Parcours CoachGPTDébutant

IA générative, ChatGPT et Claude : déléguer et automatiser son travail

IA générative, ChatGPT et Claude : apprends à déléguer des missions, produire des livrables et automatiser tes tâches. Formation gratuite en ligne.

1 apprenant4 modules · 25 leçons25h 40min

Ce que tu vas apprendre

  • Repérer les hallucinations, les biais et les fausses sources
  • Vérifier les résultats de l'IA et protéger les données professionnelles
  • Structurer une consigne avec rôle, contexte, tâche, format et critères de réussite
  • Préparer un dossier et superviser une mission en plusieurs étapes
  • Produire des synthèses, tableaux et présentations avec un contrôle qualité
  • Transformer une tâche répétitive en workflow avec des points de contrôle humains
  • Mesurer le temps gagné grâce à une automatisation

À propos de cette formation

Cette formation t'apprend à utiliser l'IA générative comme un vrai assistant de travail : comprendre ses capacités et ses limites, rédiger des consignes claires, déléguer une mission complète, puis transformer une tâche répétitive en workflow suivi. Tu avances sur un projet fil rouge tiré d'une tâche réelle. La formation se déroule en trois modules de leçons courtes que tu écoutes ou lis. Tu fais des exercices, passes un quiz par module, puis un examen final qui donne droit à une attestation. Un coach IA répond à tes questions tout au long du parcours.

Programme de la formation

4 modules · 25 leçons
00

Bienvenue

1 leçon
  • Introduction : IA générative, ChatGPT et ClaudeCe que tu vas apprendre, et comment ton parcours va se dérouler.5 min
01

Module 1 : Comprendre l'IA générative et structurer ses demandes

8 leçons

Poser les bases : ce que l'IA sait faire, ses limites, puis une méthode fiable pour formuler des consignes. Choix de la tâche du projet fil rouge.

  • Les principes de l'IA générativeComment fonctionne un modèle de langage, en termes simples, et ce que cela implique pour l'usage quotidien.40 min
  • Les tâches adaptées à l'IA et celles à garder sous contrôle humainCartographier ses tâches professionnelles : déléguables, à superviser, à ne pas confier.40 min
  • Repérer hallucinations et biaisReconnaître les erreurs plausibles, les biais et les fausses sources, avec des exemples concrets.40 min
  • Vérifier les résultats et protéger les donnéesMéthode de vérification en trois étapes et règles de confidentialité pour les données professionnelles.40 min
  • Contexte, consignes et critères de qualitéStructurer une demande : rôle, contexte, tâche, format attendu et critères de réussite.45 min
  • Analyser des fichiers et contrôler les sourcesFaire analyser un document ou un tableau, puis contrôler les sources citées.45 min
  • Exercice : réécrire trois demandes floues en consignes efficacesTransformer des demandes vagues en consignes structurées et comparer les résultats ; choisir la tâche du projet fil rouge.1h 30min
  • Quiz : capacités, limites et bonnes consignesVérifier la compréhension des concepts fondamentaux du module.30 min
02

Module 2 : Déléguer une mission complète et produire des livrables

8 leçons

Confier une mission en plusieurs étapes à un assistant IA, superviser son travail et obtenir un livrable professionnel exploitable.

  • Préparer fichiers, consignes et résultat attenduConstituer un dossier de départ clair et définir le livrable attendu avant de déléguer.45 min
  • Planifier une mission en plusieurs étapesDécouper une mission, valider chaque étape et corriger en cours de route.45 min
  • Superviser actions et permissionsDéfinir ce que l'IA peut faire seule, ce qui demande validation, et limiter l'accès aux fichiers.40 min
  • Notes, rapports et recommandationsTransformer documents et recherches en synthèses et recommandations utiles à la décision.45 min
  • Tableaux, analyses, présentations et contrôle qualitéProduire tableaux et supports, puis appliquer une grille de contrôle qualité et de sources.50 min
  • Masterclass : passer de ChatGPT à une équipe d'agents IASession live pour découvrir comment organiser des agents IA au service de son activité.1h
  • Exercice : déléguer une mission et obtenir un premier livrableAppliquer la méthode à la tâche du projet fil rouge : dossier, consignes, étapes, livrable et contrôle.2h 30min
  • Quiz : délégation, supervision et qualité des livrablesValider les réflexes de préparation, de supervision et de contrôle.30 min
03

Module 3 : Workflows, automatisation et suivi des résultats

8 leçons

Transformer la méthode en processus réutilisable, comprendre la logique des agents, automatiser une tâche répétitive et mesurer le temps gagné.

