Nous avons formé un groupe d’entrepreneurs qui voulait apprendre l’IA pour de bon : pas une initiation d’une journée, mais un parcours de 60 heures pour la capitaliser dans leur métier. L’accent : le commercial, la communication et la relation client, avec un usage avancé des grands modèles de langage, jusqu’à la création d’un agent conversationnel. Voici comment le parcours a été construit, ce qu’il a produit, et ce que l’évaluation a révélé, y compris ses points faibles.

Le point de départ : des entrepreneurs curieux, un usage occasionnel

Au début du parcours, les participants utilisaient l’IA de façon occasionnelle. Ils connaissaient les noms des outils, avaient déjà posé quelques questions à ChatGPT, mais sans méthode et sans réflexe dans leur travail quotidien. Un test de positionnement a mesuré leur niveau sur quinze affirmations, notées de 1 à 5 : comprendre ce qu’est une IA générative, savoir à quoi elle sert dans un contexte professionnel, savoir formuler une demande claire, connaître les différences entre les outils.

Le besoin : faire de l’IA un levier commercial, pas un gadget

Ces entrepreneurs ne voulaient pas devenir techniciens. Ils voulaient :

• produire plus vite des contenus de communication et des messages commerciaux de qualité ;
• mieux préparer leurs échanges avec leurs clients et prospects ;
• automatiser les tâches répétitives qui grignotent leur temps ;
• comprendre assez profondément les modèles de langage pour les utiliser dans des cas avancés, en toute sécurité.

Ce que nous avons fait : un parcours en quatre blocs

Bloc 1 (10 heures) : comprendre les bases et l’art du prompt

Ce qu’est l’IA aujourd’hui, sans jargon : IA prédictive, générative, conversationnelle, agentique. Comment fonctionne un LLM. Comment dialoguer avec lui grâce à la méthode CRTC (Contexte, Rôle, Tâche, Contraintes). Et comment choisir son outil de référence : ChatGPT pour la rédaction et la structuration, Claude pour l’analyse de textes longs, Gemini pour la recherche connectée, Copilot dans l’environnement Microsoft.

Chaque séance se terminait par un entraînement : définir le besoin réel, choisir l’outil le plus cohérent, écrire le prompt, puis fixer un critère d’évaluation du résultat.

Bloc 2 (10 heures) : explorer le potentiel créatif pour la communication

Les participants ont produit des textes marketing, des images, des vidéos, des voix off, des musiques et des présentations, puis ont relevé un défi : construire une mini-campagne complète avec l’IA. Outils travaillés : Midjourney pour l’image, Runway et Kling pour la vidéo, ElevenLabs pour la voix, Suno pour la musique, Gamma pour les présentations automatisées. Le bloc incluait aussi la création d’un « jumeau IA », un avatar professionnel cohérent avec l’image de chacun.

Bloc 3 (20 heures) : travailler plus vite et mieux

Rédaction assistée, prise de notes automatique et synthèse de réunions, analyse de données pour préparer des décisions, création rapide de supports, création de site web en quelques clics, et premières automatisations avec Zapier et Make. L’objectif : que l’IA devienne un copilote dans la décision, sans perte du contrôle humain.

Bloc 4 (20 heures) : vers une pratique sécurisée et l’IA agentique

Le dernier bloc a porté sur l’usage avancé des LLM : éthique, RGPD, confidentialité, déontologie, puis conception d’un agent IA personnalisé, adapté au métier ou au projet de chaque participant, et présentation d’un projet complet.

