F06 - Maîtriser ChatGPT et les IA Génératives

Explication pédagogique

Cette première séquence pose les fondations de toute la formation. L'enjeu n'est pas d'« amuser » avec l'intelligence artificielle, mais d'en faire un outil de travail professionnel : produire un livrable utile, contrôlable et conforme à votre métier. Le principe cardinal, valable pour les 32 séquences, est que vous restez responsable du résultat final — l'IA propose, l'humain décide et valide.

Avant d'apprendre à formuler de bons prompts, il faut un diagnostic lucide : quel est votre niveau actuel, quelles tâches de votre poste consomment le plus de temps, et où l'IA peut aider sans créer de risque. Dans le contexte sénégalais et africain, la valeur immédiate se situe dans la rédaction, la synthèse, la structuration et la préparation de décisions — tout en maîtrisant trois risques : la confidentialité (ne pas exposer de données sensibles), la dépendance (garder son jugement) et les erreurs factuelles (vérifier avant d'utiliser).

La posture à installer dès maintenant est celle de l'esprit critique : une réponse d'IA n'est jamais une vérité, c'est un brouillon à évaluer. Cette formation vous apprend à cadrer, produire, contrôler, documenter et décider.

Démonstration

Voici le passage d'une demande vague à un prompt professionnel. On part du besoin, on ajoute le contexte du poste, on impose le format, puis on demande les points à vérifier.

❌ Demande vague :

Écris-moi un email pour un client.

✅ Prompt cadré (canevas Baobizz) :

Rôle : Tu es un assistant professionnel d'une PME basée à Dakar.
Contexte : Un client tarde à régler une facture de 450 000 FCFA,
échue depuis 20 jours. La relation commerciale est bonne.
Tâche : Rédige un email de relance courtois mais ferme.
Contraintes : Ton respectueux, pas d'accusation, propose un échéancier.
N'invente aucun montant ni date que je ne t'ai pas donnés.
Format : Objet + corps de 120 mots maximum + formule de politesse.
Vérification : Signale toute hypothèse que tu as dû faire.

La seconde version produit un résultat directement exploitable, tandis que la première oblige à de multiples allers-retours.

Explication pédagogique

Une IA générative est un système capable de produire du contenu nouveau — texte, image, audio, vidéo, code — à partir d'une consigne en langage naturel. Contrairement à un logiciel classique qui applique des règles fixes, elle génère une réponse probable en s'appuyant sur des régularités apprises dans d'immenses volumes de données. C'est pourquoi deux demandes identiques peuvent donner deux réponses légèrement différentes.

Comprendre ce mécanisme change tout dans l'usage. L'IA ne « sait » pas au sens humain : elle prédit ce qui est plausible. Elle est remarquable pour reformuler, structurer, résumer, traduire, proposer des idées — mais elle peut aussi produire une affirmation fausse avec assurance (une « hallucination »), car la plausibilité linguistique n'est pas la vérité factuelle.

Les grandes familles d'IA générative grand public sont les assistants conversationnels (ChatGPT d'OpenAI, Claude d'Anthropic, Gemini de Google, Copilot de Microsoft), les générateurs d'images (DALL·E, Midjourney, Stable Discussion), et les IA de recherche (Perplexity). Toutes partagent la même logique probabiliste et les mêmes précautions d'emploi.

Démonstration

Pour saisir la différence entre « prédire » et « savoir », observez comment une IA complète une phrase selon la probabilité :

Demande : « Complète : La capitale du Sénégal est... »
→ Réponse fiable (fait très présent dans les données) : « Dakar. »

Demande : « Quel était le chiffre d'affaires exact de la
boulangerie Chez Fatou à Thiès en 2019 ? »
→ Risque d'hallucination : l'IA peut inventer un chiffre
   plausible car cette donnée privée n'existe pas dans ses données.

Leçon : l'IA excelle sur ce qui est fréquent et public, et devient dangereuse sur ce qui est précis, privé ou récent. D'où la règle : toujours vérifier les faits chiffrés, les noms propres et les données récentes.

Explication pédagogique

Les assistants comme ChatGPT reposent sur des LLM (Large Language Models, ou grands modèles de langage). Expliqué simplement : un LLM est un système entraîné à prédire le mot suivant dans une séquence, à partir d'un nombre colossal de textes. En répétant cette prédiction mot après mot, il produit des phrases, des paragraphes, des raisonnements entiers.

Trois notions suffisent à un usage éclairé. Le token : le modèle ne lit pas des mots mais des fragments (un mot long = plusieurs tokens) ; cela explique les limites de longueur et la facturation des API. La fenêtre de contexte : la quantité de texte que le modèle peut « garder en tête » dans un échange ; au-delà, il « oublie » le début. La température (dans les outils avancés) : le degré de créativité/aléa de la réponse.

Cette compréhension a des conséquences pratiques directes. Comme le modèle prédit à partir du contexte fourni, plus votre prompt est précis et complet, meilleure est la prédiction. Et comme il n'a pas de mémoire persistante entre deux conversations (sauf fonctions dédiées), il faut lui redonner le contexte nécessaire à chaque fois.

Démonstration

L'effet de la fenêtre de contexte et du rappel d'informations :

Échange 1 : « Tu es mon assistant comptable OHADA. Retiens que
ma société est une SARL sénégalaise au régime réel. »
→ L'IA en tient compte... pendant CETTE conversation.

Nouvelle conversation (le lendemain) :
« Quel compte utiliser pour un achat de fournitures ? »
→ L'IA a "oublié" le contexte SARL/OHADA : il faut le redonner.

Bon réflexe : créez un bloc de contexte réutilisable (« Contexte permanent : SARL sénégalaise, plan comptable SYSCOHADA révisé, TVA 18 %... ») que vous collez en tête de chaque nouvelle session.

Explication pédagogique

Il n'existe pas de « meilleure IA » dans l'absolu : il existe l'outil le mieux adapté à une tâche et à un contexte. Comparer sans idolâtrer, c'est connaître les forces relatives de chaque assistant pour choisir en connaissance de cause, plutôt que par mode ou par habitude.

Panorama synthétique des principaux assistants (leurs positionnements évoluent vite, à vérifier régulièrement) : ChatGPT (OpenAI) — très polyvalent, écosystème riche, génération d'images intégrée, nombreux usages bureautiques. Claude (Anthropic) — réputé pour les textes longs, la rédaction nuancée, l'analyse de documents et une posture prudente. Gemini (Google) — intégré à Google Workspace (Docs, Gmail, Sheets) et à la recherche. Copilot (Microsoft) — intégré à Microsoft 365 (Word, Excel, Outlook, Teams). Perplexity — spécialisé dans la recherche avec sources citées.

Le bon critère de choix n'est pas « lequel est le plus intelligent », mais « lequel s'intègre à mes outils, respecte mes exigences de confidentialité et convient à la tâche ». Un cabinet travaillant sous Microsoft 365 gagnera avec Copilot ; une recherche sourcée ira vers Perplexity ; une longue note d'analyse ira volontiers vers Claude.