  • Décomposer une activité en workflowIdentifier déclencheurs, étapes, entrées et sorties d'une tâche répétitive.45 min
  • Instructions et modèles durablesCréer des instructions et modèles réutilisables (skills, modèles de consignes) et les maintenir.45 min
  • Comprendre la logique des agents et définir les points de contrôleCe qu'est un agent, ses risques, et où placer les validations humaines.45 min
  • Automatisations, points de suivi et mesure du temps gagnéPlanifier une tâche récurrente, suivre les résultats et calculer le gain de temps.45 min
  • Erreurs fréquentes et méthode personnelle pour ne pas rester bloquéDiagnostiquer les blocages courants et construire sa checklist personnelle de correction.40 min
  • Exercice : transformer une tâche répétitive en workflowDocumenter le workflow, rédiger les instructions durables et définir les points de contrôle.2h
  • Quiz : workflows, agents et automatisationVérifier la maîtrise des notions de workflow, de contrôle et de suivi.30 min
  • Projet final : automatiser une tâche réelle et mesurer le gainLivrer le projet fil rouge : tâche réelle déléguée, workflow documenté, contrôle qualité et mesure du temps gagné.5h 30min

Aperçu gratuit · Module 1 : Comprendre l'IA générative et structurer ses demandes

Le premier module se lit ici. Les 30 % du parcours sont offerts, la suite se débloque pour quelques crédits.

Aperçu offert

Les principes de l'IA générative

Cette leçon vous donne un modèle mental simple de l'IA générative. Il vous permettra de savoir pourquoi un outil comme ChatGPT ou Claude répond bien,…

Objectifs pratiques

Cette leçon vous donne un modèle mental simple de l'IA générative. Il vous permettra de savoir pourquoi un outil comme ChatGPT ou Claude répond bien, ou se trompe. C'est la base de tout le parcours : on ne délègue bien que ce que l'on comprend. À la fin, vous saurez décider si une tâche de votre quotidien convient à l'IA, et vous aurez posé un premier candidat pour le projet fil rouge.

Pourquoi c'est utile pour votre objectif

Votre but est de déléguer et d'automatiser une tâche répétitive de votre travail. Si vous croyez que l'IA « sait » les choses comme une base de données, vous lui confierez de mauvaises tâches et vous ne vérifierez pas ses réponses. Si vous comprenez qu'elle prédit du texte plausible, vous saurez lui donner du contexte, cadrer le résultat et contrôler les points sensibles.

Les idées essentielles

Un modèle de langage prédit la suite la plus plausible

Un modèle de langage (LLM) a été entraîné sur d'énormes quantités de textes. Il découpe le texte en petits morceaux (des « tokens ») et apprend à estimer quel morceau est le plus probable après les précédents. Il génère ensuite une réponse morceau par morceau. Il ne consulte pas une encyclopédie : il produit du texte vraisemblable.

Conséquences directes pour l'usage
  • Il est excellent pour reformuler, résumer, trier, classer, structurer, proposer des brouillons et des variantes.
  • Il peut inventer : un fait faux mais bien écrit s'appelle une hallucination. Chiffres, citations, références et dates sont les points à risque.
  • Il dépend du contexte : plus vous fournissez d'informations (public, format, exemples), meilleure est la réponse. Il n'a pas de mémoire fiable de votre entreprise.
  • Il varie : la même demande peut donner des résultats différents. Il faut donc des critères de qualité, pas seulement un « ça a l'air bien ».
  • Il a une fenêtre de contexte limitée : dans une très longue conversation, il peut oublier ou mélanger des éléments.

Méthode pas à pas : tester si une tâche est délégable

  1. Décrivez la tâche en une phrase : entrée, action, sortie (ex. : « à partir de notes de réunion, produire un compte rendu de 10 lignes »).
  2. Classez le risque : une erreur est-elle sans gravité, gênante ou grave ? Plus c'est grave, plus la vérification humaine est obligatoire.
  3. Vérifiez la nature de la tâche : s'agit-il de transformer ou structurer un texte (adapté), ou de retrouver un fait précis sans source (risqué) ?
  4. Listez le contexte à fournir : public, ton, format, exemple de bon résultat, données utiles.
  5. Retirez les données sensibles : noms, coordonnées, informations confidentielles ou clients, sauf si votre organisation l'autorise.
  6. Définissez 3 critères de contrôle : par exemple, aucun chiffre inventé, longueur respectée, toutes les décisions listées.
  7. Testez sur un cas et notez ce qu'il faut corriger.

