Se former à l’IA, ce n’est pas apprendre à écrire des prompts
Parler IA, ce n’est pas apprendre à prompter. C’est acquérir assez de culture et de recul pour savoir ce que la technologie permet, ce qu’elle ne permet pas, et comment l’utiliser à bon escient. Chez Machine Learning Lab, cette autonomie se construit sur le poste de travail, en une journée.
Les informations clés à retenir
- Se former à l’IA va bien au-delà des prompts. C’est comprendre les possibilités et les limites de la technologie, choisir une approche adaptée et vérifier les résultats.
- Le point de départ, c’est la personne et son travail. Ses besoins, ses difficultés et ses contraintes déterminent les outils à mobiliser.
- L’IA n’est pas toujours la solution finale. Elle peut aider à créer un logiciel ou une automatisation qui fonctionne ensuite sans intelligence artificielle.
- On apprend en construisant des solutions à ses propres problèmes. Les notions techniques prennent du sens lorsqu’elles permettent d’avancer sur un projet concret.
- Le véritable objectif, c’est l’autonomie. Pouvoir tester, corriger, faire évoluer ses outils et continuer après le départ du formateur.
Cette semaine, je suis en tournée dans les Hauts-de-France. Pas pour donner des conférences, ni pour expliquer une énième fois comment rédiger un bon prompt sur ChatGPT.
Je passe une journée dans une entreprise, puis une autre journée dans une autre. À chaque fois, je rencontre des personnes différentes, avec des métiers différents, des outils différents et des problèmes différents.
Le principe est simple : je passe la journée avec elles pour comprendre leur travail et voir concrètement ce que l’intelligence artificielle pourrait leur apporter. Ou pas.
Et je ne sais jamais vraiment, le matin, ce que nous allons faire pendant la journée.

1 400 opérations par mois. À la main. Depuis dix ans.
Jeudi, j’étais au SPEE Hauts-de-France, une régie régionale qui accompagne les particuliers dans la rénovation énergétique de leurs logements. J’ai passé la journée avec Pierre, qui travaille dans l’équipe technique, et Marie, qui travaille dans l’équipe financière. En discutant de leurs activités, nous avons identifié une situation assez incroyable.
Chaque mois, les équipes doivent rapprocher environ 1 400 transactions financières entre deux logiciels qui ne communiquent pas entre eux.
Le premier permet de consulter les prélèvements réalisés auprès des usagers. Le second sert à mettre à jour les informations comptables et financières. Et comme les logiciels sont anciens, qu’ils ne disposent pas de mécanismes d’importation adaptés et qu’il n’est pas possible de les remplacer, les collaborateurs font le travail manuellement. Transaction après transaction. Une vingtaine de manipulations pour chacune. Depuis dix ans.
Faites le calcul. Même à trois minutes par transaction, cela représente 70 heures de travail par mois. Sans compter les erreurs possibles et le temps nécessaire pour les corriger.
Nous avons donc décidé de tenter quelque chose. Et si nous développions un petit logiciel Windows capable de reproduire automatiquement toutes ces manipulations ?
Pas besoin de développer une intelligence artificielle révolutionnaire. Pas besoin de remplacer les logiciels existants. Il suffisait de construire un outil capable de lire un fichier CSV, de préparer les données et de reproduire les actions d’un utilisateur sur son ordinateur.
Nous avons commencé avec ChatGPT, puis essayé d’autres outils de développement assisté par IA, notamment Antigravity et Claude Code. Nous avons rencontré des difficultés, corrigé des erreurs, recommencé plusieurs fois. Et finalement, ça a fonctionné.
Mais le plus intéressant dans cette histoire, ce n’est pas le logiciel.
Lire aussi : Vingt minutes de travail, des années de connaissances.
C’est que Marie l’a développé elle-même.
Cécile n’est pas développeuse. Elle n’a jamais appris à programmer. Pourtant, à la fin de la journée, elle avait réussi à créer son application, à enregistrer un scénario d’automatisation et à le faire exécuter par son ordinateur. Et quand je suis parti, elle continuait à travailler dessus.
Sans moi.