Démonstration

Une même tâche, plusieurs outils pertinents selon le besoin :

Tâche : « Résumer un rapport d'audit de 40 pages et en tirer
5 recommandations. »

• Claude : excellent sur documents longs et nuance du texte.
• ChatGPT : polyvalent, bon si on veut aussi un tableau/visuel.
• Copilot : idéal si le rapport est un fichier Word/PDF dans M365.
• Gemini : pertinent si le document est dans Google Drive.
• Perplexity : moins adapté (orienté recherche web sourcée).

Leçon : le choix dépend du format du document, de votre environnement bureautique et de vos règles de confidentialité — pas d'un classement abstrait.

Explication pédagogique

Maîtriser une IA, c'est autant connaître ses capacités que ses limites. Les capacités sont impressionnantes : reformulation, synthèse, traduction, structuration, génération d'idées, aide au code, explication de concepts. Mais les limites sont réelles et doivent être intégrées comme des réflexes professionnels.

La limite la plus dangereuse est l'hallucination : l'IA produit une information fausse présentée avec la même assurance qu'une information vraie. Elle peut inventer une citation, une référence légale, une statistique, un nom d'auteur, un article de loi. Ce n'est pas un « bug » occasionnel mais une conséquence structurelle de son fonctionnement probabiliste : elle génère ce qui est plausible, pas ce qui est vérifié.

Les autres limites à connaître : la date de connaissance (le modèle ignore souvent les événements récents), les biais hérités des données, la non-reproductibilité (réponses variables), et l'incapacité à accéder à vos données privées. La parade universelle : traiter chaque fait vérifiable (chiffre, date, nom, référence) comme « à vérifier » jusqu'à confirmation par une source fiable.

Démonstration

Repérer et neutraliser une hallucination :

Prompt risqué : « Cite trois articles du Code OHADA sur les
provisions et donne leur numéro exact. »
→ L'IA peut inventer des numéros d'articles plausibles mais faux.

Prompt sécurisé : « Explique le principe des provisions en
comptabilité OHADA. Ne cite AUCUN numéro d'article que tu ne
serais pas certain de connaître ; à la place, indique où je dois
vérifier (Acte uniforme OHADA, article à confirmer). »
→ L'IA reste utile sans fabriquer de fausses références.

Technique clé : autorisez explicitement l'IA à dire « je ne suis pas sûr » et exigez qu'elle signale ce qui doit être vérifié. Cela réduit fortement les hallucinations.

Explication pédagogique

Les IA génératives sont désormais multimodales : elles ne traitent plus seulement le texte, mais aussi l'image, l'audio, la vidéo et le code. Comprendre ces modalités élargit considérablement les usages professionnels — à condition de connaître les précautions propres à chacune.

Le texte reste le cœur : rédaction, synthèse, traduction. L'image (génération et analyse) sert pour des visuels, des schémas, l'extraction de texte d'une photo — mais soulève des questions de droits et de réalisme trompeur. L'audio (transcription, synthèse vocale) accélère les comptes rendus de réunion — avec un enjeu de consentement. La vidéo émerge (génération, sous-titrage). Le code : l'IA aide à écrire, expliquer et corriger des scripts, très utile pour automatiser des tâches bureautiques (Excel, formules, petites macros).

Le principe transversal reste identique : chaque modalité produit un brouillon à contrôler. Une image générée peut contenir des erreurs ou enfreindre des droits ; une transcription audio peut mal retranscrire des noms ; un code généré peut comporter des bugs ou des failles. La vérification humaine reste la règle.

Démonstration

Un exemple multimodal utile et sûr — extraire et structurer depuis une image :

Usage : Vous photographiez une facture fournisseur.
Prompt : « À partir de cette image de facture, extrais dans un
tableau : fournisseur, date, numéro, montant HT, TVA, montant TTC.
Si un champ est illisible, écris "à vérifier" plutôt que de deviner. »
→ Gain de temps réel, avec une consigne anti-invention.

Code utile : « Écris une formule Excel qui calcule la TVA à 18 %
sur la colonne C et le TTC en colonne E. Explique chaque partie. »
→ L'IA produit la formule ET l'explication pédagogique.

Leçon : le multimodal démultiplie la productivité, mais la consigne « ne devine pas, signale à vérifier » reste indispensable.

Explication pédagogique

L'anatomie d'un bon prompt est la compétence centrale de toute la formation. Un prompt, c'est l'instruction que vous donnez à l'IA. La qualité de la sortie dépend directement de la qualité de l'entrée : « garbage in, garbage out ». Un prompt professionnel n'est pas une question jetée au hasard, c'est une commande structurée.

Un bon prompt comporte six composants, mémorisables par le canevas R-C-T-C-F-V : Rôle (« Tu es un expert-comptable OHADA »), Contexte (la situation, le pays, les contraintes), Tâche (le résultat précis attendu), Contraintes (ton, longueur, interdits, style), Format (tableau, liste, email, sections), Vérification (« signale tes hypothèses », « indique ce qui est à vérifier »).

Chaque composant réduit l'incertitude et donc le risque d'une réponse hors-sujet. Le Rôle oriente le registre et l'expertise ; le Contexte ancre la réponse dans votre réalité ; la Tâche évite le flou ; les Contraintes cadrent la forme ; le Format rend la sortie directement exploitable ; la Vérification protège contre les erreurs. Omettre un composant, c'est laisser l'IA deviner — et donc risquer un résultat inutilisable.

Démonstration

La même demande, sans puis avec l'anatomie complète :

❌ Prompt pauvre :
« Fais-moi une fiche de poste pour un comptable. »
→ Résultat générique, inadapté, à retravailler entièrement.

✅ Prompt anatomique (R-C-T-C-F-V) :
Rôle : Tu es un responsable RH d'un cabinet comptable à Dakar.
Contexte : Nous recrutons un comptable junior (Bac+3), maîtrise
SYSCOHADA, 0-2 ans d'expérience, poste basé au Plateau.
Tâche : Rédige une fiche de poste complète et attractive.
Contraintes : Critères fondés sur les compétences, non
discriminatoires, langage inclusif, adapté au marché sénégalais.
Format : Titre, missions (5 puces), compétences requises,
compétences appréciées, conditions.
Vérification : Signale toute exigence qui pourrait être
discriminatoire ou intenable.

Leçon : le second prompt produit un livrable quasi finalisé. Le temps investi dans le prompt est récupéré au centuple sur la sortie.

Explication pédagogique

Au-delà du canevas, six règles d'or transforment un prompt correct en prompt excellent. Elles sont universelles, valables sur ChatGPT, Claude, Gemini ou Copilot.