Exemple concret

Une assistante administrative reçoit chaque semaine des notes de réunion en vrac. Tâche : transformer ces notes en compte rendu avec décisions, actions et responsables. Risque moyen (une action oubliée est gênante). Nature : restructuration de texte, donc adaptée. Contexte fourni : modèle de compte rendu souhaité et un ancien exemple. Contrôles : chaque action a un responsable, aucune date inventée, relecture rapide des noms. Résultat : 30 minutes de rédaction ramenées à 5 minutes de relecture.

Contre-exemple : demander « quel est le taux légal en vigueur ? » sans source. C'est un fait précis, susceptible d'être périmé ou inventé : il faut le vérifier dans une source officielle.

Erreurs à éviter

  • Considérer l'IA comme un moteur de recherche infaillible.
  • Donner une consigne vague sans public, format ni exemple.
  • Copier-coller des données confidentielles sans autorisation.
  • Accepter un texte fluide sans vérifier chiffres et noms.
  • Choisir pour le projet une tâche trop vaste : mieux vaut une tâche courte et répétitive.

À faire maintenant

Remplissez un tableau de 5 tâches répétitives de votre travail avec ces colonnes : tâche, entrée, sortie, risque (faible/moyen/élevé), données sensibles (oui/non), contexte à fournir, verdict (délégable / avec contrôle / à garder). Entourez celle qui servira de projet fil rouge et rédigez ses 3 critères de contrôle.

Les tâches adaptées à l'IA et celles à garder sous contrôle humain

À la fin de cette leçon (20 minutes), vous aurez une carte de vos tâches professionnelles classées en trois zones : déléguer , superviser , ne pas…

Objectifs pratiques

À la fin de cette leçon (20 minutes), vous aurez une carte de vos tâches professionnelles classées en trois zones : déléguer, superviser, ne pas confier. Ce tri vous rapproche de votre objectif : automatiser une tâche répétitive et choisir la tâche de votre projet fil rouge, qui démarre à la séance 2.

Pourquoi c'est utile pour votre objectif

Déléguer à l'IA sans tri conduit à deux échecs : perdre du temps à corriger des résultats inutilisables, ou prendre un risque (données sensibles, erreur factuelle, décision à enjeu). Savoir quelle tâche confier, et avec quel niveau de contrôle, est la base de tous les workflows des séances suivantes (ChatGPT, Claude Cowork, automatisation).

Les trois zones

Zone verte : déléguer

Tâches à faible enjeu, répétitives, faciles à relire en moins de 2 minutes : reformuler un e-mail, résumer un compte rendu, proposer un plan, trier des idées, créer un premier brouillon, mettre en forme un tableau.

Zone orange : superviser

L'IA produit, vous validez point par point : analyse de chiffres, synthèse de recherche, rapport client, texte contenant des faits, dates, citations ou références. Risque principal : hallucinations et biais, donc vérification obligatoire des sources et des chiffres.

Zone rouge : ne pas confier

Décisions engageantes (embauche, sanction, avis juridique ou médical final), données confidentielles ou personnelles sans cadre autorisé, tâches où votre responsabilité personnelle est engagée et non vérifiable. L'IA peut au mieux préparer, jamais trancher.

Méthode pas à pas

  1. Listez 10 à 15 tâches réalisées sur une semaine type (une ligne chacune, avec le temps passé).
  2. Notez pour chacune trois critères de 1 à 3 : répétitivité, enjeu en cas d'erreur, sensibilité des données.
  3. Classez : enjeu faible et données non sensibles = vert ; enjeu moyen ou faits à vérifier = orange ; enjeu fort ou données sensibles = rouge.
  4. Définissez le contrôle pour chaque tâche orange : que vérifier, comment, en combien de temps.
  5. Repérez les candidates : tâches vertes ou oranges, fréquentes et chronophages. Choisissez-en une comme tâche du projet fil rouge.
  6. Écrivez le résultat attendu de cette tâche en une phrase mesurable (ex. : « brouillon prêt en 5 min au lieu de 30 »).

