On me demande souvent : « Mais alors, il faut apprendre à coder ? Comprendre les algorithmes ? Faire des maths ? » Et la réponse est plus surprenante qu’on ne le croit.
La vraie compétence, c’est la formulation
Quand on parle à un modèle d’IA, on ne lui demande pas « d’exécuter une tâche ». On lui décrit ce qu’on veut. Et c’est là que tout se joue.
Cette compétence n’a rien de nouveau. Elle porte des noms anciens : rhétorique, dialectique, art de la définition. Les avocats la pratiquent quand ils qualifient les faits. Les enseignants quand ils reformulent la question maladroite d’un élève pour en faire surgir la véritable interrogation. Les consultants quand ils traduisent un problème métier flou en cahier des charges exécutable. Les journalistes quand ils cherchent l’angle qui rendra une histoire lisible.
Ce que change l’IA, c’est l’urgence - et le coût de l’à-peu-près. Avant, formuler approximativement coûtait du temps : on relançait un collègue, on précisait un brief, on attendait un retour qui obligeait à reformuler. Aujourd’hui, on obtient en trois secondes une réponse parfaitement structurée à une question mal posée. Belle, fluide, plausible. Et complètement à côté du vrai besoin. Le risque a changé de nature : ce n’est plus de ne pas obtenir de réponse, c’est d’en obtenir trop vite une qui semble bonne.
Écrire clairement, c’est penser clairement. Cela suppose de savoir ce qu’on veut, à qui on s’adresse, dans quel contexte, avec quelles contraintes, vers quel résultat. Toutes choses que les modèles ne devinent pas - et qu’aucun prompt magique ne remplace.
Le piège du prompt-magique
Beaucoup de gens cherchent « le bon prompt » comme on cherchait autrefois la bonne formule magique. C’est une mauvaise piste.
Le fantasme du prompt parfait, c’est l’idée qu’il existerait, quelque part, une formule - secrète, copiable, transmissible - qui débloquerait la « vraie » puissance du modèle. On en vend désormais des banques entières. On en a même fait un métier : prompt engineer. Comme s’il s’agissait d’apprendre une nouvelle syntaxe, un nouveau langage de programmation déguisé.
Sauf qu’un bon prompt n’existe pas dans l’absolu. Il existe par rapport à un objectif, un contexte, une matière. Le meilleur prompt pour répondre à un client mécontent n’aide en rien à structurer une note juridique. Ce qui marche pour vous ne marchera pas forcément pour moi : nous n’avons ni le même style, ni le même secteur, ni les mêmes interlocuteurs, ni les mêmes contraintes implicites - celles qu’on n’écrit jamais parce qu’on ne se rend même plus compte qu’on les a.
Ce qui distingue ceux qui obtiennent vraiment des résultats, ce n’est pas leur collection de prompts. C’est leur capacité à entrer dans un dialogue : préciser, recadrer, demander une autre version, expliquer pourquoi cette piste-ci ne convient pas, sentir quand le modèle est en train de broder. Bref, à itérer. Le prompt n’est pas une formule, c’est une conversation. Et l’on revient toujours à la même question : qu’est-ce que je veux exactement ?
Ce que ça change pour celles et ceux qui ne sont pas techniques
Bonne nouvelle : ne pas être technique n’est plus un handicap. C’est même parfois un atout.
Pendant des années, on a expliqué aux profils littéraires, juridiques, commerciaux ou pédagogiques qu’ils devraient « se mettre au numérique », « apprendre à coder », « comprendre la donnée ». Le message implicite était sans appel : votre formation ne suffit plus, rattrapez-vous.
L’arrivée des modèles génératifs renverse partiellement la table. Ce que demande l’IA aujourd’hui, ce n’est pas du code - elle en écrit elle-même, et plutôt bien. C’est de la précision dans la formulation, de la nuance dans le propos, de la clarté dans la structure. Exactement ce qu’on apprend en étudiant la littérature, le droit, la philosophie, ou en exerçant un métier de relation.
Une juriste sait qualifier un fait - c’est-à-dire le rattacher à une catégorie qui produit des conséquences. Une commerciale sait entendre ce qu’un client ne dit pas, et reformuler son besoin avant qu’il ne le formule lui-même. Un enseignant sait expliquer la même chose de cinq manières différentes, selon l’auditoire et le moment. Un journaliste sait poser la question qui fait advenir la réponse utile, plutôt que celle qu’on attendait. Toutes ces compétences - qu’on a longtemps regardées avec une condescendance polie dans les milieux tech - sont devenues opérationnelles. Mieux : elles sont devenues différenciantes.
Cela ne veut pas dire que la technique ne compte plus. Elle compte, et elle comptera encore. Mais elle n’est plus le seul ticket d’entrée. Et celles et ceux qui pensaient avoir manqué le train de l’IA parce qu’ils n’avaient pas fait d’école d’ingénieur ont peut-être, sans le savoir, le bagage le plus utile : savoir ce qu’ils veulent, et savoir le dire.
Apprendre l’IA, finalement, c’est moins apprendre une technologie qu’un rapport à soi-même : être capable de tenir, sous pression de fluidité, l’exigence de penser clairement avant de demander.