Elle avait compris comment demander des modifications à l’IA, comment tester les résultats et comment améliorer progressivement son outil. Évidemment, nous n’avions pas encore une solution industrielle prête à traiter les 1 400 opérations sans surveillance. Il restait des tests à réaliser et des questions de fiabilité à résoudre. Mais quelque chose avait changé.
Marie avait découvert qu’elle était capable de créer un logiciel. Et ça, c’est probablement le résultat dont je suis le plus fier.
Lire aussi : Les 5 compétences indispensables pour un diagnostic IA en entreprise réussi.
Pendant ce temps, Pierre développait son application web
De son côté, Pierre avait un autre problème. Il avait besoin d’une meilleure visibilité sur la charge de travail de ses collègues. Les informations existaient déjà dans un fichier Excel partagé sur SharePoint, mais elles étaient difficiles à exploiter. Nous avons donc décidé de créer un tableau de bord.
Pierre a commencé à développer une application HTML avec l’aide de l’IA. Progressivement, il a ajouté des filtres, des indicateurs, des vues par collaborateur et par mission. À un moment, l’IA a même proposé d’ajouter une carte de France pour visualiser la localisation des interventions.
Pourquoi pas ?
Quelques instants plus tard, la carte était intégrée à l’application. Mais nous ne nous sommes pas arrêtés là. Comment sauvegarder son code; comment retrouver une version précédente si une modification casse l’application; comment la rendre accessible depuis un navigateur ? Ou bien, comment la protéger avec un mot de passe ?
C’est ainsi que Pierre a découvert Git, GitHub, l’hébergement web, puis PHP.
Pas à travers un cours théorique sur le développement informatique. Mais parce que, à chaque étape, il avait un problème concret à résoudre.
Je trouve cette distinction fondamentale. On peut passer des heures à expliquer ce qu’est un serveur web, sans que cela intéresse particulièrement quelqu’un.
Mais lorsqu’une personne vient de créer sa propre application et qu’elle veut la rendre accessible à ses collègues, la question de l’hébergement devient soudainement passionnante.
La technologie prend du sens parce qu’elle répond à un besoin.
Lire aussi : Réussir un projet d’automatisation en PME commence avant le choix de l’outil IA.
Le lendemain, ce sera encore autre chose
Ce qui rend cette tournée particulièrement intéressante, c’est que les journées ne se ressemblent pas. Quelques jours auparavant, j’étais avec une chargée d’opérations dans une société d’aménagement du territoire. Nous avons travaillé sur l’analyse de mémoires techniques volumineux, parfois confidentiels, utilisés dans le cadre d’appels d’offres. La question n’était pas simplement de demander à ChatGPT de résumer un document.
Il fallait réfléchir à la confidentialité des informations, à l’anonymisation des documents, aux critères de comparaison, aux risques d’erreur et à la manière de produire une analyse exploitable.
Un autre jour, j’étais dans une agence spécialisée dans l’immobilier professionnel. Nous avons travaillé sur la prospection commerciale, la recherche d’informations et les possibilités offertes par les API publiques.
Le lendemain, dans une autre agence du même réseau, nous avons exploré les automatisations avec Make, les API d’OpenAI et la possibilité de déclencher des relances commerciales en fonction de certaines conditions.
Même programme d’accompagnement. Même durée : une journée. Mais des métiers, des problèmes et des solutions complètement différents.
Et c’est précisément ce qui me plaît.
Lire aussi : Découvrir l’IA, ce n’est pas apprendre à prompter.
Je ne sais pas toujours ce que nous allons construire
Il y a quelque chose d’assez particulier dans ma façon de travailler. Je peux arriver le matin sans savoir si nous allons utiliser ChatGPT, Claude, Make, Power Automate, Excel, Python, PHP, une API ou simplement une feuille de papier. Et je trouve cela parfaitement normal.
Parce que le point de départ ne devrait jamais être l’outil. Le point de départ, c’est la personne.
Que fait-elle au quotidien ? Qu’est-ce qui lui prend du temps ? Qu’est-ce qui l’agace ? Quelles sont ses contraintes ? Quels logiciels utilise-t-elle ? Qu’est-ce qu’elle aimerait pouvoir faire, mais considère comme impossible ?
