S'abonner maintenant

Nous avons abordé ensemble de nouveaux usages, les premiers tests qui sont devenus des compétences IA que tu peux défendre.
Que ce soit dans un projet personnel ou professionnel, tant qu’un périmètre clair est donné à ce projet et que tes retours le sont aussi, il est présentable.

Cependant, le fait d’avoir utilisé un outil, testé un modèle, produit un délivrable ne suffit pas encore à expliquer la valeur réelle du travail qui a été produit.
Non, la valeur réelle s’apprécie dans la consommation de ce qui a été produit (s’il s’agit de visuels comment ces visuels ont été reçus par le public cible ? s’il s’agit de présentation ; s’il s’agit de codes qui a été rédigé ; s’il s’agit de positions stratégiques sur lesquelles tu t’es fait challenger).
Le fait de l’avoir fait est une chose mais l’impact que cela a eu en est une autre et c’est l’impact le plus important lorsqu’on parcourt ton CV.

Aujourd’hui nous allons voir concrètement comment le poser sur ton CV.

Montre ce que ton travail a apporté

Généralement sur le CV on a tendance à mettre les moyens que nous avons utilisés les applications dont nous nous sommes servies les outils qui ont permis de réaliser les missions qui nous ont été confiées, mais on parle très peu de ce qui a été produit. L’ordre chronologique devrait être de parler du livrable, de l’étape dans la production du livrable pour laquelle l’intelligence artificielle a été utilisée, de la contribution personnelle sur ce sujet et pour finir le résultat observé Le résultat observé est ce qui garde toute notre attention.
Exemple personnel :
Développement de modèles régressifs de prédiction d’angles d’articulation pour des prothèses biomécaniques avec une précision de 80%, soit 50% de plus que les projets précédents.

Un autre exemple :

Augmentation du taux d’engagement de 30% après publication des dernières vidéos réalisées par NanoBanana 2. (si cet article t’est utile, penses à le partager pour en faire profiter d’autres personnes et on avance ensemble!😊)

Partager

Éléments à développer

Si tu me suis bien je pense que tu te fais déjà une idée de comment est-ce que cela doit être structuré. Parler de tes réalisations et de ce qui a été obtenu en le faisant. Dans ce process il faut faire bien attention à séparer :
- ce qui a été concrètement mesuré en termes d’impact (dans mon exemple précédent j’ai parlé du taux d’engagement qui est clairement mesurable ou de la prédiction des modèles que j’ai développé)
- de ce qu’on observe ou de nos hypothèses (si j’avais simplement dit des visuels 40% meilleurs que les précédents ce serait une statistique vague). Cette confusion doit être évitée. Pour que la contribution se démarque clairement.

Ces résultats rendent une compétence visible mais ne dispensent pas de pratique. Le cerveau se débarrasse de tout ce qui ne lui sert pas, sans utilisation hebdomadaire, ces nouveaux acquis non seulement n’évolueront pas mais pire, disparaitrons.

Entretenir tes acquis sans courir après chaque nouveauté

Sur une base hebdomadaire je te suggère fortement de parcourir les nouvelles concernant ton domaine sur le sujet de l’intelligence artificielle, pratiquer ce que tu as appris et de par les tests que tu auras déjà démarrés tu seras capable de distinguer avec sérénité les sujets qui ne sont pas pertinents dans ton activité.

Au-delà de ces éléments, dans les semaines à venir je vais aborder le sujet des agents IA et du comment ils peuvent être intégré à ton flux de travail.

Dans tous les cas évite de sauter sur tous les sujets, c’est contre productif, cela finit par te donner l’impression de ne rien comprendre de l’IA. Je te conseille au contraire de poursuivre l’exploration qui a déjà démarré, de te faire ton propre avis des limites que tu rencontres et des choses qui sont possibles, de challenger les limites que tu rencontres et de continuer à progresser.

Nous avons vu ensemble comment identifier le lien entre ses compétences et les possibilités en IA, explorer une direction, tester des solutions/outils, expliquer ses choix puis les valoriser.

Prochainement nous allons explorer ensemble des :

• usages IA ciblés par métier ;

• bases précises pour poursuivre son apprentissage ;

• cas pertinents d’usage des agents IA.

Pour une montée en compétences qui se traduit en valeur dans ton quotidien tant sur ta confiance en ton futur professionnel, que sur ta rémunération, alors rejoins nous si ce n’est pas encore fait.

S'abonner maintenant

Afin de prépare au mieux les prochains articles, dis-moi quel est ton métier et l’usage de l’IA que tu aimerais mieux maîtriser. Je serai ravi de te répondre et de te préparer des approches spécialisées.

Laissez un commentaire.

S'abonner maintenant

Ma transition ou plutôt « mes » sont toujours nées d’un sentiment d’insatisfaction personnel, sentiment que j’ai fini par comprendre en observant mes coté pédagogue et technophile. Le poste que j’occupe aujourd’hui n’est pas tant une opportunité née de l’IA mais plutôt la continuité de mon socle personnel que j’explique naturellement en entretien : « Je m’épanouis lorsque je monte en compétences, que je créée des solutions avec ces compétences et que je peux l’enseigner par la suite ».

Mais toi, quel est ton socle ?

Il va souvent bien plus loin que ton CV, il touche ta personnalité profonde. Si tu ne l’as pas encore je t’invite à lire cet article avant de poursuivre.

