Avec tout le jargon qui existe autour des métiers techniques qui implique ou non de l’intelligence artificielle on peut se sentir confus par rapport à ce qu’on doit mettre comme compétences sur son CV vis-à-vis de l’emploi visé.

Donc plutôt que de te donner des listes de mots qui pourraient ne même pas avoir de sens par rapport au poste que tu vises En adéquation avec les compétences que tu es en train d’acquérir en IA. Je vais te montrer dans cet article comment rendre ton expertise plus visible sur ton CV et si c’est le genre de sujet que tu apprécie lire, penses à t’abonner pour les recevoir directement (^_~)

S'abonner maintenant

Distinguer ce qu’il faut reformuler, prouver ou apprendre

De manière générale lorsque j’accompagne une personne ou que je me fais des sessions d’amélioration de mon propre CV je constate qu’on se retrouve généralement dans 3 situations différentes vis-à-vis d’un poste, soit :

Si ce sont des éléments qui te semblent abstrait tu peux regarder mes articles précédents dans lesquels j’explique comment faire une première expérience pro en IA en faisant le lien entre ton quotidien professionnel et les outils existant.
Ce qui est important à ce niveau, c’est la transparence totale.
Si au terme d’une analyse CV-offre, une compétence demandée dans le poste manque parmi tes compétences acquises, il vaut mieux accepter le fait qu’il faudra se donner du temps et de la pratique pour l’obtenir et se préparer à allouer ce temps de montée en compétences plutôt que de forcer.

Le meilleur conseil que je peux te donner sur la présentation de tes réalisations est de suivre la structure suivante :

• Parle du livrable qui était attendu

• Des moyens que tu as employés pour atteindre ce livrable

• Du choix que tu as fait parmi les possibilités existantes

• Et surtout du résultat obtenu où de l’impact qui a été observé.

J’insiste particulièrement sur ce volet, ne te laisse pas flatter ou avoir l’impression de maîtriser une chose parce que l’IA te l’a expliqué.
Comprendre n’est pas maitriser.
Dès que les questions techniques se mettront à fuser de partout tu vas probablement te décomposer et ce n’est pas ce que je souhaite pour toi.

Utiliser le prompt sans lui déléguer la vérité

Ici plutôt que de prétendre qu’en un seul prompt je vais reproduire le système ATS d’une entreprise alors que ce n’est factuellement pas faisable (parce que ces systèmes varient d’une entreprise à une autre) et que aucun pourcentage obtenu en condition de test n’est une preuve du pourcentage exact de l’autre côté.
Ce que je vais te partager c’est un prompt qui va te permettre d’avoir une analyse expliquée de l’écart entre ton CV et le poste, vis-à-vis des mots-clés de l’offre que tu vises et des attendus. Puis, il te proposera des suggestions de réécriture après validation.
Si tu penses à une personne qui en aurais bien besoin c’est le moment de partager, on ne garde pas les bonnes choses dans son coin 😝

Partager

Prompt dans le canal de la communauté 😉

Garde uniquement ce que tu peux défendre

Au terme de l’analyse, vise d’abord les corrections prioritaires Celle qui s’aligne réellement par rapport aux expériences que tu as eu Elle n’essaie pas d’avoir un profil artificiellement parfait.

Une lacune identifiée peut clairement devenir le prochain sujet de montée en compétences, plutôt qu’un mot-clé à ajouter immédiatement.

Je peux te confirmer de par mon observation personnelle ou celle que j’ai faite de mes clients, lorsqu’on se retrouve en entretien de recrutement et qu’on se met à parler d’une expérience réelle, notre posture et notre assurance le reflète totalement.
Et quand on parle des compétences que nous devons encore développer ça montre que nous avons une certaine conscience de nous-mêmes et que nous n’essayons pas d’être parfaits pour être accepté sur ce poste.

Si ce genre de transparence rejoint tes valeurs pro et perso, abonne-toi.

S'abonner maintenant

Est-ce que cette analyse t’a été utile ? Si oui, comment ? Et qu’est ce qui t’aiderais davantage ?
Sache que j’ai pris beaucoup de plaisir à le rédiger et si tu viens de me découvrir, n’hésite pas à t’abonner pour plus de conseils pour réellement exploiter l’IA avec ton expertise.

Laissez un commentaire.

S'abonner maintenant

A l’ère de l’intelligence artificielle énormément de domaines sont en train de changer, certains sont en train de disparaître et d’autres sont en train de naître. Si aujourd’hui ce que tu fais comme métier ne réponds plus à qui tu es alors cet article est fait pour toi. Je vais te donner des pistes solides à partir de ton CV, tes préférences et tes contraintes de temps pour réaliser une transition professionnelle qui fait sens pour toi.

1. Pourquoi ton CV ne suffit pas pour préparer une transition professionnelle

A. Distinguer une compétence d’une envie

Le fait de savoir faire une activité ne signifie pas forcément qu’on veut en faire son activité principale et ce, quelque soient tes motivations professionnelles.

Au cours de mon cursus personnel j’ai travaillé autant dans le domaine de l’électricité, des systèmes embarqués que dans le monde du freelance particulièrement dans le numérique, la gestion de communautés, la chefferie de projet, mes cours particuliers pour professionnels ou scolarisés et si cela m’appris une chose c’est que mon épanouissement personnel vient de la combinaison d’une croissance personnelle accrue (donc je dois apprendre de nouvelles choses) et je dois transmettre cette chose aux autres personnes qui vont en avoir besoin.

Il m’a fallu du temps et beaucoup d’introspection pour arriver à ce constat, identifier mes compétences transférables et les unir pour me positionner tel que je suis aujourd’hui. Si aujourd’hui mon quotidien de travail est de la conception de solution IA et de la chefferie de projets dans le même sujet c’est parce que c’était la continuité naturelle sur la base de mon introspection.

Pourquoi est-ce que je te parle de ça ?

C’est parce que je sais que tout le monde, n’a pas forcément le temps, la vision 360° de son propre parcours mais aussi un regard profond sur qui on est au-delà de son CV pour le réaliser. Et c’est pour ça que je te préparé ce qui suit.

B. Montrer ce qu’une analyse de CV peut oublier

L’analyse du CV d’une personne est une porte d’entrée intéressante vers elle et son projet professionnel, on peut y retrouver les soft skills (tout ce qui est de l’ordre compétences humaines), les hard skills (tout ce qui va être de l’ordre des techniques). Mais en réalité il manque tout un pan de tes aspirations :

· Ce que tu aimes (qui te fait sourire presque bêtement et que tu pourrais réaliser sur plusieurs heures sans voir le temps passer)

· Ce qui t’ennuie ou te fait t’arracher les cheveux, ce qui te donne l’impression d’entendre tes poils pousser littéralement sur ta peau

· Ce que tu ne veux plus faire c’est-à-dire les conditions dans lesquelles tu ne veux plus travailler, les sujets sur lesquels tu ne veux plus travailler.

· Ce qui doit être réunis pour ton épanouissement professionnel

Sans ces éléments une simple analyse de CV peut donner une certaine compréhension de ton projet professionnel, mais passer totalement à côté de ce qui te représente réellement.

2. Comment utiliser la recherche approfondie pour explorer trois pistes

A. Faire préciser le projet avant de chercher

Si tu m’as bien suivi tu sais probablement ce que je vais te partager à cette étape. À ce niveau, il va falloir faire une recherche approfondie en toi pour identifier tes envies, aspirations et compétences transférables. Au terme de cette liste, tu pourras regarder avec confiance ton prochain poste et expliquer avec certitude lors d’un entretien ou simplement autour d’un verre avec des amis pourquoi ce poste te nourrit profondément par rapport à d’autres options sur le marché.

Voici les questions que tu dois te poser et y répondre, sans artifices

• Ton poste actuel, expériences et réalisations ;

• Tes activités aimées et refusées (sur toute ta carrière et même en hobby);

• Tes ambitions et domaines à explorer ;

• Ta mobilité et télétravail ;

• Quel profil : salariat, indépendance ou ouverture aux deux ;

• Ta rémunération minimale ;

• Ton temps disponible pour apprendre (et oui, qui dit nouveau poste dit apprentissage) ;

• Ta durée envisagée pour la transition.

B. Emplacement et cahier des charges du prompt

Le prompt est relativement long donc je le mets gratuitement dans le chat de la communauté. Copie-colle le dans l’IA que tu utilises au quotidien et pense à activer l’option “recherche approfondie”.

S'abonner maintenant

3. Trois pistes ne sont pas encore une décision

A. Expliquer comment utiliser le résultat

Il faut comprendre que les résultats obtenus ne sont pas des décisions immédiates mais en réalité des pistes. Et qui dit piste demande « qualification de piste ».
A ce niveau je vais fortement t’encourager à te renseigner sur la réalité du métier, qu’est-ce que ça implique en termes de responsabilité, qu’est-ce qui est attendu en termes de décisions lorsqu’on occupe ce poste ? Et quelles sont les compétences techniques recherchées pour les individus qui occupent ce poste ?

La question ne doit donc pas être seulement « est-ce que je pourrais occuper ce poste » mais surtout « est-ce que j’ai envie de vivre ce quotidien ? ».

Et je me permets de te faire une suggestion très intéressante, questionne les personnes qui occupent déjà ces postes. N’hésite pas à en contacter sur LinkedIn et à leur demander sans rentrer dans le confidentiel du poste : « qu’est-ce que ça implique au quotidien. »

B. Posture en entretien

Tu te demandes probablement comment est-ce que j’en parle en entretien ?
Comment défendre ma posture parce que je suis en train de passer de mon poste actuel vers ce poste et parfois c’est une coupure totale
Eh bien il s’agit du sujet d’un article que je vais bientôt publier. L’idée étant de te montrer comment en entretient faire le lien entre ce que tu faisais avant et ce nouveau poste que tu souhaites occuper et pour lequel tu as fait des recherches et est monté en .

C. Pistes explorées

Je suis curieux de savoir qu’est-ce que tu as obtenu comme résultats, est-ce que tu as été surpris ?
Est-ce que les postes que tu as vus t’étais familiers ?
Est-ce que tu sens qu’ils te correspondent ou pas du tout ?
Et surtout quels sont les points que tu aimerais que je détaille davantage ? Je serais ravi d’en faire un 2^nd article 😊.

Laissez un commentaire.

