LES SAVOIR-FAIRE DE LA MAISON

Intelligence artificielle

Utiliser des modèles pour assister la création, l’analyse et le traitement de l’information.

01 / COMPRENDRE

Ce que l’on fait, concrètement.

Dans les projets web, l’IA peut aider à classer des demandes, explorer des documents ou préparer des contenus. Une réponse plausible ne suffit pas : il faut définir ce qui constitue un résultat correct. Le métier consiste autant à choisir les données, les contrôles et les usages qu’à rédiger une instruction.

Le guide porte sur l’usage de modèles dans un produit web : rédaction assistée, classification, extraction et recherche dans des documents. Il aborde la préparation du contexte, le format des réponses et l’évaluation. L’enjeu technique est de transformer une sortie probabiliste en aide vérifiable pour une tâche précise.

02 / LE GUIDE PRATIQUE

Trois étapes pour avancer.

  1. Choisissez une tâche précise et réunissez des exemples de résultats attendus, y compris des cas difficiles.

  2. Comparez les sorties du modèle à votre méthode actuelle. Vérifiez les faits et les informations qui doivent rester confidentielles.

  3. Gardez une validation adaptée aux conséquences de l’action et mesurez les corrections nécessaires.

POUR ALLER PLUS LOIN

Le guide technique.

Comment ça fonctionne

Un modèle reçoit des instructions et du contexte, puis génère une sortie. Pour une recherche documentaire, une étape de récupération peut sélectionner des passages avant la génération : c’est le principe du RAG. Cette récupération apporte du contexte, mais ne dispense ni de vérifier les références ni de contrôler la réponse.

Les caractéristiques à connaître

Contexte
Séparez l’instruction de travail des documents consultés. Un texte trouvé dans une source ne devient pas une autorisation d’action.
Sortie structurée
Demandez les champs attendus puis validez leur type et leurs valeurs. Un format JSON correct ne prouve pas la justesse du contenu.
Évaluation
Conservez un ensemble de cas représentatifs avec le résultat attendu, y compris des exemples ambigus ou incomplets.
Coût et délai
Mesurez la durée et le volume traité par tâche utile, en incluant les reprises et les corrections humaines.

Mettre en œuvre, étape par étape

  1. Choisissez une tâche limitée et rédigez une grille permettant de reconnaître une bonne réponse.

  2. Testez plusieurs formulations sur les mêmes exemples, sans modifier simultanément le jeu de référence.

  3. Déployez sur un petit périmètre, journalisez les erreurs pertinentes et prévoyez un retour à un traitement humain.

Les points de contrôle

  • Les affirmations importantes sont vérifiables.
  • Les données non nécessaires sont exclues du contexte.
  • Les cas incertains ont une issue prévue.

À vous de pratiquer

Pour classer des demandes de support, créez dix exemples dont deux ambigus. Comparez les décisions du modèle à celles de l’équipe avant de connecter le classement à un outil métier.

03 / MISE EN SITUATION

Classer les demandes entrantes

Mise en situation : une équipe demande à un modèle de ranger des messages dans des catégories de support. Elle réserve les messages ambigus à une personne et évalue les erreurs sur un jeu d’exemples avant d’utiliser le classement au quotidien.

04 / LE SAVIEZ-VOUS ?

Le système le plus simple peut suffire

Dans son retour d’expérience publié en 2024, Anthropic explique que de nombreuses applications se satisfont d’un appel au modèle bien préparé, avec du contexte et des exemples, sans architecture d’agents complexe.

Source : Anthropic — Building effective agents
À retenir

Évaluez un usage concret avant de généraliser l’IA à tout un processus.

LES MEILLEURS EXPERTS DU WEB

Ils partagent leur expérience.

6 profils
POUR PROLONGER LA RENCONTRE

Les vidéos de ces intervenants.

Retrouvez leurs ateliers et podcasts. Les échanges peuvent aussi aborder d’autres thématiques de leur activité.

META, GOOGLE, IA... La génération de lead la portée de tous?PodcastAntoine Sacco

META, GOOGLE, IA... La génération de lead la portée de tous?

Atelier Industrialisation de l'automatisation mobile, avec Arnaud DecurningeAtelierArnaud Decurninge

Atelier Industrialisation de l'automatisation mobile, avec Arnaud Decurninge

Développeur + IA = Machine de guerre ? avec Arnaud DecurningePodcastArnaud Decurninge

Développeur + IA = Machine de guerre ? avec Arnaud Decurninge

Atelier Hermes Agent, avec David SchkiwiskAtelierDavid Schkiwisk

Atelier Hermes Agent, avec David Schkiwisk

Il automatise tout avec Hermes et met OpenClaw au chômage ! avec David SchkiwiskPodcastDavid Schkiwisk

Il automatise tout avec Hermes et met OpenClaw au chômage ! avec David Schkiwisk

Une expérience à partager ?

Proposez un atelier ou venez en parler au micro de la maison.

Participer