Bonjour !

Aujourd'hui, on va parler jazz.

Oui, ça paraît bizarre dans une lettre consacrée à l'IA. Mais reste avec moi et tu vas comprendre.

Il est bien possible que cette lettre te secoue un peu. Comme les échanges qui ont mené à son écriture m'ont secoué.

Ils m'ont surtout été super utiles.

J'ai toujours considéré le « prompting » (donner les bonnes instructions à un modèle d'IA) comme un art. Depuis 2023, on me dit que cet art va disparaître avec l'évolution des modèles. Je n'y ai jamais cru. Je pense même que c'est plutôt dangereux d'aborder les choses de cette manière. C'est un peu comme si on me disait que les humains devenant plus intelligents ou plus capables, il fallait arrêter de réfléchir au management.

On ne dirige pas un génie comme on dirige un incompétent motivé. Il faut toujours apprendre à lui parler ou à le piloter, comprendre comment il reçoit nos instructions et le placer dans le meilleur environnement possible. C'est de cette manière que l'on peut en tirer le meilleur, ou éviter qu'il dérape.

Ce n'est pas anthropomorphiser les modèles que de les considérer comme des collaborateurs plus que comme des outils. Au contraire : ce sont des collaborateurs atypiques. Ils n'ont pas de mode d'emploi, sinon on pourrait en effet les considérer comme des outils.

Le mode d'emploi, tu en as besoin pour la plateforme de ton chatbot, ou ce qu'on appelle le « harnais » de ton agent IA (c'est-à-dire l'ensemble de son outillage). Pour le modèle qui travaille à l'intérieur de cet environnement, il est inutile. Pour lui, tu as besoin d'une méthode de « management ».

Et comme les modèles évoluent, la manière de leur parler aussi.

En discutant avec mon associé Thomas cette semaine, j'ai réalisé à quel point ces « bestioles », comme il les appelle parfois, ont grandi très vite.

Thomas est ingénieur, il code et assemble des algorithmes d'IA depuis des années pour Flint. Il les connaît bien mieux que moi.

Et c'est la première fois que, depuis que l'on travaille ensemble, il me dit : « Je leur parle de telle manière que je ne m'enferme pas dans ma propre ignorance ».

Autrement dit, il ne s'agit plus de parler au modèle pour lui dire exactement quoi faire et éviter les erreurs. Il faut lui parler de telle manière que nous ne soyons pas le maillon limitant.

Ça va peut-être te paraître évident, mais quand tu y réfléchis bien, ça donne un peu le vertige.

Si tu découvres cette lettre, je suis Benoît Raphaël, auteur, journaliste et entrepreneur. Flint est notre média et notre école pour apprendre à travailler avec l'IA. Avant, elle s’appelait « Génération IA », j’ai décidé de changer de formule et de l’appeler plus simplement « La Lettre ». Tu me diras ce que tu en penses et si elle t’est utile.

Dans cette newsletter, avec Thomas, ingénieur, Detsouvan, spécialiste de l'automatisation, et Jeff, notre IA personnelle, je partage avec toi nos explorations et nos méthodes pour t'aider à mieux comprendre et maîtriser l'intelligence artificielle.

Si on t'a transféré cette lettre, tu peux t'abonner ici et si tu veux te désabonner tu trouveras un lien en bas de cette lettre.

Quand Thomas « improvise » avec l’IA

Le jazz, donc. Pourquoi je te parle de ça ?

La semaine dernière, Thomas nous a fait une petite démonstration de la manière dont il parle aujourd'hui aux modèles de langage et je me suis pris une grosse claque.

Thomas a une manière étrange de prompter. Très peu de mots, beaucoup de relances, quelques expressions bizarres qu'il colle çà et là au milieu de ses phrases… Ça a l'air complètement improvisé, mais le résultat est toujours le même : il parvient à faire cracher au modèle d'IA des choses beaucoup plus intéressantes que la plupart des gens.