Partager

S'abonner maintenant

Ces dernières semaines, l’affaire de l’écrivain canado-haïtien Thélyson Orélien a relancé ce débat. Son roman « C’était ça ou mourir » a été retiré de la sélection du prix Goncourt après des accusations d’utilisation d’IA et de plagiat. L’auteur nie avoir utilisé l’IA pour écrire son texte. Des analyses, dont certaines fondées sur Pangram, ont alimenté la controverse. Controverse vécue sous d’autres cieux par plusieurs créatrices & créateurs sur Substack qui se sont plaintes de voir leur texte associé à l’IA par Pangram après avoir passé 2h à le rédiger !

Je ne vais pas essayer de décider ici qui a raison ou tort.

La vraie question, pour moi, est :

« Quand un contenu a été créé avec l’aide de l’IA, comment reconnaître, expliquer, assumer l’apport humain et apprécier le contenu produit ?

Le débat ne devrait pas être « IA ou humain »

C’est le même sujet que dans les études ou dans le monde de la recherche. Le problème n’a jamais été d’utiliser des références.
Le problème est soit de reprendre une idée ou un texte sans citer sa source, sans comprendre ce qu’on avance et sans pouvoir défendre son propre apport, soit de prendre tellement de références que ton apport original n’existe tout simplement plus.

L’IA rend cette exigence encore plus urgente.

On parle souvent du contenu créé par IA comme s’il n’existait que deux options, d’une part : l’humain qui écrit, crée, code ou dessine seul et de l’autre : une machine qui produit tout de A à Z.

Mais dans la vraie vie, les usages sont beaucoup plus nuancés et intriqués l’un dans l’autre.

Une IA peut t’aider à rechercher des sources, structurer une idée, proposer un premier plan, reformuler un passage, créer une image, écrire une fonction de code ou préparer une première version de document.

Utiliser cette aide ne rend pas automatiquement ton travail vide. Par contre signer un document dont tu ne saurais parler ou défendre sans recourir à l’IA est une erreur.

Les trois niveaux à distinguer

1. Quand l’IA regroupe les références

À cette étape tu utilises l’intelligence artificielle pour t’aider à regrouper toutes les références dont tu auras besoin pour réaliser la tâche dont tu as la responsabilité.
Qu’il s’agisse d’infos sur des mises à jour sur des logiciels, de regrouper des documents scientifiques (mémoires, rapports….) de te fournir des infos par RAG dans des docs internes.

Clairement à ce niveau tu n’as pas besoin de faire mention de l’IA. Ces données elles existaient, tu as accéléré le process par lequel tu les récupérais et tu as réalisé ton activité par la suite.

2. Quand l’IA te sert à structurer

À cette étape il ne s’agit plus simplement de t’apporter des références mais de t’aider à structurer ta pensée. Cette phrase sous-entend donc que ta pensée est déjà formalisée et que le contenu que tu souhaites transmettre l’est également.
Tu souhaites une assistance sur la manière dont tu vas transmettre ce contenu, cela peut se présenter sous forme d’aide à la rédaction de mail, à la rédaction de documents, pour décider d’une charte graphique…
À ce niveau je considère qu’il s’agit de ta réflexion qui ensuite a été renforcée en utilisant l’IA.

3. Quand l’IA réalise une part du contenu

Ici, elle produit directement une part ou l’entièreté du livrable final : un texte, un code, une image, une vidéo, une présentation ou un prototype. Jusque-là si tu me suis bien je pense que tu vois déjà où je veux en venir. Lorsque les références, la structuration et le contenu ont été rédigé sans que tu ne donnes la moindre orientation approfondie, on peut déjà considérer que ce contenu il a été rédigé par l’intelligence artificielle et là il y a une exigence de transparence totale.
Ce niveau se retrouve dans plusieurs domaines notamment dans la programmation, dans la génération de vidéos, d’images, dans la génération d’audios et de différentes formes de musique.
On peut d’ailleurs retrouver plusieurs hashtags sur les réseaux qui permettent de déclarer de manière transparente que le contenu que l’on s’apprête à voir a été généré à l’aide de l’intelligence artificielle (#seedance #aicreator #kling #veo, j’en passe et des meilleurs...)

Mais tout ceci m’amène à te poser une question :
« Lorsqu’un contenu t’a ému, transporté, éduqué ou fait vibré, est-ce que ce sentiment doit être ignoré ou rejeté parce que l’IA a servi dans le processus de création ? »

S'abonner maintenant

La transparence ne doit pas être une punition

Substack a intégré Pangram pour proposer une estimation du degré d’assistance IA dans les textes publiés sur la plateforme. L’objectif affiché est d’aider les lecteurs à comprendre comment un contenu a été produit, pas de transformer chaque détection en verdict automatique sur la valeur ou l’honnêteté du contenu.

Cette logique me paraît saine mais ne devrait pas être un gage absolu d’utilité du contenu partagé.

Le lecteur, le client ou le recruteur ne demande pas forcément un travail sans aucun outil. Il veut savoir ce qu’il peut attribuer à ton expérience, à ton jugement et à ta responsabilité.

Et toi, qu’en penses-tu ?

Laissez un commentaire.

S'abonner maintenant

On entend souvent qu’il faut savoir utiliser l’IA pour rester compétitif.

C’est vrai, en partie. Mais cela l’est encore plus quand on peut parler de ses échecs en IA sans édulcorer la situation.

Il se peut que ce soit un projet qui a passé la conception mais qui finalement n’a pas été exécuté ou qui n’a pas été adopté sur le terrain. De part ton expertise et ta vision du terrain ou de ce que cela allait impliquer comme changement tu as décidé de ne pas le mettre en application.
Partager ce genre d’expérience est une mine d’or lorsque tu te retrouves en entretien.

Cela peut paraître contre intuitif mais il est profondément humain de pouvoir se retrouver dans les erreurs que les autres ont commises.

Ce que beaucoup cherchent à prouver

Beaucoup de candidats veulent montrer qu’ils savent automatiser, générer, analyser ou construire plus vite. Alors ils parlent de leurs outils et partagent leurs expériences.

Qu’on se comprenne bien, ce n’est pas inutile. Mais une entreprise a également besoin de personnes qui savent dire « NON », ceci ou cela ne devrait pas se faire.

Et au-delà de l’aspect humain par lequel on se reconnaîtra en toi il y a également l’aspect financier et ressources humaines. Une personne qui est capable de dire non X ou Y ne peut pas être réalisé c’est une personne qui fait gagner de l’argent indirectement à son entreprise de par sa capacité à éviter d’investir dans un POC ou non. Et cette décision reste la tienne.

L’expérience qui m’a appris à m’arrêter

Il faut savoir que lorsque je forme des gens ou que je partage des newsletters (comme celle-ci) je suis naturellement à l’écoute avant le partage.

Mais en entretien je devenais différent, je devais prouver, je me disais devoir être infaillible sur mon sujet pour avoir le poste.

C’est donc lors d’un entretien dans lequel je discutais avec une personne qui avait plus d’expérience que moi sur mon domaine d’expertise que j’ai appris à prendre ce recul.

Cette personne m’avait mis face à une situation technique concernant un outil que des ressources humaines allaient utiliser. Il m’a présenté le besoin technique et une information que je n’avais pas considéré au départ qui est que l’entreprise réalisait moins de 3 recrutements à l’année.

Je me suis élancé dans la description technique de la solution parce que je l’avais déjà résolue mentalement en associant les outils que je connaissais et que je maîtrisais à cette époque. Il m’a gentiment arrêté et demandé combien de temps est-ce qu’il faudrait pour rentabiliser cette solution.
Et c’est là que j’ai connecté immédiatement entre le nombre de recrutements faits à l’année et le temps que cela va me demander pour concevoir cette solution.

Cela aurait pris près d’une trentaine d’années.

Même si cet entretien s’est bien déroulé et que j’ai été accepté, j’ai profondément gardé cette expérience qui m’a servi dans d’autres entretiens de ma carrière par la suite, parler de cette expérience en entretien démontre que je peux :

• écouter un besoin sans l’accepter tel quel ;

• évaluer sa pertinence avant de produire ;

• distinguer une possibilité technique d’une décision utile ;

• assumer une recommandation qui ne mène pas forcément à la plus grosse solution.

S'abonner maintenant

Ce que tu peux retenir pour ton propre parcours

Ce que tu peux faire dès aujourd’hui c’est te demander quelles sont les situations dans lesquelles des idées de projets t’ont été proposées/des fonctionnalités voulaient être rajoutées et tu as été capable au terme de ta compréhension du contexte de dire si oui ou non il aurait été pertinent de les faire.
Une fois que tu identifies ces expériences pose toi la question de la pertinence de l’intelligence artificielle si elle avait été proposée dans le même sujet comme fonctionnalité ou alternative.
Qu’aurais-tu décidé ?
Je suis conscient que répondre à cette question implique que tu aies un minimum de connaissances de ce que l’intelligence artificielle peut faire dans ton domaine. Si ce n’est pas encore le cas, je t’invite à lire mon article sur comment te préparer à ces sujets en entretien. de tes usages en IA.

Pas besoin de chercher un échec spectaculaire. Tu dois simplement apprendre à observer la frontière entre une solution impressionnante et une solution réellement pertinente.

La prochaine fois qu’on te demandera comment tu utilises l’IA, ton expérience ne se résumera pas à : « Je sais faire ceci avec tel outil. »

Tu pourras parler de ce test ou de cette situation dans laquelle l’IA n’était simplement pas pertinente.

Tu te sentiras plus vrai.e et plus confiant.e en ton expertise 🧡.

Laissez un commentaire.

S'abonner maintenant

Je ne connais pas tous les modèles d’IA qui existent à ce jour. Encore récemment un modèle basé sur la décision rapide « Jev » a vu le jour et énormément de tests ont été faits sur le sujet. Je n’ai pas encore eu à les faire moi-même parce que je n’avais pas de cas intéressants à tester avec (ce point a récemment changé, je vous en parlerai plus tard) mais revenons à l’article.

Les meilleurs modèles pour répondre à un délivrable que vous avez décidé de produire peuvent énormément varier d’une semaine à une autre ou d’un mois à un autre.

Réaliser une veille permanente sur tous les sujets est épuisant, on finit noyé sous un océan d’information et cette information n’étant jamais reliée à l’une de nos activités réelles du quotidien ne passe jamais en production.

Et tout ce que le cerveau n’utilise pas, il l’oublie….

