La manipulation des outils informatiques a toujours été compliquée. Souvenez-vous : longtemps nous avons dû apprendre à faire bouger cette maudite souris, à dérouler les fonctions d’Open Office, à ne pas confondre le navigateur et le mail, à trouver les bons mots pour optimiser une requête sur Google, à retenir les balises HTML de base pour faire des pages sur Dreamweaver, à comprendre les innombrables icônes de Photoshop ou d’éditeurs vidéo et apprendre par cœur des raccourcis clavier, puis les fonctions d’Excel, à exceller dans les fonctionnalités de Powerpoint pour faire des slides qui ressemblent vraiment à quelque chose (comme ce genre de trucs là ou ceux-ci, bon, je dois reconnaître que je n’y arrive toujours pas, mon niveau en slide est resté toujours aussi nul, certainement parce que les images d’interfaces, de bases de données et d’articles de recherche que je mobilise se prêtent assez mal aux bullets points synthétiques et aux animations somptueuses). Désormais, il n’est même plus besoin de maîtriser la baguette de sélection de l’outil de retouche d’image, il suffit de lui demander de retirer le fond d’une image pour qu’il disparaisse… Enfin, si vous n’êtes pas très exigeants sur le détourage, car, de ma modeste expérience, ça ne fonctionne pas toujours parfaitement bien.
Longtemps donc nous avons donc été accompagnés, formés à utiliser plus ou moins bien nombre d’outils. Accompagnés de médiateurs, de formateurs, de tutos en ligne, et désormais d’influenceurs qui nous montrent comment nous y prendre. Dans cette avalanche de conseils, l’essentiel s’adapte toujours assez mal à nos besoins. Beaucoup demeurent difficilement reproductibles (il m’arrive par exemple d’aller tester les outils de Ninon IA, ce qui permet de se rendre compte que les outils d’IA fonctionnent rarement aussi simplement qu’on nous le montre). Faire de belles slides qui bougent avec des footballeurs ne signifie pas qu’on va réussir à le faire pour montrer le fonctionnement de Parcoursup, des algorithmes bancaires ou du score de risque à la CAF. Bref, adapter ces méthodes à nos besoins n’est pas toujours simple. Assez souvent, ça ne fonctionne pas, sauf à mouler sa pensée dans les simplifications que propose le système, comme l’expliquait il y a longtemps Franck Frommer dans un livre (ou avant lui, Rafi Haladjian dans un autre).
Dompter l’IA n’est-il pas plus compliqué que de maîtriser un logiciel ?
Mais, là où les logiciels nécessitaient des apprentissages didactiques pour être maîtrisés, des enseignements processuels, une formation aux fonctionnalités… avec l’IA, on a l’impression que la machine est plus rebelle que jamais. Contrairement à ce que l’on entend souvent, il me semble que, avec l’IA, ce n’est pas plus simple, mais plus compliqué que jamais d’obtenir ce que l’on souhaite. D’abord parce que cela suppose de savoir précisément ce que l’on souhaite, ensuite parce que les commandes à mobiliser (à savoir ce champ de texte ouvert à toute demande) n’est pas aussi naturel que cela, ou qu’il l’est beaucoup trop. Comme le disait la designer Nolwenn Maudet dans son livre Cultures du design numérique. Histoire des idées et enjeux contemporains (éditions 205, 2025) ou comme le souligne pertinemment le designer Anthony Masure, les interfaces « naturelles » (tangibles, vocales, textuelles…), engendrent surtout des problèmes, comme le formatage des expériences, la collecte de données sans consentement, ou encore le syndrôme de la réponse unique. Mais surtout, comme l’ont constaté nombre de designers, ces interfaces naturelles développent surtout une diminution des possibilités de contrôle pour l’utilisateur, une « informatique incapacitante », comme le dit Silvio Lorusso, rendant l’usager de plus en plus passif. Derrière la simplicité apparente qu’offre le pilotage via un champ de texte libre, la réponse qui sera proposée dépend d’abord de votre capacité à exprimer votre demande. Et donc repose sur votre niveau de compétence, votre niveau culturel… cimentant par la même vos compétences individuelles comme si elles étaient les vraies limites à votre usage de l’IA.