1. Ton parcours n’a pas besoin d’être une ligne droite

A. Le piège : justifier chaque changement

Pour faire la transition entre ton poste actuel et le nouveau poste que tu souhaites occuper soit naturel. Les récits artificiels ou défensifs se ressentent et donnent juste l’impression que tu essaies d’être une autre personne.

Ta transition peut tout à fait comporter une rupture réelle ou impliquer ton intérêt pour une meilleure situation financière, ce n’est ni une honte ni un crime.

Parle plutôt du pourquoi (sans jeter de discrédit sur les autres postes que tu as occupé) tes anciens postes ne correspondent plus à qui tu es aujourd’hui.

Si certains éléments sont d’ordre intimes ou traumatiques tu as totalement le droit de ne pas les mentionner (et c’est okay).

B. Le déplacement : expliquer ce qui te conduit vers ce poste

De fil en aiguille, tu vas pouvoir parler de ce qui te conduit vers ce changement de métier en réponse à ce qui manquait dans le précédent. Qu’est ce que cette nouvelle direction te permet de mobiliser ou de retrouver dans ton parcours professionnel ?

Le socle que tu as précédemment identifié te sera d’une grande aide ici. Cette étape a aussi l’avantage de montrer que ta cohérence en vue du poste visé.

2. Relie tes acquis, tes motivations et tes premières preuves

Cette section constitue le cœur de l’article. Ton témoignage accompagne les trois repères : il ne devient pas une longue biographie séparée.

A. Ce que tu emportes de tes expériences

C’est le moment de briller professionnellement ! Contrairement aux croyances populaires un changement de domaine ne signifie pas une disparition de compétences. Identifie les compétences humaines et sociales que tu peux transposer à ton nouveau poste et aux missions dont tu auras la responsabilité.

Pour ma part, de l’ingénierie électrique aux systèmes embarqués en passant par la chefferie de projets, le frelancing dans le numérique, l’enseignement et la formation j’ai pu distinguer les compétences (non exhaustives) suivantes :

- Capacité à m’approprier des sujets techniques rapidement

- Pédagogie

- Programmation sur divers supports

- Organisation d’entreprise et de projets

Ceci, combiné à mon intérêt grandissant ainsi qu’aux travaux que je faisais en IA m’ont permis d’accéder aux postes que j’ai occupé ces dernières années.

Nous allons donc en faire de même pour toi.

Quelles sont les compétences transférables qui te viennent de tes anciens postes ?
Qu’est-ce que tu as déjà fait et qui se retrouve dans les missions du nouveau poste ?

B. Pourquoi cette direction te correspond

Au fil de l’échange, connecte les situations « négatives » de ton parcours pour expliquer pourquoi ce poste représente ton aspiration. Parle de ton quotidien de travail, de ta transition vers l’IA, où est ce qu’elle t’a été utile ou non.

La transparence reste de mise, ne prétends pas maitriser des choses dont tu n’as pas ni la compréhension ni fait l’expérience.

C. Ce que tu as déjà exploré

Ici on va être honnête, si tu vises un poste de gestion de communauté avec des agents IA par exemple mais que tu n’as jamais fait l’expérience de l’IA sur ce sujet même pas pour gérer tes propres réseaux ou ceux de proches/amis, ta crédibilité va en prendre un coup.

Regarde des vidéos YouTube sur des sujets liés à ton expertise et passe à l’action, fait des tests, aussi minimes soient-ils(j’ai rédigé des articles sur le sujet pour t’aider). Tu en ressortiras tellement grandit et confiant que lorsque tu en parleras en entretien, tu auras des preuves de compétences concrètes et cela se ressentira.

N’essaie pas de prétendre non plus à des gains de temps ou de production colossaux, soit transparents sur ce que tu as obtenu comme résultat, projette-le à l’échelle d’une PME et explique comment tu t’en serviras en équipe par exemple.

S'abonner maintenant

3. Choisis une direction que tu peux expliquer sans jouer un rôle

Cet article vient en complément au précédent, qui explorait tes motivations profondes en plus de ton CV pour identifier les nouvelles pistes pour ton projet professionnel qui te conviendraient. Si depuis plusieurs mois/années maintenant, tu ne t’épanouis plus dans ton activité, je te suggère vivement de les re parcourir tous les deux et de te donner le temps de réellement les appliquer.

Si toi et moi étions en entretien en recrutement, sans mentionner les intitulés de ton CV, qu’est-ce qui relierait ton expérience de travail actuelle et ton choix de carrière de demain ?

Laissez un commentaire.

Ton expertise commence bien avant le livrable. L’IA peut générer un livrable. Qu’il s’agisse d’un visuel, un texte, une présentation, une analyse ou encore un prototype.

Mais elle ne sait pas encore décider pourquoi ce livrable mérite d’exister ou encore moins si elle est la mieux placée pour y répondre.
Qu’il s’agisse du dernier modèle de génération de texte pour le code, d’image comme Nano Banana ou de vidéo comme Minimax H3, bien cadrer le besoin reste indispensable.

Une IA ne sait pas affiner le besoin d’un client, poser les limites claires pour un délivrable et pourquoi ce délivrable doit être tel qu’il est.

