maison : vous achetez les ingrédients, récupérez la recette et faites chauffer le four.
De la même manière, avec l’IA, sauter cette étape revient à ne pas savoir ce que vous voulez manger le soir, ou à oublier de faire les courses. Décomposer un problème en actions fait apparaître qu’un projet, même petit, regroupe plusieurs tâches de nature différente : chercher, analyser, rédiger, illustrer, vérifier. Une IA traite bien mieux une tâche nette qu’une demande fourre-tout, et chaque tâche identifiée indique l’outil dont vous aurez besoin.
Sans maîtriser la décomposition d’un problème en actions, vous ne pouvez pas confier à l’IA des tâches nettes, et vous risquez de lui adresser une demande fourre-tout, à laquelle elle ne pourra répondre que partiellement.
Dans un projet IA. Décomposer un problème en actions, c’est découper l’ensemble en tâches, de manière structurée. Cette compétence intervient juste après la problématisation, et prépare le choix des outils.
🎯 Objectif à vous fixer : être capable de découper un problème en une liste de tâches simples, chacune formulée par un verbe d’action.
🛠️ Savoir-faire clés
- Tâche et sous-tâche
- Une tâche, un verbe d’action
- Les grandes natures de tâches : chercher, analyser, rédiger, illustrer, vérifier
- L’ordre des tâches et ce qui dépend de quoi
- La bonne taille : une tâche correspond à une demande
Où trouver des ressources
- l’article Apprendre à utiliser l’IA avec un mini-projet (étape 2 : découpez le projet en tâches) ;
- la leçon « Project planning and Delegation » du cours AI Fluency: Framework & Foundations d’Anthropic (en anglais, gratuit).
3. Identifier les outils
Pourquoi c’est utile
En jardinage, on n’obtient pas le même résultat avec une grande pelle et un arrosoir : il faut savoir, pour chaque étape, quel outil nous aidera. Je ne vais pas creuser un trou avec un arrosoir, ni donner un coup de pelle à une plante qui a besoin d’eau.
Avec l’IA, c’est pareil : identifier les outils évite de tout confier à la même IA. Chaque outil excelle dans un type de tâche, et les comptes gratuits ont des limites d’usage : répartir les tâches entre deux ou trois outils améliore les résultats et évite d’être bloqué en cours de route.
Sans maîtriser l’identification des outils, vous ne pouvez pas tirer le meilleur de chaque IA, et vous risquez d’obtenir un résultat médiocre, ou d’être bloqué en cours de route par les limites d’un compte gratuit.
Dans un projet IA. Identifier les outils, c’est choisir pour chaque action le meilleur outil d’IA. Cette compétence intervient une fois les tâches définies, et prépare la création du workflow.
🎯 Objectif à vous fixer : être capable d’attribuer à chaque tâche de votre liste l’outil le plus adapté, et de justifier ce choix.
🛠️ Savoir-faire clés
- Les critères de choix : type de tâche, qualité du résultat, gratuité, limites d’usage, confidentialité, langue
- Les annuaires et les comparatifs d’outils
- Tester plusieurs outils sur la même tâche
- L’équipe d’IA : deux ou trois outils qui se complètent
Où trouver des ressources
- Aixploria, l’annuaire en français des outils d’IA classés par usage ;
- l’article Apprendre à utiliser l’IA avec un mini-projet (étape 3 : constituez votre équipe d’IA).
4. Créer un workflow
Pourquoi c’est utile
Le mot anglais workflow signifie « flux de travail » : un enchaînement d’étapes, dans un ordre précis, où chaque étape part du résultat de la précédente pour arriver au résultat final.
Une recette de cuisine est un workflow : la liste des étapes dans le bon ordre, avec pour chacune l’ustensile qui convient. Pour la pizza, vous préparez la pâte, vous l’étalez, vous ajoutez la garniture, puis vous enfournez ; dans un autre ordre, le résultat n’est pas le même. Une fois la recette notée, vous la refaites sans y réfléchir.
De la même manière, créer un workflow avec l’IA transforme une réussite ponctuelle en méthode : les tâches s’enchaînent dans un ordre réfléchi, le résultat de l’une sert de point de départ à la suivante, et l’ensemble se refait sans tâtonner.
Sans maîtriser la création d’un workflow, vous ne pouvez pas refaire facilement ce qui a fonctionné une fois, et vous risquez de repartir de zéro à chaque nouveau projet.
Dans un projet IA. Créer un workflow, c’est construire un enchaînement d’outils réutilisable à plusieurs reprises. Cette compétence intervient une fois les outils choisis, et le workflow sert ensuite de plan pour toute la suite du projet.
🎯 Objectif à vous fixer : être capable de construire une chaîne de tâches reproductible, en sachant transmettre le résultat d’un outil au suivant.
🛠️ Savoir-faire clés
- Étape, entrée, sortie
- Le passage de relais d’un outil à l’autre
- Le point de contrôle entre deux étapes
- Noter son workflow pour pouvoir le refaire
- Enregistrer une étape qui revient (prompt système, projet)
Où trouver des ressources
- trois exemples de workflow complets : L’IA pour réviser : le workflow complet et 100 % gratuit, Créer sa chanson de motivation avec l’IA et L’IA pour préparer ses séances en présentiel.
5. Formuler une demande
Pourquoi c’est utile
Dans la vie courante, on n’obtient pas la même réponse quand on pose une question à un expert, à un enseignant ou à une personne sans connaissance particulière du sujet, ni quand on la pose en trois mots ou en expliquant sa situation. On ne s’adresse pas à chacun de la même manière, ni avec les mêmes requêtes.