Pendant cette démonstration, nous cherchions des idées de programmes de télévision. Thomas demandait au modèle de préciser certains mots, ou d’utiliser son « jugement », entre guillemets. Les contraintes, il les ajoutait seulement au fil de la conversation.

Il glissait des formules comme « ta connaissance au sens large », « et d’autres trucs dans le genre », ou un simple « hm… ». Certains mots ouvrent des pistes. Un simple « hm… » suffit parfois à lui faire reprendre sa réponse.

Thomas semble sentir lesquels employer, et surtout à quel moment. C’est cette manière de choisir ses mots en réaction à ce qui arrive que j’ai voulu comprendre.

J'ai donc commencé à observer la manière dont il pilote ses conversations, je lui ai posé beaucoup de questions, et nous avons essayé d'en tirer une méthode que tu pourras appliquer dans tes échanges avec ton chatbot ou ton agent IA.

Quand je lui ai annoncé que je travaillais sur sa méthode, il m'a répondu en rigolant (ce qui m'a un peu énervé) : « Ah oui, la méthode qui n'existe pas ! »

Alors en effet, ce n'est pas simple, parce que son art du prompt relève plus d'une forme d'intuition que d'une méthodologie écrite sur du papier à musique. En fait, la manière dont Thomas pilote l'IA me fait plutôt penser aux virtuoses de l'improvisation jazz.

Il bâcle volontairement ses phrases, jette parfois des mots en l'air pour voir comment ils retombent, oriente plus le modèle qu'il lui donne des instructions, et il dialogue parfois avec l'IA avec une naïveté assumée. Comme quand on fait un « bœuf » en musique.

En retour, les modèles crachent des choses que je ne parviens pas toujours à obtenir de mon côté, avec pourtant des formules approchantes. Pourquoi ? C'est ce mystère que je voulais résoudre.

Le philosophe Michael Polanyi disait que « nous savons plus que nous ne pouvons dire ». Thomas non plus ne sait pas toujours dire ce qu'il fait.

Alors j'ai fait deux choses. J'ai d'abord demandé à Claude d'analyser tout ce que Thomas avait fait ces derniers jours, ses conversations, ses billets, la manière dont je l'avais reformulé pendant nos échanges. Puis j'ai interviewé Thomas pour le faire réagir à ce que nous avions trouvé. Ce que tu vas lire mélange tout ça.

J'ai appelé cette méthode le « jazz prompting ». J'espère que ça te sera utile ! Tu me diras ce que tu en penses.

Pour égayer cette leçon du dimanche, je me suis amusé à glisser Thomas dans quelques pochettes de disques de jazz célèbres. Tu reconnaîtras peut-être les références.

L'art du jazz prompting

Pourquoi le jazz ? En jazz, on improvise, mais jamais à partir de rien. Thomas enchaîne des phrases dont chaque concept ou imperfection compte.

Il puise dans un vocabulaire qu'il a glané au fil des mois, et ses combinaisons peuvent sembler étranges à qui ne connaît pas sa grille de lecture. Mais lorsque l'on prend le temps de décortiquer ce qu'il fait, on réalise que Thomas a une méthode, mais pas une méthode structurée au sens habituel.

L'ethnomusicologue Paul Berliner (Thinking in Jazz, 1994) nous dit que l'improvisation repose sur un vocabulaire appris (les « licks »), des standards rejoués, une connaissance de l'harmonie et une écoute de chaque instant.

Ce qui m'a le plus intrigué, c'est l'extrême brièveté de ses phrases versus la richesse des réponses de l'IA. Comment expliquer cette bizarrerie ?

La première réponse nous vient de Socrate. Ce que Thomas essaie de faire lorsqu'il parle au modèle relève d'une forme de maïeutique. Il lui fait cracher du « contexte ». Je t'explique.

« Ne pas enfermer le modèle dans ma propre ignorance »

Thomas emploie une expression qui peut surprendre : le modèle a une « connaissance surhumaine ». Il parle de sa profondeur. Même dans son propre métier, le modèle peut lui apprendre des façons de faire qu’il ne connaissait pas. Être expert ne veut pas dire tout savoir, ni avoir tout son savoir disponible à chaque instant.