1. Être spécifique : remplacez le vague par le précis (« un texte court » → « un paragraphe de 80 mots »). 2. Donner du contexte : l'IA ne connaît ni votre métier, ni votre pays, ni vos contraintes tant que vous ne les donnez pas. 3. Imposer un format : tableau, liste numérotée, sections titrées — une sortie structurée est directement exploitable. 4. Montrer un exemple (few-shot) : un modèle de ce que vous attendez vaut mille explications. 5. Découper les tâches complexes : une grande demande en plusieurs étapes donne de meilleurs résultats qu'une consigne fourre-tout. 6. Itérer : le premier jet est un brouillon ; affinez par des demandes de correction ciblées.

Ces règles se combinent. Un prompt spécifique, contextualisé, formaté, illustré d'un exemple, découpé et itéré produit des résultats d'un niveau professionnel. À l'inverse, un prompt qui viole ces règles produit du générique qu'il faut entièrement retravailler.

Démonstration

Les règles d'or appliquées, l'une après l'autre :

Règle 1 (spécifique) :
❌ « Résume ce texte. » → ✅ « Résume ce texte en 5 puces de
15 mots maximum, orientées décision. »

Règle 3 (format) :
✅ « Présente le résultat sous forme de tableau à 3 colonnes :
Risque | Impact | Action recommandée. »

Règle 5 (découper) :
✅ « Étape 1 : liste les points clés. Attends ma validation.
Étape 2 : rédige la synthèse à partir des points validés. »

Règle 6 (itérer) :
✅ « Reprends ta réponse : raccourcis de 30 %, ton plus formel,
et ajoute une phrase de conclusion actionnable. »

Leçon : chaque règle est un levier ; ensemble, elles font la différence entre un résultat amateur et un livrable professionnel.

Explication pédagogique

Le prompt de cadrage métier est le prompt réutilisable qui installe, en tête de session, tout le contexte professionnel dont l'IA a besoin. Plutôt que de réexpliquer votre situation à chaque demande, vous préparez un cadrage solide une fois, que vous adaptez ensuite.

Un bon prompt de cadrage précise votre secteur, votre pays et sa réglementation, votre rôle, votre vocabulaire métier, vos contraintes récurrentes et vos règles de sécurité (par exemple : « n'invente jamais de chiffre, signale toujours ce qui est à vérifier »). Il transforme l'IA généraliste en assistant spécialisé de votre domaine.

L'intérêt est double : gain de temps (le contexte n'est saisi qu'une fois) et qualité (toutes les réponses de la session héritent du bon cadrage). C'est particulièrement précieux dans un contexte africain où les réponses par défaut de l'IA sont souvent calibrées sur d'autres marchés (normes comptables, cadre juridique, références culturelles différents).

Démonstration

Un prompt de cadrage métier réutilisable (exemple expertise comptable) :

CADRAGE PERMANENT — à coller en début de session
Rôle : Tu es mon assistant expert-comptable et commissaire aux
comptes, spécialiste du référentiel SYSCOHADA révisé.
Contexte : Je travaille au Sénégal (zone OHADA). Mes clients sont
des PME. TVA à 18 %. Vocabulaire : comptes de la classe 6/7,
liasse fiscale, TAFIRE, balance, grand livre.
Règles permanentes :
- N'invente jamais un numéro de compte, un article ou un chiffre.
- Signale systématiquement ce qui doit être vérifié.
- Adapte toujours au contexte OHADA, pas au PCG français.
- Propose, mais rappelle que la décision finale m'appartient.
Confirme que tu as intégré ce cadrage, puis attends ma demande.

Leçon : ce bloc unique fait gagner un temps considérable et améliore la pertinence de toutes les réponses suivantes.

Explication pédagogique

L'itération est le secret des utilisateurs experts. Le premier résultat d'une IA n'est jamais un livrable final : c'est un brouillon de départ à améliorer par des demandes de correction ciblées. Savoir itérer efficacement distingue l'utilisateur occasionnel du professionnel.

Itérer, ce n'est pas relancer la même demande en espérant mieux : c'est diagnostiquer précisément ce qui ne va pas et le corriger. Trop long ? « Réduis de 40 %. » Trop formel ? « Adopte un ton plus direct. » Il manque un angle ? « Ajoute une section sur les risques. » Chaque itération est une instruction chirurgicale, pas une reformulation vague.

Une bonne pratique est l'itération guidée par critères : définissez à l'avance ce que doit contenir un bon résultat (longueur, ton, structure, éléments obligatoires), puis demandez à l'IA de corriger sa réponse point par point selon ces critères. Vous pouvez même demander à l'IA de s'auto-évaluer : « Évalue ta réponse selon ces trois critères et corrige les points faibles. »

Démonstration

Une séquence d'itération professionnelle :

Jet 1 : « Rédige une note de synthèse sur ce dossier. »
→ Réponse correcte mais trop longue et sans priorisation.

Itération 1 : « Réduis à 200 mots, garde uniquement les 3 points
décisionnels, mets-les en gras. »

Itération 2 : « Ajoute en fin une recommandation unique et
chiffrée, formulée comme une décision à valider. »

Itération 3 : « Vérifie ta note : y a-t-il une affirmation
factuelle non sourcée ? Si oui, marque-la [à vérifier]. »
→ Résultat final : concis, priorisé, actionnable, sécurisé.

Leçon : trois itérations ciblées valent mieux que dix reformulations floues.

Explication pédagogique

Le few-shot prompting consiste à donner à l'IA un ou plusieurs exemples du résultat attendu, avant de lui demander de produire le vôtre. C'est l'une des techniques les plus puissantes : un bon exemple communique instantanément un format, un ton et un niveau de détail qu'il serait long d'expliquer.

On parle de « zero-shot » quand on demande sans exemple, « one-shot » avec un exemple, « few-shot » avec plusieurs. Plus la tâche est spécifique à votre style ou format, plus l'exemple est utile. L'IA imite le motif que vous lui montrez : si vous lui donnez deux réponses clients bien formulées, elle produira la troisième dans le même esprit.

Le few-shot est idéal pour standardiser des productions récurrentes : réponses types, comptes rendus, fiches, messages. En montrant deux ou trois exemples de vos « bons » livrables, vous obtenez des sorties homogènes, conformes à votre style maison, sans avoir à décrire ce style en détail. C'est la technique de la cohérence à grande échelle.

Démonstration

Few-shot pour standardiser des réponses (exemple service client) :

Voici deux exemples du style de réponse de notre entreprise :

Exemple 1
Client : « Ma commande a du retard. »
Réponse : « Bonjour, nous comprenons votre attente et nous en
excusons. Votre commande est expédiée aujourd'hui, livraison sous
48 h. Merci de votre confiance. »

Exemple 2
Client : « Le produit reçu est abîmé. »
Réponse : « Bonjour, nous sommes désolés pour ce désagrément. Nous
organisons un échange gratuit sous 72 h. Pouvez-vous nous envoyer
une photo ? Merci de votre patience. »

Maintenant, réponds dans EXACTEMENT le même style et ton :
Client : « Je n'ai pas reçu ma facture. »

Leçon : l'IA reproduit le motif — ton empathique, solution concrète, délai précis — sans qu'on ait eu à le décrire.