Exemple concret

Une assistante de direction liste ses tâches : mise en forme de comptes rendus (45 min/semaine, vert), synthèse de veille sectorielle (1 h, orange : sources à contrôler), réponse à une réclamation contenant des données clients (rouge tant que les données ne sont pas anonymisées). Elle retient les comptes rendus comme tâche fil rouge : répétitive, faible enjeu, gain estimé de 30 min par semaine.

Erreurs à éviter

  • Juger la tâche sur sa difficulté plutôt que sur son enjeu : une tâche simple peut être rouge.
  • Coller des données confidentielles dans un outil sans vérifier les règles de votre organisation.
  • Supposer qu'un texte fluide est un texte exact.
  • Choisir pour le projet une tâche rare ou trop vaste : visez une tâche hebdomadaire, courte, mesurable.

À faire maintenant

Créez un tableau (tableur ou papier) avec les colonnes : tâche, temps/semaine, répétitivité, enjeu, données sensibles, zone, contrôle à faire. Remplissez-le avec au moins 10 tâches, puis entourez votre tâche candidate pour le projet fil rouge.

Repérer hallucinations et biais

À la fin de cette leçon (environ 20 minutes), vous saurez repérer une hallucination, un biais et une fausse source dans une réponse de ChatGPT ou de…

Objectifs pratiques

À la fin de cette leçon (environ 20 minutes), vous saurez repérer une hallucination, un biais et une fausse source dans une réponse de ChatGPT ou de Claude. Vous aurez aussi une grille de contrôle réutilisable. C'est le socle pour déléguer du travail à l'IA sans publier d'erreurs, et pour choisir la tâche de votre projet fil rouge en connaissant ses risques.

Pourquoi c'est utile pour votre objectif

Votre but est de déléguer et d'automatiser une tâche réelle dans un cadre professionnel. Plus vous déléguez, moins vous relisez de près, et plus une erreur plausible passe inaperçue. Un chiffre inventé dans un rapport ou une référence qui n'existe pas peut coûter votre crédibilité. Savoir contrôler est donc ce qui rend l'automatisation durable. Cela prépare aussi les points de contrôle des modules suivants (Claude Cowork, ChatGPT Work).

Les trois types d'erreurs à connaître

Hallucination

Un modèle génératif produit le texte le plus probable, pas le texte vérifié. Il peut donc affirmer avec aplomb un fait faux, un chiffre, une date, une citation ou une fonctionnalité qui n'existe pas. Le ton assuré n'est jamais une preuve d'exactitude.

Biais

Les réponses reflètent les données d'entraînement et vos consignes. Exemples : stéréotypes dans un portrait de candidat, vision centrée sur un pays, ou accord systématique avec votre opinion si votre question est orientée.

Fausse source

L'IA peut inventer un titre d'étude, un auteur, une URL ou une loi qui semble réaliste. Elle peut aussi citer une vraie source qui ne dit pas ce qu'elle prétend.

Méthode pas à pas

  1. Isolez les affirmations vérifiables : relevez chiffres, noms, dates, citations, références et règles juridiques dans la réponse.
  2. Classez le risque : faible (reformulation), moyen (synthèse), élevé (chiffres, droit, santé, finance). Plus le risque est élevé, plus la vérification est obligatoire.
  3. Demandez les sources et le niveau de certitude : « Pour chaque affirmation, donne la source exacte et dis si tu n'es pas sûr. »
  4. Ouvrez réellement les sources : l'URL existe-t-elle ? Le document dit-il bien cela ? Cherchez le titre ou le chiffre dans un moteur de recherche.
  5. Croisez avec une seconde source fiable : site officiel, document interne, données d'origine.
  6. Testez le biais : reposez la question de façon neutre, ou inversée (« donne aussi les arguments contraires »), et comparez.
  7. Notez le résultat : corrigé, confirmé ou supprimé. Gardez la trace dans votre grille.

Exemple concret

Vous demandez un résumé de marché pour un rapport. L'IA écrit : « Selon une étude de 2023, 68 % des PME françaises utilisent l'IA générative », avec un nom d'institut. Vous isolez le chiffre (étape 1), il est à risque élevé (étape 2). Vous cherchez l'étude : elle n'existe pas, ou donne un autre pourcentage. Vous supprimez le chiffre ou le remplacez par celui d'une source officielle, et vous notez « chiffre inventé ». Résultat : un rapport fiable en 5 minutes de contrôle.