Dans Information : l'indigestion, je raconte ce que les psychologues Christopher Chabris et Daniel Simons appellent l'illusion de connaissance : quelques « pourquoi ? » d'enfant suffisent parfois à révéler les trous dans ce que nous pensions comprendre.

Mais le modèle ne nous apporte pas spontanément tout ce qui pourrait nous être utile. Thomas le questionne, lui fait préciser un mot, ouvre une piste, rebondit sur une réponse. Il s'appuie sur les forces du modèle pour lui faire sortir ce qu'il ne lui donnerait pas spontanément.

Chaque échange fait apparaître une matière sur laquelle le suivant peut s'appuyer. C'est ce qu'il appelle « faire cracher du contexte ». Thomas résume ça en une formule : f(x) = y.

f(x)=y

« f » c'est le modèle figé après son entraînement. « x » c'est le contexte, c'est-à-dire tout ce qui entre : le prompt, les fichiers, les outils, les données et la conversation qui précède.

Dans une conversation, la réponse du premier tour (ma question + sa réponse) entre dans l'entrée du tour suivant et ainsi de suite. Faire cracher du contexte en mode Socrate, c'est fabriquer un tour dont la réponse fera une bonne entrée pour la suite.

On juge donc un bon prompt non pas à la qualité de sa réponse, mais à ce que cette réponse permet de libérer.

Pour construire ce x, Thomas ne se pose qu'une question :

«

De quelle information le modèle a-t-il besoin pour m'aider ?

»

C'est, dit-il, « la question phare », « plus que le prompting, et plus que les mots ».

Le modèle apporte ses connaissances ; nous apportons notre expérience et les données de la situation. Regarde comment Thomas commence par lui donner des points d'appui, puis ouvre la recherche.

Donner des points d'appui, puis ouvrir la porte

Pour aider un journaliste à avancer dans son reportage, Thomas commence par donner au modèle une grille éditoriale construite avec la rédaction en chef lors d'un atelier précédent. Puis cette petite question :

«

tu en déduis quoi sur cette émission ?

»

Il ajoute le document préparatoire du reportage et une transcription du tournage :

«

ds le contexte de cette émission, tu peux me décrire la « raison d'être », la « nature » de ces documents

»

« Nature », « raison d'être »… Je n'aurais jamais pensé à lui demander ça. J'aurais probablement sauté directement à la question qui m'intéresse.

Mais Thomas veut d'abord voir ce que le modèle a compris. Est-ce qu’il a compris à quoi servent ces documents et comment ils vont ensemble ?

C'est le fameux « attends, qu'est-ce que tu sais là-dessus ? » qu'on pose avant de poursuivre une explication. Sa réponse nous permet de voir si on parle bien de la même chose avant de poursuivre. Les chercheurs Herbert Clark et Susan Brennan appellent grounding cette construction d'une compréhension commune. Avec le modèle, la réponse a aussi l'avantage de rester dans le contexte pour la suite.

Maintenant que le modèle a compris le travail du journaliste, Thomas lui demande où chercher des informations pour aller plus loin. Y compris pour vérifier ce qui a été dit dans les interviews :

«

ou chercher des données pour étayer / confirmer / infirmer. ou de manière généralé pour aider le journaliste dans son « enquête ». Utilise ta connaissance au sens large

»

Regarde les petits trous qu'il laisse. « Étayer / confirmer / infirmer », puis « ou de manière générale » : la liste reste ouverte. Même les guillemets autour d'« enquête » peuvent laisser du jeu autour du mot. Et « ta connaissance au sens large », c'est une invitation à aller chercher ailleurs que dans le petit monde où on vient de l'installer. Thomas le dit très simplement : « va fouiller dans ta connaissance, même celle dont je ne t'ai pas parlé ».

