Comment apprendre l’intelligence artificielle sans bagage technique : première semaine et deux compétences

Apprendre à utiliser l’IA n’est pas apprendre à la construire

Qui cherche comment apprendre l’intelligence artificielle imagine souvent un programme de mathématiques et de code, la voie des ingénieurs. Un utilisateur a besoin d’autre chose : confier une tâche à un assistant déjà prêt et juger ce qui revient. Le Référentiel de compétences en IA pour les apprenants, publié par l’UNESCO en 2024, le montre avec 12 compétences en quatre dimensions : perspective centrée sur l’humain, éthique de l’IA, techniques et applications de l’IA, conception de systèmes d’IA. Seule la dernière consiste à concevoir des systèmes.

Le même référentiel fixe trois niveaux : comprendre, appliquer, créer. AILit, initiative conjointe de la Commission européenne et de l’OCDE, range ses quatre domaines dans un ordre voisin : interagir avec l’IA, créer avec elle, la gérer, la façonner. Ces textes visent l’école, mais l’ordre convient à un adulte : d’abord utiliser l’outil avec discernement, ensuite construire des systèmes.

Comment fonctionne un modèle de langage, en trois phrases honnêtes

Trois phrases suffisent. Un modèle de langage estime quel fragment de texte viendra le plus probablement ensuite ; le guide d’apprentissage automatique de Google nomme ces fragments tokens, soit un mot, une partie de mot ou un caractère. Un grand modèle répète cela à grande échelle, et ce guide y voit un mécanisme d’autocomplétion capable de prédire des milliers de tokens. Le résultat se lit comme un savoir mais reste une prédiction : ces modèles, dit le guide, hallucinent, c’est-à-dire que leurs prédictions contiennent souvent des erreurs.

Première conséquence : le modèle peut se tromper avec aplomb. Le centre d’aide d’Anthropic écrit que son assistant peut produire des citations qui paraissent faire autorité ou sonnent juste sans reposer sur des faits, et que ses données d’entraînement peuvent dater. Son conseil : ne le prenez pas pour unique source de vérité et examinez de près tout avis à fort enjeu. Un ton fluide est une propriété du texte, pas une preuve qu’il dit vrai.

Seconde conséquence : une même demande ne renvoie pas toujours la même réponse. Le guide d’ingénierie des prompts d’OpenAI indique que le contenu généré n’est pas déterministe. Il prévient que chaque type de modèle peut demander ses consignes, et que même des versions d’une même famille donnent des résultats distincts. Les formules magiques vieillissent donc à chaque version, alors qu’une tâche claire et un résultat vérifié valent pour tout assistant.

La première semaine : un assistant, vos tâches et un carnet

Choisissez un assistant et gardez-le sept jours. Comparer cinq outils le premier soir vous apprend leurs menus, pas la compétence. Apportez-lui un travail à faire de toute façon : la réponse à un e-mail délicat, un long contrat à résumer, une liste en désordre à transformer en plan. Les vraies tâches ont un vrai critère, car vous savez déjà ce qu’est un bon résultat.

Tenez un carnet avec cinq lignes par essai : la tâche, votre demande, la réponse, vos corrections et si vous utiliseriez le résultat. En une semaine, il compte une douzaine d’entrées ou plus et montre où l’assistant vous fait gagner une heure et où il vous en coûte une. Ajoutez une habitude : chaque jour, posez une question dont vous connaissez la réponse. Voir l’outil se tromper sur votre terrain ajuste votre confiance.

Savoir demander : rôle, contexte, limites et forme de la réponse

Les fabricants de modèles décrivent une bonne demande presque dans les mêmes termes. Le guide de prompts d’Anthropic propose de voir le modèle comme un employé brillant mais nouveau, qui ignore vos normes et vos méthodes. Sa règle d’or est un test simple : montrez la demande à un collègue qui connaît peu la tâche. S’il est perdu, le modèle le sera aussi.

Une demande comporte quatre parties. Le guide d’OpenAI range une consigne en sections : identité, instructions, exemples et contexte. Celui de Google pour Gemini ajoute les contraintes et le format de la réponse : tableau, liste à puces, mots-clés, phrase ou paragraphe. En clair : qui répond, quelle est la situation, ce qui est interdit et la forme attendue. Anthropic note qu’une seule phrase de rôle change déjà le résultat, tout comme expliquer pourquoi une consigne compte.

Deux habitudes complètent la compétence. D’abord les exemples : Google recommande d’en inclure toujours quelques-uns, et Anthropic en conseille trois à cinq, pertinents et variés. Ensuite la patience envers le premier jet : selon Google, concevoir un prompt peut demander plusieurs itérations, et il faut alors reformuler la demande ou changer l’ordre de ses parties. Au lieu de rouvrir un chat avec la même question vague, restez dans la conversation et dites ce qui n’allait pas.

