Jusqu'en 2022, l'intelligence artificielle servait surtout à trier. Elle rangeait un e-mail dans « indésirable », reconnaissait un visage sur une photo, estimait un risque de départ. Elle analysait ce qui existait déjà.
L'IA générative fait autre chose : elle produit. Un texte, une image, du code, une voix, une vidéo. C'est ce basculement de l'analyse vers la production qui explique pourquoi le sujet est arrivé jusque dans votre activité, et pas seulement dans les services techniques des grandes entreprises.
Définition
L'intelligence artificielle générative désigne les systèmes capables de créer un contenu nouveau à partir d'une consigne en langage courant. Vous décrivez ce que vous voulez, le système le produit.
Ce qui la distingue de l'informatique classique tient en une phrase : vous ne lui donnez pas la marche à suivre, vous lui donnez le résultat attendu. Un tableur additionne parce qu'on lui a écrit la formule. Un modèle génératif rédige une réponse client parce qu'on lui a montré des millions de textes et qu'il en a tiré une capacité à continuer une phrase de façon plausible.
Le mot « plausible » est le plus important de cette définition. Le système ne cherche pas la vérité, il cherche la suite la plus probable. C'est ce qui le rend si utile pour rédiger, et si risqué pour établir un fait.
Ce qu'elle sait faire, ce qu'elle ne sait pas faire
La frontière est plus nette qu'on ne le croit, et la connaître évite beaucoup de déceptions.
| Elle excelle quand | Elle déçoit quand |
|---|---|
| Il existe plusieurs bonnes réponses | Il n'existe qu'une seule bonne réponse |
| Vous savez juger le résultat | Vous ne pouvez pas vérifier |
| Le travail est long mais pas difficile | Le travail demande une information que vous seul détenez |
| Une erreur se corrige facilement | Une erreur part chez le client |
Reformuler un texte, produire dix variantes d'une accroche, traduire, résumer une réunion, transformer des notes en compte rendu : ce sont des tâches à réponses multiples, où votre jugement tranche. C'est là que le gain est immédiat.
Calculer votre marge exacte, retrouver le montant d'une facture, citer un article de loi : ce sont des tâches à réponse unique, où le système peut produire une réponse fausse avec un aplomb parfait. C'est là que les ennuis commencent.
Les familles de modèles
Le texte
La famille la plus mûre et la plus utile au quotidien. Elle repose sur les Grand modèle de langage (LLM), qui rédigent, résument, traduisent, classent et répondent.
L'image
Utile pour l'illustration et le brouillon visuel. Attention au sujet du droit d'auteur, qui reste mouvant selon les outils et les pays.
La voix et la vidéo
La progression la plus rapide des deux dernières années. Le doublage automatique et la lecture d'un texte par une voix de synthèse sont désormais utilisables en production.
Le code
Les modèles écrivent, corrigent et expliquent du code. Ils ont fait bouger le métier de développeur plus vite que n'importe quelle autre catégorie d'usage.
Ce que ça change concrètement pour une petite structure
Le gain n'est pas là où on l'attend. Il n'est pas dans le remplacement d'une personne, il est dans la disparition du temps mort.
Les tâches que vous repoussez parce qu'elles sont ennuyeuses mais nécessaires, la fiche produit à écrire, le compte rendu à mettre au propre, la réponse type à adapter, les dix messages de relance : c'est là que le temps se récupère. Ce sont rarement des tâches nobles, ce sont celles qui grignotent une journée.
Un piège classique consiste à mesurer le gain en temps de rédaction. Le bon calcul inclut le temps de relecture et de correction. Un texte produit en dix secondes mais relu pendant vingt minutes n'a rien fait gagner du tout.
Questions fréquentes
L'IA générative comprend-elle ce qu'elle écrit ?
Non, pas au sens où une personne comprend. Elle manipule des régularités statistiques dans le langage. Le résultat peut être remarquablement juste sans qu'il y ait de compréhension derrière, ce qui explique qu'elle puisse enchaîner un paragraphe excellent et une erreur grossière dans la même réponse.
Mes données servent-elles à entraîner les modèles ?
Cela dépend entièrement de l'offre souscrite. Les offres professionnelles s'engagent en général à ne pas réutiliser vos contenus, les offres gratuites beaucoup moins souvent. C'est le premier point à vérifier avant de confier quoi que ce soit de confidentiel, et cela se lit dans les conditions d'utilisation, pas dans la page de vente.
Faut-il des compétences techniques pour s'y mettre ?
Pour utiliser, non : la consigne s'écrit en français ordinaire. Pour obtenir des résultats réguliers plutôt qu'un coup de chance, oui, il faut une méthode. La différence entre quelqu'un qui trouve l'IA décevante et quelqu'un qui en tire un vrai gain tient rarement à la technique, elle tient à la façon de formuler la demande et de vérifier le résultat.
Par où commencer sans y passer des semaines ?
Prenez une seule tâche que vous faites chaque semaine, chronométrez-la, puis refaites-la avec un modèle pendant un mois. Vous saurez alors si le gain est réel chez vous, ce qu'aucun article ne peut vous dire à votre place. Notre formation Claude Cowork part exactement de cette approche, en s'appuyant sur des tâches de tous les jours plutôt que sur des démonstrations spectaculaires.