Avant de choisir un modèle ou une plateforme, il faut donc revenir à ce que tu produis réellement ou que tu t’apprêtes à produire.

Pars du travail, pas de l’outil

« Qu’est-ce que je produis ou vais-je régulièrement produire dans mon métier ? »

En fonction des tâches de ton quotidien ou de ce que tu souhaites produire pour un nouveau délivrable , tu peux te retrouver à utiliser les outils que tu ne connaissais pas, de Minimax H3 à Heygen en passant par un LLM comme ChatGPT, les possibilités bien que multiples ne répondent pas toutes au même besoin.

Voici les éléments que tu dois absolument identifier :

• tes livrables récurrents ;

• tes tâches qui prennent du temps ;

• tes étapes répétitives ou mécaniques ;

• tes étapes qui exigent son jugement ;

• tes points où les erreurs ont un coût élevé ;

• tes informations sensibles ou confidentielles.

Crois-moi une fois cette étape réalisée tu te rapproches d’un système qui te permettra chaque mois de connaître les nouveautés réellement utiles pour ton domaine et que tu pourrais potentiellement tester pour voir ce qu’elles valent par rapport à ta pipeline actuelle.

Transforme un livrable en fiche de besoin

Les subtilités du besoin vont fortement impacter ce qui devra être choisi comme outil par la suite. Même pour générer une image, deux modèles ayant la même fonction de génération ne vont pas fournir la même qualité de résultat.

Exemple à développer → « Je veux une vidéo de 20 secondes pour expliquer X phénomène scientifique» reste flou.
→ Faire passer en : « Je veux une vidéo verticale de 20 secondes, en 2D, pour expliquer X phénomène scientifique à des prospects non techniques, avec un ton clair, un univers de marque cohérent, sans données clients, et un premier test évalué sur la compréhension du message. »

Là nous pouvons passer au système qui te permettra de connaître les outils qui y répondent le mieux actuellement sur le marché.

Cartographie : quoi, quand et qui ?

À cette étape nous avons fait un énorme travail, nous connaissons les éléments de ton activité qui impliquent un délivrable et quel est le niveau de qualité du délivrable souhaité. Utilise le prompt suivant, en recherche avancée et insère les éléments issus des étapes précédentes

Prompt à insérer

Tu es un expert en solutions numériques et outils d’intelligence artificielle, spécialisé dans l’analyse des besoins métier.

Fais une recherche approfondie pour identifier les outils qui peuvent aider à accélérer mon travail, tout en gardant le contrôle sur les décisions importantes.

Mon métier / domaine :

[INDIQUER]

Les livrables que je produis régulièrement :

[LISTE]

Ta mission :

1. Réécris les besoins pour t’assurer que tu les as bien compris. Sépare ce qui est clair de ce qui nécessite des précisions.

2. Pour chaque livrable, mets en évidence les étapes pouvant être soutenues par l’IA, et celles qui doivent rester sous l’œil humain.

3. Propose des catégories de solutions possibles : LLM conversationnel, outil spécialisé, assistant de code, génération d’image, génération vidéo, gestion de projet, automatisation, analyse de données, recherche, outil interne sécurisé, ou intervention humaine.

4. Pour chaque catégorie pertinente, suggère 2 à 4 outils ou services existants. Pour chacun, indique :

- l’usage concret qu’il peut remplir ;

- ses atouts ;

- ses limites ;

- les contraintes en termes de confidentialité, d’usage, de prix ou d’intégration à vérifier ;

- les situations où il ne serait pas adapté.

5. Ne recommande pas un outil uniquement parce qu’il est connu. Justifie toujours le lien entre le besoin, le livrable et l’outil.

6. Ne présente jamais une information incertaine comme une certitude. Si des fonctions, tarifs, disponibilités ou conditions d’usage ont changé, indique ce qui doit être confirmé auprès d’une source officielle.

7. Termine par un premier test réalisable en moins d’une heure : un livrable réduit, des données fictives ou anonymisées, des critères de qualité, une méthode de vérification et des conditions de fin si l’outil n’est pas adapté.

A noter que le résultat du prompt n’est pas une liste d’achats mais plutôt une porte d’entrée vers les éléments concrets en intelligence artificielle dont tu as besoin.

Le premier test, pas la nouvelle collection d’outils

L’objectif n’est pas de révolutionner le monde par le test qu’on s’apprête à faire mais de rapidement faire l’expérience des limites des outils et de voir où est ce qu’il est réellement utile. Je te propose de prendre note des éléments suivants :

“Temps réellement gagné par opposition au temps précédemment nécessaire, qualité du délivrable, quantité de correction avant validation, coût total,risques de confidentialité, capacité à répéter l’expérience.”

Un outil qui produit vite mais exige une longue correction ou pire, insère des éléments à risque en termes de qualité ne peux pas être considéré comme industrialisable dans ton quotidien.

De la curiosité à la maîtrise

Tu vas vite réaliser que le besoin n’a jamais été de connaitre tous les derniers modèles d’intelligence artificielle mais plutôt que d’identifier ceux qui ont un réel impact dans ton processus de réflexion ou de production, leurs limites, où est ce qu’il ne faut s’attendre à ce qu’ils réussissent ou non.

Les outils changent tous les mois. La capacité à choisir le bon outil, sur la base du bon objectif, elle, devient une expertise qui dure.

S'abonner maintenant

S'abonner maintenant

Elles n’étaient pas moins compétentes. Mais elles essayaient de reprendre mots pour mots mes formulations pendant leurs entretiens. Sans reformuler dans leur propre lexique, se réapproprier la formulation.

Avec l’IA, le risque est encore plus grand.

Tu peux lui demander de reformuler ton parcours, de rendre tes réponses plus professionnelles ou de préparer un discours complet.

Le résultat semblera souvent convaincant à l’écrit. Cependant en entretien, des questions inattendues peuvent (et vont) apparaitre, des questions telles que :

« Peux-tu me dire ce que tu as préféré/détesté dans cette expérience ? »

« Peux-tu me citer une fois où X ou Y n’a pas fonctionné ? »

« Pourquoi as-tu fait ce choix parmi tant d’autres ? »

Si tu as mémorisé une formulation qui ne vient pas de toi, tu risques de perdre tes mots.

Dans cet article je t’explique comment utiliser l’IA pour te préparer et garder ce qui fait de toi ton unicité à l’entretien (et après )

Utilise l’IA comme contradicteur

Évidemment que l’IA peut t’aider à préparer un entretien.

Elle peut analyser une offre, proposer des questions, jouer le rôle d’une RH ou d’un manager et repérer les endroits où ton récit manque de précision aussi bien vis-à-vis de toi que de la boite.

Mais elle ne doit catégoriquement pas :

· inventer tes expériences ;

· écrire un texte que tu apprends par cœur ;

· décider de ce que tu dois dire ;

· fournir des informations invérifiées sur l’entreprise ;

· recevoir des documents confidentiels.

Le meilleur usage de l’IA avant un entretien n’est pas d’écrire tes réponses : c’est de te poser les questions que tu préfères éviter afin de t’y préparer.

Voilà l’approche en 4 étapes que je te propose.

1. Choisis une offre

Prends une offre qui t’intéresse sur un site d’annonces (essentiellement le lien de la page ou tu enregistre la page en local). Elle peut concerner ton métier actuel, un poste que tu vises, une évolution possible ou une reconversion en cours.

Lis-la avec deux questions :

1. Quelles sont les missions les plus importantes ?

2. Où l’IA intervient-elle, directement ou indirectement ?

Tu peux repérer une mention liée à la génération de contenu, à la création d’images, à l’analyse, à la gestion de données, à l’automatisation ou à l’optimisation de processus.

Si aucune mention n’apparaît, ne force pas le sujet (on ne cherche pas à mettre de l’IA partout, pardi !).

Choisis simplement une mission pour laquelle un test avec l’IA pourrait être pertinent.

2. Choisis un seul test

Cette mission pourrait être :

· générer un visuel à partir d’un brief ;

· structurer des données fictives ;

· résumer des notes ;

· préparer une première grille d’analyse ;

· améliorer un contenu ;

· accélérer une tâche de code.

Le test doit être petit, mais réel.

Tu dois pouvoir observer ce que l’IA apporte, ce qu’elle oublie et ce que ton expertise doit corriger.

Tu peux utiliser ce prompt :

Voici une offre que je souhaite explorer :
[COLLER L’OFFRE]
Mon domaine d’expertise est :
[PRÉCISER]
Aide-moi à identifier une seule compétence ou mission liée à l’IA que je peux tester en moins d’une heure.
Explique-moi :
- ce que cette compétence signifie concrètement ;
- quel test simple je peux réaliser ;
- quelles données fictives ou anonymisées préparer ;
- quels critères utiliser pour juger le résultat ;
- quelles limites et quels risques surveiller. 
Ne me présente pas une hypothèse comme une exigence de l’offre.
Ne me propose pas de transmettre de documents confidentiels ou de données personnelles.

L’objectif n’est pas de produire une démonstration impressionnante.

C’est de vivre une première expérience que tu pourras expliquer.

3. Note ce que tu as appris

Pendant le test, note ces quatre éléments (surtout ce que tu ressens en tant qu’expert sur le sujet!) :

· ce que l’IA t’a permis d’accélérer ;

· ce qu’elle a mal compris ou généré de manière générique ;

· ce que tu as corrigé grâce à ton expérience ;

· ce que tu ne déléguerais jamais.

Non seulement ces notes te serviront pour l’entretien mais aussi elles pourront également devenir les premières traces d’un portfolio de transition : un cas testé, une situation analysée, un résultat commenté et une limite identifiée.

4. Simule l’entretien

Une RH, un manager et un responsable technique ne poseront pas les mêmes questions.

Précise donc le contexte à l’IA :

· le nom de l’entreprise ;

· le poste visé ;

· le texte de l’offre ;

· le type d’interlocuteur ;

· ton parcours ;

· le test que tu as réalisé.