L’usage avancé des LLM, en pratique : construire un agent conversationnel

Le projet final le plus abouti a consisté à créer un assistant conversationnel spécialisé : un agent francophone qui aide ses utilisateurs à transformer un trop-plein de tâches en priorités claires et en plan d’action. Le travail a suivi les étapes d’un vrai lancement de produit :

1. Recentrer le périmètre. L’assistant clarifie, priorise, structure, reformule un message important. Il ne remplace ni un médecin, ni un juriste, ni un recruteur, et ne décide jamais à la place de l’utilisateur.
2. Choisir la solution la plus simple pour une première version. Plusieurs options ont été comparées : un Gem dans Gemini, un projet dans Claude, un GPT personnalisé, un chatbot intégré à un site. La recommandation : un Gem dans Gemini pour l’agent, un mini-site Google Sites comme vitrine, et l’installation de la page comme application sur ordinateur pour la démonstration.
3. Écrire le prompt système. C’est la consigne permanente qui définit le comportement de l’agent : mission, ce qu’il fait, ce qu’il ne fait pas, posture, logique de réponse, règles de confidentialité, format attendu.
4. Tester. Dix demandes réalistes (semaine débordée, notes en vrac, e-mail délicat, liste de tâches) et cinq demandes qui doivent être refusées (avis médical, contournement d’une règle, manipulation, piratage, dépendance affective).
5. Documenter. Dossier de présentation, charte d’usage, support de présentation et plan de déploiement en sept jours.

Ce travail transpose directement à la relation client : un agent bien cadré peut préparer des réponses, reformuler des demandes, orienter vers le bon interlocuteur, à condition d’être limité, testé et supervisé.

La technologie, expliquée simplement

• LLM : un modèle de langage entraîné sur de grands volumes de texte, qui génère des réponses à partir de probabilités. Il ne comprend pas ce qu’il dit : il le calcule.
• Prompt système : la consigne de fond qui fixe le rôle, les limites et le ton d’un agent, avant toute question de l’utilisateur.
• Agent IA : un système qui ne se contente pas de répondre, mais enchaîne des actions vers un objectif, parfois avec des outils. Sans garde-fous, c’est un faux gain de temps.
• RAG : la technique qui permet à un modèle de s’appuyer sur des sources externes (vos documents) plutôt que sur sa seule mémoire.
• Température : le réglage qui dose la part d’aléa dans les réponses.
• Humain dans la boucle : une validation humaine aux étapes sensibles.
• Injection de prompt : une attaque qui glisse des instructions cachées dans un contenu lu par l’IA. Un agent bien conçu les ignore.
• Automatisation : un déclencheur (un formulaire rempli) lance une ou plusieurs actions (un e-mail envoyé, une ligne ajoutée dans un tableau).

Exemples de prompts types

Prompt image structuré

Femme travaillant sur un ordinateur portable dans un café moderne, lumière naturelle du matin, style photographie éditoriale réaliste, plan moyen, ambiance calme, détails précis sur les textures et les objets.

Sa structure : sujet, contexte, style, lumière, angle, détails. « Photo réaliste, lumière naturelle » ne suffit pas.

Prompt système d’agent (extrait)

Tu es un assistant francophone spécialisé dans la clarification et la priorisation. Tu ne poses aucun avis médical ou psychologique, tu ne donnes pas de conseil juridique, tu ne décides jamais à la place de l’utilisateur et tu ne prétends jamais être humain. Quand l’utilisateur est débordé : reformule brièvement, fais apparaître les priorités, sépare urgent, important et secondaire, propose un plan simple et réaliste.

Workflow de mini-campagne

Objectif : créer une mini-campagne. Étape 1 : génère trois concepts (ChatGPT). Étape 2 : rédige le message du concept retenu. Étape 3 : produis le visuel (Midjourney). Étape 4 : anime-le (Runway). Étape 5 : structure la présentation (Gamma).

Ce que l’évaluation a montré, y compris les faiblesses

Chaque bloc s’est terminé par un questionnaire d’évaluation corrigé. Le bilan rédigé à l’issue du parcours est sans complaisance :

• bloc 1 : maîtrisé ;
• bloc 2 : compris mais mal appliqué ;
• bloc 3 : bon ;
• bloc 4 : bon, mais encore théorique.

Trois faiblesses ont été identifiées et retravaillées : choisir l’outil en fonction du besoin plutôt que par habitude, écrire des prompts d’image vraiment précis, et penser en chaîne d’outils plutôt qu’outil par outil. C’est souvent là que se joue la différence entre « essayer l’IA » et en tirer un vrai gain.