Explication pédagogique

Le role prompting consiste à assigner explicitement un rôle ou une persona à l'IA (« Tu es un auditeur senior », « Tu es un formateur pour débutants »). Ce rôle oriente le registre, le niveau de langage, le point de vue et l'expertise mobilisée. Combiné à des contraintes précises, il donne un contrôle fin sur la sortie.

Le rôle agit comme un projecteur : « Tu es un juriste » produira une réponse prudente et référencée ; « Tu es un vulgarisateur » produira une explication simple et imagée ; « Tu es un relecteur exigeant » produira une critique constructive. Choisir le bon rôle, c'est déjà orienter la moitié du résultat.

Les contraintes complètent le rôle en fixant les limites : longueur (« maximum 150 mots »), ton (« formel mais chaleureux »), interdits (« sans jargon technique »), obligations (« cite tes hypothèses »), public (« pour un dirigeant non financier »). Plus les contraintes sont explicites, moins l'IA improvise. Un rôle bien choisi + des contraintes précises = une sortie sur mesure.

Démonstration

Le même contenu, trois rôles différents :

Sujet : expliquer la notion d'amortissement.

Rôle « professeur pour débutants » :
« Un amortissement, c'est étaler le coût d'un bien sur sa durée
d'usage. Exemple : un ordinateur à 600 000 FCFA utilisé 3 ans
"coûte" 200 000 FCFA par an. »

Rôle « expert-comptable pour un confrère » :
« L'amortissement traduit la dépréciation systématique d'une
immobilisation sur sa durée d'utilité, selon le plan SYSCOHADA... »

Rôle « conseiller pour un dirigeant » :
« L'amortissement réduit votre résultat imposable chaque année :
c'est un levier fiscal à intégrer dans votre trésorerie. »

Leçon : un seul sujet, trois publics, trois réponses adaptées — grâce au seul choix du rôle.

Explication pédagogique

Le raisonnement guidé consiste à demander à l'IA de décomposer son raisonnement par étapes avant de conclure (« procède étape par étape », « explique ton raisonnement avant de répondre »). Cette technique, souvent appelée « chain of thought », améliore nettement la qualité sur les tâches d'analyse, de calcul ou de décision.

Pourquoi ça marche : en forçant l'IA à expliciter les étapes intermédiaires, on réduit les raccourcis erronés et on rend le raisonnement vérifiable. Vous pouvez alors contrôler chaque étape plutôt que d'accepter une conclusion opaque. C'est particulièrement utile pour les analyses financières, les comparaisons, les diagnostics.

Mais ce module insiste sur un point crucial : guider le raisonnement sans divulguer de données sensibles. On peut demander une méthode d'analyse, un raisonnement type, une trame de décision — en utilisant des données fictives ou anonymisées — puis appliquer soi-même la méthode à ses données réelles, hors de l'outil. On obtient ainsi la puissance du raisonnement guidé sans exposer la confidentialité.

Démonstration

Raisonnement guidé sur données anonymisées :

Prompt : « Voici une situation FICTIVE : une entreprise a un chiffre
d'affaires de 100, des charges de 70, des dettes de 40.
Procède étape par étape pour évaluer sa santé financière :
1) calcule le résultat, 2) calcule un ratio d'endettement simple,
3) conclus prudemment, 4) liste ce qu'il faudrait vérifier en plus.
Explique chaque étape avant de conclure. »
→ L'IA livre une MÉTHODE de raisonnement claire et vérifiable.

Ensuite, vous appliquez cette méthode à vos VRAIS chiffres,
vous-même, hors de l'outil : la confidentialité est préservée.

Leçon : on extrait la méthode de l'IA avec des données fictives, puis on l'applique soi-même aux données réelles.

Explication pédagogique

Ce challenge consolide tout le module 2 : vous allez constituer une bibliothèque de 10 prompts métier réutilisables, testés et sécurisés. C'est le passage de la théorie à un actif professionnel concret que vous utiliserez au quotidien.

Chaque prompt de la bibliothèque doit respecter les acquis du module : l'anatomie R-C-T-C-F-V, les six règles d'or, un cadrage métier, et une consigne de vérification. L'objectif est d'avoir, pour vos 10 tâches les plus fréquentes, un prompt prêt à l'emploi qui produit un résultat de qualité en un seul lancement.

Cette bibliothèque est un investissement : quelques heures pour la construire, un gain de temps quotidien pour des mois. Elle standardise vos productions, réduit les erreurs, et se partage au sein d'une équipe. C'est le livrable le plus rentable de la formation — à condition que chaque prompt soit réellement testé et affiné, pas seulement écrit.

Démonstration

Structure d'une fiche de la bibliothèque de prompts :

PROMPT n° : Relance client courtoise
Tâche : Rédiger un email de relance de facture impayée.
Prompt :
« Rôle : assistant d'une PME à Dakar. Contexte : facture de
[MONTANT] échue depuis [X] jours, relation bonne. Tâche : email
de relance courtois et ferme. Contraintes : 120 mots max, ton
respectueux, proposer un échéancier, n'invente aucun chiffre.
Format : objet + corps + politesse. Vérification : signale tes
hypothèses. »
Testé le : ___  | Résultat : ✅ à réutiliser
Précaution : remplacer [MONTANT] et [X], anonymiser le client.

Leçon : avec des champs [entre crochets] à remplir, chaque prompt devient un modèle réutilisable et sûr.

Explication pédagogique

La rédaction professionnelle assistée est l'usage le plus immédiat et le plus rentable de l'IA. Emails, notes, comptes rendus, messages clients, courriers : autant de textes que l'IA aide à produire plus vite et souvent mieux structurés — à condition de garder le contrôle du fond et du ton.

La valeur de l'IA ici est triple : elle déclenche (surmonter la page blanche), elle structure (organiser des idées éparses), elle affine (améliorer un brouillon existant). Vous pouvez lui donner vos points clés en vrac et lui demander un texte structuré, ou lui soumettre votre brouillon pour qu'elle le clarifie, le raccourcisse ou en ajuste le ton.

Le professionnel garde la main sur ce qui compte : l'exactitude des informations, l'adéquation au destinataire et au contexte culturel, et la responsabilité du message envoyé. L'IA rédige un brouillon ; c'est vous qui validez, personnalisez et engagez votre nom. Un email signé de vous reste le vôtre, même rédigé avec l'IA.

Démonstration

Transformer des notes en vrac en email professionnel :

Prompt : « À partir de ces notes, rédige un email professionnel.
Notes : réunion reportée / nouvelle date jeudi 14h / apporter le
rapport trimestriel / prévenir le service compta.
Contraintes : ton courtois et efficace, 100 mots max, objet clair,
public = équipe interne. N'ajoute aucune information que je n'ai
pas fournie. »
→ Email prêt à envoyer, structuré, sans invention.

Leçon : la consigne « n'ajoute aucune information » évite que l'IA invente des détails plausibles mais faux (un lieu, un nom, une heure).