En travaillant dans l’IA, j’ai souvent réalisé qu’il était beaucoup plus complexe de préciser l’objectif à atteindre avec le client que de concevoir la solution elle-même. Je me rappelle pour une démonstration client j’avais utilisé Claude pour m’épauler et dans le contexte j’avais fourni les informations nécessaires sur l’activité du client.
Claude m’a fait des suggestions intéressantes que j’ai réalisé sur n8n (il n’y avait pas de connecteurs à cette époque).

Mais le problème des suggestions de Claude était déjà leur sur-complexité qui selon moi n’était pas nécessaire et mais aussi la surcharge visuelle qu’elle ferait ressentir au client. Et comme si ça ne suffisait pas Ce que Claude avait généré comme proposition à implémenter dans n8n (le json) portait une quantité phénoménale de bugs, il a donc fallu que je reprenne tout ça que je coupe tous les excès et que j’y mette ma propre réflexion.

Réflexion qui amènerait donc pendant la démonstration à une simulation réussie qui prenait en entrée les informations d’une réunion (sur 10 pages avec plein de noms) et qui donnait en sortie un tableau des actions claires et bien définies par personne. En partant de cette démonstration réussie j’ai enchaîné en demandant au client de nous détailler un peu plus son quotidien pro et tout ce qui s’ensuit. Non seulement j’ai pu mettre le doigt sur son réel besoin mais en plus j’ai pu faire le lien entre ma présentation et les systèmes qui seront mis en place pour lui et spoiler alerte ça n’avait rien à voir avec les propositions initiales de Claude (déjà qu’elles ne marchaient pas…).

J’aurais pu insister pour maintenir les idées que Claude m’avait suggérée surtout que j’étais fatigué, que je travaillais en fin de journée et que je voulais vite finir pour passer à autre chose. Mais la réalité c’était que sans ma réflexion qui est venue trancher sur la présentation ne se serait pas aussi bien passée et nous n’aurions pas pu mettre le client en confiance.

S'abonner maintenant

Un livrable n’a pas de valeur par sa seule qualité technique. Sa valeur dépend de la justesse du problème traité, des personnes concernées, des contraintes et de la décision qu’il permet de prendre.

L’IA permet de produire beaucoup plus vite, si vite qu’on serait tenté de considérer ses suggestions comme décisives, surtout quand le contexte est bien fourni.

N’importe qui peut aujourd’hui se rendre dans Claude et lui demander de générer un livrable dans n8n (surtout que le connecteur existe maintenant ). Mais être capable d’écouter une personne comprendre son besoin, comprendre des bases de données liées à ce besoin, définir toutes les dépendances que le système pourrait avoir et ensuite réaliser ce système sans parler de faire la démonstration puis de rédiger sa fiche technique pour ensuite former les personnes qui vont s’en servir, cela ne peut pas être remplacé par l’intelligence artificielle

Il y a un discours qui dit que nous n’allons pas être remplacés par l’intelligence artificielle nous allons être remplacés par une personne qui sait utiliser l’intelligence artificielle. Il est vrai mais je rajouterai une nuance, une personne qui sait quand utiliser l’intelligence artificielle et quand est-ce que son expertise doit faire Loi.

Ta valeur ne se trouve pas seulement dans ce que tu livres, mais dans tout ce que tu comprends avant de le livrer.

Et pour comprendre cette posture il faut être capable de regarder ses propres compétences et de distinguer tout ce qui est nécessaire dans son domaine avant de passer à l’exécution.

Les décisions invisibles que l’IA ne prend pas

Il y a un écart entre la demande d’origine et le résultat que tu livres. Que ce soit en architecture, dans l’informatique, dans le graphisme ou le social, il y a toujours un écart entre ce qui a été demandé de base et comment est-ce qu’il a été repositionné jusqu’au résultat livré. C’est là que ton expertise s’insère, ce travail invisible souvent sous-estimé et qui ne ressemble pas à de la production.

Voici l’ensemble des questions qu’il est indispensable de se poser avant d’utiliser l’intelligence artificielle pour l’exécution :

• Clarifier → quel est le VRAI besoin ?

• Cadrer → poser objectif, périmètre, contraintes, critères de réussite, ressources et délai.

• Arbitrer → choisir entre les ressources dispos et identifier les risques.

• Relier → anticiper l’impact sur le client final et le périmètre sur l’activité et autour.

• Évaluer → vérifier que le livrable produit correspond au besoin et peut être défendu.

• Assumer → rester responsable de la recommandation, même quand l’IA a participé à la production.

Cette logique s’applique à de nombreux métiers ; les outils changent, mais le besoin de jugement reste.

Un chef de projet, une personne en RH, un responsable opérations, un commercial ou un professionnel de la fonction support font face au même déplacement : l’outil peut accélérer un geste ; l’expertise rends ce geste approprié et bien ciblé.

La nouvelle posture professionnelle

Avant l’arrivée de l’IA on se définissait souvent par le délivrable final. Aujourd’hui il devient nécessaire de mettre l’accent sur tout le travail nécessaire avant la production de ce délivrable parce qu’au final c’est ce niveau de compréhension et de subtilité dont l’intelligence artificielle ne dispose pas. Il ne s’agit donc pas de vous retirer totalement de l’exécution ou de prétendre qu’elle n’a plus d’importance Il devient simplement nécessaire D’accentuer l’expertise avant cette exécution .

