Où en êtes-vous vraiment sur l'IA ?

Un modèle de langage prédit du texte vraisemblable. Vraisemblable n'est pas vrai, et c'est toute la difficulté : une réponse fausse a exactement la même allure qu'une réponse juste, même ton, même assurance. Comprendre ce mécanisme, c'est comprendre d'un coup pourquoi il faut vérifier, et pourquoi le contexte que vous fournissez change autant le résultat.

Tout chiffre, toute date et toute référence juridique se vérifient à la source avant d'être utilisés. C'est la règle la plus rentable du lot : une erreur de ce type dans un devis, un courrier client ou une note interne coûte beaucoup plus cher que les minutes gagnées.

Cette variabilité est voulue : elle rend les réponses moins mécaniques. Elle a une conséquence pratique que beaucoup découvrent trop tard : un bon résultat obtenu une fois n'est pas reproductible tel quel. Si une tâche compte, il faut figer ce qui la rend bonne, par une consigne précise et des exemples, plutôt que d'espérer retomber sur le même résultat.

Un modèle de langage ne calcule pas, il prédit du texte. Il peut donc poser une opération juste et se tromper dans le résultat, sans la moindre hésitation. Certains assistants savent exécuter un vrai calcul en arrière-plan, encore faut-il savoir si c'est le cas et le vérifier. Pour des chiffres qui engagent, le tableur reste l'outil, l'IA servant au commentaire.

Ce qui change le résultat, c'est la quantité de contexte utile : à qui s'adresse le texte, dans quel but, sous quelle forme, avec quelles contraintes, et si possible un exemple de ce que vous considérez comme bon. C'est aussi pour cela qu'anonymiser ses demandes améliore souvent la réponse : cela oblige à formuler clairement.

L'exemple bat l'adjectif, toujours. Trois textes que vous avez écrits contiennent plus d'information sur votre style que n'importe quelle description. Demander au modèle d'en extraire lui-même les règles, puis conserver ces règles, vous donne une consigne réutilisable au lieu d'un résultat ponctuel.

Ce qui manque dans une petite structure n'est pas la technologie, c'est le recul sur ses propres tâches. Ceux qui en tirent quelque chose ont choisi deux ou trois tâches précises, formé les personnes qui les réalisent, écrit ce qui est autorisé, et affecté le temps libéré à quelque chose d'explicite. C'est un travail d'organisation, pas un achat.

La troisième condition est celle qu'on oublie. Tant que vous êtes capable de repérer une erreur dans le résultat, l'IA vous fait gagner du temps. Dès que vous ne savez plus juger, elle vous fait gagner du temps sur le papier et vous expose réellement. C'est pour cette raison qu'on commence par ce qu'on maîtrise déjà, jamais par ce qu'on ne sait pas faire.

L'IA entre par là où la mise en œuvre est immédiate : rédiger, résumer, reformuler ne demande ni accès aux données internes, ni intégration logicielle, ni validation de processus. Ce n'est pas un défaut, c'est une séquence normale. Encore faut-il savoir où on en est, pour ne pas confondre un usage individuel confortable avec une transformation de l'entreprise.

Un gain sur une tâche n'est pas un gain pour l'entreprise. Il le devient à trois conditions : le temps libéré est réinvesti dans quelque chose qui a de la valeur, la qualité produite n'a pas baissé, et la tâche n'était pas déjà en attente d'un autre goulot d'étranglement. Dans beaucoup d'organisations aucune des trois n'est vérifiée, et c'est ce qui explique l'écart entre une adoption massive et des effets économiques encore limités.

L'intérêt n'est pas la puissance, c'est la capitalisation. Un bon prompt vit dans une conversation et meurt avec elle. La même consigne transformée en assistant devient un actif de l'entreprise : elle s'applique à chaque fois, de la même façon, et une collègue obtient le même niveau de résultat que vous sans avoir à savoir formuler.

Les automatisations échouent presque toujours en amont, pas sur le modèle. S'il n'y a pas d'enregistrement exploitable, si les notes sont dans trois endroits différents, ou si personne ne sait qui doit relire avant envoi, aucune IA ne rattrapera cela. La bonne séquence est donc de fiabiliser l'entrée et la validation d'abord, d'automatiser ensuite.

Sur les formules personnelles, gratuite comprise, l'entraînement est généralement actif par défaut et c'est à vous de le couper. Sur les formules professionnelles et les accès par interface de programmation, c'est l'inverse. C'est un réglage à vérifier une fois, dans chaque outil que vous utilisez, et à revérifier quand l'interface change.

Une case décochée protège l'avenir, pas le passé. C'est précisément pour cela que le tri à l'entrée compte davantage que le réglage : la vraie protection consiste à ne pas envoyer ce qui n'a rien à faire dehors. À noter aussi que couper l'entraînement ne signifie pas que rien n'est conservé, la plupart des éditeurs gardent les échanges un certain temps pour des raisons de sécurité.

En transmettant des données personnelles à un service d'IA, votre entreprise reste responsable de ce traitement. L'outil est un moyen, pas un paravent, et la qualité de l'éditeur n'y change rien. C'est ce qui rend indispensable une règle d'usage écrite : sans elle, chacun décide seul de ce qu'il envoie, et l'entreprise porte le risque.

La question n'est jamais oui ou non, elle est : qu'est-ce qui part, et sous quel cadre. Un contrat dépouillé des noms, des adresses et des montants identifiants garde tout son intérêt pour une analyse de clauses. Et si le document doit partir tel quel, alors c'est l'outil et son contrat qui doivent être à la hauteur, pas la bonne volonté de celui qui colle.

Une page suffit pour l'essentiel : ce qu'on ne colle jamais, les réglages à vérifier, qui relit quoi avant envoi, et à qui on pose une question en cas de doute. Ce n'est pas un chantier juridique, c'est une décision. Et elle a un effet secondaire utile : elle fait sortir l'usage de la clandestinité, donc elle rend visible ce qui se fait réellement.

Le texte demande que les personnes qui utilisent ces systèmes pour votre compte disposent d'un niveau suffisant de maîtrise, au regard de leurs connaissances et du contexte d'usage. Il laisse le moyen libre. En revanche il faut pouvoir montrer que vous avez fait quelque chose, ce qui suppose au minimum une trace écrite : qui a été formé, à quoi, et quand.

Le risque vient du contenu demandé : un logo ou une marque déposée, un personnage protégé, le style revendiqué d'un artiste vivant, ou le visage d'une personne réelle identifiable. S'y ajoute une question souvent oubliée, celle de vos propres droits sur le visuel obtenu, qui compte si vous comptiez en faire un élément durable de votre identité de marque.

En droit français, le droit d'auteur protège une œuvre originale portant l'empreinte de la personnalité de son auteur. Une production purement automatique ne remplit pas ce critère, et la conséquence est très concrète : un concurrent peut reprendre votre texte sans que vous puissiez vous y opposer sur ce fondement. C'est un argument de plus, et pas le moindre, pour que l'IA produise une matière que vous retravaillez, plutôt qu'un contenu que vous publiez tel quel.