Il faut aussi comprendre son rapport à la technologie. Certaines personnes sont très à l’aise avec l’informatique. D’autres ont peur de faire une mauvaise manipulation. Certaines aiment expérimenter, d’autres ont besoin d’être rassurées.
Et surtout, il faut savoir ce qu’il est inutile de leur expliquer. C’est peut-être l’une des choses les plus difficiles dans mon métier. Quand on connaît un sujet, on a naturellement envie d’expliquer beaucoup de choses. Mais une personne qui veut automatiser un processus n’a pas nécessairement besoin de comprendre les architectures logicielles, les protocoles réseau ou le fonctionnement interne d’un modèle de langage.
Pas tout de suite, en tout cas.
Mon travail consiste à choisir ce qu’il faut expliquer, à quel moment et jusqu’à quel niveau de détail. Suffisamment pour permettre à la personne d’avancer. Pas au point de la noyer dans la complexité.
Lire aussi : Ce qu’on peut déléguer à l’IA (et ce qu’on ne devrait jamais lui confier).
Le moment que je préfère
Il y a un instant que j’ai appris à reconnaître au fil des années. C’est le moment où la personne regarde son écran, puis me regarde, et réalise ce qui vient de se passer. Elle vient de faire quelque chose qu’elle ne se croyait pas capable de faire quelques heures auparavant. Créer un logiciel. Automatiser une tâche. Construire un tableau de bord. Faire communiquer deux applications.
Et parfois, elle me dit quelque chose comme : « Mais attends… c’est moi qui ai fait ça ? »
J’adore ce moment.
Pas parce que la personne vient de découvrir à quel point l’intelligence artificielle est impressionnante. Mais parce qu’elle vient de découvrir quelque chose sur elle-même. Et c’est très différent.
Bien sûr, je pourrais probablement réaliser certaines de ces applications plus rapidement en prenant directement le clavier. Mais quel serait l’intérêt ? L’entreprise disposerait peut-être d’un outil fonctionnel, mais la personne n’aurait pas nécessairement appris à le modifier, à le comprendre ou à en imaginer d’autres.
Je préfère parfois avancer un peu moins vite, mais faire en sorte que la personne puisse continuer après mon départ. C’est aussi pour cela que je ne mesure pas la réussite d’une journée uniquement au nombre d’applications créées. Je la mesure à l’autonomie qu’elle laisse derrière elle.
Alors, finalement, qu’est-ce que « parler IA » ?
Depuis plusieurs années, j’utilise l’expression « Parler IA » pour décrire ce que j’essaie de transmettre. Et plus j’accompagne des entreprises, plus je suis convaincu que cette expression va bien au-delà de la capacité à discuter avec ChatGPT.
Parler IA, ce n’est pas connaître cinquante techniques de prompting. Ce n’est pas mémoriser une liste d’outils qui sera probablement obsolète dans six mois.
Ce n’est pas non plus être capable de développer un réseau de neurones ou de comprendre toutes les équations qui se cachent derrière les modèles de langage.
Pour moi, parler IA, c’est acquérir suffisamment de culture, de compréhension et de recul pour savoir ce que cette technologie permet de faire, ce qu’elle ne permet pas de faire et comment l’utiliser intelligemment.
C’est comprendre qu’il existe plusieurs manières de mener un projet autour de l’intelligence artificielle.
Parfois, il suffit d’utiliser un logiciel existant, comme ChatGPT, Claude ou Copilot. Ou bien il faut automatiser un processus en faisant communiquer plusieurs outils. Parfois, il est plus pertinent de développer une application sur mesure, éventuellement avec l’aide de l’IA, sans qu’il y ait nécessairement de l’IA dans l’application finale. Dans d’autres situations, il faut exploiter des données pour entraîner un modèle de machine learning.
Et parfois, le problème nécessite un véritable travail de recherche et développement.
Ce sont des approches différentes, qui demandent des compétences, des moyens et des niveaux d’investissement différents.
Parler IA, c’est savoir les distinguer.