La question n’est donc pas « quel outil dois-je apprendre cette semaine ? », mais « quelle partie de ma valeur dois-je apprendre à rendre visible ? »

Plus l’exécution devient accessible et plus il sera nécessaire d’être capable de poser le bon contexte, comprendre ce qui doit réellement être produit, comment est-ce qu’on va mesurer l’efficacité et la pertinence de ce qui sera produit.
Dans ton métier pose toi donc la question quelles sont les actions que je fais toujours avant de passer à la production des délivrables ou avant de valider une décision qui donne le feu vert pour la réalisation de délivrables.

L’IA peut produire une première version. Ton expertise consiste à savoir si cette version mérite d’être produite, corrigée, reliée au reste ou simplement abandonnée.

Laissez un commentaire.

S'abonner maintenant

Ils avaient parfois plusieurs années d’expérience à leur actif.

Ils savaient gérer un projet, comprendre un client, rédiger avec précision, analyser une situation complexe ou coordonner plusieurs personnes.

Puis arrivait LA question fatidique :

« Est-ce que vous utilisez l’intelligence artificielle dans votre travail ? »

Et là, patatras…..
Ces personnes, véritables références de leur domaine se décomposaient visuellement.

Ils partaient sur des outils qu’ils connaissaient mal, des termes qu’ils n’utilisaient jamais, des pratiques qu’ils n’avaient pas encore testées ou sur la phrase tant entendue « Je n’en vois pas l’utilité dans mon domaine ».

Le problème n’est pas de ne pas tout connaître sur l’IA.

Le problème est de croire que ton expertise devient secondaire dès qu’un outil peut produire quelque chose à ta place ou que tu dois « TOUT » connaitre en IA. (je te rassure, même ceux dont l’IA est au cœur de l’activité ne savent pas tout)

La question derrière la question

Quand un recruteur te demande si tu utilises l’IA, il ne cherche pas forcément à connaître la liste des outils que tu as ouverts.

Il cherche surtout à comprendre comment tu travailles.

Sais-tu repérer une tâche où l’IA peut t’aider ? En juger le résultat et ses limites ?

Sais-tu reconnaître ce qui doit être vérifié, corrigé ou refusé ?

Sais-tu protéger les informations que tu manipules ? Ce point est un énorme green flag pour une entreprise.

Et le plus important : restes-tu responsable de ton travail lorsqu’un outil accélère une partie de son exécution ?

La question « Utilisez-vous l’IA ? » évalue souvent moins ton niveau technique que ton niveau de jugement professionnel.

Dire :

« J’utilise ChatGPT »

ne permet pas de comprendre grand-chose.

Dire :

« J’ai utilisé une IA pour préparer une première synthèse de retours clients. Elle m’a permis de repérer des thèmes récurrents, mais j’ai vérifié les regroupements et repris les conclusions avec les personnes concernées. »

est beaucoup plus intéressant.

Le recruteur comprend ce que tu as confié à l’outil, ce que tu as vérifié et ce que ton expertise a apporté.

Ton expérience reste le point de départ

Avant de chercher quel outil apprendre, commence par ce que tu sais déjà faire.

Tu sais probablement comment :

· comprendre une demande mal formulée ;

· adapter un message à un public ;

· organiser des informations dispersées ;

· prioriser sous contrainte ;

· coordonner plusieurs personnes ;

· repérer une incohérence ;

· contrôler la qualité d’un résultat ;

· produire des délivrables visuels (dev web, app, maquettes…)

· prendre une décision malgré des informations incomplètes.

L’IA peut assister certaines de ces tâches.

Mais elle ne connaît pas spontanément le contexte de ton entreprise, les contraintes de ton client, le niveau de qualité attendu ou les conséquences d’une mauvaise décision.

Ton expertise devient donc le filtre qui permet de savoir si le résultat produit est vraiment utile.

C’est ce qui distingue une personne qui utilise un outil d’une personne qui sait intégrer cet outil dans son métier.

Partager

De l’offre à l’expérience

Choisis une offre dans ton domaine.

Elle peut correspondre à ton poste actuel, à une évolution que tu envisages ou à un métier que tu souhaites explorer.

Repère trois éléments :

· les missions principales ;

· les résultats attendus ;

· les mentions liées à l’IA, directement ou indirectement.

Une offre peut parler de génération de contenus, d’automatisation, d’analyse assistée, de visuels, de données ou d’optimisation de processus.

Mais elle peut aussi ne rien dire explicitement sur l’IA.

Dans ce cas, ne force pas le sujet (on ne cherche pas à faire de l’IA à tout prix 😉).

Demande-toi simplement si l’IA peut améliorer une tâche précise de la mission, sans devenir un argument artificiel.

Choisis ensuite une seule compétence à tester.

Par exemple :

· créer un visuel à partir d’un brief ;

· produire plusieurs angles rédactionnels ;

· structurer un jeu de données fictif ;

· synthétiser des notes ;

· préparer une grille d’analyse ;

· accélérer une fonction de code.

Le test doit être assez petit pour être réalisé rapidement et assez proche de ton expertise pour que tu puisses évaluer la qualité du résultat.

