L'IA au travail, sans y croire aveuglément

Comprendre la mécanique, choisir les usages, mesurer ce que ça rapporte. Un modèle de langage ne sait rien : il prédit la suite d'un texte. Cette phrase paraît réductrice, elle est pourtant la seule qui explique correctement à la fois ce que ces outils réussissent brillamment et ce qu'ils ratent silencieusement.

Ce livre part de la mécanique réelle pour en tirer une méthode de travail. Il ne vend ni l'enthousiasme ni la défiance : il donne les critères qui permettent de décider, tâche par tâche, si l'outil a sa place.

Les six parties

I. La mécanique — Ce qu'est réellement un modèle de langage, en une page. Tokens et fenêtre de contexte, et pourquoi ça explique la facturation, les erreurs de calcul et l'oubli des consignes dans les longues conversations. La typologie complète des inventions — de référence, de précision, de complétion, par sycophantie — et les zones à risque classées.

II. Le jugement — La règle de vérification, qui trie tous les usages en une phrase. Une grille verte / orange / rouge de vingt-cinq usages. Les trois questions à poser avant d'automatiser, dont celle que personne ne pose : l'erreur sera-t-elle isolée ou systématique ?

III. La pratique — Les quatre facteurs qui changent réellement la qualité d'une réponse, par ordre d'impact. Six patrons d'instruction reproductibles, dont la contrainte de source qui supprime l'essentiel des inventions. Les techniques folkloriques qui ne servent à rien. Le RAG expliqué de bout en bout, avec les cinq points qui ratent en pratique. Un arbre de décision entre instruction, RAG et fine-tuning.

IV. Industrialiser — Constituer un jeu d'évaluation et mesurer au lieu d'admirer. Concevoir les trois niveaux de supervision humaine et éviter la validation machinale. La formule du coût mensuel et les cinq leviers pour le réduire. Choisir un modèle sur sept critères, et se prémunir de la dépendance.

V. Les risques — Ce que vous envoyez et où ça va. RGPD et règlement européen sur l'IA : ce qui s'applique concrètement à une petite structure. L'injection d'instruction expliquée avec un exemple d'attaque et six protections. Propriété intellectuelle et responsabilité éditoriale.

VI. L'usage — Dix usages qui tiennent, détaillés. Huit qui coûtent plus qu'ils ne rapportent. Comment reconnaître un texte généré non retravaillé, en huit signes. Ce qui restera quand la mode sera passée.

Ce que vous emportez

• Une bibliothèque d'instructions prêtes à l'emploi : analyse de document, réécriture, critique, extraction structurée, cartographie d'un sujet
• Une check-list de 10 points avant d'utiliser un modèle sur une tâche
• Une check-list de 12 points avant de mettre un système en production
• La grille des usages en trois couleurs
• L'arbre de décision instruction / RAG / fine-tuning
• Un glossaire de 12 termes

Pour qui

Indépendants, dirigeants de petites structures et professionnels qui utilisent déjà ces outils au quotidien et veulent savoir où s'arrête la zone sûre. Aucune compétence technique n'est requise pour les parties I, II, V et VI ; les parties III et IV supposent que vous construisez quelque chose.

Pour qui ce n'est pas

Ceux qui cherchent une liste de « prompts magiques » : le livre explique précisément pourquoi ces listes ne fonctionnent pas. Ni les ingénieurs en apprentissage automatique, qui connaissent déjà tout ce qui est ici.

Ce que le livre ne couvre pas

L'entraînement de modèles, les mathématiques de l'apprentissage profond, le choix d'infrastructure, la génération d'images et de vidéos, et l'analyse détaillée du règlement européen sur l'IA — ce dernier exige un juriste, pas un livre.

Format

PDF, environ 6 900 mots, 24 chapitres et 4 annexes. Accès immédiat après achat.

Les modèles évoluent vite : ce livre porte sur des principes de mécanique et de méthode qui survivent aux versions, jamais sur les réglages d'un produit particulier. Aucun gain de productivité chiffré n'y est avancé — ceux qui circulent sont invérifiables. Les points juridiques sont donnés à titre d'orientation et évoluent.