Erreurs à éviter

  • Croire une réponse parce qu'elle est bien rédigée et détaillée.
  • Demander « es-tu sûr ? » et s'arrêter là : le modèle peut confirmer son erreur.
  • Vérifier uniquement ce qui paraît étrange, alors que les erreurs sont plausibles.
  • Poser des questions orientées (« Confirme que… »).
  • Coller des données confidentielles pour « vérifier » : protégez noms, contrats et chiffres internes.

À faire maintenant

Choisissez une tâche candidate pour votre projet fil rouge. Demandez à l'IA de la réaliser, puis remplissez un tableau de contrôle avec trois colonnes : affirmation, niveau de risque, vérification faite (source ouverte, statut). Gardez ce tableau comme modèle pour la suite.

Vérifier les résultats et protéger les données

À la fin de cette leçon (20 minutes), vous saurez appliquer une méthode de vérification en trois étapes à toute réponse d'une IA générative, et vous…

Objectifs pratiques

À la fin de cette leçon (20 minutes), vous saurez appliquer une méthode de vérification en trois étapes à toute réponse d'une IA générative, et vous saurez décider quelles données vous pouvez ou ne pouvez pas lui confier. C'est un pas direct vers votre objectif : déléguer et automatiser une tâche réelle sans prendre de risque, et choisir votre tâche pour le projet fil rouge en connaissance de cause.

Pourquoi c'est utile pour votre objectif

Une IA produit des textes fluides, même quand ils sont faux. Si vous déléguez une tâche sans contrôle, vous gagnez du temps mais vous risquez une erreur chiffrée, une source inventée ou une fuite de données clients. Un workflow automatisé ne dure que s'il est fiable : la vérification et la confidentialité sont donc la base de tout le parcours (ChatGPT, Claude Cowork, automatisation).

Méthode pas à pas

  1. Classer le risque avant de demander. Posez-vous : si cette réponse est fausse, quelle conséquence ? Faible (idées de titres), moyenne (e-mail à un client), élevée (chiffres, contrat, décision RH). Plus le risque est haut, plus le contrôle est strict.
  2. Étape 1 – Contrôler les faits. Repérez dans la réponse tous les éléments vérifiables : chiffres, dates, noms, citations, références. Surlignez-les et vérifiez chacun dans une source primaire (document officiel, site de l'organisme, fichier d'origine). Demandez à l'IA de lister ses sources, puis ouvrez-les : un lien ou un titre qui n'existe pas est le signe d'une hallucination.
  3. Étape 2 – Contrôler la cohérence. Comparez la réponse à votre consigne : tous les critères demandés sont-ils respectés (format, longueur, ton, public) ? Refaites un calcul à la main sur deux ou trois valeurs. Posez la même question autrement : si les réponses divergent, méfiance.
  4. Étape 3 – Contrôler le jugement. Relisez comme un responsable : est-ce adapté à mon contexte, y a-t-il un biais (généralisation, ton stéréotypé, point de vue unique), puis-je signer ce document sous mon nom ? La décision finale reste humaine.
  5. Protéger les données avant l'envoi. Triez en trois niveaux : vert (public, déjà publié), orange (interne, à anonymiser), rouge (données personnelles, secrets commerciaux, mots de passe, données de santé ou financières : on ne les envoie pas). Remplacez les noms par des codes (Client A, Société X) et arrondissez ou retirez les montants sensibles.
  6. Vérifier les réglages et règles. Consultez les paramètres de confidentialité de l'outil (utilisation des conversations pour l'entraînement) et la politique de votre employeur. En cas de doute, demandez avant d'envoyer.
  7. Garder une trace. Notez dans un journal : tâche, outil, données utilisées, points vérifiés, corrections faites.

Exemple concret

Vous demandez à une IA un résumé d'un rapport de ventes. Elle annonce une hausse de 18 %. Étape 1 : vous retrouvez le tableau d'origine, la hausse réelle est de 12 %. Étape 2 : vous refaites le calcul sur deux lignes et trouvez l'erreur. Étape 3 : vous constatez que le résumé ignore la baisse d'une région. Avant l'envoi, vous aviez remplacé les noms des clients par « Client A, B, C » : le rapport reste exploitable sans exposer d'informations sensibles.

Erreurs à éviter

  • Croire une réponse parce qu'elle est bien rédigée et sûre d'elle.
  • Demander à l'IA de vérifier sa propre réponse et s'en contenter : elle peut confirmer son erreur.
  • Copier-coller un fichier complet avec données personnelles « pour aller vite ».
  • Appliquer le même niveau de contrôle à toutes les tâches au lieu de l'adapter au risque.
  • Ne pas garder de trace, ce qui empêche d'améliorer la méthode.

