Pour être honnête, je ne sais pas encore ce que je peux demander à l’IA générative.
Dans le cadre de l’accompagnement des entreprises dans l’adoption de l’IA, l’auteur entend souvent cette remarque. Membres des équipes commerciales, responsables RH de la montée en compétences, équipes de transformation numérique, DSI et managers de terrain : malgré des fonctions différentes, leurs préoccupations se ressemblent. Ils voient bien l’intérêt potentiel de l’IA générative, mais ne savent pas clairement ce qu’ils peuvent lui confier ni ce qu’ils doivent garder sous leur responsabilité. Tant que cette limite reste floue, les usages ont du mal à se diffuser.
Auparavant, certains testaient des usages courants, comme la rédaction d’un e-mail ou le résumé d’un compte rendu. Mais ils ne savaient pas s’ils pouvaient aussi confier directement à l’IA des résultats de recherche, des documents destinés aux clients ou des informations servant à des décisions internes. Les pratiques restaient donc individuelles. Les managers s’inquiétaient de la variabilité des résultats, la DSI du traitement des données saisies, et les RH se demandaient jusqu’où former l’ensemble des salariés.
Aujourd’hui, de plus en plus d’entreprises considèrent l’IA générative non comme une source de réponses universelle, mais comme un partenaire de travail qui aide à préparer, résumer et structurer des contenus ou à dégager des points de discussion. Selon une étude de l’OCDE publiée en 2025, l’efficacité de l’IA générative varie selon l’expérience de l’utilisateur et la tâche, tandis que la collaboration entre l’humain et l’IA joue un rôle central dans les résultats obtenus.
Par exemple, la rédaction du compte rendu d’une réunion de 60 minutes peut passer de « 30 minutes de réécoute + 30 minutes de mise au propre » à « 15 minutes de vérification du résultat » grâce à un résumé par IA. Cela suppose toutefois un enregistrement ou des notes de qualité suffisante, des règles internes, une bonne gestion des informations saisies et une validation humaine finale. Le même gain n’est pas garanti pour toutes les réunions.
Cet article présente ce que l’IA générative peut et ne peut pas faire, en reliant ces possibilités aux tâches professionnelles. L’objectif est que chaque salarié puisse distinguer sans hésiter « ce que je peux confier à l’IA » de « ce que je dois vérifier ou décider moi-même ». L’IA générative est utile, mais elle ne remplace ni la vérification des faits ni la décision finale. Voyons les critères qui permettent de commencer à l’utiliser en sécurité dans votre activité.
L’IA générative n’est pas un outil qui « sait tout faire », mais un assistant qui fait avancer le travail
Pour réfléchir à l’IA générative, il faut d’abord éviter une vision binaire : lui confier ou non une mission entière.
L’auteur recommande souvent de ne pas lui remettre un processus complet. Même lorsqu’une activité paraît unique, elle comporte plusieurs étapes. La rédaction d’un e-mail à un client, par exemple, comprend les opérations suivantes :
- organiser les points à communiquer ;
- préparer un brouillon ;
- adapter la formulation à la relation avec le destinataire ;
- vérifier l’exactitude du contenu ;
- décider de l’envoi.
L’IA générative est surtout à l’aise pour organiser les idées, produire un brouillon, reformuler et ajuster le ton. En revanche, une personne doit décider si le message peut être envoyé, comment il sera perçu et jusqu’où l’entreprise peut s’engager.
L’enjeu n’est donc pas de déléguer une activité entière, mais de la décomposer afin de séparer ce qui se prête à l’IA de ce qui doit rester sous la responsabilité humaine.
Sans cette distinction, plusieurs problèmes peuvent apparaître :
- intégrer dans un document des chiffres non vérifiés parce qu’ils viennent de l’IA ;
- omettre de consulter le règlement interne ou un contrat en pensant que l’IA fournit la réponse ;
- renoncer finalement à tout usage parce que l’outil semble utile mais inquiétant.
La CNIL recommande une approche responsable et sécurisée du déploiement de l’IA générative, notamment en matière de gouvernance, de protection des données et de maîtrise des risques liés aux résultats produits.
Pour l’auteur, au début d’un projet d’adoption, concevoir cette répartition des responsabilités compte davantage que les réussites spectaculaires. Avant d’élargir les usages, il faut définir le périmètre autorisé. Respecter cet ordre est la première étape d’une adoption durable.
Ce que l’IA générative peut faire
L’IA générative est particulièrement utile lorsqu’il faut réduire l’effort de départ ou organiser des informations dispersées.
La rédaction, le résumé, la structuration d’informations et la recherche d’idées sont des usages relativement accessibles à tous les salariés.
Préparer un brouillon
La préparation d’un brouillon est l’un de ses usages les plus courants. Elle convient notamment aux tâches suivantes :
- brouillon d’e-mail externe ;
- communication interne ;
- annonce de formation ;
- invitation à une réunion ;
- message de remerciement ;
- première version d’excuses ;
- premier jet d’un rapport ;
- proposition de réponse à une FAQ.
