Dix-neuf notions en cinq sections : ce que fait vraiment un modèle, comment le briefer, comment lui donner ce que tu sais, comment il se sert d'outils, et comment automatiser tout un travail avec lui. Un jeu pour chacune.
Section 1
Découvre la machine
Ce qu'est vraiment un LLM, et ce qu'il n'est pas.
Jouable 4 min
Prédire le mot suivant
Un grand modèle de langage (LLM) écrit un petit morceau de texte à la fois. À chaque tour, il note chaque morceau suivant possible selon ses chances de suivre ce qui précède, et en choisit un.
Le jeu : Dans la peau du modèle
Le modèle, c'est toi. Lis le début d'une phrase, parie sur le mot qui vient ensuite, et découvre les vraies probabilités. Puis vois ce qui se passe quand la phrase demande quelque chose que le modèle ne peut pas savoir.
Pourquoi ça compte
Ça explique à la fois son talent et son défaut. Un LLM est brillant pour produire un texte fluide et plausible (brouillons, reformulations, résumés), et il produira un texte plausible même quand il ne connaît pas la réponse. Plausible ne veut pas dire vrai.
Prochainement 4 min
Tokens
Les modèles ne lisent ni des lettres ni des mots : ils lisent des tokens, des morceaux de quelques caractères. Tout se compte en tokens : ce que tu envoies, ce qu'il écrit, ce que ça coûte, et ce qu'il peut garder en tête d'un coup.
Le jeu : Le Boucher des tokens
Découpe des phrases là où tu penses que le modèle les coupe, puis devine le nombre de tokens d'un e-mail, d'un contrat et d'un tableur avant que le compteur ne le révèle.
Pourquoi ça compte
Les tokens expliquent la facture (les longs documents coûtent plus cher), les limites (ce qui tient dans une conversation) et quelques ratés bizarres (compter les a dans “ananas” est difficile quand on ne voit jamais de lettres).
Jouable 5 min
Température
À chaque tour, le modèle a une liste de mots suivants probables, chacun avec ses chances. La température décide à quel point il ose quand il choisit : basse, c'est “prends presque toujours le favori” ; haute, c'est “laisse une vraie chance aux outsiders”.
Le jeu : La Molette
Tourne la molette et regarde les chances se redessiner. Fais dire au modèle la même chose cinq fois de suite, puis cinq choses différentes, puis règle la molette pour six vraies tâches de bureau.
Pourquoi ça compte
Certaines questions méritent une réponse prévisible (extraire un montant, classer un ticket), d'autres une réponse surprenante (trouver un nom de produit, faire un brainstorming). Savoir de laquelle tu as besoin te dit comment demander, et explique pourquoi le même prompt peut donner deux réponses différentes.
Prochainement 4 min
Hallucinations
Quand le modèle ne sait pas, par défaut il ne le dit pas : il continue avec ce qui sonne juste. Les références inventées, les chiffres faux et les absurdités affirmées avec aplomb s'appellent des hallucinations.
Le jeu : Vrai ou inventé ?
Les réponses du modèle arrivent vite. Marque chaque affirmation “appuyée par la source” ou “inventée” avant la fin du chrono, puis corrige le prompt qui les a produites.
Pourquoi ça compte
Connaître les indices (des chiffres très précis, des noms et des sources que tu n'as jamais fournis) et le remède (lui donner la source, lui demander de la citer, l'autoriser à dire “je ne sais pas”), c'est ce qui sépare un assistant utile d'un vrai risque.
Chemin de traverse · facultatif, technique
Sous le capot
Comment est construite la machine à deviner : neurones, poids, et comment elle apprend.
Jouable 8 min
Réseaux de neurones
Les chances qu'un modèle donne à chaque mot suivant sont calculées par un réseau de neurones : des couches de minuscules unités appelées neurones, qui pèsent chacune leurs entrées et transmettent un nombre. Un neurone, c'est un vote pondéré ; un réseau en compte des milliards, reliés en couches.