Tu peux utiliser ce prompt :

Tu vas jouer le rôle de [RH / manager / responsable métier / interlocuteur technique] pour le poste suivant :
[INTITULÉ DU POSTE]
Entreprise :
[NOM]
Offre :
[COLLER L’OFFRE]
Voici mon parcours :
[ÉCRIRE QUELQUES LIGNES] 
Voici le test que j’ai réalisé avec l’IA :
[EXPLIQUER LE TEST]
Pose-moi une seule question à la fois.
Relance-moi lorsque ma réponse est trop vague et demande-moi des exemples précis.
Pose des questions adaptées à ton rôle et à l’offre.
Interroge-moi sur :
- mon parcours ;
- ma compétence métier ;
- mon usage de l’IA ;
- ce que j’ai vérifié ;
- les limites rencontrées ;
- la confidentialité ;
- ce que je garde sous mon contrôle. 
Ne rédige pas mes réponses à ma place.
À la fin, indique-moi ce qui est clair, ce qui manque de preuves et ce que je dois retravailler.
Si tu évoques une information récente sur l’entreprise, indique une source vérifiable. Sinon, précise que l’information doit être contrôlée.

Si ton outil dispose d’un mode vocal, utilise-le (pour une mise en situation poussée)

Réponds comme tu répondrais réellement.

Tu risques d’hésiter, de recommencer ou de constater que certaines choses sont encore floues. C’est bien, il vaut mieux que cela se passe entre tes 4 murs qu’en entretien. C’est précisément l’intérêt de l’exercice.

Ne mémorise pas les corrections

L’IA peut te proposer une formulation plus élégante mais cela ne signifie pas qu’elle est adaptée à ta manière de parler. Tu dois prendre le temps de te demander :

· Est-ce que je comprends vraiment cette suggestion ?

· Est-ce que ces mots me viennent naturellement ?

· Puis-je donner un exemple réel ?

· Puis-je expliquer cette idée sans notes ?

· Est-ce que je serais capable de la défendre si le recruteur insiste ?

Si la réponse est non, reformule à ta sauce. Sous stress, on reviens tous à notre vocabulaire habituel.

Il vaut mieux une phrase simple que tu maîtrises qu’un terme sophistiqué que tu risques d’oublier.

Laissez un commentaire.

Ton défi de la semaine

Choisis une offre et repère une compétence liée à l’IA.

Réalise un test simple puis fais une simulation orale de quelques minutes.

Ne cherche pas à impressionner l’IA, utilise-la pour identifier les endroits où tu dois gagner en expérience, en clarté ou en confiance.

Et partage en commentaire :

· la compétence que tu as décidé d’explorer ;

· ou la question qui t’a le plus déstabilisé.

Une réponse solide ne naît pas d’un prompt parfait.

Elle naît d’une expérience que tu peux raconter sans quitter tes propres mots.

Laissez un commentaire.

S'abonner maintenant

Un intitulé de poste peut cacher certaines missions dans une entreprise et en cacher d’autres ailleurs. Si nous convenons généralement des attendus sur les intitulés de poste, les missions réalisées et les solutions concrètement apportées lors de vos missions, elles, restent spécifiques à ton histoire et doivent être présentées tel quel.

En début 2026, j’ai testé quelque chose : donner mon CV détaillé (pas celui où on mets l’intitulé de poste sans décrire ce qui a été concrètement fait) à une IA et lui demander d’en extraire mes hard skills et soft skills par rapport à mon domaine spécifique.
Je lui ai donné carte blanche pour me poser toutes les questions d’approfondissement aussi (oui, on vous dit de bien prompter mais il est important de permettre à l’IA de vous poser davantage de questions sur une tache avant qu’elle s’y mette).
J’ai réalisé que certaines de mes compétences, certes présentent dans mon parcours, étaient restées “invisibles” sur mon Cv, donc jamais formalisées clairement.

Il m’a fallu moins d’une heure pour passer d’un CV “liste de postes et missions décrites” à une versions CV personnalisé, forte de ma personnalité et de mes expériences, décrivant l’avant-après chacun des postes que j’ai occupé.
De plus j’ai obtenu une cartographie claire de ce que je sais vraiment faire. Et sur cette base, la suite devient plus simple : les procédures standard à donner à une IA pour qu’elle m’épaule efficacement, les sujets sur lesquels je dois monter en compétence pour continuer d’exceller, les forces naturelles que j’ai et ce sur quoi je dois encore travailler…

Ce que cette expérience m’a appris

Une compétence qu’on ne sait pas nommer est une compétence qu’on ne peut pas défendre. Reformuler son parcours n’est pas se réinventer, c’est rendre visible ce qui existe déjà.

Petite précision importante avant de tester toi-même : désactive toujours le partage de données dans la section « Confidentialité » avant de soumettre ton CV à une IA. Ça prend 30 secondes, et ça évite que ton parcours serve à entraîner un modèle sans ton accord.

Le prompt de tâche :
CV → compétences → SOP → agent

Utilise ce prompt sur ton propre CV :

J'aimerais produire une cartographie claire de mes compétences à partir de mon CV, afin de clarifier mon positionnement professionnel, décrire avec les mots métiers de mon expertise chaque « Avant-après » des postes que j’ai occupé. Ceci afin d’identifier ce qui peut être assisté par un agent IA. Voici ma vision de départ : je veux extraire mes hard skills et soft skills, puis détailler un SOP (standard operation procedure) de ce qui pourrait être automatisé ou assisté par un agent métier.
Voici mon CV : [colle ton CV ou une capture lisible]
Étapes attendues :

1. Pose-moi toutes les questions d’approfondissement que tu jugeras nécessaire sur chaque poste précédent et les missions réalisées.
2. Extrais mes hard skills et soft skills de ce parcours.
3. Pour chaque compétence identifiée, indique si elle te semble pertinente pour être assistée ou automatisée par un agent IA.
4. Pour les compétences les plus pertinentes, détaille le SOP de ce qui pourrait être donné à un agent (contexte, outils, limites, livrable attendu).
5. Termine par une synthèse : quelle compétence serait la plus pertinente pour créer un premier agent métier testable rapidement ?

(Rappel pour toi : désactive le partage de données avant de soumettre ton CV.)

Exercice : de la cartographie au premier délivrable

Étape 1 — Poser toutes les questions nécessaires pour aller puiser au cœur de ton expertise : Cette étape permettra à l’IA de savoir ce que tu fais et a déjà fait et de le mettre en lumière (oui oui, même ce que tu penses « évident » pourrait être en réalité un levier dans ton métier)

Étape 2 — Extrais tes compétences. Utilise le prompt ci-dessus sur ton CV. Compare ce que l’IA identifie avec ce que toi, tu aurais nommé, tu vas probablement découvrir des compétences “invisibles” que tu n’avais jamais formalisées.

Étape 3 — Choisis une compétence à transformer en agent. Parmi celles que l’IA a identifiées comme “pertinentes pour être assistées ou automatisées”, choisis-en une seule (pas la plus complexe) juste une que tu fais régulièrement et dont tu connais bien les étapes.

Étape 4 — Détaille le SOP. En t’appuyant sur la méthode de la semaine précédente (cartographie → SOP), écris la procédure standard de cette tâche, comme si tu devais la transmettre à un nouveau collègue.

Étape 5 — Teste sur un vrai délivrable. Utilise ce SOP pour créer ton premier agent/GPT métier, et teste-le sur un cas concret. L’objectif n’est pas la perfection — c’est d’avoir un premier élément métier fonctionnel entre les mains.

Ton défi de la semaine

Fais cet exercice sur les trois prochains jours ouvrés. Extrais tes compétences de ton CV, choisis-en une à transformer en agent, détaille le SOP et teste sur un vrai délivrable.

Mets en commentaire ce que tu as testé et ce que tu as découvert (si quelque chose te bloque aussi dis le 😊). Je lirai chaque réponse, et certaines pourraient inspirer un futur article “avant/après”.

S'abonner maintenant

Si tu venais de recruter un junior, tu lui expliquerais calmement les process, les exigences et ce qui est attendu pour cette activité. Tu prendrais surement ton mal en patience s’il y a quelques bourdes, tu lui poseras des points d’amélioration et tu t’assurerais qu’avec le temps ce junior comprenne vraiment les enjeux de ton poste.

Mais pourquoi ne pas le faire avec l’IA ?

Cette année tu as surement entendu parler de développeurs qui ont testé Fable 5.0, le meilleur modèle d’Anthropic en ce moment. Ces personnes sont bonnes en dev, mais la cybersécurité n’est pas leur expertise première. Résultat : aucune faille cyber majeure n’a été trouvée et ils ont donc conclu : “du marketing.”

D’une autre part, un dev de chez Firefox a raconté comment ce même modèle, dans les mains de leur équipe cyber, a trouvé tellement de failles qu’ils n’ont eu aucun participant lors du hackathon où les gens tentent de leur montrer des failles pour un cashprize (les années précédentes ils avaient entre 3 à 5 participants qui étaient surs d’avoir identifié au moins une faille avérée). L’expert a même précisé qu’il ne serait pas capable, seul, d’en tirer les mêmes bénéfices que l’équipe cyber.

Ce que cet exemple révèle

Ce n’est pas le modèle qui fait la différence. Ce sont les procédures standard d’opération (contexte, exemple, rôle, outils, guarde-fous…) que tu lui donnes avant de lancer la première requête.

Ce que j’observe depuis longtemps, c’est que mes meilleurs résultats avec l’IA sont venus du fait que j’ai toujours pris un temps de réflexion, de cadrage, d’outils et d’objectifs avant de lancer l’IA.
Et quand je ne connais pas le métier cible ? Je m’informe, m’éduque et prends rdv avec des expert(e)s pour mieux comprendre leur monde.

Et c’est CE point qui fait échouer la majorité des gens en IA.

Soit ils disent : “je n’ai pas le temps de tester.” Soit : “l’IA est nulle, elle me donne des réponses fausses, c’est que de la com.”

C’est comme dire d’une jeune recrue qu’elle n’est pas experte dans ce qui lui est demandé, sans lui avoir donné toutes les infos. La seule différence, c’est qu’une fois que toutes les infos ont été posées, cette jeune recrue commence à t’épauler dans tes besoins métiers avec une précision proche d’un expert (voire mieux, en fonction des règles données et du modèle).

Si personne ne tient ce rôle d’exploration et cartographie dans ta boite sur ce sujet, il est nécessaire de prendre le temps de cartographier tes besoins, écrire des procédures standard d’opération (SOP) en anonymisant pour y associer l’IA par la suite. Sans ces deux premiers volets, l’IA reste une assistance agréable sur plusieurs sujets, incompétente quand l’expertise est poussée.

Tu n’as pas besoin de repartir de zéro. Tu as juste besoin d’écrire ce que tu fais déjà.

Diagnostic : où en es-tu avec ta propre cartographie ?