Explication pédagogique

La synthèse de documents longs est un gain de temps majeur : rapports, contrats, comptes rendus, études de dizaines de pages peuvent être résumés en quelques minutes. Mais c'est aussi un usage où les précautions sont essentielles, car une synthèse infidèle peut induire de mauvaises décisions.

Une bonne synthèse assistée repose sur des consignes précises : quel angle (synthèse générale ? points de décision ? risques ? chiffres clés ?), quelle longueur, quel format (puces, tableau, note). Plus la demande est ciblée, plus la synthèse est utile. « Résume ce document » donne du générique ; « Extrais les 5 obligations contractuelles et leurs échéances dans un tableau » donne un outil de travail.

Deux vigilances majeures. La confidentialité : soumettre un document à une IA revient à le transmettre à un tiers ; pour un document sensible, il faut vérifier l'outil ou anonymiser. La fidélité : l'IA peut omettre un point crucial ou déformer une nuance ; sur un document important, la synthèse guide la lecture mais ne remplace pas la lecture des passages critiques.

Démonstration

Une synthèse ciblée et vérifiable :

Prompt : « Voici un contrat de prestation. Extrais dans un tableau :
Obligation | Partie concernée | Échéance | Pénalité éventuelle.
Ajoute ensuite une section "Points à faire vérifier par un juriste".
Ne déduis aucune clause qui ne serait pas explicitement écrite. »
→ Un tableau exploitable + une invitation au contrôle humain.

Leçon : demander une section « à faire vérifier » institutionnalise le contrôle et rappelle que la synthèse ne remplace pas l'expertise.

Explication pédagogique

La veille et la recherche accélérées par l'IA font gagner un temps précieux — mais constituent le terrain où les hallucinations sont les plus dangereuses, car on cherche précisément des informations qu'on ne connaît pas encore et qu'on peut donc difficilement corriger.

Il faut distinguer deux types d'outils. Les assistants classiques (ChatGPT, Claude) génèrent des réponses à partir de leur entraînement : ils peuvent inventer des sources, des dates, des chiffres, et ignorent souvent l'actualité récente. Les IA de recherche (Perplexity, ou les modes connectés au web) cherchent en temps réel et citent leurs sources : elles sont bien plus fiables pour la veille, à condition de vérifier les sources citées.

La règle d'or de la recherche assistée : toujours remonter à la source. Une IA qui affirme un fait sans source vérifiable ne doit pas être crue sur parole. Une IA qui cite une source doit être contrôlée en ouvrant réellement la source (une IA peut aussi mal résumer ou citer une source hors contexte). L'IA accélère la recherche ; elle ne dispense pas de la vérification.

Démonstration

Recherche assistée avec exigence de sources :

❌ Prompt risqué : « Quelles sont les dernières évolutions de la
fiscalité des PME au Sénégal ? »
→ Un assistant non connecté peut inventer des mesures plausibles.

✅ Prompt sécurisé (IA de recherche) : « Recherche les évolutions
récentes de la fiscalité des PME au Sénégal. Cite pour chaque
affirmation une source vérifiable avec son lien. Distingue ce qui
est confirmé de ce qui est incertain. »
→ Puis j'ouvre chaque source pour confirmer avant d'utiliser.

Leçon : pour la veille, privilégiez une IA qui cite ses sources, et vérifiez toujours ces sources.

Explication pédagogique

La traduction et l'adaptation interculturelle vont bien au-delà du mot à mot. L'IA traduit vite et bien entre de nombreuses langues, mais le professionnel doit veiller à l'adaptation : registre, culture, contexte local, nuances qui font qu'un message « sonne juste » pour son destinataire.

Dans un contexte sénégalais et africain multilingue, cet usage est précieux : traduire un document français en anglais pour un partenaire international, adapter un message au registre attendu, reformuler dans un français plus accessible. L'IA gère la mécanique linguistique ; vous garantissez la justesse culturelle et professionnelle.

La traduction assistée demande deux précautions. D'abord, la terminologie métier : un terme technique (comptable, juridique) peut être mal traduit ; il faut vérifier les termes clés. Ensuite, le ton et les conventions : les formules de politesse, le niveau de formalité, les références varient d'une culture à l'autre. Une bonne consigne précise la langue cible, le public, le registre et le contexte culturel.

Démonstration

Traduction avec adaptation, pas mot à mot :

Prompt : « Traduis cet email du français vers l'anglais
professionnel. Public : un partenaire commercial britannique.
Adapte les formules de politesse aux conventions anglaises (pas de
traduction littérale du "Veuillez agréer..."). Conserve un ton
formel mais direct. Signale tout terme technique dont la traduction
mériterait ma validation. »
→ Une traduction naturelle et culturellement adaptée.

Leçon : demander l'adaptation des conventions culturelles et le signalement des termes techniques évite les traductions rigides ou erronées.

Explication pédagogique

La production de tableaux, listes et structures est l'un des usages où l'IA brille : transformer un contenu désordonné en information organisée et exploitable. Un mur de texte devient un tableau comparatif ; des idées éparses deviennent une liste priorisée ; un processus flou devient une séquence d'étapes claires.

La clé est de spécifier la structure attendue. L'IA ne devine pas la forme idéale : dites-lui le nombre de colonnes, leurs intitulés, le critère de tri, le niveau de détail. « Fais un tableau » donne du hasard ; « Fais un tableau à 4 colonnes (Option, Coût, Avantage, Risque), une ligne par option, trié par coût croissant » donne exactement l'outil voulu.

Ces structures servent la décision : un tableau comparatif éclaire un choix, une check-list sécurise un processus, une matrice priorise des actions. L'IA vous aide à passer de l'information brute à un support de décision — que vous validez et complétez avec votre expertise. La structure produite est un point de départ à contrôler, notamment sur l'exactitude des données qu'elle contient.

Démonstration

Structurer pour décider :

Prompt : « Transforme ces informations en tableau de décision.
Contenu : [3 fournisseurs avec leurs prix, délais et conditions].
Format : tableau à 5 colonnes — Fournisseur | Prix | Délai |
Condition de paiement | Recommandation. Trie du plus avantageux
au moins avantageux. Ajoute sous le tableau une recommandation
unique et justifiée. Ne modifie aucun chiffre que je t'ai donné. »
→ Un support de décision clair, à valider.

Leçon : préciser les colonnes, le tri et l'interdiction de modifier les chiffres transforme un contenu brut en outil décisionnel fiable.

Explication pédagogique

Claude (Anthropic) est un assistant reconnu pour la qualité de ses textes longs, la nuance de sa rédaction, sa capacité d'analyse de documents et une posture prudente axée sur la sécurité. Comprendre ses forces et ses points d'attention permet de l'utiliser au bon moment.

Ses forces : l'aisance sur les textes longs et structurés (notes, rapports, analyses), la nuance et la subtilité de rédaction, l'analyse fine de documents volumineux, une tendance à signaler ses limites et à éviter les affirmations hasardeuses. Il est souvent apprécié pour les tâches d'écriture professionnelle exigeante et de raisonnement.