Savoir vérifier : sources, dates et chiffres

Bien demander n’est que la moitié du travail ; l’autre commence quand la réponse arrive. La documentation d’Anthropic sur la réduction des hallucinations s’ouvre sur un aveu : même les modèles de langage les plus avancés produisent parfois un texte inexact sur les faits ou incohérent avec le contexte fourni. Ses techniques réduisent le risque sans, précise la page, l’éliminer. Sa dernière ligne sert de règle : validez toujours les informations critiques, surtout pour les décisions à fort enjeu.

Trois choses méritent toujours une vérification. Les sources : ouvrez chacune, car une citation peut être inventée, et l’aide d’Anthropic ajoute que le site d’origine peut contenir un contexte absent du résumé. Les dates : les données d’entraînement s’arrêtent un jour, et le guide de prompts de Google conseille d’activer la recherche dès que le modèle a besoin de faits rares ou récents. Les chiffres : refaites le calcul, car selon son guide d’apprentissage automatique un modèle peut sembler mener un raisonnement mathématique poussé alors qu’il complète seulement un énoncé.

Une partie de la vérification peut être confiée au modèle. Anthropic suggère de l’autoriser explicitement à dire qu’il ne sait pas, de lui demander des citations exactes d’un long document avant toute conclusion, et de lui faire retirer toute affirmation sans citation à l’appui. Répéter la même demande aide aussi, car des écarts entre versions peuvent trahir une invention. Rien de cela ne remplace vos yeux dès qu’il s’agit d’argent, de santé ou de droit.

L’étape suivante : documents, tableaux, images et automatisation simple

Après une semaine de conversation, donnez de la matière à l’assistant. Pour les longs documents, Anthropic donne une règle concrète : le document en haut, la question à la fin ; dans ses tests, cela a amélioré la qualité des réponses jusqu’à 30 %. Avec un tableau, faites décrire les colonnes avant tout calcul et comparez un total à votre compte. Pour les images, la documentation de Google conseille de décrire la scène en détail : plus vous êtes précis, plus vous maîtrisez le résultat.

L’automatisation commence plus tôt qu’on ne le croit. À la troisième saisie de la même demande, enregistrez-la comme gabarit, avec les quatre parties remplies et des blancs pour ce qui change. Le niveau suivant est une chaîne d’étapes ; Anthropic appelle autocorrection le schéma le plus courant : un brouillon, une relecture selon des critères, une amélioration. Les agents naissent de là, mais une petite bibliothèque de gabarits est déjà de l’automatisation, sans code.

Sécurité avec l’IA : quoi ne pas coller dans un chat

Chaque fournisseur publie une notice sur le sort de vos conversations, à lire avant la première tâche sérieuse. Le Centre de confidentialité des applications Gemini, chez Google, demande de ne pas saisir d’informations confidentielles que vous ne voudriez pas montrer à un réviseur. Il explique que des réviseurs humains lisent une partie des discussions et que les discussions relues sont conservées jusqu’à trois ans, même si vous supprimez votre activité. Par défaut, ajoute-t-il, l’activité est supprimée après 18 mois, délai modifiable à 3 ou 36 mois.

Le centre de confidentialité d’Anthropic décrit un autre régime pour ses offres grand public : les conversations peuvent servir à améliorer les modèles si l’utilisateur l’autorise dans les réglages, pas celles du mode incognito, et noter une réponse conserve toute la conversation jusqu’à cinq ans. Les conditions varient selon le fournisseur et l’offre, et elles changent. Lisez le texte en vigueur. La règle pratique est plus simple : aucun mot de passe, numéro de document, donnée personnelle d’autrui ou fichier de client. Si un contrat ou une loi sur la protection des données encadre votre travail, consultez d’abord un spécialiste.

Ce qui s’exerce seul et ce qu’ajoute un cours structuré

Tout ce qui précède peut s’exercer seul dès cette semaine : un assistant, cinq tâches à vous, le carnet, la demande en quatre parties et les trois vérifications. Seul, on obtient plus difficilement l’ordre et le regard extérieur. Sans eux, on répète ce qui marche déjà. Et l’on saute ce qui dérange, le plus souvent la vérification et la sécurité.

Un cours structuré apporte cet ordre. Le cours Intelligence artificielle de VITON13 SCHOOL se suit en ligne, avec une pratique sur la tâche de chaque apprenant. Son programme compte sept modules : travailler avec l’IA de façon délibérée, le prompting comme ingénierie, recherche et vérification, automatiser les processus, agents IA, vos propres systèmes, sécurité et responsabilité. Les conditions actuelles figurent sur la page du cours. Si votre carnet montre toujours les mêmes murs, un programme fait gagner du temps ; sinon, pratiquez d’abord. Comment apprendre l’intelligence artificielle laisse alors place à une meilleure question : quelle tâche confier en premier.