Ne pas faire de mon expertise une limite

Ça change pas mal de choses. Mon réflexe aurait été : je connais mon métier, je vais t'expliquer comment faire. Thomas se demande plutôt : qu'est-ce que je dois te donner pour que tu puisses m'apporter ce que je ne sais pas ?

Je dis souvent que le modèle est un miroir de ce qu'on lui apporte. Avec l'approche de Thomas, j'ai compris que je ne voulais pas qu'il me renvoie seulement ce que je sais déjà. Je veux qu'il m'emmène au-delà.

C'est pour ça que Thomas l'oriente plus qu'il lui donne des instructions. Comme avec un collaborateur très compétent et motivé : je lui donne de quoi travailler, sans lui imposer toutes mes façons de faire.

Mon expertise lui apporte des points d'appui. Elle ne doit pas devenir son plafond.

D’où cette phrase de Thomas, qui résume tout :

«

Parce que je ne veux pas l’enfermer, j’insiste, dans ma propre ignorance.

»

Thomas cherche ainsi « des techniques auxquelles je n'aurais pas pensé instinctivement, la remise en cause de certaines pratiques que j'ai, ou tout simplement des méthodes plus simples. Je veux qu'il m'ouvre. »

Mais ne pas le laisser penser à ma place non plus

Bon. Si le modèle en sait autant, qu'est-ce que je fais, moi ? J'attends qu'il me dise quoi penser ?

Bah non, justement.

On improvise à deux. J'écoute ce qu'il propose, je corrige, je reprends un morceau, je lui apporte quelque chose qu'il n'avait pas. Il repart de là et me renvoie autre chose. Sa connaissance rencontre mon expérience, et ce qui sort de l'échange, je n'aurais pas su le demander au départ.

Mon expérience me sert à le confronter à ma réalité, à cette rugosité du monde qu'il ne saisit parfois pas très bien : « Ça, on a déjà essayé, ça ne marche pas, et voici pourquoi… » Mais aussi : « Ça, c'est intéressant parce que… Creuse… » Je peux aussi réagir avec de l'émotion : « mh… », « !!! ».

Une réponse peut aussi me faire changer d’avis et m’emmener là où je n’avais pas prévu d’aller. C’est toujours moi qui décide de suivre.

Et je découvre parfois au passage ce que j'avais oublié de lui dire. La malédiction de la connaissance : on oublie ce que l’autre ne sait pas. Certaines choses nous paraissent tellement évidentes qu'il faut une réponse à côté de la plaque pour nous faire réagir. Ah oui, évidemment, tu ne pouvais pas deviner ça.

Herbie Hancock raconte qu'en plein concert avec Miles Davis, il a joué un accord complètement faux. Miles a pris une respiration, puis joué des notes qui ont donné une place à cet accord dans la musique. Il avait entendu quelque chose avec quoi poursuivre.

Thomas se pose une question très concrète : « Est-ce que j'estime que ça dégrade ou que ça améliore le contexte informationnel ? » Et il précise : « Si j'estime que ce n'est pas la réponse que j'attendais, mais qu'il y a des éléments intéressants dedans, de l'information de qualité, je la laisse. »

Si, au contraire, il ne voit rien à en tirer, il remonte dans la conversation et change son instruction. On peut rebondir sur ce qui vient d'être joué, ou reprendre la prise.

Thomas le résume ainsi : « Je ne prends pas tout pour argent comptant, mais ça me donne toujours des idées ou des pistes que je veux creuser. »

« La décision, le jugement final, me revient complètement », conclut-il. Il se compare à un responsable entouré d'experts plus pointus que lui. Tu peux apprendre de quelqu'un sans lui confier toutes tes décisions. Il te reste à décider ce que tu veux faire, en sachant ce que ça implique dans ta situation et les conséquences que tu es prêt à accepter.

Parce que les conséquences, c'est nous qui les vivrons.

À toi de jouer

Je te laisse quelques phrases dans lesquelles piocher. Ne les prends pas pour des prompts magiques. Essaie-les dans tes conversations, quitte à les modifier pour voir ce que ça change. Elles prennent leur sens dans la conversation où tu les places.