Le jeu : Labo Neurone
Câble un neurone à la main : règle ses poids pour qu'il prenne les bonnes décisions, regarde-le les apprendre tout seul, puis découvre la décision qu'aucun neurone ne peut prendre à lui seul.
Pourquoi ça compte
Ça enlève la magie : pas de règles, pas de base de réponses, juste des nombres (les poids) réglés sur des exemples. C'est pour ça qu'un modèle est bon sur ce que ses exemples couvraient, et bancal sur le reste.
Prochainement 6 min
Comment un réseau apprend
Personne ne règle les poids d'un modèle à la main. L'entraînement lui montre un exemple, mesure à quel point sa prédiction était fausse, et pousse chaque poids un tout petit peu dans la direction qui l'aurait rendue moins fausse. Et on recommence, des milliers de milliards de fois.
Le jeu : La Descente
Fais rouler une bille sur un paysage d'erreurs, une petite poussée à la fois, et trouve la vallée où le modèle devine le mieux, sans la dépasser.
Pourquoi ça compte
Ça explique ce qu'un modèle sait (ce qu'il y avait dans ses textes d'entraînement, jusqu'à une certaine date) et ce qu'il ne sait pas (tes fichiers, la semaine dernière, tout ce qui est privé), et pourquoi il s'améliore avec plus d'exemples, et de meilleurs.
Section 2
Parle-lui
L'art du prompt : obtenir ce que tu voulais dire, pas ce que tu as dit.
Jouable Vrai modèle 10 min
Anatomie d'un prompt
Un bon prompt, c'est un bon brief : la tâche, la matière à travailler, la forme que doit prendre le résultat, et les règles à suivre. Le modèle ne sait que ce que tu y mets.
Le jeu : Labo Prompt
Trois vrais briefs, un vrai modèle. Écris le prompt, lance-le, et regarde les vérifications passer au vert ou au rouge. Pars d'un prompt paresseux et améliore-le jusqu'à ce que toutes les vérifications passent.
Pourquoi ça compte
L'écart entre “résume ça” et un vrai brief, c'est l'écart entre une réponse que tu réécris et une réponse que tu envoies. C'est la compétence en IA la plus utile au travail, et de loin.
Prochainement 5 min
La fenêtre de contexte
Un modèle n'a aucune mémoire d'un message à l'autre. À chaque fois, on lui renvoie toute la conversation, et elle doit tenir dans un budget fixe de tokens : sa fenêtre de contexte. Quand elle est pleine, les parties les plus anciennes sont laissées de côté.
Le jeu : Mémoire courte
Une conversation défile dans une fenêtre de taille fixe, et les messages disparaissent par le haut. Dis ce que le modèle voit encore, et épingle les faits qui doivent survivre.
Pourquoi ça compte
C'est pour ça qu'une longue discussion “oublie” la consigne que tu as donnée au début, et qu'une nouvelle conversation avec un bon brief vaut souvent mieux qu'une très longue.
Prochainement Vrai modèle 6 min
Instructions et rôles
Avant ton message, un assistant reçoit en général des instructions permanentes : qui il est, comment il écrit, ce qu'il ne doit jamais faire. Même modèle, instructions différentes : un assistant très différent.
Le jeu : Le Bon Rôle
Une question, quatre réponses, quatre jeux d'instructions cachés. Associe chaque réponse à ses instructions, puis écris celles qui en produisent une cinquième.
Pourquoi ça compte
Des instructions écrites une fois et réutilisées transforment un chatbot générique en collègue qui sait déjà comment ton équipe écrit et ce que tes clients attendent.
Prochainement 5 min
Enseigner par l'exemple
Montrer vaut mieux qu'expliquer. Quelques exemples d'une entrée et du résultat attendu, placés dans le prompt, apprennent au modèle ton format et ton jugement plus vite que des paragraphes de règles.
Le jeu : Montre, ne dis pas
Un trieur de tickets se trompe sans arrêt. Choisis les exemples à lui montrer et regarde son score sur vingt tickets cachés grimper, ou s'effondrer quand tes exemples l'induisent en erreur.