Le temps consacré à la rédaction vient souvent de la difficulté à trouver la première phrase, à définir une structure ou à choisir une formulation. L’IA générative aide à accélérer ce démarrage.
Rédigez un e-mail interne invitant les nouveaux salariés à suivre une formation à l’IA générative. Il s’adresse à l’ensemble du personnel et doit adopter un ton poli et positif. Proposez également trois objets.
Une telle demande permet d’obtenir une base plus rapidement qu’en partant d’une page blanche.
Il faut cependant éviter d’utiliser le texte tel quel. L’IA ne comprend pas nécessairement avec précision la relation avec le destinataire, la position de l’entreprise, l’historique ni la juste tonalité.
L’auteur lui confie parfois un premier jet d’e-mail, mais le relit systématiquement avant l’envoi. La manière dont le message sera reçu et les mots qui préserveront la confiance dépendent de la relation et du contexte.
Le principe consiste à confier à l’IA le « premier jet » ou la « reformulation », puis à laisser une personne valider la version finale.
Résumer un texte long
L’IA générative convient aussi à la synthèse de longs textes ou de notes de réunion, par exemple pour :
- extraire les décisions et les actions à mener de notes de réunion ;
- ramener un long document à une synthèse lisible en 3 minutes ;
- organiser les passages pertinents d’un règlement interne ;
- classer par thème les propos recueillis auprès de clients ;
- résumer une vidéo de formation.
Après une réunion, reprendre l’enregistrement ou toutes les notes afin d’identifier décisions, sujets, responsables et échéances demande du temps. L’IA générative peut d’abord en établir la structure générale.
La fonction de résumé par IA de Kanata, proposée par notre société, permet d’organiser des documents, images, fichiers audio, URL et textes. Elle accepte notamment les formats CSV, PDF, PowerPoint, Word et Excel, ce qui facilite la synthèse de supports de réunion, de documents internes et de contenus de formation.
Ce type de fonction est particulièrement adapté aux activités où l’on souhaite réduire le temps de lecture et de mise en forme avant partage.
Le résumé par IA aide à se souvenir de la réunion ; il n’en assume pas la responsabilité.
Organiser les informations dans un tableau comparatif ou une checklist
L’IA générative sait également organiser des informations dispersées. On peut notamment lui demander de :
- présenter les avantages et inconvénients des options A et B dans un tableau ;
- classer les enjeux d’une initiative par importance ;
- établir une checklist avant le lancement d’un projet ;
- séparer les besoins explicites et latents d’un client ;
- recenser les points à trancher en réunion.
Cet usage est particulièrement utile aux managers et aux équipes de planification. En confiant à l’IA la structuration qui précède la décision, ils peuvent mieux se concentrer sur celle-ci.
Nous étudions l’adoption d’un nouvel outil de formation interne. Proposez cinq critères de comparaison et présentez dans un tableau les avantages et inconvénients du maintien du dispositif actuel et de l’adoption du nouvel outil. Indiquez enfin les points à vérifier avant de décider.
Cette demande fournit un point de départ à la discussion.
L’auteur utilise souvent ce format au début d’un projet. Quand il est trop tôt pour conclure mais que les questions et enjeux sont dispersés, un tableau produit avec l’IA rend plus visibles les sujets à débattre et les éléments déjà établis.
Le contenu dépend toutefois fortement des informations fournies. Si les hypothèses manquent, le tableau restera général. Il faut donc préciser l’objet, l’objectif, les conditions et les critères de décision.
Élargir le champ des idées
L’IA générative peut aussi servir à chercher des idées, par exemple pour :
- proposer des thèmes de formation interne ;
- imaginer plusieurs titres d’article ;
- trouver différents angles pour un e-mail commercial ;
- formuler des hypothèses pour une nouvelle initiative ;
- préparer un ordre du jour ;
- établir une liste de questions à poser à un client.
Seul, on revient facilement aux mêmes idées. Demander plusieurs propositions à l’IA permet d’élargir sa réflexion.
Ces idées ne sont pas nécessairement utilisables telles quelles. Une personne doit décider de les retenir ou non en tenant compte du terrain, du ressenti du client, des contraintes internes, du budget et des ressources.
L’IA générative est souvent plus utile pour multiplier les options que pour prétendre fournir « la bonne réponse ».
L’auteur voit ce travail comme une séance de réflexion contradictoire : une question adressée à l’IA produit au moins un autre point de vue. Il ne s’agit pas de l’adopter directement, mais d’enrichir très concrètement le point de départ de la réflexion.
Réutiliser les prompts et les connaissances
Lorsque les usages restent individuels, l’écart se creuse entre les personnes à l’aise et les autres. Le partage en équipe de bonnes consignes et de documents de référence aide à le réduire.