Prends cinq minutes et réponds à ces trois questions, appliquées à ton métier actuel :

· As-tu déjà listé par écrit les étapes précises d’une tâche récurrente que tu produis régulièrement ? (Pas “je fais un rapport”, mais “j’ouvre tel fichier, j’extrais telles données, je les croise avec telles sources, je rédige selon tel plan, je vérifie tels points avant envoi.”)

· Si oui, cette liste est-elle assez précise pour qu’un nouveau collègue puisse reproduire la tâche sans te poser de questions ?

· As-tu déjà transmis ce type de procédure à une IA pour tester si elle peut t’épauler sur cette tâche ?

Si tu as répondu “non” aux 3 questions, tu es exactement là où la plupart des professionnels en sont aujourd’hui et c’est une bonne nouvelle. Ça veut dire que tu as certainement déjà l’expertise (oui j’ai confiance en tes compétences 😉 ), il te manque juste la formalisation.

Exercice : rédige ta première SOP

Choisis une seule tâche récurrente de ton métier, pas la plus complexe, pas la plus stratégique, juste une que tu fais régulièrement et dont tu connais bien les étapes.

Étape 1 — Cartographie. Note par écrit, dans l’ordre, toutes les étapes par lesquelles tu passes avant de produire ce livrable. Sois précis : on sous-estime presque toujours le nombre réel d’étapes et le temps qu’elles prennent.

Étape 2 — Transforme en SOP. Reformule chaque étape comme une instruction claire, reproductible par quelqu’un d’autre. Exemple : au lieu de “je fais le rapport”, écris “j’ouvre le fichier X, j’extrais les colonnes A à D, je les croise avec la source Y, je rédige selon le plan Z.”

Étape 3 — Teste avec une IA. Transmets cette SOP à une IA et demande-lui de t’assister sur cette tâche. Voici des exemples concrets par métier :

· Coding : rassemble les frameworks que tu utilises, communique-les à l’IA avec ta SOP, et teste sur un bout de code précis.

· Copywriting : fournis tes trois meilleurs mails (ceux qui ont le mieux chiffré avec tes clients ou dans ton entreprise) avec ta SOP de rédaction, et demande à l’IA de produire une variante dans ce style.

· Visuels : rédige ta direction artistique, fournis les meilleurs visuels dont tu disposes, décris le process par lequel tu les crées, puis teste.

· Comptable : utilise l’IA pour analyser des données que tu comprends déjà, ou pour générer des formules Excel qui reflètent les formules que tu connais déjà.

Étape 4 — Compare. Regarde ce que l’IA produit avec ta SOP vs ce que tu aurais fait seul. Tu vas probablement découvrir deux choses : dans un premier temps que ta SOP révèle des étapes que tu faisais “automatiquement” sans y penser ; ensuite, que l’IA peut vraiment t’épauler, mais seulement si le cadre est posé.

Partager

Ce que tu gagnes à faire cet exercice

Tu maximises sur ce que tu sais déjà faire et tu transformes cette expertise en un levier reproductible. C’est exactement ce qui fait la différence entre une IA qui fait des trucs « sympa » et une IA “presque experte” qui t’assiste réellement.

Et si ça rate, tu as une expérience précieuse qui te rends unique dans ton domaine : connaitre les limites de l’IA. (n’hésite pas à me dire en commentaire ce qui a marché ou non pour toi, je serai ravi d’aider)

Laissez un commentaire.

S'abonner maintenant

S'abonner maintenant

Je devais trancher sur un sujet sensible, sans disposer de tous les outils nécessaires pour le faire seul. J’ai utilisé Claude pour m’épauler. Au début, c’était formidable : j’avançais à pas de géants, chaque suggestion semblait affiner ma réflexion plus vite que je n’aurais pu le faire seul.

Puis j’ai commencé à observer quelque chose. Certaines valeurs suggérées ne collaient plus du tout à la réalité de l’activité en cours. Plus j’examinais ses réponses, plus j’avais l’impression que ce qu’on construisait ensemble devenait infaisable. A ce moment, si j’avais insisté, j’aurais fini avec des valeurs aberrantes, non contextuelles et indéfendables face aux commanditaires du délivrable(et on ne parle même pas encore de code).

C’est là que la majorité des personnes s’énervent, reformulent leurs prompts, ne voient pas d’améliorations directes, traitent l’IA de tous les noms d’oiseaux et vont s’en plaindre à qui veut l’entendre (LinkedIn inclus 😆 )

J’avais la certitude que tout n’était pas à jeter dans les propositions de Claude, juste qu’il y avait un moment précis à partir duquel j’aurais dû le mettre en pause et laisser ma propre réflexion continuer seule.

Le lendemain, je m’y suis remis sans IA. Juste un stylo, une feuille, et la part de l’aide de Claude que j’avais jugée pertinente. En moins de deux heures, j’avais terminé, résultat en main et confiant en mon raisonnement (spoiler, le fournisseur et le prospect ont adoré la démo 😁 ).

Ce que cette expérience m’a appris

L’IA peut accélérer mes réflexions ainsi que ma portée, mais même face à un sujet que je ne maitrise pas encore, dès lors que les bases sont acquises je dois trancher moi-même, pas seulement pour renforcer mon expertise, mais pour pouvoir porter mon travail en public sans jamais avoir à dire “En fait c’est l’IA qui a dit que...” dès que je suis challengé. Si je me trompe, j’apprendrai et je m’améliorerai. Mon expertise ne s’en trouvera que grandie.

Le problème n’est pas tant que l’IA se trompe (soit en hallucination pure, soit par manque de rigueur sur des données réelles). Le problème c’est qu’elle ne s’arrête jamais spontanément pour te demander ta direction avant d’avancer. Elle enchaine les suggestions, fluide et confiante, même quand elle dérive. C’est à toi de poser la limite ou de configurer l’outil pour qu’il la pose à ta place.(c’est ce qu’on va faire ensemble tkt 😊)

Le prompt système qui te force à rester décisionnaire

Voici une règle simple que j’installe maintenant systématiquement dans mes outils IA, pour qu’ils me challengent au lieu de simplement exécuter :

Ne démarre jamais un sujet sans que je t’aie donné une ligne directrice ou ma réflexion de départ. 
Si je te demande quelque chose sans avoir donné ma vision d’abord, reprends-moi 
et exige une direction de ma part avant de répondre. 
Lorsqu’un délivrable doit être produit, demande-moi régulièrement mes critères de qualité 
et ceux que j’attends de toi.

C’est un exemple, libre à toi de le reformuler avec tes propres mots ou d’ajouter tes propres règles.

Où le placer : dans Claude, ouvre les Paramètres (icône profil en bas à gauche) et colle-le dans le champ de préférences générales, ou dans les “Project Instructions” d’un Projet si tu veux qu’il s’applique seulement à un contexte de travail précis.
Dans ChatGPT, va dans Paramètres → Personnalisation → Instructions personnalisées, et colle-le dans le champ prévu.

Le prompt de tâche à tester

Une fois la règle installée, essaie ce prompt sur un vrai délivrable de ton travail :

J’aimerais produire [décris ton délivrable : un plan, un texte, un code, une analyse...], 
à destination de [décris le public ou l’usage final]. 
Voici ma vision de départ : [ta réflexion, ton angle, ta première intuition]. 
Assiste-moi dans cette tâche.

Le troisième espace, ta vision de départ, est particulièrement important. C’est lui qui t’oblige à faire ce que je n’avais pas fait à temps sur mon sujet sensible : poser ma direction avant de laisser l’IA avancer.

Ton défi de la semaine

Installe cette règle dans l’outil IA que tu utilises le plus, et teste-la sur ton prochain vrai délivrable. Observe si l’IA te relance bien quand tu oublies de donner ta vision de départ et note le moment, s’il arrive, où tu sens qu’il faudrait mettre l’IA en pause pour trancher seul.

Dis-moi en commentaire si cet article t’as été utile.

Laissez un commentaire.

Et si tu es de la team on prends du recul quand l’IA devient moins pertinente ou team qui maitrise les noms d’oiseaux ? Je lirai chaque réponse, et certaines pourraient inspirer un futur article “avant/après”.

Partager

Du graphisme à la programmation, en passant par des réponses de mail ou des documents techniques, une observation revient de plus en plus souvent : “ça, c’est fait par IA.” Ce n’est pas forcément pour dire que c’est mauvais. C’est surtout que c’est devenu la moyenne de ce qu’on voit partout.
À l’inverse, une vision qui part vraiment de soi, même imparfaite, même moins polie techniquement, sort presque toujours du lot. Pas en termes de beauté, mais en termes d’imperfections qui traduisent une vision.
Elle porte quelque chose que l’IA n’a pas appris à générer nativement : une intention personnelle, un contexte, un choix.

PS : Si ta boite a une charte et un historique de documents, il serait peut-être temps de sécuriser en interne une IA et de lui enseigner vos méthodes pour avoir des documents qui traduisent votre vision et non la moyenne de l’IA. Dis-moi si ce sujet t’intéresses, je le traiterai avec plaisir.

Sur le long terme, ne jamais proposer soi-même la direction du premier jet et se contenter d’affiner ce que l’IA a produit nous rend progressivement moins experts sur nos propres sujets. À l’inverse, partir de sa propre intuition, même imparfaite, expliciter sa compréhension d’un sujet puis solliciter l’IA pour l’affiner, renforce cette expertise à chaque projet.

Le vrai risque n’est pas l’IA, c’est la place qu’on lui laisse prendre

Le danger n’est pas d’utiliser l’IA pour explorer une nouvelle direction face à un cas métier dans ton activité. Le danger, c’est de la laisser choisir à ta place et de perdre, sans t’en rendre compte, ta capacité à porter cette décision.

L’IA est excellente pour brasser un grand volume d’informations et te donner des axes de réflexion. Elle n’a en revanche aucune légitimité à te donner la vision initiale d’un projet, l’essence de ce que tu veux que ton travail reflète à travers une solution ou une décision. Cette vision, c’est la tienne, construite à partir de ton expérience, de ton contexte, de ce que tu sais déjà de ton métier.

S'abonner maintenant

L’exercice : cartographier ce que tu délègues, et ce que tu gardes

Voici comment je m’y prends personnellement, pour te donner un exemple concret avant que tu fasses le tien.