À faire maintenant

Créez une checklist d'une page « Vérifier et protéger » avec : vos 3 niveaux de données (vert/orange/rouge) et 3 exemples réels de votre travail pour chacun ; les 3 étapes de vérification ; une ligne de journal modèle. Puis appliquez-la à une réponse d'IA réelle liée à la tâche que vous envisagez pour le projet fil rouge.

Contexte, consignes et critères de qualité

À la fin de cette leçon de 20 minutes, vous saurez écrire une demande structurée en cinq blocs (rôle, contexte, tâche, format attendu, critères de…

Objectifs pratiques

À la fin de cette leçon de 20 minutes, vous saurez écrire une demande structurée en cinq blocs (rôle, contexte, tâche, format attendu, critères de réussite). Cette méthode est la base de votre projet fil rouge : une demande claire donne un premier résultat exploitable, que vous pourrez ensuite déléguer, répéter puis automatiser.

Pourquoi c'est utile pour votre objectif

Votre but est de déléguer et d'automatiser une tâche réelle. Or une IA ne devine ni votre métier, ni votre public, ni votre définition d'un « bon » résultat. Une consigne floue (« fais-moi un résumé ») produit un résultat générique qu'il faut retravailler. Une consigne structurée réduit les allers-retours, rend le résultat comparable d'une fois sur l'autre et peut devenir un modèle réutilisable. C'est aussi le premier pas pour choisir la tâche de votre projet fil rouge.

Les cinq blocs d'une demande fiable

  • Rôle : le point de vue à adopter (ex. assistant administratif d'une PME).
  • Contexte : la situation, le public, les données disponibles, les contraintes.
  • Tâche : un verbe d'action précis (résumer, classer, comparer, rédiger).
  • Format attendu : tableau, liste, longueur, ton, langue.
  • Critères de réussite : ce qui rend le résultat acceptable (par exemple : « pas d'information inventée », « 5 points maximum », « signaler ce qui est incertain »).

Méthode pas à pas

  1. Choisissez une tâche réelle, courte et répétitive de votre travail (ex. répondre à des e-mails types, résumer des comptes rendus).
  2. Écrivez en une phrase le résultat final dont vous avez besoin et qui va le lire.
  3. Rédigez les cinq blocs, en une à trois lignes chacun.
  4. Ajoutez vos matériaux : collez le texte ou les données utiles. Retirez les informations sensibles ou personnelles avant de les envoyer.
  5. Demandez à l'IA de poser ses questions si une information manque, avant de produire le résultat.
  6. Relisez le résultat en vous appuyant sur vos critères, en cochant chacun d'eux.
  7. Corrigez la consigne, pas seulement le résultat : ajoutez la précision qui manquait, puis relancez.
  8. Enregistrez la version finale comme modèle, avec des champs à remplacer entre crochets.

Exemple concret

Consigne faible : « Résume ce compte rendu de réunion. »

Consigne structurée : « Rôle : assistant de direction. Contexte : réunion hebdomadaire d'une équipe de 6 personnes, le compte rendu sera lu par la direction en 2 minutes. Tâche : résume le texte ci-dessous. Format : 3 décisions, 3 actions (responsable, échéance) et 1 risque, sous forme de tableau. Critères : n'ajoute aucune information absente du texte ; écris « non précisé » si une échéance manque ; maximum 150 mots. »

Le second résultat est directement utilisable et vérifiable point par point.

Erreurs à éviter

  • Demander plusieurs tâches différentes dans le même message.
  • Oublier le public et l'usage final du livrable.
  • Ne pas définir de critères, donc ne pas pouvoir juger le résultat.
  • Accepter le premier résultat sans relecture : l'IA peut inventer des faits.
  • Coller des données confidentielles sans les anonymiser.

À faire maintenant

Livrable : un modèle de demande réutilisable pour la tâche que vous envisagez pour votre projet fil rouge. Rédigez les cinq blocs, testez-les dans ChatGPT ou Claude avec un vrai texte anonymisé, puis notez en trois lignes ce que vous avez corrigé dans la consigne après le premier essai.

Analyser des fichiers et contrôler les sources

Dans cette leçon de 20 minutes, vous apprendrez à faire analyser un document ou un tableau par une IA générative, puis à contrôler les sources…

Objectifs pratiques

Dans cette leçon de 20 minutes, vous apprendrez à faire analyser un document ou un tableau par une IA générative, puis à contrôler les sources qu'elle cite. C'est une étape directe vers votre projet fil rouge : choisir une tâche réelle, la déléguer, et obtenir un livrable fiable que vous pouvez défendre devant un collègue ou un responsable.