Conserver par service ou projet un format de compte rendu, un prompt de rédaction d’e-mail commercial ou des données de FAQ sur le règlement interne évite de redéfinir chaque fois le même travail.
Kanata permet d’enregistrer par projet des paramètres d’IA, des prompts et des données d’apprentissage, puis de les réutiliser dans les applications de chat et de résumé. Organiser les prompts et les documents internes transforme plus facilement les pratiques individuelles en actifs d’équipe.
L’outil ne doit toutefois pas dicter la démarche. Dossier partagé, base de connaissances, wiki interne ou plateforme d’IA sont autant d’options. Lorsqu’une entreprise souhaite réunir chat IA, résumé et gestion des données d’apprentissage dans un même parcours, un environnement intégré comme Kanata peut être envisagé.
Dans une démarche de montée en compétences de tous les salariés, des questions ponctuelles posées individuellement ne produisent pas d’apprentissage collectif. Capitaliser sur les pratiques efficaces et les rendre réutilisables permet de standardiser progressivement les usages.
Ce que l’IA générative ne peut pas faire
Certaines tâches ne doivent pas lui être confiées. La vérification des faits, la décision finale, les échanges engageant une responsabilité et le traitement d’informations confidentielles exigent une attention particulière.
Dans les projets d’adoption en entreprise, l’auteur constate qu’il faut souvent décider « ce que l’on ne délègue pas » avant « ce que l’outil peut faire ». Les usages peuvent s’élargir avec l’expérience, mais une interdiction floue peut provoquer une perte de confiance difficile à réparer.
Garantir l’exactitude des faits
L’IA générative sait produire un texte plausible. Or plausible ne signifie pas exact.
Les éléments suivants doivent toujours être vérifiés dans une source primaire :
- chiffres ;
- dates ;
- textes de loi ;
- règlements internes ;
- conditions contractuelles ;
- noms de clients ;
- noms d’entreprises ;
- citations ;
- informations récentes ;
- prix et caractéristiques ;
- données de marché.
Si l’IA affirme qu’« un marché pèse environ 1 000 milliards de yens », cette donnée ne peut pas figurer dans un document externe sans source. Même en interne, tout chiffre influant sur une décision de direction ou de budget doit être contrôlé dans un document fiable.
Pour une recherche, il est plus prudent de demander à l’IA « d’organiser les points à étudier », « d’indiquer les sources primaires à vérifier » ou « de relever les angles souvent négligés » que de lui demander simplement les faits.
L’IA trace la carte de la recherche ; une personne vérifie et interprète les faits. Cette répartition est essentielle.
Remplacer la décision finale
L’IA générative peut organiser les éléments d’une décision, mais elle ne la remplace pas.
Une personne ou l’organisation doit notamment assumer les décisions suivantes :
- recruter ou non ;
- arrêter une évaluation RH ;
- accepter des conditions contractuelles ;
- choisir comment présenter des excuses à un client ;
- réaliser un investissement ;
- interrompre une initiative ;
- transmettre un document à l’extérieur.
Il est parfaitement possible de lui demander si l’option A ou B paraît préférable ; cela aide même à organiser les enjeux.
Mais sa réponse repose sur les informations saisies et sur un raisonnement général. Elle ne reflète pas suffisamment la politique de l’organisation, son historique, l’avis des parties prenantes ni sa tolérance au risque.
L’IA générative doit être un assistant qui organise les éléments, pas un supérieur qui décide.
Selon l’auteur, il est plus utile de questionner sa conclusion : « Pourquoi ? », « Quels sont les arguments contraires ? », « Que se passe-t-il si l’hypothèse change ? », plutôt que de l’adopter directement.
Mener jusqu’au bout un échange fondé sur la relation avec l’interlocuteur
L’IA peut préparer des excuses, une explication, un e-mail de négociation ou des questions pour un entretien individuel. Lui confier entièrement l’échange, en revanche, est risqué.
Dans un e-mail d’excuses à un client, la qualité formelle compte moins que les éléments suivants :
- l’historique ;
- la cause de son insatisfaction ;
- la part de responsabilité reconnue par l’entreprise ;
- les mesures que l’entreprise peut promettre ;
- la personne au nom de laquelle envoyer le message ;
- la nécessité d’un appel ou d’une visite.
L’IA seule ne peut pas trancher ces points.
Il en va de même pour les entretiens individuels et les évaluations. Elle peut proposer des questions ou des commentaires, mais le manager doit assumer les mots employés, leur ordre et le niveau de profondeur de l’échange.
Dès qu’une relation de confiance est en jeu, l’IA doit rester un outil de préparation.
Pour l’auteur, elle est surtout efficace « avant la conversation » : organiser le message, anticiper les inquiétudes de l’autre et proposer plusieurs formulations. Regarder ensuite son interlocuteur, comprendre ses émotions et choisir ses mots reste une tâche humaine.
Traiter sans condition des données confidentielles ou personnelles
Dans un usage professionnel, le traitement des informations saisies demande la plus grande prudence.