Ce tableau n’est pas une règle universelle, c’est une cartographie que j’utilise sur mon métier. La tienne sera différente. Ce qui compte, c’est la méthode : pour chaque tâche récurrente de ton travail, demande-toi si tu délègues la réflexion, si tu accélères l’exécution ou simplement si tu fais parler les données à travers l’IA (et c’est okay).

À toi de construire ta cartographie

Prends une feuille ou simplement un document vide sur ton ordi et liste trois à cinq tâches de ton métier où tu utilises déjà l’IA (ou dans laquelle tu voudrais l'utiliser). Pour chacune, réponds à cette question : si j’utilise l’IA sur cette tache, m’aide t-elle à obtenir le résultat plus vite ou sans elle, je ne saurais arriver au résultat ?

Si elle t’aide à aller plus vite, tu peux déléguer sans crainte. Si sans elle cette tache parait infaisable ou très compliquée, tu perds ta compétence métier, c’est un signal : cette tâche appartient à ton expertise, pas à l’IA, même si elle peut encore t’aider à l’affiner une fois que tu as posé ta propre direction.

Partager

Laissez un commentaire.

S'abonner maintenant

Au réveil, l’agent affichait “tâche terminée”. Rien n’avait fonctionné.

La veille, j’avais lancé une IA agentique sur mon serveur pour qu’elle traite une tâche d’audit cyber sur ledit serveur, pendant la nuit. Au matin, le rapport indiquait un succès. En creusant, la réalité était différente : certains outils et autorisations d’exécution nécessaires n’étaient tout simplement pas disponibles pour l’agent. Il avait échoué à plusieurs étapes clés, silencieusement, sans jamais le signaler, tout en continuant d’agir comme si tout allait bien.

J’ai repris la tâche moi-même, mais pas entièrement à la main. J’ai découpé le travail en sous-parties, confié certaines sections à l’agent dans la limite des outils réellement disponibles, et supervisé le reste. J’ai obtenu l’audit en question en une heure.

Une experience interessante parce qu’elle repose sur ma connaissance de l’environnement nécessaire au travail d’une IA agentique et les outils à mettre à sa disposition. Sans ce recul, je me serais dis que c’est nul et je serais passé à autre chose. Dans cet article nous allons non seulement identifier les taches que vous pouvez tester dans votre domaine mais aussi les outils nécessaires pour ne point avoir de surprise (et oui je vais t’épargner un réveil similaire)

Le protocole que je te propose de tester

Plutôt que de te dire “fais confiance à l’IA” ou “ne lui fais jamais confiance”, je préfère te donner une méthode pour savoir, sur ton propre métier, où se trouve la limite. Voici les quatre étapes.

Étape 1 : Écris ton propre processus. Choisis un seul livrable que tu produis régulièrement dans ton travail. Note par écrit, dans l’ordre, toutes les étapes par lesquelles tu passes avant de le produire. Sois précis : on sous-estime presque toujours le nombre réel d’étapes et le temps qu’elles prennent.

Étape 2 : Vérifie en situation réelle. Observe-toi pendant que tu réalises ce livrable et compare avec ce que tu as noté. Il est fréquent de découvrir des étapes oubliées, ou un temps réel bien plus long que ce qu’on imaginait.

Étape 3 : Teste avec une IA. Donne la suite d’étapes que tu as notées à une IA avec le prompt que je vais te partager en dessous, idéalement je te suggère Gemini-recherche approfondie ou Perplexity-recherche approfondie.

Pourquoi ?

Gemini tourne chez Google,c’est comme vivre au dessus d’un supermarché et descendre faire ses courses. Perplexity est un entreprise IA pensée pour la recherche par IA, leur cheval de bataille est de permettre à l’IA d’accéder au maximum de données fiables sur le web. Les autres IA (Claude, ChatGPT…) fonctionneront aussi, juste avec moins de profondeur. Voici le prompt :

Rôle : Tu es un expert en intégration de l’intelligence artificielle dans les métiers, spécialisé dans l’évaluation réaliste de la faisabilité technique des cas d’usage IA. Ton objectif est de me donner un état des lieux fiable, basé sur des sources récentes et vérifiables, pas sur des promesses marketing.

Contexte : Je travaille dans le domaine suivant : [ton métier / secteur d’activité].

Voici la tâche précise que je veux tester : [décris la tâche choisie à l’étape 1].

Voici les étapes réelles par lesquelles je passe aujourd’hui pour la réaliser : [colle ici la liste d’étapes notée à l’étape 1].

Contraintes ou outils que j’utilise déjà (logiciels, données sensibles, environnement technique) : [précise si pertinent].

Recherche demandée : Fais une recherche approfondie sur l’état actuel des capacités de l’IA pour chacune des étapes que j’ai listées. Pour chaque étape, indique si elle est aujourd’hui réalisable de façon fiable par une IA, partiellement réalisable, ou non réalisable, en t’appuyant sur des sources récentes (documentation officielle, retours d’expérience vérifiés, benchmarks).

Format de réponse attendu : Présente ta réponse sous forme de tableau avec les colonnes suivantes :

- Tâche (l’étape précise concernée)

- Technologie existante (l’outil ou la catégorie d’outil pertinent aujourd’hui)

- Type de solution recommandée : LLM simple (ex. ChatGPT, Claude, Gemini en conversation classique) ou IA agentique (ex. Claude Code, Agent Hermes, OpenClaw, Claude Cowork, Obsidian, Claude Design, ou équivalent)

- Limites connues ou points de vigilance (ce qui peut échouer, nécessiter une supervision humaine, ou des autorisations/outils spécifiques)

Termine par une synthèse en une phrase : sur l’ensemble de mes étapes, laquelle représente le meilleur point de départ pour un premier test, et pourquoi.

Étape 4 : Mets sa réponse à l’épreuve. Prends un projet fictif sur ce même sujet et vérifie concrètement si la prédiction de l’IA était juste. Tu vas soit découvrir une hallucination* (l’IA affirmait qu’une étape était faisable alors qu’elle échoue en pratique) soit confirmer que sa prédiction était fiable sur ce point précis.

S'abonner maintenant

Pourquoi ces deux étapes changent tout

Ce sont précisément les deux étapes que presque personne ne fait. La plupart des professionnels utilisent l’IA sans avoir formalisé leurs propres étapes, et encore moins vérifié où elle échoue réellement sur leur métier. En faisant ce test, tu obtiens une cartographie personnelle : ce qui peut être délégué sous supervision, et ce que tu dois absolument garder entre tes mains et comment aller plus loin avec l’agentique (on verra ce sujet ensemble dans cette newsletter).

Cette différence a une vraie valeur pour un employeur ou un client. Tu ne lui vends pas juste du temps gagné, tu lui apportes une réponse qu’il n’a généralement pas lui-même, tu réduis son inquiétude face à l’IA, et tu peux démontrer cette autorité avec des preuves concrètes, pas de simples promesses.

Ton défi de la semaine

Teste ce protocole sur les trois prochains jours ouvrés. Choisis une seule tâche, note tes étapes, demande à une IA quelles parties sont faisables, puis vérifie sur un cas fictif.

Dis-moi ce que tu as testé ou comptes tester, ce que tu as découvert si tu as déjà testé ; je lirai chaque réponse, et certaines pourraient inspirer un futur article “avant/après”.

Merci d’avoir pris le temps de lire, j’espère que cet article t’a été utile, si oui n’hésites pas à me dire en quoi et ce qui pourrait t’aider comme sujet. Pense à t’abonner pour ne pas rater les prochains articles et d’ici là, prends soin de toi et expérimente !

Partager

Laissez un commentaire.

Pendant ce temps, deux choses ont changé silencieusement :

• Fable 5 s’est déplacé vers le haut de la pyramide des abonnements.

• Kimi K3 a fixé une date pour déposer ses poids ouverts : le 27 juillet 2026.

Ce n’est plus juste une bataille de performance.
C’est une bataille d’accès.

S'abonner maintenant

1. Fable 5 : le plafond qui remonte

Fable 5 est, à ce jour, un des modèles les plus forts côté intelligence globale.
Indices d’évaluation sérieux le placent devant Kimi K3 sur la suite complète de tests, avec des scores autour de 60 sur certains index, contre ~57–58 pour K3.

Mais là où ça se joue désormais pour beaucoup de gens,
ce n’est pas dans le score.
C’est dans la façon dont tu y accèdes.

Anthropic a stabilisé la politique suivante :

• Max et Team Premium :

  • Fable 5 reste inclus dans l’abonnement,

  • mais limité à 50 % des crédits hebdo.

• Pro et Team Standard :

  • Fable 5 n’est plus inclus ;

  • tu reçois un crédit unique de 100 $ pour l’utiliser ;

  • après ça, chaque token est facturé au tarif API (10 $/M input, 50 $/M output).

Côté API, rien ne bouge :

• Fable 5 reste accessible au tarif usage (10 $/M input, 50 $/M output).

Mais pour une personne non technique, qui consomme Fable via l’app :

• avoir Fable ou ne pas l’avoir dépend désormais :

  • de ton niveau d’abonnement ;

  • de ta capacité à gérer credits, limites, factures.

Les taux se resserrent.
Pas sur la capacité du modèle,
mais sur qui a le droit de le toucher
et sous quelles conditions.

2. Kimi K3 : un modèle ouvert avec une date

En face, Kimi K3 arrive avec une posture très différente :

• 2,8 T paramètres, Mixture‑of‑Experts, 16 experts actifs par token ;

• contexte 1 048 576 tokens (1 M) ;

• attention et scaling optimisés pour le long contexte, avec des décodages annoncés jusqu’à ~6,3× plus rapides qu’une génération précédente.

Mais la vraie clé, ce n’est pas que la fiche technique.

C’est que Moonshot a attaché une date à son claim “open‑weights” :

• modèle lancé mi‑juillet sur Kimi.com, Kimi Work, Kimi Code et l’API.

• poids complets téléchargeables promis pour le 27 juillet 2026, sous licence Modified MIT, via Hugging Face.

Aujourd’hui, quand tu lis “Kimi K3 est open‑weights” :

• ce n’est pas encore un modèle que tu télécharges ce soir ;

• c’est un modèle hébergé,
  avec une date claire pour le moment où tu pourras :

  • le télécharger ;

  • le packager ;

  • le faire tourner dans ton infra, si tu as les moyens de le supporter.

Ce n’est pas du fantasme.
C’est une promesse avec échéance.

S'abonner maintenant

3. Scores vs réalité : qui fait quoi, et à quel coût ?

Sur le terrain des benchmarks :

• Fable 5 :

  • mieux classé sur la suite complète (intelligence globale, raisonnement, tâches difficiles).

