Proposition d'une méthode pour l'IA générative¶
Date : 3 mai 2026, en cour sde rédaction
En premier lieu¶
Est-ce souhaitable ?¶
Avant d'utiliser une IA générative, une première étape consiste à se demander s'il s'agit d'un outil approprié. Pour répondre à cette question, voici une liste de questions :
- Le travail doit-il être original ?
- Est-il acceptable que j'attribue la paternité du résultat à une IA ?
- Suis-je sûr de pouvoir évaluer le résultat produit ?
- Le coût d'une erreur éventuelle est-il élevé ?
- Existe-t-il une méthode plus efficiente pour atteindre ce but ?
- Existe-t-il un cadre réglementaire m'interdisant cet outil ?
Si vous répondez oui à au moins une de ces questions, réfléchissez à deux fois.
Qui est auteur ? Comment citer l'IA ?
Vous n'êtes pas l'auteur du travail produit. Vous devez mentionner l'usage que vous avez fait de l'IA. Inutile de citer un LLM comme un auteur car un modèle n'est pas une personne et le résultat produit n'est pas une œuvre. En revanche, vous pouvez joindre vos prompts via le lien de partage ou un dépôt de code.
Qu'est-ce que je délègue ?¶
La deuxième étape est de savoir ce que l'on délègue à la machine. Il existe de nombreux processus cognitifs. Une taxonomie célèbre peut nous aider, il s'agit de la taxonomie de Bloom. Elle distingue les niveaux d'activités cognitives suivants (par ordre croissant de complexité) :
- Se souvenir – Rappeler des faits et informations mémorisés.
- Comprendre – Donner du sens à l'information et l'expliquer.
- Appliquer – Utiliser des connaissances dans une nouvelle situation.
- Analyser – Décomposer l'information et identifier les relations entre les parties.
- Évaluer – Porter un jugement critique sur la base de critères.
- Créer – Assembler des éléments pour produire quelque chose de nouveau.
La première chose à faire est de savoir où l'on se situe. Le tableau ci-dessous1 fournit une correspondance entre les compétences cognitives pour chaque niveau de Bloom et sa traduction en termes d'usage de l'IA générative :
| Niveau | Compétences humaines distinctives | Comment l'IAGen peut soutenir l'apprentissage |
|---|---|---|
| Créer | S'engager dans des processus créatifs et cognitifs mobilisant le vécu, les interactions socio-émotionnelles, l'intuition, la réflexion et le jugement pour formuler des solutions originales. | Soutenir le brainstorming ; suggérer des alternatives ; énumérer avantages et inconvénients ; décrire des cas réels ; produire un livrable tangible à partir des apports humains. |
| Évaluer | Conduire une réflexion métacognitive ; apprécier de manière holistique les conséquences éthiques ; identifier la portée d'un sujet ou le situer dans un contexte historique ou disciplinaire complet. | Identifier les pour et les contre de différentes options ; élaborer des grilles d'évaluation et les vérifier. |
| Analyser | Penser et raisonner de manière critique dans les domaines cognitif et affectif ; justifier une analyse en profondeur et avec clarté. | Comparer et mettre en contraste des données ; inférer des tendances dans un contexte délimité ; calculer ; prédire ; interpréter et relier à des problèmes et décisions du monde réel. |
| Appliquer | Opérer, mettre en œuvre, conduire, exécuter, expérimenter et tester dans le monde réel ; mobiliser la créativité et l'imagination humaines dans le développement d'idées et de solutions. | Utiliser un processus, un modèle ou une méthode pour résoudre une question quantitative ou qualitative ; aider les apprenants à identifier leurs erreurs. |
| Comprendre | Contextualiser les réponses dans des considérations émotionnelles, morales ou éthiques ; sélectionner les informations pertinentes ; expliquer leur signification. | Décrire avec précision un concept dans d'autres mots ; reconnaître un exemple lié ; traduire dans une autre langue. |
| Se souvenir | Rappeler des informations dans des situations où la technologie n'est pas disponible. | Récupérer des informations factuelles ; lister des réponses possibles ; définir un terme ; construire une chronologie. |
Un plan de travail¶
Une méthode efficace de travail avec les IA génératives est de travailler sur des livrables communs et d'itérer sur ces livrables. Ces livrables seront rédigés en markdown.
Une ou plusieurs sessions ?
On utilisera une seule session par projet. On n'utilisera pas la mémoire entre projets ; si l'on veut partager des connaissances, il vaut mieux utiliser un fichier skills.
Recherche et compréhension¶
La première étape est de fournir une base documentaire à l'agent IA. Il s'agit ici de permettre à l'agent de constituer le contexte le plus précis possible. On ajoute des documents (différents formats) au contexte. Des fichiers markdown spécifiques contenant des spécifications peuvent être ajoutés.
On demande à l'agent de lire et de comprendre en détail l'ensemble des éléments de contexte.
Construction d'un plan et révision¶
Ensuite, on explique à l'agent l'objectif du travail attendu, on précise les contraintes éventuelles. On lui demande d'expliquer comment il atteindrait ce but ou comment il résoudrait ce problème. Le résultat doit être enregistré dans un fichier markdown (par ex. plan.md).
Ce fichier est relu, corrigé et annoté par l'utilisateur. Si nécessaire, on demande à l'agent de relire l'ensemble du plan et d'apporter les modifications nécessaires avec présentation d'un bilan de ce qui a été modifié.
Éviter d'être à court de tokens
On ne produira que des documents markdown et on évitera les documents gourmands en tokens (comme un document docx par exemple). Des outils comme Pandoc permettent de convertir un document markdown en documents plus complexes facilement. Aussi, l'analyse et la validation du plan et des tâches permettront de corriger l'agent s'il semble se lancer dans des travaux ou des méthodes inefficaces.
Définition et validation de la liste des tâches¶
On demande à l'agent de définir une liste de tâches à accomplir. Cette liste sera enregistrée dans le document todo.md. Les différentes tâches doivent aboutir à des livrables (des fichiers markdown). Ces livrables seront évalués avec des critères d'évaluation (par exemple listés dans un fichier tests.md).
L'utilisateur relit ensuite, valide ou itère sur cette liste comme pour l'étape précédente.
Exécution et évaluation du résultat¶
Une fois satisfait par la liste, on demande à l'agent l'exécution des tâches comme spécifié dans le fichier todo.md. Chaque livrable produit est testé vis-à-vis des tests précisés dans tests.md. L'agent présentera un bilan de ces tests.
L'utilisateur peut alors évaluer de lui-même les livrables et les résultats des tests. Il peut si nécessaire apporter les révisions nécessaires et demander à l'agent d'itérer jusqu'à obtenir le niveau de satisfaction souhaité.