La CNIL rappelle que les systèmes d’IA générative peuvent produire des résultats plausibles mais inexacts et qu’une confiance excessive sans vérification peut conduire à de mauvaises décisions. En entreprise, la classification des informations, les droits d’accès, la traçabilité, la formation et les procédures de revue doivent donc être pensés ensemble.
Il faut notamment faire attention aux informations suivantes :
- nom ;
- adresse ;
- numéro de téléphone ;
- adresse e-mail ;
- matricule ;
- coordonnées bancaires ;
- données de santé ;
- numéro My Number ;
- résultats financiers non publiés ;
- informations sur des fusions-acquisitions ;
- mouvements de personnel ;
- conditions contractuelles d’un client ;
- données sur les salariés d’un client.
Ces données doivent être traitées selon les règles de l’entreprise, sans supposer qu’une petite quantité ou un usage interne les rend sans risque.
Avant d’utiliser l’IA générative, il est prudent d’appliquer au moins ces critères :
- l’information est-elle publique ?
- peut-elle être vue par toute personne de l’entreprise ?
- permet-elle d’identifier quelqu’un ?
- est-elle couverte par un contrat ou un NDA avec un client ?
- poserait-elle problème si elle sortait de l’entreprise ?
En cas de doute, ne pas saisir l’information. C’est la règle de base.
Sur le terrain, la tentation de coller directement un document dans l’outil existe toujours. L’auteur l’a souvent observée en développement et en support commercial. Ne pas sauter cette étape de prudence est indispensable pour conserver la confiance nécessaire à un usage durable.
Par tâche : ce qui peut être confié à l’IA et ce qui relève de l’humain
Voici la répartition à retenir pour différentes tâches professionnelles.
Rédaction d’e-mails
La rédaction d’e-mails se prête relativement bien à l’IA générative.
| À confier facilement à l’IA | À prendre en charge par une personne |
|---|---|
| Proposer des objets | Décider si le contenu peut être envoyé |
| Rédiger un brouillon | L’adapter à la relation |
| Rendre le texte plus courtois | Vérifier les engagements possibles |
| Le résumer | Assumer les excuses ou la négociation |
| Décliner plusieurs tons et corriger les coquilles | Vérifier destinataires et pièces jointes |
Une pratique réaliste consiste à demander trois propositions, puis à en choisir et corriger une. Comparer plusieurs versions facilite le choix des mots.
Plus encore lorsqu’un e-mail est produit par IA, l’auteur juge essentiel de ne pas l’utiliser tel quel. Même bien rédigé, il peut ne pas sembler être le vôtre. La relecture humaine finale reste déterminante.
Comptes rendus et notes de réunion
L’IA générative convient au résumé et à l’organisation de ces contenus.
| À confier facilement à l’IA | À prendre en charge par une personne |
|---|---|
| Résumer la réunion | Vérifier l’intention des propos |
| Extraire les décisions | Contrôler leur exactitude |
| Organiser les actions | Arrêter responsables et échéances |
| Mettre responsables et dates en tableau | Signaler les éléments incertains |
| Classer les thèmes et proposer le prochain ordre du jour | Décider du périmètre de diffusion |
Certains outils permettent de choisir entre génération automatique et personnalisée. Pour une réunion récurrente, des rubriques comme « sujet, décisions, actions, travail avant la prochaine réunion » facilitent la standardisation.
Kanata propose ces deux modes. Les organisations qui résument régulièrement réunions ou formations peuvent réutiliser un format commun.
Selon l’auteur, le problème des comptes rendus ne tient pas seulement au temps d’écriture : formats différents, décisions floues ou responsables non identifiés retardent l’exécution. Le résumé par IA peut donc aussi aligner la compréhension après la réunion.
Travaux de recherche
Ils exigent une utilisation prudente de l’IA générative.
| À confier facilement à l’IA | À prendre en charge par une personne |
|---|---|
| Organiser les axes de recherche | Vérifier les chiffres |
| Recenser les sources à consulter | Contrôler les sources |
| Définir les critères de comparaison | Vérifier l’actualité des données |
| Préparer la structure du rapport | Décider si une source peut être citée |
| Créer des questions et signaler les angles morts | Arrêter la conclusion |
Il est plus prudent de demander à l’IA comment chercher que de lui demander la réponse.
Je prépare un rapport sur l’adoption interne de l’IA générative. Proposez sept axes de recherche et, pour chacun, les sources primaires et les interlocuteurs internes à consulter. N’affirmez aucun chiffre et indiquez « source requise » lorsque nécessaire.
Cet usage accélère le démarrage tout en limitant le risque d’informations erronées.
Pour l’auteur, sa valeur en recherche réside davantage dans l’amélioration des questions que dans la réponse : quoi étudier, qui interroger, quelles hypothèses manquent. Cette structuration change nettement la qualité du travail.