Ses prudences : comme toute IA générative, il peut halluciner sur des faits précis, sa date de connaissance limite l'actualité, et il ne remplace pas la vérification. Sa prudence même peut parfois le rendre plus « prudent » que nécessaire, demandant une reformulation. Comme pour tout outil, la question de la confidentialité des données soumises doit être vérifiée avant un usage professionnel sur des données réelles.

Démonstration

Cas d'usage typique où Claude excelle :
« Analyse ce rapport de 30 pages. Produis une note de synthèse de
2 pages, structurée, nuancée, qui distingue les faits établis des
interprétations, et signale les zones d'incertitude. »
→ Tâche longue, nuancée, analytique : terrain de prédilection.

À éviter sans vérification :
« Donne-moi les statistiques officielles du chômage 2024. »
→ Comme toute IA, risque d'imprécision : vérifier la source.

Leçon : excellent pour l'analyse et la rédaction longue, à vérifier sur les faits chiffrés récents.

Explication pédagogique

Gemini (Google) se distingue par son intégration à l'écosystème Google Workspace (Gmail, Docs, Sheets, Drive) et son lien avec la recherche Google. Pour une organisation qui travaille déjà sous Workspace, c'est un atout de productivité important.

Ses forces : l'intégration native dans les outils Google (rédiger dans Docs, analyser dans Sheets, résumer des mails dans Gmail), l'accès à des informations à jour via la recherche, et le traitement multimodal. Pour les utilisateurs de Workspace, il réduit les allers-retours entre applications.

Ses prudences : les mêmes que toute IA générative (hallucinations, vérification nécessaire), auxquelles s'ajoute une vigilance particulière sur la confidentialité — comprendre quelles données de vos documents Workspace sont traitées et comment. Comme toujours, l'intégration pratique ne doit pas faire baisser la garde sur la protection des données.

Démonstration

Cas d'usage typique de Gemini dans Workspace :
• Dans Gmail : « Résume ce fil de discussion et propose une réponse. »
• Dans Sheets : « Analyse cette colonne et propose une formule. »
• Dans Docs : « Améliore la structure de ce document. »
→ Gain de temps par intégration directe, sans copier-coller.

Précaution : vérifier les paramètres de confidentialité de
l'espace Workspace et la sensibilité des documents traités.

Leçon : pertinent surtout si vous vivez déjà dans Google Workspace ; sinon, l'avantage d'intégration disparaît.

Explication pédagogique

Copilot (Microsoft) est l'assistant intégré à Microsoft 365 (Word, Excel, Outlook, PowerPoint, Teams). Pour les nombreuses organisations qui travaillent sous Microsoft, c'est l'outil qui apporte l'IA directement dans les applications quotidiennes.

Ses forces : rédiger et reformuler dans Word, analyser des données et générer des formules dans Excel, trier et répondre aux mails dans Outlook, créer des présentations dans PowerPoint, résumer des réunions dans Teams. L'IA vient à vos documents plutôt que l'inverse, ce qui fluidifie considérablement le travail bureautique.

Ses prudences : au-delà des limites communes (hallucinations, vérification), l'enjeu de confidentialité et de conformité est central puisque Copilot peut accéder à vos fichiers et mails professionnels. Il faut comprendre le périmètre de données accessible, les paramètres de l'organisation, et rester vigilant sur les documents sensibles. Excel mérite une attention particulière : une formule générée doit être vérifiée, car une erreur peut fausser des calculs entiers.

Démonstration

Cas d'usage typique de Copilot dans M365 :
• Word : « Rédige une première version de ce courrier. »
• Excel : « Crée une formule qui calcule la marge par produit. »
• Outlook : « Résume les mails non lus et signale les urgents. »
• PowerPoint : « Transforme ce document en 5 diapositives. »

Précaution Excel : toujours vérifier une formule générée sur
quelques lignes avant de l'appliquer à tout un tableau.

Leçon : imbattable pour qui travaille sous Microsoft 365, à condition de vérifier les sorties, surtout les calculs.

Explication pédagogique

Perplexity et les IA de recherche occupent une catégorie à part : elles sont conçues pour chercher sur le web en temps réel et citer leurs sources. Là où un assistant classique génère à partir de sa mémoire, une IA de recherche va chercher l'information actuelle et l'accompagne de références vérifiables.

Leurs forces : la veille, la recherche d'informations récentes, la vérification de faits, l'exploration d'un sujet nouveau — le tout avec des sources qu'on peut ouvrir et contrôler. C'est l'outil de choix quand l'actualité et la traçabilité comptent plus que la génération créative.

Leurs prudences : citer une source n'est pas la garantir. L'IA peut mal résumer une source, la sortir de son contexte, ou s'appuyer sur une source peu fiable. La compétence clé reste la même qu'en recherche documentaire classique : évaluer la qualité des sources et remonter au texte original. L'IA de recherche accélère le sourcing ; elle ne remplace pas le jugement critique sur la fiabilité des sources.

Démonstration

Cas d'usage typique d'une IA de recherche :
« Quelles sont les tendances récentes du e-commerce en Afrique de
l'Ouest ? Cite tes sources avec liens, privilégie les sources
officielles ou reconnues, et distingue les faits des projections. »
→ Réponse sourcée que je contrôle en ouvrant les liens.

À vérifier : la fiabilité de chaque source citée (institution
reconnue ? date ? méthode ?) avant de reprendre l'information.

Leçon : idéal pour la veille sourcée, à condition d'évaluer la qualité des sources, pas seulement leur existence.

Explication pédagogique

Choisir le bon outil selon la tâche est la synthèse du module 4. Il n'y a pas d'outil universellement supérieur : il y a une correspondance à établir entre une tâche, un environnement de travail, des exigences de confidentialité et les forces de chaque assistant.

Une méthode de choix simple repose sur quatre questions. Quelle tâche ? (rédaction longue → Claude ; recherche sourcée → Perplexity ; bureautique → Copilot/Gemini selon l'écosystème). Quel environnement ? (Microsoft 365 → Copilot ; Google Workspace → Gemini). Quelle confidentialité ? (données sensibles → outil validé ou anonymisation). Quel besoin d'actualité ? (récent → IA connectée/recherche).

L'objectif n'est pas de tout faire avec un seul outil, mais de constituer une boîte à outils raisonnée : savoir vers quel assistant se tourner pour chaque type de tâche. Cette agilité, fondée sur la compréhension des forces de chacun plutôt que sur la fidélité à une marque, est la marque d'un utilisateur mature. Et quel que soit l'outil, les principes de sécurité et de vérification restent constants.

Démonstration

Grille de décision synthétique :
Tâche                          | Outil privilégié
Note d'analyse longue          | Claude
Recherche/veille sourcée       | Perplexity / IA de recherche
Travail dans Word/Excel/Outlook| Copilot (M365)
Travail dans Docs/Sheets/Gmail | Gemini (Workspace)
Polyvalence + image            | ChatGPT
→ Toujours : anonymiser si sensible, vérifier les faits.