Prenons l’exemple de ces maudites slides à faire. Désormais, il ne faut plus apprendre à dupliquer des images et des transitions, mais il faut apprendre à rassembler tous les contenus dont on veut parler pour que l’IA les agence toute seule. On fait glisser dans la machine les documents, les liens qu’on souhaite qu’elle assemble, on appuie sur un bouton et hop… on est censé obtenir le résultat. C’est ce à quoi nous invite la fenêtre d’invite justement… Nous devons décrire ce que l’on veut. Apprendre à prompter comme l’on dit consiste à exprimer à la machine ce que l’on souhaite. Désormais, quand nous n’y arrivons plus, ce n’est plus parce qu’on maîtrise mal les fonctions, les boutons, les raccourcis claviers… c’est parce qu’on n’a pas su exprimer convenablement ce que nous voulions. Si la machine n’exécute pas bien, c’est non pas parce que nous ne savons pas la dompter, en manipuler les fonctionnalités, c’est parce nous ne savons pas lui dire exactement ce que nous voulons. C’est notre façon de nous exprimer qui est en cause, c’est nous qui sommes renvoyés à nos incompétences. Ce ne sont pas seulement nos capacités manipulatoires qui sont en cause, ou notre savoir (celui des innombrables fonctions et paramètres des logiciels permettant d’acquérir des compétences techniques de réglages), c’est notre capacité même à nous exprimer qui est pris en défaut. Or, celle-ci dépend totalement de nos connaissances des fonctionnalités. Si je ne connais pas la fonction Morph pour générer des slides, je ne vais pas penser à demander à l’IA qu’elle produise cette fonction. Si je ne connais pas les fonctions de contraste d’images, les possibilités de modification de luminosité ou autre, ou la possibilité de générer des calques pour décomposer l’image en couches modifiables… ou de générer des slides dans un format qui permet la retouche des différents éléments, je ne saurais pas demander à l’IA de modifier telle image dans ce sens… Cela signifie que pour maîtriser l’IA, il faut d’abord maîtriser tout le reste. Pas étonnant que les experts parviennent dès lors bien mieux à la diriger que chacun d’entre nous. Pour la designer Amelia Wattenberg, la pauvreté de ces interfaces de chat devient problématique. « La tâche d’apprendre ce qui fonctionne incombe toujours à l’utilisateur », mais il n’a désormais aucun guide autre que les astuces que mobilisent les uns ou les autres. Comme le pointait Nolwenn Maudet, les limites de l’IA sont liées au recul du design. L’outil n’est plus responsable de rien, c’est l’utilisateur le seul coupable.
Or, face à la fenêtre d’invite, nous sommes toujours invités à reformuler – alors que souvent, il serait plus simple de s’extraire de ce dialogue et de terminer les modifications par soi-même. On peut même demander à la machine de reformuler à notre place pour optimiser le résultat, lui demander de reformuler ce que nous avons mal formulé pour obtenir tel ou tel résultat. Bref, on peut la faire prompter à notre place. Mais là encore, nous restons surtout dépendant de ce qu’elle omet parce que nous-mêmes ne le connaissons pas.
Plus que jamais, l’incompétence pointée par l’invite nous renvoie aux limites de notre compréhension de ces machines et de leurs fonctionnements. Récemment, lors d’une prompt battle, je voyais des équipes se débattre avec les chatbots. L’une demandait tout de suite à l’IA de générer des images en lui fournissant peu de contexte, puis en tentant, difficilement d’arranger les propositions, sans parvenir à maîtriser la production. L’autre fourbissait un énorme contexte, sans que la machine n’arrive finalement à produire une meilleure image. Pour tous les participants, les écueils étaient innombrables : pour eux, améliorer le style et le contenu de l’image semblait une barrière infranchissable. Même améliorer l’éclairage d’une image était difficile, là où un logiciel de retouche d’image propose des outils accessibles, des paramètres et des fonctions claires, l’invite rend les choses difficiles, notamment quand on ne connaît pas les fonctionnalités des logiciels que l’IA souhaiterait remplacer. Or, bien souvent, la formation au prompt propose des méthodes, des astuces pratiques, des « incantations »(du type explique moi comme à un expert ou comme à un enfant…) qui ne le sont pas toujours, parce qu’elles peuvent fonctionner dans un contexte et pas dans d’autres. Le risque est de produire une liste sans fin de micro-astuces par nature inadaptées au contexte dans lequel on souhaite mobiliser l’IA. Bien souvent encore, on demande à l’IA par exemple d’améliorer un CV et de nous faire des propositions dans lesquelles nous sommes invités à picorer, sans comprendre qu’elles ne sont pas toutes efficaces et, par exemple, sans mobiliser un outil de suivi de candidature qui va chercher à adapter le CV à l’offre pour qu’il performe face aux logiciels qui notent et évaluent les CV. Le prompting reste bien souvent un tatonnage, un bricolage sans outil pour l’accomplir.