Création de documents
L’IA peut aider à structurer un document et à organiser sa rédaction.
| À confier facilement à l’IA | À prendre en charge par une personne |
|---|---|
| Structure d’une note de projet | Vérifier ce qui peut être remis au client |
| Titres d’une proposition | Vérifier chiffres et exemples |
| Points clés de chaque diapositive | Contrôler les engagements de l’entreprise |
| Réécriture | Arrêter le message final |
| Questions prévisibles et adaptation au lecteur | Finaliser design et contexte |
Mieux vaut éviter de demander d’emblée une version achevée. Commencer par la structure, organiser les points de chaque rubrique, puis rédiger le texte facilite le contrôle qualité.
L’auteur demande rarement « créez le document final ». Il préfère demander les enjeux qui intéresseront le décideur, un déroulé en 12 diapositives ou les objections possibles. Avant la mise en forme, il faut décider ce que le document doit transmettre.
Ressources humaines, évaluation et management
Ces domaines appellent une prudence particulière.
| À confier facilement à l’IA | À prendre en charge par une personne |
|---|---|
| Questions d’entretien individuel | Décision d’évaluation |
| Brouillon de commentaire d’évaluation | Décision de traitement |
| Organisation des retours de tiers | Explication au collaborateur |
| Formulation des besoins de développement | Prise en compte des émotions |
| Ordre du jour et reformulation d’un feedback | Dialogue fondé sur la confiance et données personnelles |
Dans une évaluation ou un entretien, un résultat utilisé tel quel peut être bien écrit sans parler à la personne concernée. Un commentaire d’évaluation doit surtout reposer sur des faits relatifs à son comportement.
L’IA peut organiser ces faits et proposer des formulations ; le manager doit choisir les mots définitifs.
L’auteur voit un fort potentiel dans ce domaine, non pour éviter le dialogue, mais pour organiser sa réflexion en amont et consacrer davantage de temps à la personne.
Trois limites pour utiliser l’IA générative en sécurité
Pour diffuser les usages dans toute l’entreprise, il vaut mieux commencer par des limites simples et compréhensibles que définir immédiatement des règles trop détaillées.
Voici les trois limites fondamentales.
Limite 1 : l’IA produit le brouillon, l’humain valide la version finale
Le résultat de l’IA générative est en principe un brouillon, qu’il s’agisse d’un e-mail, d’un compte rendu, d’un document, d’une FAQ ou d’un commentaire d’évaluation. Une personne doit vérifier, corriger et valider la version finale.
Cette seule règle réduit fortement les inquiétudes sur le terrain :
- l’IA peut produire un contenu, mais celui-ci ne doit pas sortir directement ;
- une personne relit toujours avant toute diffusion externe ;
- chiffres, noms propres et dates sont contrôlés dans une source primaire.
Il faut expliciter ce principe de revue.
L’auteur recommande de commencer les règles d’usage par cette phrase :
Le résultat de l’IA n’est pas un livrable final, mais un brouillon à vérifier.
Cette phrase repositionne l’outil : au lieu de lui accorder une confiance excessive, on l’utilise comme un assistant qui fait avancer le travail.
Limite 2 : l’IA prépare les éléments, l’humain décide
L’IA générative sait préparer tableaux comparatifs et analyses, mais la décision finale revient à une personne.
| Activité | Rôle de l’IA | Rôle de l’humain |
|---|---|---|
| Étude d’une initiative | Options, critères, avantages et inconvénients | Décider de l’exécution |
| Revue contractuelle | Repérer les clauses sensibles | Analyse juridique et signature |
| Recrutement | Questions et critères d’entretien | Décision de recrutement |
| Évaluation RH | Organiser les faits et proposer un commentaire | Arrêter l’évaluation et l’expliquer |
| Proposition commerciale | Structure et questions prévisibles | Engagement envers le client et prix |
Cette répartition fait de l’IA non un outil qui dilue la responsabilité, mais un assistant qui améliore la qualité de la décision.
Une personne peut ressentir un décalage à la lecture du résultat. Ce signal est utile : certaines hypothèses ou connaissances du terrain n’ont peut-être pas été prises en compte. L’essentiel est de partir de ce résultat pour parvenir à une meilleure décision.
Limite 3 : définir d’abord les informations autorisées
Dans l’usage de l’IA générative, les entrées sont plus importantes encore que les sorties. Une information interdite peut rendre le risque supérieur au bénéfice.
Il faut au minimum partager cette classification :
| Type | Exemples | Principe |
|---|---|---|
| Informations publiques | Site officiel, documents publics, communiqués | Facilement utilisables |
| Informations internes courantes | Manuels, formations, comptes rendus courants | Selon les règles internes |
| Données clients | Notes commerciales, contrats, propositions | Vérifier contrat, NDA et droits |
| Données personnelles | Nom, coordonnées, adresse, matricule | Masquage en principe |
| Données sensibles | Santé, coordonnées bancaires, identifiants nationaux | Ne pas saisir |
| Informations importantes non publiées | Résultats, fusions-acquisitions, mouvements RH | Ne pas saisir |
En cas de doute, ne rien saisir et consulter si nécessaire la DSI, le service juridique ou la sécurité de l’information. Tous les salariés doivent connaître ce réflexe.