Leçon : le bon réflexe n'est pas « quel est le meilleur ? » mais « lequel pour CETTE tâche, dans MON environnement ? ».

Explication pédagogique

La règle de sécurité la plus importante de toute la formation : certaines données ne doivent jamais être saisies dans une IA grand public. Soumettre une information à un assistant en ligne revient à la transmettre à un tiers, hors de votre contrôle. Pour certaines données, ce risque est inacceptable.

Les catégories à ne jamais saisir sans validation : les données personnelles (noms, adresses, numéros d'identité de clients ou salariés), les données de santé, les données financières sensibles (relevés, montants confidentiels), les secrets d'affaires (contrats en cours, stratégies, prix négociés), les identifiants et mots de passe, et toute donnée couverte par une obligation de confidentialité (secret professionnel, clauses contractuelles).

La parade est simple et systématique : anonymiser avant de saisir. Remplacez les noms par « le client », les montants réels par des montants fictifs représentatifs, les détails identifiants par des génériques. Vous conservez la puissance de l'IA sur la structure et la méthode, sans exposer la donnée réelle. Au Sénégal, cette vigilance rejoint les obligations de la loi sur la protection des données personnelles (CDP).

Démonstration

❌ À NE JAMAIS FAIRE :
« Rédige une relance pour M. Amadou Diallo, NINEA 12345,
qui doit 3 400 000 FCFA sur le contrat n°2024-078. »
→ Données personnelles + montant réel + référence exposés.

✅ VERSION ANONYMISÉE :
« Rédige une relance pour un client (que j'appellerai [CLIENT])
qui doit [MONTANT] au titre d'un contrat [RÉFÉRENCE]. »
→ Même résultat utile, aucune donnée réelle exposée.
Je remplace ensuite les champs dans MA version finale, hors outil.

Leçon : l'anonymisation par champs génériques permet de tout faire, sans jamais exposer la donnée réelle.

Explication pédagogique

Au-delà de ce qu'on saisit, il faut maîtriser les paramètres de confidentialité des outils IA. Chaque service a ses réglages qui déterminent si vos échanges sont conservés, s'ils servent à entraîner le modèle, et qui peut y accéder. Ignorer ces paramètres, c'est utiliser un outil à l'aveugle.

Les points à vérifier pour chaque outil : l'historique (vos conversations sont-elles enregistrées ? pouvez-vous les supprimer ?), l'entraînement (vos données servent-elles à améliorer le modèle ? peut-on désactiver cette option ?), l'hébergement (où sont stockées les données ? sous quelle juridiction ?), et les offres professionnelles (les versions entreprise offrent souvent des garanties de confidentialité supérieures aux versions gratuites).

La distinction version gratuite / version professionnelle est essentielle. Les versions gratuites utilisent souvent les données pour l'entraînement par défaut ; les versions payantes ou entreprise proposent des engagements de non-utilisation et de non-conservation. Pour un usage professionnel régulier sur des données métier, une offre adaptée avec les bonnes garanties est un investissement de conformité, pas un luxe.

Démonstration

Check-list de paramétrage d'un outil IA :
□ Historique des conversations : activé/désactivé ? suppressible ?
□ Utilisation pour l'entraînement : peut-on la désactiver ?
□ Type de compte : gratuit (souvent moins protégé) ou pro ?
□ Hébergement / juridiction des données : connu ?
□ Partage / visibilité : qui peut voir mes conversations ?
→ Régler AVANT de saisir la moindre donnée métier.

Leçon : cinq minutes de paramétrage réduisent fortement le risque de confidentialité.

Explication pédagogique

Le droit d'auteur et la propriété intellectuelle soulèvent des questions nouvelles avec l'IA générative, qu'un professionnel doit connaître pour éviter des fautes coûteuses. Deux questions se posent : qui possède ce que l'IA produit, et l'IA peut-elle enfreindre les droits d'autrui ?

Sur la propriété des sorties : le statut juridique du contenu généré par IA est encore mouvant et varie selon les pays. En pratique professionnelle, la prudence impose de considérer que vous engagez votre responsabilité sur ce que vous publiez, même produit avec l'IA. Vous ne pouvez pas vous décharger sur l'IA d'un contenu problématique.

Sur le respect des droits d'autrui : une IA peut produire un texte proche d'une œuvre existante, une image inspirée d'un style protégé, ou reprendre des contenus sans citer leur source. Publier tel quel peut enfreindre des droits. Les précautions : ne pas faire produire d'imitation d'œuvres ou de marques identifiables, vérifier l'originalité des contenus destinés à publication, et citer les sources réelles quand l'IA s'appuie sur des travaux existants. La règle prudente : l'IA aide à créer votre contenu original, elle ne sert pas à copier celui des autres.

Démonstration

❌ Usage risqué :
« Écris un article dans le style exact de [auteur connu] » ou
« Génère le logo de [marque existante] adapté à mon entreprise. »
→ Risque d'atteinte aux droits d'auteur ou aux marques.

✅ Usage prudent :
« Aide-moi à rédiger un article ORIGINAL sur ce thème, avec mon
propre angle. Signale si tu reprends des formulations qui
pourraient appartenir à une source existante. »
→ Un contenu original dont vous assumez la paternité.

Leçon : l'IA sert à créer votre contenu original, jamais à imiter une œuvre ou une marque protégée.

Explication pédagogique

La vérification des faits est le réflexe de sécurité qui doit accompagner chaque usage de l'IA. Puisque l'IA peut produire des informations fausses avec assurance, aucune affirmation factuelle issue d'une IA ne devrait être utilisée sans contrôle. Ce module en fait une méthode systématique.

Tout ce qui est vérifiable doit être vérifié : chiffres, dates, noms propres, citations, références légales, statistiques, événements. La méthode : identifier dans la réponse IA les affirmations factuelles, puis les confronter à des sources fiables et indépendantes (sites officiels, textes de loi, publications reconnues). Une affirmation non vérifiable ou invérifiée reste une hypothèse, pas un fait.

Une bonne pratique consiste à faire collaborer l'IA à sa propre vérification : lui demander de distinguer ce qu'elle affirme avec certitude de ce qui est incertain, de marquer « à vérifier » les éléments sensibles, et de lister les points à contrôler. Mais la vérification finale reste humaine et externe : on ne demande pas à l'IA de se vérifier elle-même comme seule garantie. La hiérarchie est claire : source fiable {'>'} affirmation de l'IA.

Démonstration

Méthode de vérification en 3 temps :
1) Repérer les faits vérifiables dans la réponse IA
   (chiffres, dates, noms, références).
2) Faire signaler par l'IA ses incertitudes :
   « Marque [à vérifier] tout élément dont tu n'es pas certain. »
3) Confronter chaque fait à une source fiable indépendante
   avant de l'utiliser.
→ Ce qui n'est pas vérifié reste une hypothèse.

Leçon : l'IA peut aider à repérer ce qui doit être vérifié, mais la confirmation vient toujours d'une source externe fiable.