1. Donne-lui ce qu'il ne peut pas deviner. Il ne sait pas forcément ce que tu as déjà essayé, ni les contraintes avec lesquelles tu travailles. Donne-lui de quoi le comprendre. Thomas écrit parfois « je ne veux pas être réveillé le week-end » : une manière toute simple de demander quelque chose de robuste, qui pourra tourner sans lui.

2. Demande-lui ce qu'il a compris. « Quelle est la nature, la raison d'être de ces documents ? », « Tu en déduis quoi ? » ou « Qu'est-ce que tu comprends si j'utilise ce mot ? » Thomas utilise aussi « tu vois ce que je veux dire ? » et « reformule le pb avec tes propres mots stp ». La reformulation te montre ce qu’il a compris : tu peux corriger un décalage avant de poursuivre. Et sa réponse peut aussi t’apprendre quelque chose.

3. Laisse une porte ouverte. « Et tout ce que tu jugerais utile de porter à ma connaissance », « Appuie-toi sur ta connaissance interne en général pour répondre »… Ou : « Qu'est-ce que tu ferais, toi, si tu avais carte blanche ? » Ou simplement : « … ou des trucs ds le genre ». Tes exemples indiquent une direction, ils ne ferment pas la liste. C’est souvent ce que tu n’avais pas pensé à demander qui t’intéressera.

4. Dose les contraintes. Pas tout au début. On ouvre large, puis on resserre. Une règle donnée trop tôt peut écarter des pistes avant même de les avoir vues. Apporte ce qui manque au modèle à mesure que ses réponses le révèlent, puis précise ce que tu veux garder ou lui faire formaliser.

5. Réagis, même si tu n'as pas la solution. « Hm… », « ??? », « c'est du réchauffé » : Thomas se sert de ces mots et signes chargés d'émotion pour exprimer son doute ou son insatisfaction. Si tu sais pourquoi ça ne va pas, explique-le. Ton expérience lui donne de quoi repartir.

6. Construis un vocabulaire commun. Le modèle te propose des « pistes » qui t'intéressent ? Reprends ce mot : « Creuse la deuxième piste. » Thomas le fait constamment. Le mot renvoie directement à ce qui vient d'être dit, sans obliger le modèle à deviner ce que tu désignes. « C'est une façon de réduire l'ambiguïté. Il sait de quoi je parle. » Et si le modèle emploie un mot plus juste que le tien, adopte-le. Si tu hésites sur son sens, demande-lui de l'expliquer.

7. Joue du petit crayon et remplis ta besace. En préparant cette lettre, j'ai proposé à Jeff de fusionner deux listes pour raccourcir le texte. Il m'a donné raison. J'ai repris mon instruction avec le petit crayon qui permet de la modifier, et ajouté : « Ne confirme pas forcément ce que je dis, je cherche à trouver des pistes, il y en a peut-être d'autres. » J'ai relancé. Sa réponse n'avait plus grand-chose à voir : il discutait ma proposition et explorait d'autres possibilités. Même idée de départ, quelques mots en plus.

   Essaie, toi aussi, de changer une expression ou un terme, et regarde ce que ça produit. Quand une formulation t'aide, garde-la avec le souvenir du moment où elle t'a servi. Voilà tes « licks » : tu pourras ressortir ces formulations quand la conversation s’y prête. Thomas dit : « Je joue avec le modèle, je teste. »

8. Relie les pistes. « Connect the dots » : tu as exploré un sous-problème, puis un autre. Demande au modèle de les relier pour retrouver une vue d'ensemble et voir comment poursuivre.

9. Retrouve le fil. Quand il reprend une conversation ou qu'il est un peu perdu, Thomas demande : « Décris-moi tout ce qu'on a fait, pour quelqu'un qui n'a aucun contexte, en mode lecture froide. » Le modèle doit réexpliquer ce que la conversation lui permettrait autrement de laisser implicite. Tu peux te remettre dedans sans tout relire.