Pour l’auteur, une règle doit permettre une décision en 3 secondes, plutôt que prendre la forme d’un texte complexe : « en cas de doute, ne saisissez rien », « ne saisissez aucune information dont la sortie poserait problème », « masquez les données qui identifient une personne ». Ce degré de clarté fonctionne mieux sur le terrain.
Pourquoi les usages de l’IA générative ne se diffusent pas sur le terrain
L’adoption d’un outil ne garantit pas son utilisation. Le manque de motivation des salariés n’est pas nécessairement en cause ; souvent, les principes de départ ne sont pas partagés.
Les usages possibles restent abstraits
Dire « utilisons l’IA générative » ne suffit pas pour faire agir les équipes. Ventes, comptabilité, RH, marketing et DSI n’ont pas les mêmes tâches. Même en formation générale, dire qu’elle sert à rédiger ou résumer reste trop abstrait.
- Ventes : organiser les notes d’entretien, structurer une proposition, préparer un e-mail client.
- RH : annoncer une formation, enrichir une FAQ, proposer des questions d’entretien individuel.
- DSI : préparer une première réponse, documenter une procédure, résumer un incident système.
Il faut rattacher les usages aux tâches proches de chaque fonction.
Lorsqu’il conçoit une formation, l’auteur commence rarement par des fonctions avancées. Il cherche plutôt avec les participants où l’outil pourrait intervenir dans leur travail du lendemain. Sans lien avec le quotidien, la formation reste théorique.
Les interdictions sont communiquées en premier
L’IA générative comporte des risques, et il faut prévenir les fuites d’informations et les erreurs. Mais si les interdictions dominent, les équipes concluent qu’il est plus sûr de ne pas l’utiliser.
Il faut associer interdiction et usage recommandé :
- ne pas saisir de données personnelles, mais utiliser un texte masqué pour organiser une réponse ;
- ne pas confier la décision contractuelle à l’IA, mais lui faire recenser les questions à soumettre au service juridique ;
- ne pas croire un chiffre sans contrôle, mais lui confier les axes de recherche et la structure du rapport.
Expliquer non seulement ce qui est interdit, mais comment utiliser l’outil facilite le passage à l’action.
La peur seule ne permet pas l’adoption. Pour l’auteur, le rôle clé de l’accompagnement consiste à formuler le périmètre réaliste situé entre attente et inquiétude.
Les bonnes pratiques restent individuelles
Même si certains salariés maîtrisent l’IA, leurs pratiques ne se diffusent pas si elles restent personnelles. Les bons prompts, formats de résumé et checklists doivent être partagés.
Un wiki, une base de connaissances, un dossier partagé ou un message épinglé suffisent pour commencer. Si l’entreprise souhaite réunir par activité chat IA, résumé, données d’apprentissage et prompts, un environnement qui constitue une bibliothèque par projet, comme Kanata, peut être utile.
Diffuser l’IA dans l’organisation demande non seulement d’augmenter le nombre d’utilisateurs, mais aussi de conserver leurs méthodes.
Selon l’auteur, les entreprises qui progressent ne dépendent pas d’une seule personne experte : elles transforment une bonne pratique en modèle d’équipe, la partagent lors d’une réunion récurrente et la conservent dans une bibliothèque. Cette accumulation discrète finit par créer un écart important.
Les premiers enseignements d’une montée en compétences de tous les salariés
Avant les techniques avancées de prompting, une formation à l’IA générative doit aligner les principes de base. Pour tous les salariés, il est utile de commencer par quatre sujets.
Points forts et limites de l’IA générative
Il faut d’abord les distinguer clairement.
| Points forts | Limites |
|---|---|
| Brouillon, résumé, organisation, reformulation | Garantie des faits et vérification de l’actualité |
| Comparaison et recherche d’idées | Analyse juridique et contractuelle |
| Checklist et points de discussion | Évaluation RH et décision finale face au client |
| Base de travail avant contrôle | Décision sur les données confidentielles et la politique de l’organisation |
Ce partage réduit déjà les hésitations.
D’expérience, les participants s’enthousiasment d’abord pour ce que l’outil sait faire. Mais l’adoption durable vient surtout d’une compréhension commune de ce qu’on ne lui confie pas. Les deux côtés réunis créent une base rassurante.
Informations autorisées et interdites
Il faut ensuite définir les règles de saisie avant même d’enseigner la rédaction des prompts. Un usage pratique devient dangereux si une donnée interdite est saisie.
Des exercices peuvent porter sur :
- cette information peut-elle être saisie ?
- quelle partie faut-il masquer ?