Pourquoi c'est utile pour votre objectif

Votre but est de déléguer et d'automatiser une partie de votre travail. Or une tâche répétitive part presque toujours d'un fichier : compte rendu, export de ventes, contrat, planning. Savoir faire lire ce fichier à l'IA fait gagner du temps. Savoir vérifier ce qu'elle affirme évite les erreurs qui coûtent cher. Ces deux gestes sont la base des modules suivants (ChatGPT, Claude Cowork, workflows).

Méthode pas à pas

  1. Choisir un fichier test non sensible. Prenez un document réel, mais retirez noms, montants confidentiels et données personnelles. Si le fichier est confidentiel, anonymisez-le ou n'utilisez pas l'outil.
  2. Définir la question avant d'envoyer le fichier. Exemple : « Quels sont les 3 points qui demandent une décision ? » Une question précise donne une analyse utile.
  3. Écrire une consigne structurée. Contexte (qui vous êtes, à quoi sert le document), tâche (résumer, comparer, détecter des écarts), format attendu (tableau, 5 puces), critères (citer la page ou la ligne de chaque information).
  4. Exiger la localisation des preuves. Demandez pour chaque affirmation : page, paragraphe ou cellule d'origine. Précisez : « Si l'information n'est pas dans le fichier, écris : non trouvé. »
  5. Contrôler par échantillonnage. Vérifiez au moins 3 affirmations au hasard dans le fichier original. Pour un tableau, recalculez un total ou une moyenne à la main ou dans votre tableur.
  6. Contrôler les sources externes. Si l'IA cite un article, une loi ou une étude : ouvrez le lien, vérifiez que la page existe, que la date est récente et que le passage dit bien ce qui est annoncé. Une source introuvable est à rejeter.
  7. Corriger et relancer. Signalez l'erreur à l'IA, demandez une version corrigée, puis notez le problème dans votre liste de contrôle.

Exemple concret

Vous recevez un export de 200 lignes de demandes clients et vous voulez les priorités de la semaine. Vous anonymisez le fichier, puis demandez : « Regroupe les demandes par thème, compte-les, et donne les 3 thèmes les plus fréquents avec 2 exemples de lignes chacun. » L'IA répond que le thème « livraison » représente 62 demandes. Vous filtrez dans le tableur : il y en a 48. Vous signalez l'écart, l'IA corrige en admettant avoir fusionné deux thèmes. Sans contrôle, vous auriez présenté un chiffre faux.

Erreurs à éviter

  • Envoyer un fichier contenant des données personnelles ou confidentielles.
  • Croire une citation parce qu'elle est bien présentée : les références inventées sont fréquentes.
  • Demander « analyse ça » sans question ni format.
  • Vérifier seulement ce qui paraît étrange, et pas un échantillon aléatoire.
  • Ne pas conserver la liste de contrôle pour la réutiliser.

À faire maintenant

Livrable : une fiche « Analyse contrôlée » d'une page. Choisissez un fichier réel anonymisé lié à votre projet fil rouge, rédigez votre consigne structurée, lancez l'analyse, puis remplissez un tableau de contrôle (affirmation, source dans le fichier, vérifié oui/non, correction).

Exercice : réécrire trois demandes floues en consignes efficaces

Dans cet exercice pratique, vous allez transformer trois demandes floues adressées à une IA générative (ChatGPT ou Claude) en consignes structurées,…

Objectif et utilité

Dans cet exercice pratique, vous allez transformer trois demandes floues adressées à une IA générative (ChatGPT ou Claude) en consignes structurées, puis comparer les résultats obtenus. Cette compétence est la base de tout le parcours : sans consigne claire, impossible de déléguer sérieusement une tâche, d'automatiser un travail répétitif ou d'obtenir un livrable fiable. Elle vous permet aussi de choisir la tâche réelle de votre projet fil rouge, qui progressera de la séance 2 à la séance 6. Durée estimée : 45 à 60 minutes, en deux sessions de 20 à 30 minutes.

Contexte

Une IA générative produit une réponse plausible à partir de ce qu'on lui donne. Si la demande est vague, elle comble les trous par des suppositions, ce qui donne des textes génériques, parfois inexacts. Une bonne consigne contient cinq éléments : le rôle, le contexte, la tâche précise, le format attendu et les critères de qualité (longueur, ton, ce qu'il faut éviter, vérifications demandées).