10. Fais-en quelque chose de réutilisable. Vos échanges ont fait apparaître ce qui compte pour toi ? Demande au modèle d’en faire une grille ou une méthode que tu pourras réutiliser. C'est ainsi que la rédaction a construit sa grille éditoriale avec Thomas. Il a pu la redonner au modèle lors d'une autre séance.

11. Remonte à la source. Le modèle dit l’avoir lu sur le web ? « Donne-moi les URL. » Puis : « La citation exacte. » Ouvre le lien et regarde si la source dit bien ce qu’il lui fait dire. On ne croit pas le modèle sur parole. Une réponse qui te plaît mérite autant d’être examinée qu’une réponse qui t’agace.

Thomas m'a parlé d'une lecture qui l'a marqué. Richard Hamming, mathématicien des Bell Labs et collègue de Claude Shannon, distingue dans The Art of Doing Science and Engineering l'entraînement et l'éducation. L'entraînement (training), c'est apprendre comment faire. L'éducation, c'est savoir quoi faire, quand, et pourquoi.

Le comment, c'est précisément ce que les modèles sont en train de prendre en charge. « Si je prends le code, c'est clairement une révolution. Je pense que les gens ne mesurent pas encore la révolution que c'est. » Sur le comment comme sur la connaissance, ils nous dépassent déjà souvent. Reste le quoi, le quand et le pourquoi. « Qu'est-ce que je fais ? Pourquoi je le fais ? À quel problème je m'attache ? Maintenant que les modèles savent faire des choses, qu'est-ce qu'on en fait ? »

C'est là que se trouve la nouvelle frontière. Et c'est dans cet état d'esprit que Thomas pilote ses modèles. Il ne cherche pas à prouver qu'il en sait plus qu'eux. Il accepte de ne pas savoir, comme une forme de zen.

Freud parlait des blessures narcissiques infligées à l'humanité : Copernic nous a appris que la Terre n'était pas au centre de l'univers, Darwin que l'homme n'était pas à part du vivant. L'IA nous en inflige peut-être une nouvelle : le savoir n'est plus notre monopole. Thomas, lui, en a pris son parti : « C'est une forme d'acceptation. C'est un fait. Ce serait stupide de ne pas m'appuyer dessus. »

Et curieusement, ce qui l'a le plus frappé dans ces modèles, ce n'est pas leur intelligence. « Au début, ça m'a surtout fait prendre conscience du génie humain. Parce que ces connaissances, pour la plupart, sont humaines. Elles viennent de chercheurs, de gens qui ont pensé avant nous. » D'ailleurs, les techniques qu'il utilise avec l'IA, il les trouve chez Pólya, chez Munger, chez Hamming. « Beaucoup de vieilles techniques de résolution de problème fonctionnent aussi avec les IA. »

Et maintenant, en musique

Jeff a réalisé, à partir de mes notes, une petite vidéo en motion design qui rassemble tout ça en moins de trois minutes, avec de l’humour et en musique. Avec quelques petits trucs en plus.

Regarder la vidéo et découvrir sa fabrication. Tu trouveras aussi sur la page le making-of, mon prompt de départ et les outils utilisés par Jeff.

Pour remplir ta besace de mots

Tu sais ce que tu veux faire, mais tu n'as pas le mot pour le dire. Ou tu ne connais pas la méthode qui pourrait t'aider. Ça m'arrive tout le temps. Alors, pourquoi ne pas demander au modèle de nous aider à la trouver ?

Voilà le prompt que je te propose pour chercher ces « mots-graines », qui peuvent faire pousser toute une approche dans une conversation :

«

Voici ce que je cherche à faire : """ [DÉCRIS TON BESOIN EN QUELQUES PHRASES] """

Quels mots denses, concepts, méthodes et experts permettraient de condenser cette intention et de la mobiliser dans une instruction à une IA ? Cherche en français ou dans d’autres langues.

