Vous entendez parler d’IA partout, sans savoir ce qu’il y a vraiment derrière ce mot, ni comment obtenir de ces outils ce que vous attendez ? Ce guide s’adresse aux particuliers comme aux professionnels qui débutent. La réponse courte : beaucoup d’outils d’IA actuels apprennent à partir de données, et un bon prompt (la demande qu’on écrit à un assistant IA, c’est-à-dire un outil avec lequel on échange en langage courant, comme ChatGPT ou Claude) peut se résumer en quatre ingrédients.
Qu’appelle-t-on « IA » ?
L’intelligence artificielle (IA) désigne des programmes capables de réaliser des tâches qui demandent d’habitude une intelligence humaine, comme comprendre un texte ou reconnaître une image. Le règlement européen sur l’IA (l’« AI Act ») en donne, à l’article 3, une définition plus technique : un système automatisé, doté d’un certain degré d’autonomie, qui déduit des informations reçues comment produire des prédictions, du contenu, des recommandations ou des décisions pouvant influencer un environnement physique ou numérique.
Dans la vie courante, le mot recouvre quatre notions, que l’on représente souvent l’une dans l’autre :
- l’IA, le terme général : des programmes qui réalisent des tâches associées à l’intelligence humaine, comme calculer un itinéraire ;
- l’apprentissage automatique (« machine learning » en anglais) : la branche de l’IA qui donne aux machines la capacité d’« apprendre » à partir de données, au lieu qu’on leur écrive chaque règle à la main (filtre anti-spam, recommandations de contenus) ;
- l’apprentissage profond (« deep learning ») : une technique d’apprentissage automatique qui utilise des réseaux de neurones à plusieurs couches. Elle sert à reconnaître des images ou des voix, et à traduire ;
- l’IA générative : celle qui crée du contenu (texte, image, son, vidéo) à partir d’une demande. Les outils actuels reposent sur l’apprentissage profond, comme le présentent Google Cloud et IBM. C’est celle des assistants IA, que ChatGPT a fait connaître du grand public fin novembre 2022.
Quelles IA utilisez-vous déjà, et comment ont-elles appris ?
On distingue classiquement trois grandes familles d’apprentissage. Le glossaire de la CNIL les définit, et les exemples montrent ce que vous croisez déjà.
| Façon d’apprendre | Le principe | Un exemple |
|---|---|---|
| Avec des exemples corrigés (apprentissage supervisé) | L’IA s’entraîne sur des données dont chacune porte la bonne réponse. | Apprendre à repérer le courrier indésirable à partir de milliers de messages déjà classés « spam » ou « pas spam ». |
| Sans réponse donnée (apprentissage non supervisé) | L’IA reçoit des données brutes et cherche des ressemblances entre elles. | Regrouper des internautes ou des clients aux habitudes proches, pour leur proposer des contenus qui les intéressent. |
| Par essais et récompenses (apprentissage par renforcement) | Un système apprend les actions à réaliser à partir d’expériences, pour obtenir la meilleure récompense. | Ajuster un assistant IA à partir des préférences que des personnes expriment en comparant ses réponses, qui servent de récompense. |
Les assistants IA ne se rangent pas dans une seule case. Le dossier du laboratoire d’innovation de la CNIL (avril 2023) décrit les étapes de ChatGPT à l’époque : il a d’abord appris sur d’immenses quantités de textes non annotés, puis a été ajusté avec des réponses types rédigées par des personnes, puis à partir de réponses comparées par des personnes, une méthode décrite pour InstructGPT dans cette étude. Pour la première étape, on parle aussi d’apprentissage auto-supervisé. En termes simples, le modèle crée lui-même ses exercices à partir des données, par exemple en devinant la suite d’un passage, sans qu’une personne corrige chaque exemple.
Ces étapes servent à entraîner le modèle. Préciser votre demande en cours de conversation l’aide à adapter sa réponse, mais ne le réentraîne pas.
Certains systèmes sont conçus pour une seule tâche : la CNIL rappelle qu’AlphaGo a battu un champion de go, mais qu’il ne sait pas jouer aux échecs sans nouvel apprentissage. Les assistants conversationnels couvrent davantage de tâches, sans être fiables dans toutes les situations.
Pourquoi une IA se trompe-t-elle ?
Les modèles d’apprentissage automatique reposent sur une approche statistique, comme le rappelle la CNIL : ils repèrent des régularités dans leurs données d’entraînement et ne raisonnent pas comme nous. Leurs erreurs ont donc plusieurs sources : des données d’entraînement qui représentent mal la réalité (le cas de certains systèmes de reconnaissance faciale), ou des données de mauvaise qualité au moment de l’usage (un assistant vocal comprend moins bien dans un endroit bruyant).
Les assistants IA ont un défaut particulier, que la CNIL appelle « hallucination » : présenter comme certaine une information fausse ou inventée. Un assistant peut aussi déformer un document qu’on lui fournit. D’où un réflexe simple : vérifier. Nous expliquons comment dans notre article sur la recherche d’information avec l’IA et sa vérification.
Beaucoup d’IA apprennent à partir de données. Elles peuvent exceller sur une tâche précise et se tromper avec aplomb : relisez toujours ce qu’elles produisent.
Comment écrire un bon prompt ?