Pourquoi ça compte
Trier des tickets, catégoriser des notes de frais, écrire dans le style maison : deux ou trois bons exemples, c'est souvent tout l'“entraînement” dont une tâche a besoin.
Section 3
Donne-lui ce que tu sais
Tes documents, tes données, tes formats.
Prochainement Vrai modèle 6 min
Réponses structurées
Au lieu d'un paragraphe, tu peux demander des champs nommés : fournisseur, montant, date d'échéance. La réponse tombe alors dans un tableur, un formulaire ou l'étape suivante d'un workflow, sans copier-coller.
Le jeu : Le Formulaire
Factures, e-mails et CV arrivent en masse. Conçois les champs (un nom, un type, une description d'une ligne) pour que chaque document y entre, et trouve les documents qui font craquer ton formulaire.
Pourquoi ça compte
Les champs transforment une réponse d'IA en quelque chose qu'un processus peut exploiter : filtrer, totaliser, aiguiller.
Prochainement 5 min
Le sens en chiffres
Un embedding transforme un texte en une longue liste de nombres qui capture son sens. Des textes qui veulent dire la même chose obtiennent des nombres proches, même sans aucun mot en commun.
Le jeu : La Carte du sens
Place des phrases sur une carte pour que celles qui veulent dire la même chose soient côte à côte, puis fais la course contre la carte de la machine jusqu'au bon document.
Pourquoi ça compte
C'est comme ça que fonctionne la recherche par le sens : retrouver la clause sur la “résiliation” quand elle parle de “mettre fin au contrat”. C'est le moteur de la plupart des outils pour “discuter avec tes documents”.
Prochainement 6 min
Recherche documentaire (RAG)
La génération augmentée par recherche (RAG) : avant de répondre, on va chercher dans tes documents les quelques passages qui comptent et on les met dans le prompt. Le modèle répond alors à partir d'eux, pas de mémoire.
Le jeu : Le Bibliothécaire
Les questions arrivent au guichet. Choisis quels documents donner au modèle avant qu'il réponde. Trop peu, et il invente ; trop, et la réponse se noie, et la facture grimpe.
Pourquoi ça compte
C'est comme ça qu'un assistant répond aux questions sur tes règles internes, tes projets et tes clients, et pourquoi ses réponses peuvent indiquer leur source.
Section 4
Laisse-la agir
Outils et agents : de la parole aux actes.
Jouable 6 min
Outils
Un modèle ne peut pas ouvrir ton agenda ni lire un tableur. Mais il peut demander : si on lui donne une liste d'outils, il écrit “appelle tel outil avec tels arguments”, l'application l'exécute, et le résultat revient au modèle.
Le jeu : La Boîte à outils
Des demandes arrivent, et le modèle, c'est toi. Choisis le bon outil (ou aucun), remplis ses arguments, et enchaîne deux outils quand un seul ne suffit pas.
Pourquoi ça compte
Les outils, c'est ce qui fait passer l'IA de parler de ton travail à le faire : trouver le fichier, lire les chiffres, rédiger dans le bon document. Ta demande est le seul indice dont dispose le modèle pour choisir le bon outil avec les bons arguments.
Prochainement 6 min
La boucle de l'agent
Un agent, c'est un modèle dans une boucle : décider quoi faire, appeler un outil, regarder le résultat, décider à nouveau, jusqu'à ce que le travail soit fait ou qu'il n'ait plus d'étapes.
Le jeu : Penser, agir, regarder
Guide un agent dans une tâche mal ficelée avec un nombre d'étapes limité. À chaque tour : réfléchis, agis, lis ce qui revient. Gaspille des étapes, et le travail reste à moitié fait.
Pourquoi ça compte
C'est ce qui permet à l'IA de prendre en charge une tâche pleine d'inconnues (“trouve le rapport du trimestre dernier, compare-le avec celui-ci, signale ce qui a changé”) plutôt qu'une simple question.