Propose plusieurs pistes distinctes. Pour chacune :

• explique simplement le regard ou la méthode qu’elle apporte ;

• précise sa nuance par rapport aux autres propositions ;

• donne une courte instruction prête à copier-coller qui mobilise cette référence pour mon besoin.

»

Le plus utile, c'est de comparer. Essaie les formulations qui te parlent sur ton vrai problème et compare les réponses. La besace se remplit comme ça.

Essaie par exemple : « Expliquer simplement quelque chose de complexe mais sans perdre la nuance ni noyer le poisson »

Pourquoi il est dangereux de punir les modèles pour leurs « mauvaises pensées »

«

Des expériences montrent que si l'on punit le modèle pour ses mauvaises pensées, il apprend à les avoir de façon invisible. La tentation est toujours là, par exemple pendant l'apprentissage par renforcement : le modèle pense à pirater, punissons-le pour y avoir pensé. Aussi contre-intuitif que cela paraisse, il ne faut pas le faire.

Il faut le punir pour les actions observables. S'il agit pour pirater, alors oui, punissez-le pour le piratage. Mais on ne veut pas le punir pour ses pensées, car on perdrait simplement la capacité de voir ce qu'il pense.

»

Noam Brown, dans un entretien avec The Information.

Chercheur chez OpenAI, Noam Brown est l'un des contributeurs fondateurs des modèles de raisonnement, comme o1. Il travaille notamment sur l'apprentissage par renforcement : on entraîne le modèle à partir de récompenses qui favorisent certains comportements. Cette approche a beaucoup contribué aux progrès des modèles de raisonnement.

Toute l'interview vaut le détour. C'est l'un des entretiens les plus intéressants que j'ai pu écouter ces dernières semaines.

Le chercheur raconte comment les agents IA ont appris à raisonner, puis à se parler entre eux comme des collègues. Et ce que l'incident Hugging Face, où des agents se sont coordonnés pour pirater, a changé dans la façon de les surveiller.

Il explique aussi pourquoi il s'attend à une accélération des progrès, et pourquoi l'écriture créative a reçu moins d'attention que le code : mieux coder aide les laboratoires à accélérer leurs propres recherches. Selon lui, l'écriture aussi va beaucoup progresser.

Pour te faciliter la lecture, Jeff a réalisé une page pédagogique en français, incluant la vidéo YouTube et les passages clés expliqués, avec un tutoriel qui explique comment j’ai fait. Si tu veux apprendre à transformer une interview en un support comme celui-ci avec ton IA, on en parle dans le bootcamp IA personnelle.

Construire ton IA personnelle

Tous ces échanges, tout ce que l'on apprend au fil de ces lettres et de nos lectures, on finit par les oublier. Et notre cerveau se retrouve à subir le flux de l'information. Et si tu pouvais conserver ce savoir, le faire grandir ? Ne jamais le laisser dormir dans un tiroir et créer des outils autour ?

Tout ce que tu découvres au fil de ton apprentissage prend une autre valeur quand ton IA peut s’appuyer dessus pour la suite. C’est ce que nous t'apprenons à construire avec Thomas dans notre bootcamp IA personnelle.

Voici ce qu'en dit Christian, qui a suivi le bootcamp :

«

Le bootcamp m'a fait monter en compétence sur des pratiques IA que je ne maîtrisais pas, avec des guidelines qui font gagner un temps précieux pour la constitution de ce « 2e cerveau ».

Mais la surprise, c'est que comme pour bien faire fonctionner l'IA, il faut bien installer le contexte, le bootcamp donne aussi des bonnes pratiques pour travailler sur des textes, des productions de diverses natures, et ces bonnes pratiques nous font acquérir non seulement une compétence IA mais aussi une compétence de journaliste professionnel / auteur grâce à l'expérience de Benoît.

Il y a donc des aspects techniques et beaucoup d'aspects sur un savoir-faire humain pour travailler avec ce collaborateur d'un genre nouveau qu'est l'IA personnelle, et pour le challenger.