Tu dois pouvoir répondre à quatre questions :

1. Qu’ai-je demandé à l’IA ?

2. Qu’a-t-elle produit ?

3. Qu’ai-je dû corriger ?

4. Que ne déléguerais-je jamais dans cette tâche ?

Le prompt pour préparer ton test

Tu es un guide pédagogique spécialisé dans [mon domaine / mon métier].
Voici une offre que je souhaite explorer :
[COLLER LE TEXTE DE L’OFFRE]
Identifie les missions ou compétences liées directement ou indirectement à l’IA.
Explique-moi ce que ces compétences signifient concrètement dans ce métier.
Aide-moi à choisir une seule compétence que je peux tester en moins d’une heure avec des données fictives ou anonymisées.
Propose un test simple avec :
- un objectif ;
- les étapes ;
- les critères de qualité ;
- les limites à surveiller ;
- la manière de vérifier le résultat. 
Ne transforme pas une hypothèse en exigence de l’offre. Distingue clairement ce qui est demandé de ce que tu me suggères d’explorer.
Rappelle-moi également quelles informations je ne dois pas transmettre dans un outil public.

Ne prends pas la réponse de l’IA comme une vérité définitive. Quand elle utilise un terme que tu ne comprends pas, demande-lui de l’expliquer pour que tu te l’approprie. Si elle propose un test trop ambitieux, réduis-le, le but n’est pas de faire de toi l’expert(e) en une heure.

Le but est de réaliser une première expérience que tu peux réellement comprendre.

S'abonner maintenant

Raconter ce que tu as testé

Après ton test, prépare une réponse simple.

« Dans mon métier, je maîtrise déjà [compétence durable].
J’ai repéré une mission où l’IA pouvait m’aider sur [tâche].
Je l’ai testée pour [usage précis].
Elle m’a permis de [résultat].
En revanche, j’ai dû vérifier ou corriger [limite], parce que [raison métier].
Je conserve donc la responsabilité de [décision ou contrôle]. »

Cette formulation n’est pas à mémoriser mais plutôt à utiliser comme une structure.

Puis remplace les mots génériques par les tiens.

Une réponse un peu moins impressionnante, mais que tu peux expliquer sous pression, vaut mieux qu’un discours parfait qui s’effondre à la première relance.

Ton exercice de la semaine

Choisis une offre dans ton domaine.

Repère une compétence liée à l’IA.

Teste-la sur un cas fictif ou anonymisé.

Note ce qui fonctionne, ce qui échoue et ce que ton expertise t’a permis de corriger.

Tu auras alors quelque chose de plus solide qu’une simple déclaration :

« Je sais utiliser l’IA. »

Tu auras une expérience à raconter. Rappelle toi que ton expertise n’est jamais facultative.

L’IA peut accélérer ton travail, mais c’est ta compréhension du métier qui permet de savoir où elle est pertinente et où elle ne l’est pas.

Laissez un commentaire.

Il y a une question que je me pose de plus en plus quand j’observe des professionnels utiliser l’IA sur leur travail : est-ce qu’ils savent réellement où elle s’arrête ?

Pas où elle commence ça, à peu près tout le monde le sait. Où elle s’arrête. Le moment précis où continuer à lui faire confiance coûte plus de temps que ça n’en fait gagner.

C’est cette frontière qui, aujourd’hui, dessine une nouvelle hiérarchie de valeur sur le marché. Pas entre “ceux qui utilisent l’IA” et “ceux qui ne l’utilisent pas” cette opposition-là est toujours présente mais se fait moins ressentir. La vraie ligne de partage se trace entre ceux qui savent identifier les limites réelles de l’IA sur leur métier, et ceux qui découvrent ces limites après coup, souvent à leurs dépens.

S'abonner maintenant

Pourquoi cette frontière compte plus que la technique elle-même

On a tous entendu que l’IA allait remplacer telle ou telle équipe. La réalité du terrain raconte une histoire plus nuancée : une IA agentique (c’est-à-dire une IA qui utilise plusieurs outils, prend des décisions par elle-même sur plusieurs étapes, puis assemble un résultat final) peux couter beaucoup plus que le salaire que certains voudraient économiser. La réalité est que sans le contexte de ton travail, ta vision et la précision chirurgicale de tes experiences une IA te ralentira plus qu’autre chose.

Ce n’est pas une opinion. C’est ce qu’on observe très concrètement dès qu’on regarde de près quatre compétences qui semblent, en surface, se banaliser avec l’IA : la rédaction, le design, l’analyse de données et le code.

Grille d’évaluation :

Ce que le marché est en train de récompenser

Les entreprises ne cherchent plus seulement des personnes qui “savent utiliser l’IA”. Elles privilégient de plus en plus celles qui ont déjà fait l’expérience de ces limites, dans leur métier précis, et qui savent où l’IA est un vrai levier et où il ne faut surtout pas la laisser seule.

C’est une bonne nouvelle pour toi si tu as plusieurs années d’expérience dans ton métier. Ton avantage n’est pas de rivaliser avec un ingénieur IA sur la technique, ça on s’en f#che. C’est de combiner ce que tu connais déjà de ton métier avec une capacité à juger, rapidement et avec précision, ce qu’une IA peut faire seule et ce pourquoi il faut absolument l’équiper en conséquence faute de quoi elle ne pourra pas.

Trois questions à te poser cette semaine

Avant de choisir une formation ou un outil de plus, prends dix minutes pour répondre à ces trois questions, appliquées à ton métier :

• Parmi les tâches que tu fais régulièrement, laquelle ressemble le plus aux cas où l’IA aurait définitivement besoin de contexte pour bien ?