Un prompt (on dit aussi une consigne) est la demande que vous écrivez à une IA pour lui dire ce que vous attendez. Le conseil qui revient en premier dans les guides d’OpenAI (pour ChatGPT) et d’Anthropic (pour Claude) est le même : soyez clair et précis. Anthropic propose un test simple : montrez votre prompt à un collègue qui ne connaît pas le sujet. S’il hésite sur ce qu’il doit faire, l’assistant hésitera aussi.
Pour débuter, voici notre grille en quatre ingrédients, inspirée des recommandations des éditeurs. Commencez toujours par dire clairement la tâche, puis précisez ce qui compte pour votre demande. Tous les ingrédients ne sont pas nécessaires à chaque fois, et le rôle est le plus facultatif :
- un rôle : qui l’IA doit être (« tu es assistant de direction »), utile pour fixer le niveau et le ton ;
- un destinataire : pour qui le texte est écrit ;
- une structure : la forme attendue (cinq lignes, quatre parties, un tableau) ;
- des règles : ce qu’il faut éviter (« n’ajoute rien qui ne figure pas dans mes notes »).
Ajoutez le contexte (pourquoi vous demandez, ce que vous savez déjà) : Anthropic recommande d’expliquer la raison d’une instruction, car l’IA s’en sert pour mieux viser. Pour une demande complexe, découpez-la en étapes, comme le conseille l’aide de Claude.
Un bon prompt dit ce qu’il faut faire, qui parle, à qui, sous quelle forme et avec quelles règles. Relisez la réponse, puis corrigez par petites touches.
À quoi ressemble la différence ?
Un exemple pour un usage personnel. D’abord, une demande trop courte :
Écris un mail à mon propriétaire.
Selon l’outil, l’IA devine le motif, le ton et la longueur, ou elle vous pose des questions pour les connaître. Dans les deux cas, donner ces précisions dès le départ peut limiter les allers-retours. Avec les quatre ingrédients :
Tu es un locataire poli mais ferme. Écris un mail à mon propriétaire pour signaler que le chauffe-eau est en panne depuis cinq jours. Cinq lignes au maximum, ton courtois, sans menace. Demande une intervention sous sept jours.
Même logique au travail. « Fais un compte rendu de cette réunion » laisse l’IA choisir la forme et ce qu’elle garde. En précisant le rôle (assistant de direction), le destinataire (des collègues absents), la structure (décisions, actions, points à discuter, prochaine réunion) et les règles (ne rien ajouter aux notes, écrire « à préciser » quand une échéance manque), vous augmentez les chances d’obtenir un premier document adapté, à relire et à valider. Le prompt complet est dans notre article sur la documentation et le classement avec l’IA.
Que faire si la première réponse ne convient pas ?
Ne repartez pas de zéro : corrigez comme vous le feriez avec un collègue. Dites précisément ce qui ne va pas (« plus court », « ton plus chaleureux », « ajoute la date »). L’aide de Claude comme celle d’OpenAI recommandent d’affiner la demande en plusieurs échanges. Quand un prompt vous satisfait, gardez-le : il resservira.
Que ne faut-il pas mettre dans un prompt ?
Soyez vigilant avec les noms, les adresses, les informations de santé et les documents confidentiels. En mai 2026, la CNIL et son homologue sud-coréen ont publié une affiche en six questions pour protéger ses données avant, pendant et après l’usage d’une IA générative. Au travail, suivez aussi les règles de votre entreprise.
Par où commencer ?
Prenez une demande que vous faites déjà (un mail, un résumé, une liste), puis réécrivez-la sur ce modèle :
Tu es [rôle, si utile]. Voici le contexte : [ce qu’il faut savoir]. Rédige [ce que vous voulez] pour [destinataire], sous la forme suivante : [forme]. Règles : [ce qu’il faut éviter].
Comparez avec votre demande d’origine, corrigez en une ou deux étapes, et gardez la version qui marche.
Sources
- CNIL, « Glossaire de l’intelligence artificielle », dont les définitions de l’apprentissage supervisé et de l’apprentissage non supervisé, ainsi que celle de l’apprentissage auto-supervisé sur la même page (consulté le 6 novembre 2026).
- CNIL, « IA, de quoi parle-t-on ? » (consulté le 6 novembre 2026).
- CNIL, audition de la présidente de la CNIL à l’Assemblée nationale (11 septembre 2023).
- CNIL, laboratoire d’innovation numérique, « ChatGPT : un beau parleur bien entraîné » (26 avril 2023, consulté le 6 novembre 2026).
- CNIL, « IA générative et vie privée » (27 mai 2026).
- Union européenne, règlement (UE) 2024/1689 sur l’intelligence artificielle, article 3 (définitions).
- Google Cloud, « Deep learning ou machine learning » (consulté le 6 novembre 2026).
- Google Cloud, formations sur l’IA générative : l’IA générative y est présentée comme un sous-ensemble de l’apprentissage profond (consulté le 6 novembre 2026).
- IBM, « What is artificial intelligence? » (en anglais, consulté le 6 novembre 2026).
- Ouyang et al., « Training language models to follow instructions with human feedback », NeurIPS 2022 (en anglais, consulté le 6 novembre 2026).
- CNIL, définition de l’apprentissage profond (consulté le 6 novembre 2026).
- OpenAI, « Prompt engineering best practices for ChatGPT » (en anglais, consulté le 6 novembre 2026).
- Anthropic, « Prompting best practices » (en anglais, consulté le 6 novembre 2026).
- Aide de Claude, « My prompt isn’t giving me a helpful answer » (en anglais, consulté le 6 novembre 2026).