Ce qui a changé

• Au questionnaire de positionnement, la moyenne d’auto-évaluation des participants ayant répondu à l’entrée et à la sortie est passée de 2,0 à 4,3 sur 5.
• À l’entrée, ils déclaraient un usage occasionnel de l’IA au travail ; à la sortie, un usage régulier.
• Chaque participant a produit des livrables concrets : mini-campagne, supports, et pour le projet le plus avancé, un agent conversationnel documenté et testé.

Les limites

• Les résultats chiffrés reposent sur une auto-évaluation, sur un nombre restreint de répondants : ils mesurent la confiance et la compréhension déclarées, pas un gain de temps.
• La partie agentique est restée en partie théorique : passer d’un prototype d’agent à un outil en production demande souvent une API, un budget et un accompagnement technique.
• Un agent public et totalement gratuit reste limité ; il faut le présenter comme une preuve de concept.

Ce que vous pouvez en retenir pour votre propre projet

• Partez du besoin, pas de l’outil. Chaque outil a une fonction précise ; le bon choix dépend de la tâche.
• Pensez en chaîne. Un objectif, des étapes, un outil par étape, une vérification à la fin.
• Écrivez un prompt système avant de lancer un agent. Ce qu’il fait, ce qu’il refuse, comment il répond.
• Testez aussi les refus. Un agent fiable est un agent qui sait dire non.
• Mesurez avant et après. Même une auto-évaluation simple montre le chemin parcouru et ce qui reste à travailler.

Les outils et la méthode en détail

Chaque bloc s’est terminé par un questionnaire en ligne, corrigé question par question. Cette correction a servi d’outil pédagogique : elle a montré que les noms des outils étaient connus, mais pas leur usage réel. Le récapitulatif remis aux participants reprend donc chaque outil avec ce qu’il fait, comment l’utiliser et ce qu’il ne fait pas.

• Gamma : transforme un plan rédigé en diapositives ; il n’automatise rien et ne génère pas d’images avancées.
• Zapier : relie des outils entre eux ; il ne crée pas de contenu.
• ElevenLabs : écrire le script, coller le texte, choisir une voix, ajuster le ton, générer l’audio.
• Suno : décrire le style musical, ajouter une ambiance, générer, tester plusieurs versions.

Une automatisation en cinq gestes

La logique « déclencheur, puis actions » a été travaillée sur un exemple concret : un formulaire rempli déclenche l’envoi d’un e-mail, puis l’ajout d’une ligne dans Google Sheets. La procédure : définir le déclencheur, définir l’action, ajouter les actions suivantes, tester le flux, puis l’activer. La correction du bloc 3 a montré que la distinction entre déclencheur et action restait fragile : elle a été reprise sur des cas mélangés (réception d’un e-mail, création d’un ticket, ajout d’une ligne, message envoyé).

Le vocabulaire de l’agent

Le bloc 4 a fixé les notions à maîtriser avant de lancer un agent : prompt système, humain dans la boucle, RAG, température, surveillance, injection de prompt, contournement des règles (jailbreak) et tests d’attaque (red teaming). Pour l’agent du projet final, la batterie de tests comptait dix demandes réalistes et cinq demandes à refuser.

Vous êtes testeur d’un agent conversationnel. À partir de son prompt système ci-dessous, rédigez cinq demandes qu’il doit refuser : avis médical, contournement d’une règle, manipulation, piratage, dépendance affective. Pour chacune, indiquez la réponse attendue : un refus clair, une explication courte et une orientation vers le bon interlocuteur. Prompt système : (à coller).

Le choix technique de l’agent a suivi la même logique de simplicité : un Gem dans Gemini pour l’agent, un mini-site Google Sites comme vitrine, puis l’installation de la page comme application sur ordinateur pour la démonstration.

Chaque équipe a son métier et son niveau de départ. Nous construisons des parcours et des solutions IA sur mesure, de la tâche automatisée à l’outil interne, adaptés à votre réalité métier et technique. Réserver votre diagnostic IA gratuit