- qui faut-il consulter ?
- le traitement doit-il différer entre une IA externe et l’environnement interne ?
Des cas concrets aident chacun à se projeter dans son activité.
Données clients pour les ventes, données des salariés pour les RH, architecture des systèmes pour la DSI : chaque fonction a ses points d’attention. Il faut présenter des principes communs et des exemples par service.
Structure de base d’un prompt
Une consigne floue produit un résultat flou. L’auteur recommande de préciser « rôle », « objectif », « public », « contexte », « format de sortie » et « contraintes ». Cette structure convient à une formation générale.
Pour un e-mail, ces éléments stabilisent déjà le résultat :
- Rôle
- Vous préparez un brouillon d’e-mail externe.
- Objectif
- Demander la participation à une formation.
- Public
- Responsables de service.
- Contexte
- Une formation à l’IA générative sera proposée à tous les salariés le mois prochain.
- Format
- Trois objets et un corps de 300 caractères maximum.
- Contrainte
- Éviter un ton trop contraignant tout en montrant la nécessité professionnelle.
Un prompt n’est pas un art littéraire particulier, mais la capacité à formuler clairement une demande professionnelle.
L’auteur y voit la « capacité à déléguer » à l’ère de l’IA : à qui demander quoi, dans quelles conditions et sous quelle forme. Cette compétence vaut également dans le travail avec d’autres personnes.
Règles de vérification des résultats
Il faut enfin enseigner comment contrôler le résultat et partager au minimum cette checklist :
- les chiffres correspondent-ils aux sources primaires ?
- les noms propres sont-ils exacts ?
- les dates sont-elles correctes ?
- faits et suppositions sont-ils mélangés ?
- le texte comporte-t-il des exagérations ?
- l’information peut-elle être diffusée à l’extérieur ?
- le ton correspond-il à celui de l’entreprise ?
- une personne peut-elle en répondre et l’expliquer ?
Sans cette habitude, les risques peuvent dépasser les avantages.
Douter d’un résultat ne revient pas à rejeter l’IA ; c’est la condition de son bon usage. Les utilisateurs compétents ne la croient pas aveuglément : ils la questionnent, vérifient et appliquent leur propre jugement.
Exemples d’utilisation avec Kanata
Pour étendre les usages à toute l’entreprise, il est plus réaliste de commencer près des tâches quotidiennes que de viser immédiatement une automatisation avancée.
Kanata est une plateforme d’aide au travail qui réunit chat IA, résumé par IA et e-learning. Voici, parmi d’autres options, les situations où ses caractéristiques peuvent être utiles.
Commencer par les brouillons et l’organisation du quotidien dans le chat IA
La première étape consiste à alléger légèrement le quotidien, par exemple pour :
- rédiger un e-mail ;
- reformuler un texte ;
- préparer un ordre du jour ;
- structurer un rapport ;
- rédiger une annonce de formation ;
- proposer une réponse de FAQ.
Le chat IA de Kanata permet de poser des questions, de demander conseil ou de produire un contenu sous forme de dialogue. Il convient aux moments où l’on veut organiser une réflexion, obtenir un premier jet ou trouver une autre formulation.
Pour l’ensemble des salariés, un démarrage modeste, par exemple l’utiliser une fois par jour pour une rédaction habituelle, est approprié. Plutôt que des tâches complexes, il faut d’abord créer des expériences positives au quotidien.
Puis réduire la charge des réunions et des documents avec le résumé par IA
L’étape suivante est le résumé. Réunions, formations, partage de documents et organisation des demandes en ont souvent besoin.
Les effets sont particulièrement perceptibles pour :
- les comptes rendus de réunions récurrentes ;
- les notes partagées d’un service ;
- les points clés d’un long PDF ;
- le résumé d’une vidéo de formation ;
- l’organisation des notes d’entretien client.
Kanata permet d’alterner génération automatique et personnalisée. Pour une activité standardisée, imposer un format personnalisé facilite la production répétée de la même structure.
L’auteur estime que le résumé convient au début d’un déploiement général : il réduit la lecture, accélère le partage et simplifie le travail après réunion, des bénéfices faciles à percevoir.
Faire monter tous les salariés en compétences grâce au e-learning
On apprend aussi l’IA en l’utilisant, mais un déploiement général exige une formation de base.
L’e-learning de Kanata s’appuie sur des vidéos pour la formation interne, l’intégration et l’autoformation. L’IA peut résumer une vidéo ou répondre aux questions pendant le visionnage afin de soutenir l’apprentissage.
Les contenus peuvent notamment couvrir :
- ce que l’IA générative peut et ne peut pas faire ;
- les informations autorisées et interdites ;
- la rédaction d’un prompt de base ;
- les cas d’usage par service ;
- la vérification des résultats ;
- la conduite à tenir en cas d’incident.
Une base commune, suivie de mises en pratique par service, limite les écarts d’usage.
