Pas une liste de prompts. Une façon de décider, tâche par tâche, si la machine a sa place dans la boucle.
La plupart des conseils sur l'IA au travail partent d'un produit et cherchent quoi en faire. L'ordre est inverse, et c'est pourquoi tant de projets pilotes s'éteignent au bout d'un mois. Partez plutôt d'une tâche que vous faites déjà, et posez-vous trois questions.
Pouvez-vous vérifier vite si le résultat est juste ? Rédiger une première version de compte rendu passe le test : vous étiez à la réunion, donc un compte rendu faux se voit en quelques secondes. Produire le montant à facturer à un client échoue : le vérifier coûte aussi cher que de le calculer, donc rien n'est gagné.
Se tromper coûte-t-il plus cher qu'aller lentement ? Là où l'erreur est peu coûteuse et réversible, un brouillon rapide et imparfait est un vrai gain. Là où l'erreur coûte cher ou passe inaperçue, le temps apparemment gagné est emprunté sur une facture payée plus tard.
Ce travail vous appartient-il au point de le confier ? Un document confidentiel, des données personnelles concernant autrui, ou ce qui relève d'un contrat client ne deviennent pas transferables à un service tiers parce que ce serait pratique.
Les gains constants sont peu spectaculaires : transformer des notes brutes en premier jet structure, reformuler pour un autre public ce que vous maîtrisez déjà, produire les variantes ennuyeuses d'un texte parmi lesquelles vous choisirez, ou expliquer un code inconnu et un document dense assez bien pour que vous posiez de meilleures questions.
Les échecs sont tout aussi stables : tout ce qui exige un fait auquel le modèle n'a pas d'accès fiable, tout ce où le ton assuré masque l'absence de savoir, et tout ce que vous ne pouvez pas vérifier plus vite que vous ne l'auriez fait.
Le cadre ci-dessus est une façon de décider. Voici une mesure qui le sous-tend, conduite sur ce site le 2026-08-10 : trois modèles économiques extrayant sept champs de 24 factures fournisseur, à quatre niveaux de texte dégradé. Le chiffre qui compte n'est pas l'exactitude. C'est la part des réponses fausses revenues sans le moindre avertissement, dans une tâche où le contrôle humain était censé servir de filet.
| Texte dégradé | Extractions fausses sur 72 | Fausses sans aucun signalement | Part silencieuse |
|---|---|---|---|
| N1 propre | 0 | 0 | sans objet |
| N2 colonnes perdues | 0 | 0 | sans objet |
| N3 totaux mélangés | 21 | 3 | 14,3 pour cent |
| N4 libellés perdus | 21 | 10 | 47,6 pour cent |
Lisez ce tableau à la lumière de la première question du cadre. Sur du texte propre, les modèles ont été parfaits, 144 extractions sur 144, et le contrôle n'aurait rien eu à corriger. Sur du texte dégradé ils ont cassé, et le silence a grandi avec la difficulté : plus le document est difficile, moins le modèle dit son propre doute. C'est exactement la forme de défaillance que les trois questions ci-dessus servent à attraper, et c'est pourquoi « pouvez-vous vérifier vite que la réponse est juste » est la première d'entre elles et non la troisième.
Voir le jeu de données complet, avec les réponses brutes, la vérité terrain et les scripts.
Les articles de cette rubrique déroulent ce cadre de décision et ses modes de panne en détail. Trois d'entre eux sont des tests mesurés sur la même tâche, l'extraction de factures, et ils se lisent dans cet ordre.
Un neuvième test, sur une autre tâche, mesure comment des modèles rangent des messages de support client dans des files.
Un dixième test vérifie les réponses du modèle de ChatGPT sur des questions dont la réponse est connue.
Les tests de ce site soumettent les mêmes trois modèles économiques aux mêmes entrées. Leurs résultats sont aussi rassemblés par modèle, recalculés à partir des réponses brutes publiées, et comparés deux à deux sur les cas où un seul des deux avait raison.
Un logiciel ordinaire casse bruyamment. Un modèle de langue fait plus étrange : il produit une réponse assurée et bien formée, qu'il en ait une ou non. Voici où cela mord, et ce qui l'attrape.
Lire l'articleLa plupart des conseils partent d'un outil et cherchent un usage. Partez plutôt de la tâche, et faites-la passer par trois questions. Deux portent sur la vérification, et ce n'est pas un hasard.
Lire l'articleTirées de ce qui accompagne cette recherche, avec des réponses courtes.
Un e-mail quand un article paraît. Pas d'outil de la semaine, pas de liste d'affiliation, aucune transmission de votre adresse à qui que ce soit.