Prompter n’est pas si simple
En fait, alors qu’on ne cesse de nous dire que ces outils sont très simples d’emploi, ils se révèlent en fait très compliqués. Produire des images ou des textes nécessite d’avoir des connaissances fortes dans ces domaines, des connaissances métiers, qu’il faut augmenter de connaissances fortes dans ces outils d’IA et leur maîtrise, alors qu’il y a peu de guides disponibles à leur utilisation. Très souvent, les gens pensent qu’ils vont pouvoir obtenir quelque chose de parfait, oubliant par exemple, qu’ils devraient peut-être y mettre les mains pour améliorer l’ensemble. Or, via sa fenêtre de dialogue, l’outil nous invite dans son cycle, sans jamais nous proposer d’en sortir. Pourtant, lui faire générer une matrice ou un graphique par exemple et lui demander de les produire dans le format idoine pour qu’on puisse ensuite les retoucher plus facilement, permet effectivement de gagner du temps, plutôt que de lui demander de générer et générer et générer encore graphiques ou images sans parvenir au résultat espéré. Mais là aussi, il faut penser que l’IA ne peut pas tout, que bien souvent, il est plus simple de lui faire générer quelque chose qu’on peut ensuite modifier et améliorer, quand le lui demander encore et encore ne conduira nulle part.
Utiliser l’IA demande de savoir parfaitement ce que l’on veut, comment on le veut, comment on souhaite l’exploiter et comment on souhaite avoir la main sur ce qui est produit. Cela demande de rester maître de ses savoir-faire, quand le dialogue avec la machine tend à nous les faire oublier.
Prompter reste un art très difficile, face auquel les gens sont démunis (notamment parce que dans cet effort à produire, à améliorer les choses, ils pensent souvent que la machine va le faire, oubliant qu’ils gagneraient du temps, à peaufiner eux-mêmes plutôt que de le demander à la machine). Le panneau d’invite des machines nous invite à un cycle sans fin dans lequel nous ne sommes mis en situation d’être manipulés bien plus qu’en situation où l’on manipule.
Les innombrables arts du prompting où chacun vous propose l’invite qui fonctionne (« Découvrez les 10 prompts les plus efficaces »…) ne proposent qu’un savoir-faire procédural et cumulatif, quand il faudrait acquérir un savoir-faire bien plus réflexif, sur ce que l’on veut obtenir, pour quel besoin et comment. L’art du prompt, procède souvent par tatonnage, sans définir clairement ce que l’on souhaite et produit d’abord des échecs. Pourtant, comme le disait le sociologue Dominique Boullier, « dès que l’on veut réellement prendre en main ces outils, contrôler leurs opérations, les vérifier ou valider leurs résultats, les mêmes utilisateurs se retrouvent déçus, inquiets voire en colère, à moins d’adopter une tolérance inusitée dans l’univers des produits et services de ce types ».
Avec l’IA nous sommes invités à manipuler quelque chose qui se manipule finalement bien mal… et qui finit bien plus par nous manipuler, par nous masquer les issues fonctionnelles que l’on pourrait utiliser par devers soi qu’autre chose. L’IA nous invite à l’utiliser sans limite et c’est assurément son piège.