Étape 1 : choisir trois demandes floues (10 min)

Notez trois demandes que vous formuleriez spontanément dans votre travail. Exemples : « Fais-moi un mail pour relancer un client », « Résume ce document », « Aide-moi à organiser mon planning ». Choisissez des situations réelles liées à votre métier ou à votre recherche d'emploi.

Étape 2 : tester les versions brutes (10 min)

Envoyez chaque demande telle quelle à l'IA, dans une nouvelle conversation. Copiez les trois réponses dans un document. N'ajoutez aucune donnée confidentielle : remplacez noms, chiffres sensibles et coordonnées par des éléments fictifs.

Étape 3 : réécrire en consignes structurées (15 min)

Pour chaque demande, rédigez une consigne avec : rôle, contexte (public, objectif, situation), tâche précise, format de sortie, critères de qualité, et une instruction de vérification (par exemple « signale toute information dont tu n'es pas sûr »). Envoyez les trois nouvelles consignes et copiez les réponses.

Étape 4 : comparer et noter (10 min)

Créez un tableau avec, pour chaque demande, une note de 1 à 5 sur : pertinence, précision, format respecté, effort de correction restant. Écrivez deux phrases sur ce qui a le plus amélioré le résultat.

Étape 5 : choisir la tâche du projet fil rouge (10 min)

Parmi vos trois cas, sélectionnez la tâche répétitive ou chronophage que vous voulez déléguer au fil du parcours. Rédigez une fiche : description de la tâche, fréquence, temps passé actuellement (en minutes par semaine), résultat attendu, risques (données sensibles, erreurs possibles).

Erreurs à éviter

  • Écrire une consigne longue mais sans objectif précis.
  • Oublier le format de sortie attendu.
  • Partager des données personnelles ou confidentielles.
  • Accepter la réponse sans vérification des faits et des chiffres.
  • Changer plusieurs éléments à la fois sans savoir ce qui a amélioré le résultat.

Livrables attendus

  1. Un document avec les 3 demandes floues, les 3 consignes réécrites et les 6 réponses.
  2. Le tableau de comparaison noté.
  3. La fiche de la tâche du projet fil rouge.
  4. Un modèle de consigne personnel en 6 lignes, réutilisable.

Critères de réussite

  • Chaque consigne contient au moins cinq des six éléments (rôle, contexte, tâche, format, critères, vérification).
  • Le gain est visible : note moyenne supérieure d'au moins 1 point après réécriture.
  • Aucune donnée sensible n'a été partagée.
  • La fiche fil rouge indique un temps actuel mesuré en minutes.
La suite du parcours t'attend

3 modules de plus · 17 leçons guidées par l'IA, avec exercices et coach à chaque étape.

Questions fréquentes

Combien de temps dure la formation IA générative, ChatGPT et Claude ?

25 leçons, environ 25h 40min au total, à suivre à ton rythme. Chaque leçon dure quelques minutes : tu peux l'écouter ou la lire.

Est-ce que cette formation est gratuite ?

Le début est gratuit : les 8 premières leçons sur 25, avec un compte Blemama. La suite se débloque une seule fois pour 10 000 crédits (1 000 F CFA), et elle est incluse avec le Collectif IA.

Faut-il un niveau particulier pour commencer ?

Elle est prévue pour un niveau débutant. À chaque leçon, un coach IA répond à tes questions et réexplique ce qui n'est pas clair.

Comment se déroule la formation ?

Le parcours compte 3 modules. Chaque leçon est lue à voix haute pendant que le texte avance, avec des exercices pratiques et un quiz à la fin de chaque module.

Est-ce que j'obtiens une attestation à la fin ?

Oui. À la fin du parcours, un examen final valide ce que tu as appris et tu reçois une attestation Blemama.

Tu veux une formation sur un autre sujet ? Demande à CoachGPT de te créer la tienne

Avis des apprenants

Publiés après avoir terminé le parcours

Aucun avis pour le moment. Les avis apparaissent ici quand un apprenant termine le parcours.

Discussion

Pose une question ou partage ton retour avec les autres apprenants.

0 fil(s)

Aucune discussion pour le moment.

Ta prochaine compétence IA commence aujourd’hui.

Des formations concrètes, des bootcamps en direct et un Studio IA pour pratiquer.