Comprendre l'IA générative

Comprendre juste assez pour bien l’utiliser

Vous n’avez pas besoin de savoir programmer pour utiliser l’IA générative. Vous avez besoin de comprendre trois choses : ce qu’est le modèle, ce qu’ajoute un agent, et pourquoi ce que vous mettez autour compte autant que le modèle lui-même.

Ces trois notions reviendront dans tout le parcours. Elles expliquent pourquoi une IA peut être brillante un jour et décevante le lendemain.

Le modèle : une machine à prédire la suite

Un modèle de langage (en anglais LLM) a été entraîné sur de très grandes quantités de textes. De cet entraînement, il a retenu des régularités : comment les phrases s’enchaînent, comment on rédige un devis, comment on décrit une charpente.

Quand vous lui écrivez, il produit la suite de texte la plus plausible, mot après mot, à partir de votre demande et du contexte disponible. Par lui-même, il ne consulte pas une base de données et il ne recopie pas un document. Certains outils lui ajoutent une recherche sur internet ou dans vos fichiers : il lit alors ces sources, mais il rédige toujours sa réponse de la même façon, par prédiction.

Il sait donc très bien reformuler, résumer, classer, extraire, comparer, rédiger de façon structurée. Il peut produire un tableau ou une fiche si vous lui dites quels champs attendre.

Deux conséquences à retenir :

• il ne possède pas, par défaut, la vérité de votre métier : vos essences, vos tolérances, vos habitudes de débit lui sont inconnues ;
• ses connaissances sont figées : le modèle n’apprend pas de vos documents. Beaucoup d’outils proposent en revanche une « mémoire » qui retient des éléments d’une conversation à l’autre. C’est une fonction de l’outil, stockée sur votre compte, pas un apprentissage du modèle. Vérifiez si elle est activée (module 7).

Une réponse fluide peut être fausse. La qualité d’écriture n’est pas une preuve d’exactitude.

L’agent : un modèle qui enchaîne des actions

Un modèle seul répond à une demande. Un agent reçoit un objectif, des ressources (des fichiers, des outils, des accès) et des règles. Il peut alors enchaîner plusieurs opérations pour atteindre cet objectif : lire un dossier, extraire des données, remplir un gabarit, vérifier, recommencer.

Exemple dans votre métier : vous donnez à un agent le devis d’un chantier de bardage et un gabarit de fiche de production. Il lit le devis, repère les lignes à produire, remplit la fiche et liste ce qui lui manque.

Plus on confie d’autonomie, plus il faut cadrer les règles et organiser le contrôle. On choisit le niveau d’autonomie selon la tâche : une simple conversation suffit souvent, un agent n’est utile que si la tâche s’enchaîne en plusieurs étapes.

Le harnais : ce que vous mettez autour du modèle

Imaginez un intérimaire brillant qui arrive lundi matin dans votre scierie. Il sait lire, écrire, calculer. Il ignore vos essences, vos gabarits, vos exceptions, vos clients.

Tout ce que vous mettez autour de lui pour qu’il travaille comme un ancien, c’est le harnais :

• les règles (ce qu’on fait, ce qu’on ne fait pas) ;
• le savoir-faire (modes opératoires, vocabulaire maison) ;
• les gabarits (formats de sortie attendus) ;
• les outils (accès à votre logiciel de gestion, à vos fichiers) ;
• le contrôle qualité (cas de test, critères d’acceptation) ;
• la validation par une personne responsable.

Deux entreprises avec le même modèle obtiennent des résultats très différents selon leur harnais. Le harnais est aussi un actif : si vous changez de modèle ou de fournisseur, il reste. Nous le construirons pas à pas dans les modules 5 et 6.

Forces et limites : où l’IA se trompe

On peut classer les usages en trois familles.

Très adapté : extraire des informations d’un document (les lignes d’un devis, les dates d’un dossier de consultation), synthétiser, comparer, classer des mails par projet, rédiger de façon structurée un compte rendu, transformer un document d’un format à un autre.

À contrôler : les calculs critiques (un volume de bois, un nombre de pièces à partir de longueurs, une conversion m3 en ml), les références réglementaires (un numéro d’article, une norme, une classe de résistance), les informations absentes du document, les interprétations ambiguës.

À éviter sans cadre : prendre seule une décision qui engage l’entreprise, valider automatiquement la qualité, transmettre des données sensibles sans avoir vérifié les règles applicables.

Voici trois erreurs typiques :

• l’IA développe une abréviation maison à sa façon : « DOU » devient « doussié » alors que c’est du douglas dans votre atelier ;
• l’IA arrondit ou refait un calcul de débit alors que le devis le donne autrement ;
• l’IA complète une information manquante par quelque chose de plausible, comme un délai ou une classe de service, au lieu de signaler l’absence.

À vous de les repérer :

Le bon réflexe : demander à l’IA de signaler ce qu’elle ignore

Une IA a tendance à combler les trous. Vous pouvez inverser ce comportement en lui disant explicitement : « Si une information est absente du document, écris “information absente”. N’invente rien. Signale les ambiguïtés. »

Vous lirez ainsi des « information absente » à la place d’inventions plausibles. C’est plus long à lire, et bien plus sûr.

Retenez la règle qui guide tout le parcours : plus une erreur coûte cher, plus le contrôle doit être explicite. Reformuler un mail ne demande presque aucun contrôle. Une fiche qui lance une fabrication en demande beaucoup.

Exercice

Durée : 10 minutes. Livrable : un tableau de classement dans votre carnet.

1. Listez huit tâches de votre entreprise qui touchent à des documents ou à de l’information (extraire une dimension, résumer un cahier des charges, calculer un métré, répondre à un mail client, rédiger un compte rendu, etc.).
2. Classez chacune dans l’une des trois familles : très adapté, à contrôler, à éviter sans cadre. Une phrase de justification par tâche suffit.
3. Reprenez la tâche de votre cas fil rouge. Dans quelle famille la rangez-vous ? Notez ce qu’un humain devra impérativement vérifier (une dimension ? un délai ? un prix ?). Ce sera le point de départ de la case « Contrôle » du module 4.
4. Option rapide : ouvrez votre outil d’IA, donnez-lui un petit extrait de document anonymisé avec une information volontairement manquante et demandez-lui de remplir un champ. Observez : invente-t-il ou signale-t-il l’absence ? Recommencez en ajoutant la consigne « écris information absente si le document ne le dit pas ».

Passez ensuite au quiz forces et limites. Le seuil de réussite est de 80 %, soit 4 bonnes réponses sur 5.