C’est aussi comprendre quelques concepts essentiels : ce qu’est une API, à quoi sert une base de données, comment fonctionne une application web, ce qu’est un LLM, quelles sont ses limites, pourquoi il peut produire des erreurs et comment vérifier ses résultats.
Pas pour devenir informaticien.
Mais pour pouvoir dialoguer avec les outils, les prestataires, les développeurs et les équipes techniques, sans être complètement dépendant d’eux.
C’est apprendre à expérimenter, à se tromper, à corriger, à recommencer; c’est développer un esprit critique face aux réponses parfois très convaincantes des IA; c’est savoir reconnaître les questions de confidentialité, de sécurité, de fiabilité et de responsabilité; c’est également comprendre que toutes les difficultés ne nécessitent pas de l’intelligence artificielle. Parfois, une formule Excel, une automatisation classique ou une meilleure organisation suffit largement.
Et surtout, parler IA, c’est ne plus considérer la technologie comme quelque chose de mystérieux, réservé à une petite catégorie d’experts.
Cela ne signifie pas que tout le monde peut devenir développeur professionnel en une journée, ni que les outils générés par IA peuvent être déployés sans contrôle. Cela signifie qu’il est désormais possible, pour beaucoup plus de personnes, de participer activement à la création de leurs propres solutions. De passer de « Je ne sais pas faire » à « Je vais essayer ». Puis, parfois, à « Je l’ai fait ». C’est ce que j’ai vu cette semaine dans les Hauts-de-France. Et c’est ce que j’aimerais voir beaucoup plus souvent dans les entreprises.
Parce qu’au fond, mon objectif n’est pas de former des gens qui auront toujours besoin de moi pour utiliser l’intelligence artificielle.
C’est de les aider à devenir suffisamment autonomes pour qu’ils n’aient plus besoin de moi.
Pour moi, c’est ça, parler IA.
Ces journées font partie du Pack IA, diagnostic et mise en place en une journée, le format d’accompagnement IA en entreprise de Machine Learning Lab : un cadrage en visioconférence, une journée sur site avec le collaborateur concerné, puis un suivi. Pour poser le vocabulaire avant d’en parler à vos équipes, le Dictionnaire de l’IA 2026 est en accès libre.
FAQ
Qu’est-ce que Parler IA ?
Parler IA, c’est acquérir assez de culture, de compréhension et de recul pour savoir ce que l’intelligence artificielle permet de faire, ce qu’elle ne permet pas, et comment l’utiliser intelligemment. C’est le concept-marque de Machine Learning Lab, cabinet de formation et de conseil en IA basé à Paris, certifié Qualiopi, actif depuis 2018.
Faut-il savoir programmer pour créer un outil avec l’IA ?
Non. Lors d’une journée d’intervention au SPEE Hauts-de-France, une collaboratrice de l’équipe financière, sans aucune expérience du développement, a créé une application d’automatisation et a continué à la faire évoluer seule. Ce qui compte est de savoir formuler le besoin, tester le résultat et corriger.
Combien de temps faut-il pour automatiser une tâche répétitive ?
Une journée suffit souvent pour obtenir un premier outil fonctionnel et comprendre comment le faire évoluer. Le passage à une solution fiable, utilisable sans surveillance sur des volumes importants, demande ensuite des tests et un travail sur la fiabilité, qui se traitent dans le suivi.
Tous les problèmes nécessitent-ils de l’intelligence artificielle ?
Non, et c’est souvent la première chose à vérifier. Une formule de tableur, une automatisation classique entre deux logiciels ou une meilleure organisation règlent beaucoup de situations. Dans le cas du SPEE, la solution retenue reproduisait des manipulations humaines, sans intelligence artificielle dans l’outil final.
Comment mesurer la réussite d’une journée d’accompagnement IA ?
À l’autonomie laissée derrière soi, pas au nombre d’applications créées. La question utile est de savoir si les collaborateurs peuvent modifier l’outil, en imaginer d’autres et avancer sans le prestataire. Chez Machine Learning Lab, c’est le critère retenu pour juger une intervention réussie.
Nos formateurs IA à Paris
Rencontrez nos formateurs IA à Paris.