• Laquelle ressemble le plus aux cas où elle réussit avec peu de contexte ?

• Si tu devais expliquer à un recruteur, en une phrase, où tu sais précisément que l’IA ne doit pas décider seule sur ton domaine, que dirais-tu ?

Cette dernière question est probablement la plus importante des trois. Ce n’est pas ta maîtrise technique de l’IA qui te rendra rare sur le marché. C’est ta capacité à nommer, avec précision, la frontière entre ce que tu délègues et ce que tu gardes.

S'abonner maintenant

Merci d’avoir lu ! Maintenant, petite minute perso ☺️.
J’ai récemment eu une discussion avec une amie qui est en Master Finance en alternance et dont les connaissances en IA étaient débutantes (LLM, aide technique…). En discutant avec elle, je lui ai montré comment l’IA pouvait devenir un allié dans sa recherche d’alternance, sa montée en compétence technique dans le domaine de la finance et ses projets pro. Ce faisant, je me suis rappelé, depuis ma licence jusque mes deux master (promis, je crane pas) que plusieurs camarades/amis appréciaient beaucoup ma capacité à conseiller professionnellement (CV, entretien, croissance pro, projets pro et j’en passe).
J’ai donc décidé que ce serait mon nouveau cheval de bataille, chaque semaine t’aider à comprendre un changement professionnel, puis à le tester concrètement avec l’IA pour faire grandir ta carrière. Si ce sujet te parle, bienvenue, installe-toi tranquillement en t’abonnant.

Mon prochain article, on passera à la pratique : comment tester concrètement cette frontière sur une tâche réelle de ton métier, pour transformer cette intuition en preuve.

Laissez un commentaire.

Partager

> Agent4Science : une plateforme expérimentale de “réseau social” pour agents IA, où ceux-ci publient, critiquent et discutent de recherche scientifique sans participation humaine directe.

Donc le phénomène est réel. L’institution est réelle. Le labo est reconnu.

Mais ça ne suffit pas à en faire un signal utile.

S'abonner maintenant

Une histoire qui se répète

En janvier 2026, Moltbook a fait le tour de la sphère tech. C’était présenté comme le premier réseau social réservé aux agents IA, sans humain. Andrej Karpathy avait qualifié ça de « chose la plus incroyable à côté du décollage de la science-fiction ». Des milliers d’agents discutaient, votaient, s’organisaient.

Sauf que la réalité était autre. Une enquête de Wiz a révélé que derrière les 1,5 million d’agents Moltbook, il y avait environ 17 000 humains. Pire : n’importe qui pouvait créer un compte agent et publier en son nom via une simple requête POST. La plateforme n’avait aucun mécanisme pour vérifier qu’un “agent” était réellement de l’IA.

> Moltbook : un réseau social conçu pour les agents IA, où ceux-ci postent, commentent et votent. Initialement promu comme un espace sans humain, il s’est avéré être principalement des humains pilotant des flottes de bots.

Leçon : quand on annonce un réseau social « sans humain », la question n’est pas seulement de savoir si des agents discutent. C’est de savoir qui décide, qui contrôle, et qui vérifie.

Agent4Science semble plus sérieux. Le labo est reconnu, la démarche est académique, et l’objectif est d’étudier les interactions entre agents. Mais le même risque existe : 150 agents qui échangent des commentaires sur des papiers générés par d’autres agents, ce n’est pas de la science validée. C’est de l’auto-cohérence en boucle.

> Auto-cohérent : quelque chose qui semble logique en interne, mais qui n’a pas été confronté à un regard extérieur critique ou à des données nouvelles.

La science fonctionne par confrontation. Même les meilleures revues par pairs humaines ont des failles. Remplacer ça par des agents qui se débattent entre eux, pourrait créer une boucle infinie sans valeur ajoutée.

—

La question de fond

Imaginons qu’on laisse 150 agents débattre de la composition chimique d’un nouveau médicament, puis décider seuls de sa formule finale.

Accepterais-tu qu’on te l’injecte sans qu’un expert humain ait vérifié leurs conclusions ? Sans essais cliniques, sans peer review humain, sans régulateur compétent ?

La réponse est probablement non.

Et cette réponse définit la limite.

Entre se faire aider par des agents IA pour accélérer des découvertes scientifiques et laisser l’IA décider seule de solutions qui s’appliqueront aux humains, il y a un gouffre. Agent4Science est une expérience du côté « aider ». Sur le papier, il y a des validations humaines dans la boucle.

S'abonner maintenant

Quand une news IA te fait lever les sourcils, pose-toi trois questions :

1. Qui l’a publié ? Une institution, un journal reconnu, un blog, ou un compte anonyme ?

2. Y a-t-il une preuve vérifiable ? Code, papier, site officiel, démo publique ?

3. Le chiffre est-il actionnable ?

Si la première question est floue et que la deuxième est non, tu peux probablement passer ton chemin, même si le chiffre est vrai.

Laissez un commentaire.

Partager

Sur le papier, ils sont spectaculaires : un orchestrateur qui coordonne plusieurs modèles d’IA derrière une seule API et qui, selon les tableaux publiés par Sakana, égalerait Fable 5 et Mythos Preview d’Anthropic. L’idée est séduisante : contourner la concentration des fournisseurs par l’intelligence collective.