Explication pédagogique

Une politique d'utilisation responsable de l'IA formalise, pour une équipe ou une organisation, les règles du bon usage. Elle transforme les bonnes pratiques individuelles en cadre partagé, protégeant à la fois l'organisation et les collaborateurs. Même une petite structure gagne à disposer de quelques règles claires.

Une politique utile couvre les questions concrètes : quelles données peut-on ou ne peut-on pas saisir ? quels usages sont autorisés, encadrés ou interdits ? quelle vérification avant d'utiliser une production IA ? quelle validation avant de publier ou d'envoyer ? comment signaler un problème ? La politique répond à ces questions en termes simples et applicables.

Le bon dosage est essentiel : une politique doit être protectrice sans être paralysante. Trop de règles et personne ne les suit ; trop peu et les risques prospèrent. L'objectif est un document court, clair, illustré d'exemples, que chaque collaborateur peut comprendre et appliquer. C'est le livrable qui ancre durablement l'usage responsable de l'IA dans le fonctionnement quotidien.

Démonstration

Squelette d'une politique d'utilisation responsable :
1. Données interdites : personnelles, financières sensibles,
   secrets d'affaires, identifiants → anonymiser d'abord.
2. Usages autorisés : rédaction, synthèse, structuration,
   traduction, brainstorming (sur données anonymisées).
3. Vérification : tout fait chiffré/juridique est vérifié.
4. Validation : toute production envoyée/publiée est relue par
   un humain responsable.
5. Confidentialité : paramètres réglés, offre pro si besoin.
6. Signalement : en cas de doute, référer à [responsable].

Leçon : six règles claires suffisent à cadrer l'essentiel.

Explication pédagogique

La posture professionnelle humain-IA est la synthèse de tout le parcours. Au-delà des techniques, il s'agit d'adopter une relation mature à l'IA : ni rejet craintif, ni délégation aveugle, mais une collaboration maîtrisée où l'humain reste le décideur et le garant.

Cette posture repose sur un équilibre. D'un côté, tirer parti de l'IA sans réserve pour ce qu'elle fait bien : accélérer, structurer, reformuler, explorer. De l'autre, garder le contrôle sur ce qui compte : le jugement, la responsabilité, la vérification, la décision. L'IA est un collaborateur junior brillant mais faillible : on lui délègue l'exécution, jamais la responsabilité.

Le professionnel augmenté par l'IA n'est pas remplacé par elle : il est libéré des tâches répétitives pour se concentrer sur ce qui exige de l'humain — le relationnel, l'arbitrage, l'expertise, l'éthique. Cette posture, faite d'ouverture et de vigilance, de gain de productivité et de responsabilité maintenue, est ce que cette formation vous a préparé à incarner. C'est elle qui distingue un usage professionnel d'un usage amateur.

Démonstration

Les deux erreurs de posture à éviter :
❌ Rejet : « L'IA n'est pas fiable, je n'y touche pas. »
   → On se prive d'un gain de productivité considérable.
❌ Délégation aveugle : « L'IA l'a dit, donc c'est bon. »
   → On expose l'organisation à des erreurs et des risques.

✅ Posture mature : « J'utilise l'IA pour aller plus vite, je
vérifie ce qui doit l'être, et j'assume la décision finale. »
   → Productivité ET maîtrise.

Leçon : la bonne posture se situe entre le rejet et la délégation aveugle : collaboration contrôlée.

Explication pédagogique

Le projet final consolide toute la formation en un livrable concret et durable : votre bibliothèque de prompts métier, testée, commentée et sécurisée. C'est le passage de l'apprentissage à un actif professionnel que vous utiliserez au quotidien et pourrez partager.

Le principe : sélectionner dix tâches réelles de votre poste, et pour chacune, construire un prompt professionnel complet respectant tous les acquis — l'anatomie R-C-T-C-F-V, les six règles d'or, un cadrage métier, une consigne de vérification, et des champs génériques pour la confidentialité. Chaque prompt est testé sur un cas fictif ou anonymisé, affiné, puis documenté.

Ce projet est le plus rentable de la formation. Il transforme des heures d'apprentissage en un gain de temps quotidien durable, standardise vos productions, réduit les erreurs et sécurise vos usages. Un bon prompt engineering challenge produit une boîte à outils que vous ouvrez chaque jour — à condition que chaque prompt soit réellement testé et non simplement rédigé.

Démonstration

Fiche type de la bibliothèque (à répliquer x10) :
─────────────────────────────────────────────
Tâche : [ex. Synthèse d'un compte rendu de réunion]
Outil recommandé : [ex. Claude / ChatGPT]
Prompt :
« Rôle : ... | Contexte : ... | Tâche : ... |
  Contraintes : ... | Format : ... | Vérification : ... »
Champs à remplir : [DATE], [PARTICIPANTS], [SUJET]
Testé le : ___  Résultat : ✅/🔄
Précaution confidentialité : anonymiser [...]
Points à vérifier dans la sortie : [...]
─────────────────────────────────────────────

Leçon : une fiche complète et testée par tâche = une bibliothèque professionnelle réutilisable.

Explication pédagogique

Cette évaluation finale valide vos acquis sur l'ensemble du parcours et, surtout, prépare le transfert à 30 jours : le pont entre la formation et sa mise en pratique réelle. Sans plan de transfert, les compétences acquises restent théoriques et s'effacent ; avec lui, elles deviennent des réflexes professionnels.

L'évaluation couvre les cinq domaines : comprendre les IA génératives (M1), le prompt engineering (M2), les usages professionnels (M3), le choix des outils (M4), la sécurité et l'éthique (M5). Chaque erreur au quiz pointe une séquence à revoir : l'évaluation est un outil de progression, pas un jugement.

Le plan de transfert à 30 jours organise la mise en pratique en jalons : J+1 (choisir une première tâche et l'automatiser avec un prompt de la bibliothèque), J+7 (utiliser l'IA sur trois tâches réelles, en respectant les règles de sécurité), J+15 (partager un prompt ou une bonne pratique avec un collègue), J+30 (évaluer le temps gagné et enrichir la bibliothèque). Chaque jalon a une action concrète et mesurable. Un principe encadre le tout : un bon score valide la compréhension, mais c'est la pratique régulière et sécurisée qui construit la vraie maîtrise.

Démonstration

Plan de transfert à 30 jours :
J+1  : Automatiser 1 tâche fréquente avec un prompt de ma
       bibliothèque (ex. relance client anonymisée).
J+7  : Utiliser l'IA sur 3 tâches réelles cette semaine,
       en anonymisant et en vérifiant les faits.
J+15 : Partager 1 bon prompt avec un collègue + relire les
       règles de sécurité.
J+30 : Mesurer le temps gagné, ajouter 3 nouveaux prompts
       testés à la bibliothèque.
→ Chaque étape : action concrète + résultat mesurable.

Leçon : un transfert réussi repose sur des actions datées, concrètes et mesurables, pas sur de bonnes intentions.