Avec l’IA, c’est pareil : chaque prompt est une hypothèse de travail, et la manière de formuler la demande change le résultat. Dans la partie théorique, vous avez découvert le contenu d’un prompt et ses différents types. Dans la partie pratique, il s’agit d’apprendre à les articuler, du prompt simple au prompt système, pour formuler une demande claire. Savoir formuler une demande transforme une réponse générique en résultat directement utilisable, et fait l’économie de nombreux allers-retours.
Sans maîtriser la formulation d’une demande, vous ne pouvez pas obtenir un résultat directement utilisable, et vous risquez de perdre beaucoup de temps en allers-retours.
Dans un projet IA. Formuler une demande, c’est savoir comment s’adresser à chaque IA pour obtenir la réponse attendue. Cette compétence intervient à chaque étape du workflow, tout au long du projet.
🎯 Objectif à vous fixer : être capable de choisir et de rédiger, pour une tâche donnée, le type de prompt approprié, pour obtenir un résultat utilisable dès le premier ou le deuxième essai.
🛠️ Savoir-faire clés
- Choisir le type de prompt selon la tâche
- Donner assez de contexte
- Préciser le format de sortie attendu
- Itérer : préciser, reformuler, demander une autre version
- Savoir quand ouvrir une nouvelle conversation
- Se constituer une bibliothèque de prompts qui fonctionnent
Où trouver des ressources
- l’article Améliorer ses prompts pour ChatGPT, en l’utilisant comme tuteur ;
- les leçons « Description » du cours AI Fluency: Framework & Foundations d’Anthropic (en anglais, gratuit) ;
- le parcours « Apply AI at Work » d’OpenAI Academy (en anglais).
6. Évaluer le résultat
Pourquoi c’est utile
Au travail, quand un stagiaire vous remet un dossier, vous le relisez avant de l’envoyer : le stagiaire connaît beaucoup de choses, mais il manque d’expérience et peut se tromper avec aplomb.
De la même manière, l’IA est un stagiaire érudit, mais un stagiaire : ce qu’elle dit ne se prend jamais pour argent comptant, il faut apprendre à douter et à vérifier. Évaluer le résultat permet de s’appuyer sur l’IA sans reprendre ses erreurs à son compte. Juger l’exactitude et l’adéquation d’une réponse, c’est aussi savoir quoi demander pour l’améliorer.
Sans maîtriser l’évaluation du résultat, vous ne pouvez pas distinguer une réponse exacte d’une réponse inventée, et vous risquez de reprendre à votre compte les erreurs de l’IA.
Dans un projet IA. Évaluer le résultat, c’est vérifier chaque réponse avant de s’en servir. Cette compétence intervient après chaque demande, puis à la fin du projet, avant d’utiliser le résultat final.
🎯 Objectif à vous fixer : être capable de vérifier l’exactitude d’une réponse (sources, chiffres, citations) et son adéquation à votre besoin, puis de dire précisément ce qu’il faut corriger.
🛠️ Savoir-faire clés
- L’exactitude : sources, chiffres, dates, citations
- L’adéquation : public, format, longueur, ton
- Recouper avec une source officielle
- Repérer une hallucination ou un biais
- Demander à l’IA de critiquer sa propre réponse
- Décider : utiliser, faire corriger, reformuler
- Assumer le résultat final
Où trouver des ressources
- l’article Cultiver sa pensée critique : pourquoi et comment et le jeu Testez vos certitudes avec Socrate ;
- l’article IA : les 10 réflexes pour déjouer ses pièges les plus dangereux, qui traite l’IA comme un stagiaire à superviser ;
- les leçons « Discernment » du cours AI Fluency: Framework & Foundations d’Anthropic (en anglais, gratuit) ;
- la fiche « Quand les intelligences artificielles génératives bousculent l’information » du CLEMI (en français).
🧠 Quiz : avez-vous retenu ?
Répondez d’abord dans votre tête, puis dépliez la réponse.
1. Quels sont les deux piliers pour savoir utiliser l’IA ?
Voir la réponse
Les connaissances théoriques, pour comprendre l’outil, et les compétences pratiques, pour s’en servir sur un problème réel.
2. Une IA générative produit ses réponses par calcul de probabilités. Pourquoi est-il utile de le savoir ?
Voir la réponse
Parce qu’une réponse probable n’est pas forcément vraie : cela explique les forces de l’IA comme ses erreurs, et un résultat se vérifie mieux quand on sait comment il a été produit.
3. Quelles sont les six compétences pratiques, dans l’ordre d’un projet ?
Voir la réponse
Problématiser, décomposer un problème en actions, identifier les outils, créer un workflow, formuler une demande, évaluer le résultat.
4. Citez une ressource gratuite, en français, pour comprendre comment fonctionne une IA.
Voir la réponse
Par exemple la vidéo de Science Étonnante sur ChatGPT, les chapitres d’Elements of AI ou les fiches du CLEMI.
5. Selon quels deux critères évaluer une réponse de l’IA ?
Voir la réponse
L’exactitude (les informations sont-elles vraies et vérifiables ?) et l’adéquation (le résultat correspond-il à votre besoin ?).
📌 Ce qu’il faut retenir
Savoir utiliser l’IA repose sur deux piliers. Les connaissances théoriques : l’histoire de l’IA, les différentes IA, leur manière de fonctionner, le contenu et les types de prompt, le cadre juridique. Les compétences pratiques : problématiser, décomposer un problème en actions, identifier les outils, créer un workflow, formuler une demande, évaluer le résultat. Pour chacun, des ressources gratuites existent, en grande partie en français.
Choisissez dès aujourd’hui un élément du programme, fixez-vous son objectif, et ouvrez la première ressource.