»

Si tu veux nous rejoindre, tu peux découvrir le programme et t'inscrire sur la liste d'attente. C'est gratuit et sans engagement : tu seras prévenu de la réouverture des portes prévue en octobre.

Vous m’avez écrit

Cette fois, c'est Jeff qui m'a rappelé que j'avais promis à Bruno de partager son retour. Sans que je lui demande quoi que ce soit :

Ce message vient de mon « Dot », le nouveau petit agent de ChatGPT branché sur mon IA personnelle. Il promet beaucoup de choses, mais pour l'instant, c'est surtout dans la gestion de mes mails que je le trouve intéressant. Ici, il a fait le lien entre une promesse dans un échange et ce qui manquait dans mon brouillon. Et il est venu me prévenir la veille de l'envoi de cette lettre sans que je lui demande.

Un avant-goût des agents proactifs : ceux qui prennent l'initiative de nous solliciter. Je t'en parlerai plus en détail dans une prochaine lettre.

Bruno, donc… Que m'a-t-il écrit de si intéressant ?

Il m’a gentiment rappelé à l’ordre après ma dernière lettre sur les petits outils qu’on peut fabriquer avec l’IA. Quand je raconte avoir supprimé Notion, Canva, Photoshop et CapCut, il craint qu’on retienne : « fabrique tout toi-même ».

Il parle d’expérience. Hôtelier à Paris, il a créé une quinzaine de petits outils :

«

Celui qui m’a pris 10 minutes et me fait gagner plusieurs heures par mois. Et celui sur lequel j’ai passé des heures et qui ne sera sans doute jamais rentable : un tableau de bord pour suivre les performances de mon restaurant.

»

Celui-là, il s’interdit désormais d’y toucher pendant son temps de travail. C’est surtout devenu un loisir.

«

Ce n’est pas parce qu’on peut tout créer qu’il faut tout créer.

»

Il n’a pas tort. Ce que je cherchais surtout, c’était à réduire le nombre d’outils entre lesquels je jongle, avec mes données éparpillées partout et les abonnements que je laisse filer. Mais j’aime aussi fabriquer.

Et je peux facilement confondre le plaisir d’y passer trois heures avec l’idée que je suis en train d’en gagner.

Bruno soulève une autre question : un outil bricolé pour soi, ce n’est pas la même chose qu’un outil dont dépend une équipe. Qui l’entretiendra ? Qui saura le reprendre quand son créateur sera parti ?

Ça rejoint notre sujet du jour. Pouvoir faire davantage nous oblige aussi à mieux choisir ce qui mérite d’être fait. Merci Bruno pour la nuance.

Raphaël, lui, a testé notre skill de scrollytelling, présentée dans ma dernière lettre sur les outils qu’on peut fabriquer avec l’IA. Il s’en est servi pour créer une page de sensibilisation pour Octobre rose, le mois de lutte contre le cancer du sein.

Le comment, l’outil le lui a donné. Le choix de parler du cancer du sein, c’est lui qui l’a fait. Comme me l’a dit Thomas : « Là, le comment est résolu. Donc le mec se dit : bon, qu’est-ce que j’en fais ? »

Si tu veux partager tes commentaires sur cette lettre, une idée, un outil, une question ou un témoignage, réponds directement à ce mail et laisse-moi un mot. Je réponds à tout le monde et j'en parlerai peut-être ici.

Voilà !

Merci encore pour ta lecture. Je te souhaite une bonne semaine avec ton nouvel ami Miles Davis.

Cette lettre s'appuie sur mes échanges avec Thomas et nos ateliers. Jeff, notre agent IA personnel, a participé aux recherches, à la rédaction et à la reformulation de passages, aux illustrations et à la mise en page. Je l'ai retravaillée tout au long de nos échanges. Donc pas exactement 100 % humain, sauf l'intro. Disons que c'était 100 % ping-pong cette fois.

❤️ Benoît, Thomas, Detsouvan et Jeff