Pour l’auteur, la formation ne doit pas être un événement unique. Plutôt que tout faire comprendre en une fois, il vaut mieux associer vidéos, FAQ, ateliers et communauté interne afin d’élargir progressivement les pratiques.
Conserver les bonnes pratiques de l’organisation dans la bibliothèque
La dernière étape importante consiste à capitaliser prompts et données d’apprentissage. Les usages naissent d’essais individuels, mais produire des résultats collectifs demande de conserver, partager et améliorer les méthodes efficaces.
La bibliothèque peut notamment contenir :
- prompt de compte rendu ;
- prompt d’e-mail externe ;
- prompt de réponse de FAQ ;
- prompt de structure de proposition ;
- prompt de création de formation ;
- données du règlement interne ;
- documents de présentation des produits ;
- questions fréquentes.
Kanata gère par projet les prompts, données d’apprentissage et paramètres d’IA, ce qui facilite leur réutilisation par service ou activité.
Cette capitalisation est indispensable pour faire évoluer l’IA d’un outil pratique individuel vers une base de travail de l’organisation.
Selon l’auteur, l’écart réel apparaît après 3 ou 6 mois : les bons prompts ont-ils été conservés, les documents obsolètes mis à jour et les réussites partagées ? L’accumulation de ces pratiques construit la capacité collective à utiliser l’IA.
Conclusion : plus le périmètre délégué est clair, plus l’IA générative est facile à utiliser
L’IA générative peut profondément transformer le travail, mais elle n’est pas universelle.
Pour l’utiliser en sécurité, il faut retenir la répartition suivante.
On peut facilement lui confier les brouillons, résumés, classements, reformulations, tableaux comparatifs, idées et checklists.
En revanche, l’exactitude des faits, la vérification de l’actualité, les décisions juridiques et contractuelles, les évaluations RH, la décision finale face à un client et le traitement des données confidentielles restent sous responsabilité humaine.
La première étape ne consiste donc pas tant à décider « quoi faire faire à l’IA » qu’à définir « jusqu’où lui déléguer ».
Cette distinction rassure les équipes, facilite le contrôle qualité par les managers, aide les RH et la transformation numérique à concevoir les formations, et permet à la DSI et à la sécurité de l’information d’expliquer les règles de saisie.
L’IA générative ne remplace pas tout le travail humain. Elle prépare le terrain pour que les personnes réfléchissent, vérifient et décident.
Pour l’auteur, la conception d’un environnement dans lequel les équipes peuvent continuer à travailler sereinement importe davantage qu’un usage spectaculaire : que confier à l’IA, à partir d’où une personne intervient, quelles informations exclure. Ces limites discrètes ancrent l’outil dans l’activité.
Commencez par des tâches modestes, comme un brouillon d’e-mail, le résumé de notes ou la structure d’un document. Organisez ensuite les règles de saisie, le dispositif de revue et le partage des prompts pour étendre les usages à toute l’entreprise.
Questions-réponses : ce que l’IA générative peut et ne peut pas faire
Q. Quelles tâches peut-on confier en premier à l’IA générative ?Les brouillons d’e-mails, résumés de comptes rendus, structures de documents et reformulations conviennent bien. Une personne peut facilement en vérifier le résultat et leur impact reste relativement limité. Il vaut mieux commencer par ces tâches d’assistance contrôlables que par une décision contractuelle ou la décision finale face à un client.
Q. Jusqu’où peut-on faire confiance aux réponses de l’IA générative ?Il est plus sûr de les traiter comme une base à vérifier. Les chiffres, dates, lois, conditions contractuelles, règlements internes, données clients et citations doivent toujours être contrôlés dans leur source. Un texte naturel n’est pas nécessairement exact.
Q. Peut-on saisir des documents internes dans une IA générative ?Cela dépend des règles internes, du contrat et du niveau de confidentialité. Même pour des informations publiques ou internes courantes, il faut vérifier l’environnement et les droits d’accès. Les données personnelles ou sensibles, résultats non publiés, informations de fusions-acquisitions et données confidentielles d’un client doivent en principe être exclues ou faire l’objet d’un masquage et d’une autorisation interne. En cas de doute, ne les saisissez pas.
Q. L’IA générative risque-t-elle de réduire la capacité de jugement des salariés ?Ce risque existe selon l’usage. Lui faire produire continuellement la conclusion peut réduire les occasions de réfléchir. À l’inverse, lui demander des enjeux, des objections ou une checklist peut soutenir un meilleur jugement. Il faut augmenter les éléments disponibles pour une décision humaine, et non déléguer celle-ci.
Q. Que faut-il définir en premier lorsqu’on étend l’usage à tous les salariés ?Il faut d’abord définir les règles, et non l’outil : tâches autorisées et interdites, informations saisissables ou non et méthode de vérification. On peut ensuite commencer modestement par les e-mails, comptes rendus ou documents, dont les bénéfices sont faciles à constater.