Prochainement 4 min
Demander d'abord
Certaines actions s'annulent facilement, d'autres non. Un agent bien conçu demande avant d'envoyer, de supprimer ou d'écraser, et une personne bien formée sait quoi approuver.
Le jeu : Accepter ou refuser
Les appels d'outils d'un agent débordé arrivent en flot continu. Accepte ceux qui sont sans danger, bloque les dangereux, et démasque celui qui a seulement l'air inoffensif.
Pourquoi ça compte
Tu as la vitesse de l'automatisation sans donner les clés : l'agent prépare, tu décides.
Prochainement 5 min
Passer le relais
Plusieurs agents spécialisés font souvent mieux qu'un seul généraliste : un rédacteur, un analyste, un relecteur. Un passage de relais transmet la conversation au bon spécialiste.
Le jeu : Le Relais
Les demandes s'entassent au standard. Envoie chacune au bon agent spécialiste, et repère celles qui ont besoin de deux d'entre eux, l'un après l'autre.
Pourquoi ça compte
Des spécialistes aux instructions courtes et ciblées font moins d'erreurs qu'un seul agent à qui on demande d'être bon en tout.
Section 5
Automatise
Workflows : des étapes d'IA qui tournent sans toi.
Prochainement 6 min
Étapes et variables
Un workflow est une chaîne d'étapes. Chaque étape est un prompt, et des {{variables}} transportent ce que les étapes précédentes ont écrit vers les suivantes : {{recherche}}, {{previous}}, {{today}}.
Le jeu : Le Plombier
Les tuyaux sont posés, mais les étiquettes manquent. Branche chaque {{variable}} pour que chaque étape reçoive ce dont elle a besoin, et regarde ce qu'écrit la dernière étape quand l'une d'elles est fausse.
Pourquoi ça compte
Un workflow fait une tâche en plusieurs étapes toujours de la même façon (recherche, rédaction, mise en forme), sans que tu aies à copier-coller d'une discussion à l'autre.
Jouable 8 min
Branches
Une condition (si/sinon) pose une question oui/non en langage courant (“Est-ce une facture à payer ?”), et le workflow part d'un côté ou de l'autre. Comme c'est un modèle qui répond, la question peut porter sur le sens, pas sur des mots-clés.
Le jeu : Le Centre de tri
Huit e-mails, quatre destinations, un seul plan de travail. Construis le graphe de questions oui/non qui envoie chaque e-mail là où le disent les règles du bureau, puis lance-le et regarde chacun voyager.
Pourquoi ça compte
Les branches permettent à un seul workflow de traiter une boîte de réception mélangée : les factures à la compta, les urgences à l'équipe, le reste vers une réponse rédigée, chaque élément sur le bon chemin.
Prochainement 5 min
Déclencheurs
Il faut bien que quelque chose lance un workflow : toi, à la main ; un horaire (toutes les heures, du lundi au vendredi à 9 h 00) ; ou un événement, comme l'arrivée d'un message.
Le jeu : Comme une horloge
Dix tâches, quatre façons de les lancer. Règle le déclencheur de chacune, avance d'une semaine en accéléré, et vois ce qui a tourné, ce qui a tourné trop souvent, et ce qui n'a jamais tourné.
Pourquoi ça compte
Le bon déclencheur, c'est ce qui transforme un workflow utile en un workflow qui fait discrètement son travail tous les jours, sans que personne ait besoin de penser à le lancer.
Prochainement Vrai modèle 15 min
Boss final : le Point du matin
Tout ensemble (entrées, étapes d'agent, champs, branches et déclencheur) dans un workflow dont tu te servirais vraiment.
Le jeu : Le Point du matin
Une manager veut un point du lundi au vendredi à 8 h 30 : les e-mails de la nuit résumés, les factures signalées, l'urgent tout en haut. Conçois-le, teste-le sur une semaine de matins, et mets-le en service.
Pourquoi ça compte
C'est là que l'IA cesse d'être une fenêtre de discussion et devient un rouage de ton travail.