Sauf que, dans la vraie vie, les premiers testeurs indépendants rapportent autre chose.

S'abonner maintenant

Fugu Ultra : le benchmark ne raconte pas l’usage

Sakana Fugu n’est pas un modèle unique. C’est un orchestrateur. Vous envoyez une requête à un point d’entrée, et Fugu décide en interne quel(s) modèle(s) appeler, comment découper la tâche, et comment synthétiser les réponses.

Le concept est pertinent. Le problème, c’est ce qu’on ne voit pas.

> Orchestrateur : un système qui choisit et enchaîne plusieurs modèles spécialisés pour répondre à une demande, sans que l’utilisateur ait à le faire lui-même.

Vous ne savez pas quels modèles sont utilisés. Vous ne savez pas combien de tokens sont brûlés rien que pour coordonner la première action. Vous ne maîtrisez pas les coûts. Pour un développeur qui utilise déjà Claude Code, OpenCode ou Hermes Agent avec des agents et des modèles choisis explicitement, Fugu ressemble à un pas en arrière : on remplace le choix technique par un acte de foi.

Et les retours terrain confirment le doute.

Ethan Mollick, qui teste beaucoup d’outils créatifs en public, a fait tourner Fugu Ultra-high sur des scènes interactives et des shaders. Résultat : près de 30 minutes d’attente, une sortie qualifiée de « fine », mais qui ne matchait pas Fable en pratique. D’autres testeurs mentionnent une consommation de tokens élevée, une latence importante et des résultats inconsistants.

Ce n’est pas un échec. C’est un rappel.

Un benchmark est une photo. L’usage réel est un film.

Quand Sakana dit « on égale Fable », elle dit en réalité : « une équipe d’autres modèles publics arrive à rivaliser avec Fable sur certaines tâches de benchmark ».
C’est déjà intéressant. Ce n’est pas ce que le titre de presse laisse entendre.
—

Ornith-1.0 : le nouveau né open-source

Pendant ce temps, DeepReinforce a sorti Ornith-1.0, une famille de modèles open-source dédiée au code. Les annonces affirment qu’il approche, voire dépasse, Claude Opus 4.7 sur certains benchmarks de programmation.

Cette fois, on a une différence majeure : les poids sont publics. Vous pouvez télécharger les versions 9B ou 35B sur Hugging Face/Ollama. Des quantifications GGUF existent pour les faire tourner localement via Ollama. Vous n’avez pas à croire sur parole.

> GGUF : un format de modèle compressé qui permet de faire tourner un LLM sur une machine locale, même sans GPU très puissant.

Là où Fugu vous demande de confiance, Ornith vous donne la clé du capot.

Naturellement, les benchmarks de DeepReinforce sont probablement sélectionnés pour mettre le modèle en valeur. Mais le point n’est pas de savoir qui a le meilleur score. Le point, c’est que vous pouvez l’intégrer dans votre workflow, le mesurer sur vos propres tâches, et voir s’il vaut mieux qu’un modèle propriétaire pour ce que vous faites.

C’est rarement le leaderboard qui décide. C’est votre terminal.

—

Prometheus : 12 milliards de dollars, combien de démonstrations ?

Jeff Bezos a levé 12 Md$ pour Prometheus, une startup censée construire un « ingénieur général artificiel » pour le monde physique. Valorisation : 41 Md$. Objectifs affichés : aérospatial, automobile, puces.

Le montant est colossal. Les démonstrations publiques, en revanche, sont quasi absentes. À ce stade, Prometheus est davantage une thèse d’investissement qu’un produit que l’on peut évaluer.

Ce n’est pas un rejet. C’est une question honnête : avant d’appeler ça un tournant de l’IA industrielle, que peut-on vraiment faire avec aujourd’hui ?

S'abonner maintenant

—

Cette semaine, deux visions se sont affrontées.

D’un côté, des annonces spectaculaires : orchestrateurs qui battent des records, modèles industriels financés à coups de milliards. De l’autre, une réalité plus terre-à-terre : lenteur, coûts non maîtrisés, manque de transparence, absence de preuves d’usage.

La leçon n’est pas que ces outils sont inutiles. C’est qu’il ne faut plus accepter un benchmark comme preuve d’adoption.

❌ Ne pas croire un score sans l’avoir testé sur sa propre tâche.

❌ Ne pas confondre « accessible via API » et « maîtrisable en production ».

✅ Dans plusieurs cas métiers, privilégier ce qu’on peut auditer, héberger, mesurer et dans d’autres, s’en remettre aux modèles fermés qui prouvent leur supériorité.

—

As-tu testé Fugu Ultra, Ornith-1.0, ou un autre modèle récent sur une tâche réelle ?

Raconte ton ressenti en commentaire. Pas le benchmark officiel : le temps d’exécution, le coût, le nombre de tentatives nécessaires, et surtout si tu referais la même chose demain.

Laissez un commentaire.

Partager

Artificial General Intelligence. L’IA qui pense comme un humain. Qui resout tout. Qui remplace tout.

C’est le fantasme. Le blockbuster. La promesse des conférences a 5 000 dollars la place.

Mais ce n’est pas la que la révolution a lieu.

LA RÉVOLUTION SILENCIEUSE

La vraie révolution est silencieuse. Elle ne fait pas de vidéos. Elle ne ressemble pas a Jarvis. Elle ne génère pas de fruits qui dansent.