L’invitation faite à tous d’utiliser l’IA semble nous faire croire que tout sera facile. J’ai l’impression que c’est là une fable qui se referme à mesure que plus de personnes l’utilisent. C’est ce qu’on lit d’ailleurs en constatant que les usages de l’IA semblent devenir de plus en plus récréatifs, comme nous l’expliquions dans notre brève sur l’évolution des usages de l’IA. Faire produire ce que l’on veut par ces machines est difficile. La maîtrise de l’IA est compliquée. Et croire que tout le monde va pouvoir devenir expert en quelques clics et quelques séances d’autoformation est certainement un mythe assez fort qu’il faudrait commencer à percer. Les usages experts et avancés que l’on constate autour de codeurs ou de quelques passionnés, restent des usages avancés – et comme nous le disions récemment, nous n’utiliserons peut-être pas tous l’IA avec l’intensité des codeurs. Croire que tout le monde va devenir expert tient certainement d’une fable. Nous bataillons toujours avec nombre de logiciels du quotidien. Il n’y a aucune raison que cela ne continue pas à l’heure de l’IA. Or, cela risque d’être plus difficile encore, car pour faire que l’IA accomplisse nos désirs, il faut d’abord savoir ce que l’on souhaite obtenir et comment. Ce qui signifie maîtriser ses propres lacunes… Or dans l’injonction actuelle à ne voir que la puissance des outils, c’est peut-être ce que nous avons de plus en plus de mal à percevoir : nos défaillances et nos propres limites.
Après avoir été perdus dans le prompt, serons-nous perdus dans le loop ?
En fait, comme l’explique le développeur Drew Breunig, l’invite en langage naturel est un piège. Cette fenêtre qui nous invite à nous exprimer est un piège qui se referme sur celui qui l’utilise, car « le langage naturel n’a jamais été conçu comme un langage de spécification pour l’ingénierie, et le traiter comme tel limite insidieusement les possibilités de développement ». Ce dialogue peut devenir un labyrinthe de conditions dans lesquelles tout le monde se perd, l’IA comme l’utilisateur (et les deux, souvent, pour la même raison : par manque de mémoire). Pire, ils enferment dans une relation avec un modèle et un seul, car elles fonctionneront bien moins avec d’autres modèles. « Les interfaces en langage naturel sont formidables. Elles constituent le mécanisme idéal pour les tâches ponctuelles et les longs échanges conversationnels. Les problèmes surviennent lorsque nous nous appuyons sur le langage naturel pour définir un comportement système durable.»
En fait, plus que des invites textuelles, nous devons instaurer des cadres de contraintes, évalués, avec des métriques et des spécifications typées. C’est-à-dire « produire des artefacts clairs et partagés que vos collègues peuvent consulter et enrichir, favorisant ainsi une collaboration que les prompts trop rigides empêchaient auparavant. »
« Le second principe consiste à cesser de rédiger les prompts manuellement. Une fois que l’on dispose de métriques pour évaluer les différentes options, le prompt ne doit plus être « façonné » à la main, mais « recherché »», par l’IA elle-même. « Toute discipline d’ingénierie parvenue à maturité finit par abandonner l’exécution manuelle de tâches dont elle tirait autrefois sa fierté. » « Savoir amener un modèle à réagir comme souhaité en choisissant les mots justes est une véritable compétence, souvent optimale pour des tâches ponctuelles. Toutefois, pour concevoir des systèmes fiables, évolutifs et portables, nous devrions éviter d’ajuster les prompts manuellement. »
Pour le dire plus simplement, après avoir passé 4 ans à chercher le prompt ultime, voilà désormais que nous devons apprendre à nous en défaire. Nous avions tout faux ! Il ne faut plus prompter ! Vous n’avez plus besoin d’écrire des prompts, proclame Sam Altman lui-même ! Fini la recherche des consignes malignes ! Désormais, il faut bâtir des contraintes, du contrôle, des règles, découper ses commandes en tâches qui se valident entre elles. C’est le problème que cherche à résoudre l’IA agentique en construisant des modalités de contrôles multiples. Pour faire ces maudites slides par exemple, un agent va surveiller le graphisme, un autre les effets, un autre le texte et le sens, etc. Pour chaque fonction, il faut concevoir des « boucles » (on parle de loop engineering, d’une « ingénierie de boucles », mais qui semble, pour certains, qu’une astuce qui risque d’être aussi temporaire que le prompt). Pour le développeur Addy Osmani, le loop engineering « consiste à ne plus être soi-même la personne qui sollicite l’agent ; on conçoit plutôt le système chargé de le faire. Ici, une boucle peut être envisagée comme un objectif récursif : vous définissez un but et l’IA itère jusqu’à ce qu’il soit atteint. » On confie désormais une mission à un agent puis d’autres à d’autres : un chargé de produire, d’autres chargés de contrôler différents paramètres selon les objectifs définis. Il ne suffit plus de demander de produire du texte pour alimenter un profil linkedin par exemple, mais de construire toute une architecture pour comparer ce qui marche et ne marche pas, en analysant les métriques passés, en mettant en place un agent garde-fou (pour réfuter des sujets par exemple), de recommander des actions pour augmenter les vues dès qu’elles décollent, etc. Bref, on n’a pas saisi toutes les règles du prompting qu’il faut déjà passer à la grande orchestration agentive. Pourtant, il y a fort à parier que le problème demeure, passé le codage. Les boucles nécessitent elles aussi de savoir ce que l’on veut obtenir et comment. Savoir ce que l’on veut et être capable de l’exprimer clairement risque de rester fondamental, même si les astuces de prompting seront certainement remplacées par des boucles prêtes à l’emploi.