• Kimi K3 :

  • gagne sur certains tests de coding agentique (Terminal Bench, Frontend Code Arena, certaines simulations),

  • se place #3 ou #4 dans les indices globaux, avec des performances très solides sur les tâches de travail réel.

Sur le terrain du coût :

• Fable 5 :

  • API à 10 $/M tokens input et 50 $/M tokens output,

  • ce qui loque le modèle dans une catégorie “premium” sur les tâches volumétriques.

• Kimi K3 :

  • API autour de 3 $/M input et 15 $/M output, cache‑hit à ~0,30 $/M sur certaines boucles,

  • positionné clairement comme un open default pour le travail lourd mais mesurable.

Sur le terrain de l’accès utilisateur :

• Fable 5 :

  • non‑techniques dépendants de Pro / Max / Team ;

  • accès qui se fragmente et se monétise fortement après un tampon de 100 $.

• Kimi K3 :

  • utilisable dès maintenant via app et API ;

  • puis auto‑hébergeable après le 27 juillet, si tu as une infra sérieuse.

4. Stratège vs exécutant, mais avec une nouveauté : qui peut entrer dans la salle ?

Dans la version précédente de l’article,
je te parlais de Fable 5 comme stratège
et de Kimi K3 comme exécutant.

Ce cadre reste valable :

• Fable 5 pour :

  • la feuille de route ;

  • les choix difficiles ;

  • les arbitrages où une erreur coûte plus que le prix des tokens.

• Kimi K3 pour :

  • les tâches volumétriques ;

  • le vibe coding ;

  • les refactors ;

  • les simulations et builds où tu peux mesurer la qualité et jouer sur le coût.

La nouveauté, c’est :
qui peut jouer ce duo, et où.

• Côté Fable 5 :

  • non‑techniques sur Pro / Team Standard doivent se soucier des crédits, des limites, des factures.

• Côté Kimi K3 :

  • à partir du 27 juillet, des équipes infra peuvent décider de se passer des plans hauts de gamme chez Anthropic,

  • en faisant tourner Kimi K3 dans des environnements qu’elles contrôlent, tout en laissant Fable intervenir quand son jugement apporte une vraie valeur marginale.

Tu ne choisis plus seulement “qui est le mieux noté”.
Tu choisis :

• qui est accessible à ton niveau technique ;

• qui est supportable à ton niveau de budget ;

• qui est hébergeable à ton niveau d’infrastructure.

5. Ce que tu peux faire concrètement (en prenant en compte ces nouvelles règles)

Si tu as Fable 5 et Kimi K3 sous la main,
je te propose une version mise à jour du test que j’évoquais :

1. Vérifie ton plan Fable :

   • Pro / Team Standard : regarde le crédit de 100 $, ce qu’il couvre vraiment, et le tarif après.

   • Max / Team Premium : regarde ce que représente 50 % de tes crédits hebdo en usage Fable.

2. Choisis un projet réel (pas un jouet).

   • refactor massif ;

   • grosse feature ;

   • simulation ;

   • pipeline data.

3. Demande à Fable 5 :

   • la feuille de route complète ;

   • les risques ;

   • les arbitrages ;

   • les prompts ou briefs pour un modèle d’exécution.

4. Passe l’exécution volumique sur Kimi K3 :

   • même contexte ;

   • mêmes briefs ;

   • mesure : temps, qualité, nombre d’interventions humaines, facture.

5. Et si tu es dans une équipe qui pourra jouer avec les weights :

   • prépare‑toi à regarder ce que le drop du 27 juillet change vraiment :

     • sur ta souveraineté ;

     • sur ta facture ;

     • sur ton architecture.

6. Le point de bascule, ce n’est plus le benchmark, c’est l’accès

Ce que je veux que tu retiennes de cette mise à jour, ce n’est pas un nouveau “vainqueur”.

C’est ceci :

• Les modèles fermés déplacent progressivement la frontière de ce qui est accessible dans les abonnements.

• Les modèles ouverts fixent des dates pour donner au public le droit de les télécharger et de les intégrer dans leurs propres architectures.

Le jour où tu compares ces modèles, ne regarde plus seulement :

“qui a le meilleur score ?”

Regarde aussi :

“qui laisse qui entrer dans la salle,
sous quelles conditions,
et pour faire quoi ?”

Et ensuite, fais ton choix non pas en fonction de la hype, mais en fonction de ton métier, de ton budget et de ton niveau de contrôle sur l’IA que tu fais tourner.

Laissez un commentaire.

Partager

Pas à cause d’une grosse session de travail. Pas à cause d’un render en cours. À cause de deux petits cron jobs d’auto-save qui tournaient toutes les 15 minutes, 24 heures sur 24, 7 jours sur 7.

S'abonner maintenant

Le réveil brutal

Deux jobs auto-save :

“Auto-save Hermes state” — toutes les 15 min

“auto-save-skill-draw” — toutes les 15 min

Résultat : 192 exécutions par jour, soit environ 1 300 sessions LLM par semaine, la plupart du temps pour constater qu’il n’y avait rien à sauvegarder.

C’est un excellent exemple de ce que j’appelle la dette silencieuse de l’IA : des configurations qui coûtent sans produire, parce qu’on les a oubliées.

J’ai désactivé le job skill-draw et repassé l’autre à toutes les 6 heures. Passage de 192 à 4 exécutions par jour. La facture va s’effondrer.

Pourquoi un audit hebdo est nécessaire

Les outils IA s’améliorent vite. Les modèles changent. Les prix changent. Et surtout, nos habitudes restent figées.

On continue d’utiliser un modèle parce qu’il était le meilleur il y a trois mois. On garde un skill parce qu’on l’a configuré une fois. On laisse tourner un cron parce qu’on ne sait plus pourquoi on l’avait créé.

Une fois par semaine, ou toutes les deux semaines, prenez 20 minutes pour faire le point. L’économie en tokens ( et en argent ) est souvent spectaculaire.

Niveau 1 : Vous utilisez l’IA dans un chat (ChatGPT, Claude, Kimi...)

Ouvrez votre projet en cours. Demandez-vous :

• Quel modèle suis-je en train d’utiliser ?

• Est-il le plus adapté à la tâche ?

• Un modèle récent et moins cher ne ferait-il pas aussi bien ?

Exemple concret : si vous utilisez encore Claude Opus 4.7 ou 4.8 pour du code, testez Claude Sonnet 5. Pour beaucoup de tâches agentiques et de coding assisté, il donne des résultats proches à un tarif bien inférieur.

Le coût n’est pas le seul critère. Mais il est souvent le plus facile à optimiser sans perdre en qualité.

Niveau 2 : Vous utilisez des skills et des configurations agentiques

C’est mon cas avec Hermes Agent. J’ai des skills qui spécifient des modèles pour certaines tâches et des contextes qui datent, que je mets à jour.

Questions à se poser :

• Les modèles mentionnés dans mes skills sont-ils toujours les meilleurs pour cette tâche ?

• Le contexte system prompt est-il à jour ?

• Mes sous-agents utilisent-ils le bon modèle au bon moment ?

J’ai par exemple découvert que certains skills pointaient encore vers des modèles coûteux alors que des versions plus récentes et plus efficaces existaient. Mettre à jour une ligne dans un fichier de configuration peut diviser par deux le coût d’une tâche récurrente.

Niveau 3 : Vous travaillez avec des agents autonomes (Hermes, OpenClaw, Paperclip, orchestrateurs...)

C’est le niveau le plus risqué en termes de consommation. Un agent autonome qui tourne en arrière-plan peut vider un budget en quelques heures sans que vous le voyiez.

Questions à se poser :

• Quels agents tournent actuellement ?

• Quels modèles utilisent-ils par défaut ?

• Quel a été leur résultat concret cette semaine ?

• Méritent-ils encore leur place dans ma stack ?

Avec Hermes, j’ai des cron jobs, des processus en arrière-plan, des serveurs de preview. Sans surveillance, ils consomment des tokens et des ressources invisibles.

S'abonner maintenant

Mon protocole d’audit en 3 questions

Pour chaque outil IA actif, je me demande :

1. Qu’est-ce que cela m’a apporté cette semaine ?

   Si la réponse est floue, c’est un candidat à la suppression.

2. Quel modèle utilise-t-il ?

   Est-ce le meilleur ratio qualité/prix pour la tâche ?

3. Puis-je le rendre plus silencieux ?

   Moins de logs, moins d’auto-save, moins de notifications inutiles.

Ce que j’ai changé aujourd’hui

• Suppression du cron “auto-save-skill-draw”

• Passage du cron “Auto-save Hermes state” de 15 min à 6 heures

• Vérification des modèles dans mes skills

• Nettoyage des processus de preview inactifs

Résultat estimé : -98 % d’exécutions d’auto-save. Et une conscience aiguë du fait que l’IA économique ne se fait pas qu’en choisissant le bon modèle, mais aussi en éliminant le bruit.

---

À retenir

L’IA abordable n’est pas seulement une question de prix au million de tokens. C’est une question d’hygiène numérique. Une purge hebdomadaire de vos configurations, modèles et agents inactifs peut vous faire économiser plus qu’un changement de fournisseur.

Prenez le temps. Vos tokens et votre portefeuille vous remercieront.

Laissez un commentaire.

Partager

La première : admirer la prouesse technique.
La seconde : se demander pourquoi tant de failles restaient là, en pleine vue, pendant des années.

La réponse est à deux niveaux.
Le premier: L’IA générative n’était pas aussi puissante il y a 4 ans.
Le deuxième : Dans plusieurs cas, personne ne les avait activement cherchées.

Et maintenant que des modèles ultra-puissants le font, une partie d’entre eux deviennent inaccessibles pour des raisons de sécurité nationale. Tu n’as pas besoin d’attendre qu’ils reviennent. Tu peux déjà utiliser ce que tu as sous la main pour auditer ton propre code, ton site, tes bases de données.

Voici comment, selon ton niveau technique.

S'abonner maintenant

Niveau 1 : Tu n’as pas de base technique

Prends Claude Opus 4.8.

Donne-lui une URL, un export de la structure de ta base de données, ou une description de ton architecture. Demande-lui de jouer l’attaquant : « Quelles sont les 5 failles les plus probables ici ? »

> Base de données : l’endroit où ton application stocke les informations (utilisateurs, commandes, contenus, etc.). Sa structure dit beaucoup de choses sur les failles possibles.