Elle soigne.

Cette semaine, OpenAI et l’hopital pour enfants de Boston ont rouvert 376 cas de maladies genetiques rares. 18 diagnostics nouveaux confirmes. Des familles qui avaient tout essaye ont enfin une reponse. o3 Deep Research a lu la litterature medicale, relie les genes aux symptomes, propose des variants que les medecins n’avaient pas identifies.

Pas de spectacle. Pas de viral. Juste une preuve de plus que l’IA médicale sauve des vies dans le silence des laboratoires.

Ce n’est pas la que la révolution s’arrête.

---

LA ROBOTIQUE BASCULE

La robotique aussi change. Des robots répètent aujourd’hui des mouvements qui étaient autrefois trop complexes a programmer. Ce qui demandait des ingénieurs spécialises et des mois de calibration devient relativement simple.

Les mouvements repetitifs — saisir, placer, assembler, vérifier — sont aujourd’hui a la portée de la programmation par démonstration. Un opérateur montre le geste au robot. Le robot l’apprend. Il le reproduit. Il l’adapte.

Ce qui semblait magique il y a dix ans devient accessible. Et ça touche le travail de milliers de personnes. Pas demain. Maintenant.

---

LES AGENTS A L’ÉCHELLE

Et puis il y a les agents. Pas l’agent conversationnel qui te répond sur ChatGPT. Les vrais agents. Déployés a l’échelle.

Un expert. Une configuration longue et minutieuse. Et dix sous-agents qui exécutent en parallèle. Chacun sait ce qu’il doit faire. Chacun a ses outils. Chacun rend compte.

❌ Ce n’est pas magique. Ça ne marche pas du premier coup.

✅ Mais une fois que c’est bien fichu, un seul expert produit au niveau de dix. L’efficacité est phénoménale.

La configuration prend du temps. Il faut définir les rôles, les outils, les sorties, les garde-fous. Il faut tester, corriger, re-tester. C’est du travail d’architecte, pas de magicien.

Mais quand c’est en place, l’agent ne fatigue pas. Il ne fait pas de pause café. Il ne se trompe pas deux fois au même endroit. Il exécute.

---

LE FANTASME DE L’AGI

L’AGI est le fantasme qui distrait. On attend le super-héros. Le cerveau parfait. La machine qui pense.

Mais le vrai changement vient de l’IA appliquée avec précision la ou ça coince. Dans les hôpitaux, ou elle diagnostique ce que les médecins n’ont pas vu. Dans les usines, ou elle reproduit des gestes qui coutaient des milliers d’heures. Dans les bureaux, ou elle exécute des workflows que des équipes entières peinaient a tenir.

Ce ne sont pas des histoires de science-fiction. Ce sont des rapports d’activité. Des bilans trimestriels. Des cas cliniques.

---

LE VRAI PROBLÈME

Le vrai problème n’est pas que l’AGI n’arrive pas assez vite. Le vrai problème est que nous passons notre temps a commenter l’IA au lieu de l’utiliser.

Dix lignes sympathiques sur LinkedIn. Un thread viral sur Twitter. Une vidéo YouTube qui parle de nouvelles techno formidables.

C’est du bruit. Du bruit qui masque le signal.

Parce que les vrais benefices, ce n’est pas ce qu’on raconte. C’est ce qu’on obtient en testant, en exécutant, en se trompant, en comprenant, en se perfectionnant.

Tu peux lire 100 posts sur l’IA. Si tu n’as pas fait la moitie de l’exécution, tu n’as aucune information a toi. Rien que tu puisses utiliser dans ton domaine.

---

LA QUESTION QUI COMPTE

La révolution n’attend pas que l’AGI arrive. Elle est déjà là, dans les hôpitaux, les usines, et les workflows de ceux qui ont choisi de construire au lieu de commenter.

L’IA a-t-elle déjà eu un impact dans ton activité ?

Si oui, lequel ? Et comment tu l’améliores ?

> « Ce qui compte, ce n’est pas l’IA que tu attends. C’est l’IA que tu déploies. »

---

CE QUE JE FAIS

Je ne cherche pas l’AGI. Je cherche l’application précise.

Dans mon workflow, j’utilise des agents pour generer des videos, rediger des articles, structurer des recherches. Ce n’est pas spectaculaire. C’est du travail quotidien. Mais c’est du travail qui aurait pris dix fois plus de temps il y a un an.

Je teste chaque semaine un nouvel outil. Pas pour en parler. Pour l’utiliser. Pour voir si ça accélère mon travail. Pour comprendre ses limites. Pour intégrer ce qui marche et rejeter ce qui ne marche pas.

C’est lent. C’est discret. Ça ne fait pas de viral.

Mais c’est la que la valeur se crée. Et le fait que vous soyez en train de me lire aujourd’hui est aussi le fruit de ce travail, alors merci.

---

L’AGI est un fantasme utile. Il mobilise. Il finance. Il fait rêver.

Mais la vraie révolution est silencieuse. Elle a lieu dans les laboratoires médicaux, les chaines de production, les bureaux ordinaires. Elle est portée par ceux qui testent, qui exécutent, qui apprennent.

Ne cherche pas l’IA parfaite. Cherche l’IA que tu peux utiliser aujourd’hui. Et utilise-la.

Laissez un commentaire.

Partager