Bref, le slop conseil – à savoir, les innombrables conseils et astuces pas toujours très efficaces qu’on souhaite vous proposer pour mieux prompter ou boucler – n’est pas terminé. Des pratiques qui, trop souvent encore, n’aident pas à s’orienter, à comprendre, mais proposent juste d’appliquer.
Dans le grand bain des bons conseils pour prompter, pour dompter l’IA… les recommandations sont innombrables, mais bien peu sont efficaces. Celles qu’on ramasse d’un côté, ne sont pas nécessairement celles qui sont efficaces ailleurs. Selon le modèle, les commandes peuvent varier. Les raccourcis aussi. Nous sommes cernés de conseils qui nous disent une chose et son contraire. Certains nous invitent à prompter comme ci, d’autres comme ça. Mais les résultats peuvent être très différents d’une IA l’autre, d’une version l’autre. Les bonnes pratiques d’hier ne sont déjà plus les bonnes pratiques de demain. Pas étonnant que les pratiques s’enlisent un peu. Que l’usage professionnel se réduise à une poignée de gens qui les font fonctionner en continu.
La difficulté du prompting devrait nous rappeler que croire que tout le monde va devenir expert de l’IA est un leurre. La promesse d’une IA pour tous, accessible à tous, une révolution pour tous, est certainement aujourd’hui l’erreur qu’on veut nous vendre. Elle n’est pas nouvelle. On nous avait promis que le HTML allait permettre à tout le monde de faire des pages web, que la facilité d’usage des réseaux sociaux allait permettre à tous de s’exprimer, que nous saurions tous accomplir des publipostages depuis un fichier Excel. La promesse démocratique du numérique reste assurément sa plus grande illusion. Nous ne manipulerons pas tous les IA comme le font les experts de l’IA. Tant mieux. Car penser que nous devrions tous devenir experts en IA, c’est finalement penser que nous n’avons pas à faire collectif, que nous n’aurions finalement pas de complémentarités entre chacun d’entre nous. Penser que nous pourrions tous devenir des experts, des licornes unipersonnelles, des startups de soi, comme le clament certains, c’est nous amener à penser que l’IA pourrait remplacer la coordination humaine elle-même, comme l’expliquait récemment le chercheur Olivier Ertzscheid sur son blog. Derrière les pratiques de prompting, de vibe-coding, de looping… nous sommes renvoyés dans un face à face avec la machine, au détriment des pratiques collectives. Le risque est que l’IA « remplace l’ensemble des formes documentées de coordination sociale, c’est-à-dire aussi bien ce qui relève de logiques délibératives ou décisionnelles mais aussi l’ensemble des instances d’apprentissage mutuel quelles qu’en soient les modalités (conflit, solidarité, etc.).»
Derrière des outils qui semblent universels, nos usages, eux, sont très granulaires. Derrière des outils à tout faire, les adaptations aux métiers, aux pratiques sont très complexes et fines. Derrière les outils que nous sommes sommés d’utiliser, se cachent des questions organisationnelles complexes qui se recomposent à la volée. Et qui sont bien plus difficiles à traiter que de savoir quelles astuces de prompting utiliser.