Ne cherche pas à ce qu’il corrige tout. L’objectif est qu’il te donne une liste priorisée de faiblesses : injection SQL mal protégée, page d’admin exposée, fichier de configuration accessible, tokens stockés en clair, formulaire sans protection brute-force.

La plupart des vols de données ne viennent pas d’attaques sophistiquées. Ils viennent de failles visibles que personne n’a pris le temps de regarder.

Une heure avec Opus 4.8 sur ton site peut t’éviter des mois de procédure post-incident.

—

Niveau 2 : Tu codes ou tu gères un repo GitHub

Installe Claude Code.

Demande-lui d’auditer ton dépôt. Sois précis. Par exemple : « Fais une revue de sécurité sur les routes d’authentification, la gestion des tokens JWT, et l’upload de fichiers. »

> Repo GitHub : le “dossier” en ligne qui contient le code source de ton application, avec toute son historique de modifications.

Claude Code peut naviguer dans le code, poser des questions, proposer des correctifs, et même te montrer où une bibliothèque est obsolète ou mal utilisée. Tu restes aux commandes : tu décides ce que tu appliques.

Pour aller plus loin, configure plusieurs sous-agents avec des rôles distincts :

Un agent qui cherche les failles.

Un autre qui propose des correctifs.

Un troisième qui vérifie que les correctifs n’introduisent pas de régression.

C’est cette boucle critique — trouver, corriger, vérifier — qui fait la différence.

—

Niveau 3 : Tu veux automatiser sur un site WordPress ou plusieurs projets

Utilise Hermes Agent.

Hermes te permet de déployer des agents qui travaillent sur plusieurs repositories, sur un site WordPress, ou sur toute infrastructure à laquelle tu peux donner un accès contrôlé. Si tu as une clé d’application, une clé SSH, ou une API, tu peux faire auditer ton système de manière récurrente.

> Clé d’application : un code secret que tu génères dans ton hébergeur ou ton CMS pour permettre à un outil d’accéder à ton site de façon limitée et sécurisée.

L’avantage d’Hermes, c’est la répétitivité associée à la puissance du modèle donné : tu peux orchestrer toi-même les modèles, les agents, et les tâches. L’inconvénient, c’est que ça demande un peu plus de montée en compétences pour déterminer où est ce que l’agent peut etre autonome et ce que tu dois configurer par tes soins.

Mais le principe reste le même : ne pas attendre qu’un tiers découvre tes failles avant toi.

—

Sakana Fugu dans tout ça ?

Sakana Fugu propose un abonnement Standard à 20 $/mois. Le modèle Fugu Ultra est facturé à 5 $/million de tokens en entrée et 30 $/million de tokens en sortie (10 $/million en entrée et 45 $/million de sortie au-delà de 272K de contexte). Certains retours indiquent que le modèle donne de bons résultats sur des analyses de cybersécurité.

C’est une option à tester, avec une réserve majeure : tu n’as aucune visibilité sur les modèles choisis en interne. Pour une analyse sécurité, cela peut être acceptable si tu traites du code public ou des architectures génériques. Pour du code interne critique, la transparence importe.

> Code interne critique : le code qui gère des données sensibles, de l’argent, de l’identité, ou de la propriété intellectuelle.

Fugu peut donc être un point de départ intéressant. Il ne remplace pas un audit structuré avec des outils dont tu maîtrises la chaîne.

S'abonner maintenant

Le vrai problème de la cybersécurité n’est pas qu’on manque d’outils. C’est qu’on attend souvent d’être attaqué pour agir.

❌ Attendre que quelqu’un d’autre trouve tes failles.

❌ Croire que seuls les grands comptes sont visés.

✅ Auditer toi-même, même de manière imparfaite, dès cette semaine.

Claude Opus 4.8, Claude Code, Hermes Agent, ou Sakana Fugu : chacun a son niveau d’entrée. Le meilleur outil est celui que tu vas réellement utiliser.

—

Quelle est la dernière faille ou la dernière mauvaise pratique que tu as découverte en auditant ton propre système avec l’IA ?

Partage en commentaire. Même si c’est évident avec du recul, ça peut sauver quelqu’un qui ne l’a pas encore vue.

Laissez un commentaire.

Partager

Spoiler alerte, non. Je me suis trompé. Plusieurs fois. Et parfois c’était pour un logo.

LE PIÈGE DU PING-PONG

L’un de mes workflows consiste à animer du texte et des logos pour accompagner mes vidéos. Pour se faire, Hermes a donc besoin d’icônes qui correspondent aux marques/entreprises dont je parle. Bien souvent il finis par me dire qu’il n’a pas pu les télécharger ou il les télécharge mais elles ne sont pas exploitables.

Mon ancien réflexe : lui demander de la trouver en explorant des voies différentes ou de la générer sur wavespeed.

Premier aller-retour. L’agent cherche sur le web. Il trouve une image PNG qui ne corresponds pas vraiment au logo. Il me la propose. Je refuse. Il recommence.

Deuxieme aller-retour. Il explore des voies alternatives pour trouver le logo et ne trouve rien.

Troisieme aller-retour. Il essaie par wavespeed, génère une image mais s’est trompé dans les couleurs ou la forme.

Résultat : 45 minutes perdues, des tokens brules, une video reportée, et la certitude que l’agent n’était pas la solution. Il était le problème.

Mais le problème, c’était moi.

---

LA DISTINCTION

Ce que l’IA peut faire : elle peut exécuter. Elle peut animer, assembler, découper, rendre, produire. Donne-lui un SVG propre, elle te fait une video. Donne-lui un brief clair, elle te fait un texte. Donne-lui des données, elle te fait une analyse.

Ce que l’IA ne peut pas faire : elle ne peut pas tout chercher à ta place. Ou plutôt, elle le peut, mais pas forcément comme tu voudrais. Elle ne sait pas ce dont tu as besoin avant que tu le lui dises. Elle n’a pas ta culture visuelle, ton histoire avec le projet, ta connaissance du besoin. Elle ne peut pas deviner ce qui est important.

La distinction est simple : même si l’IA peut chercher, elle excelle surtout comme exécutante. Pas un chercheur. Pas un architecte. Pas un curateur.

Si tu lui donnes du sable, elle construit un château de sable. Si tu lui donnes des briques, elle construit une maison. Mais elle n’ira pas chercher les briques pour toi.

---

LE CHANGEMENT

J’ai fournit à mon agent l’accès à la base simple-icons, qui comporte +3000 icons SVG officielles prêtes et gratuites.

Boom, problème résolu.

Maintenant, quand mon agent me dit “je n’ai pas l’icône” dans cette base(ce qui arrive souvent pour les marques récentes), je ne lui demande plus rien. Je cherche moi-même.

Je télécharge le SVG exact. Je le dépose dans un dossier de mon espace de travail. Et je relance l’agent.

Un fichier. Un clic. Fini.

❌ Avant : l’agent cherchait, trouvait un truc approximatif, brulait des tokens, je corrigeais, il recherchait, je recorrigeais.

✅ Maintenant : je fournis la matière brute. L’agent exécute. Pas de ping-pong.

Ce changement a réduit mon temps de préparation par trois. Mais il a exigé quelque chose de moi : de savoir ce que l’agent pouvait faire et là où il avait besoin de mon aide pour avancer.

---

L’ESPACE DE TRAVAIL

C’est pour ça que je définis un espace de travail structure avant chaque session agentique :

- un dossier assets/ avec les logos, icones, images, fichiers sources

- un dossier output/ pour les rendus finaux

- un dossier temp/ pour les fichiers intermediaires

- un fichier brief.md qui resume l’objectif, les contraintes, les livrables attendus

L’agent sait ou regarder. Il ne devine pas. Il ne telecharge pas n’importe quoi. Il ne cherche pas au hasard sur le web. Il travaille avec ce que j’ai pose sur la table.

Cet espace de travail, c’est le contrat entre l’humain et l’agent. L’humain fournit les ressources, les définitions, les cadres. L’agent execute dans le cadre.

Sans cet espace, c’est le chaos. L’agent invente, approxime, suppute. Avec cet espace, c’est la précision. L’agent assemble, calcule, rend.

---

CE QUE CA CHANGE

J’ai compris que l’IA ne remplace pas la préparation. Elle la rend visible. Si la préparation existe, l’IA l’amplifie. Si elle n’existe pas, l’IA révèle le vide.

Avant, je cachais mon manque de préparation derrière des heures de correction. Je demandais a l’agent de chercher, de deviner, d’itérer.

Maintenant, je prends dix minutes avant la session pour structurer l’espace. Je rassemble les fichiers, je redige le brief, je verifie les formats. Puis je lance l’agent.

L’agent travaille mieux. Je travaille mieux. Le résultat est meilleur. Le temps total est réduit de moitie.

> « L’IA ne remplace pas ta préparation. Elle la rend visible - si elle existe. »

---

LA VRAIE QUESTION

Tu passes plus de temps a corriger l’agent ou a preparer ses ressources ?

Si tu passes plus de temps a corriger, le probleme n’est pas l’agent. C’est l’espace de travail. C’est le brief. C’est la preparation que tu as saute.

L’agent n’est pas magique. C’est un miroir. Il reflete ce que tu lui donnes. Donne-lui du chaos, il te rend du chaos amplifie. Donne-lui de l’ordre, il te rend de l’ordre accelere.

Le choix est le tien.

---

ACTIONS CONCRÈTES

Voici ce que je fais avant chaque session agentique :

1. Je definis l’objectif en une phrase. Pas de brief de trois pages. Une phrase precise.

2. Je rassemble les ressources dans assets/. Un seul endroit. Pas de recherche eparpillee.

3. Je vérifie les formats.

4. Je rédige un brief.md de 5-10 lignes. Objectif, ressources, contraintes, livrable.

5. Je lance l’agent avec une instruction claire : “Utilise les fichiers dans assets/. Rend le resultat dans output/.”

Ce protocole prend 5 a 10 minutes. Il économise 30 a 60 minutes de ping-pong.

---

La qualité de son travail dépend de la qualité de ce que tu lui fournis. Structurer son espace de travail, c’est structurer sa propre pensée. Et c’est la que la vraie productivité commence.

Tu passes plus de temps a corriger l’agent ou a préparer ses ressources ? Réponds en commentaire.

Laissez un commentaire.

Partager Substack de William