Que vaut-il la peine d’apprendre à l’ère de l’IA ?

  • Jordi Torras
  • Blog

J’ai donné une conférence à TEDxEsade 2026 intitulée Que vaut-il la peine d’apprendre à l’ère de l’IA ? C’est une question qui me revient souvent, à mesure que l’IA prend en charge des tâches qui exigeaient autrefois des années de formation.

Si une machine peut écrire le code, préparer le rapport et expliquer le résultat, où devons-nous concentrer nos efforts ? Que devrait étudier un étudiant ? Que devrait apprendre ensuite un professionnel expérimenté ?

Ma réponse commence par une évolution de ce que nous jugeons précieux. Produire quelque chose devient plus facile. Décider de ce qui mérite d’exister, comprendre son fonctionnement et le rendre utile nous demandent toujours beaucoup.

Nous devons apprendre à assumer la responsabilité de ce que nous pouvons désormais créer.

Apprendre à construire quelque chose qui mérite d’être utilisé

Prenons le château de sable ci-dessous. Quatre mots guident sa construction. Contexte, Questions, Plan, Construction. Ils décrivent une manière de travailler avec l’IA qui commence avant même la première demande de production.

Un homme construit un château de sable élaboré près de panneaux portant les mots anglais Context, Questions et Build, avec un plan posé sur le sable.

Donner du contexte, c’est expliquer la situation : qui rencontre le problème, comment cette personne travaille aujourd’hui et quelles contraintes comptent. Les questions révèlent ce que nous n’avons pas encore compris. Un plan nous donne quelque chose à remettre en question avant de nous lancer dans la construction.

Imaginons une équipe qui recopie des informations entre des courriels, des tableurs et une application de gestion. L’IA peut aider à créer un outil qui relie ce travail. Mais la première question est de savoir ce qui rend le processus actuel pénible. Où se produisent les erreurs ? Qui doit approuver un changement ? Qu’est-ce qui donnerait confiance dans le nouvel outil ?

Sans ces réponses, nous pouvons construire une solution impressionnante à un problème que personne ne rencontre.

Et une démonstration qui fonctionne n’est que le début. Les personnes concernées doivent adopter l’outil. Il doit s’intégrer à leur façon de travailler. Il doit apporter de la valeur, qu’il s’agisse de temps gagné, de coûts réduits, de revenus supplémentaires ou d’une meilleure qualité.

Valeur = f(Temps, Tokens, Jugement, Adoption)

Voyez-y un rappel plutôt qu’un calcul. Utiliser l’IA consomme des ressources. Le jugement humain façonne le résultat. L’adoption détermine si quelqu’un en bénéficie. Un bel outil que personne n’utilise échoue à un test essentiel.

Apprendre à diriger son attention

Quand l’IA peut travailler sur plusieurs tâches, la tentation est de tout lancer en même temps. Nous pouvons demander à un agent de faire des recherches, à un autre de construire et à un troisième de vérifier. Très vite, nous devenons la personne la plus occupée dans une salle remplie d’assistants infatigables.

Gérer plusieurs tâches avec l’IA demande de garder leurs contextes distincts et de choisir délibérément où porter notre attention.

Chaque tâche a besoin d’un objectif et de contraintes clairs. Parfois, nous devons réfléchir à la conception d’ensemble. Parfois, nous devons examiner un détail ou prendre une décision qui débloque le travail. À la fin, les différentes pièces doivent fonctionner ensemble.

Lancer davantage de tâches est facile. Savoir laquelle a besoin de vous maintenant demande de la pratique.

Apprendre suffisamment pour comprendre ce que l’on approuve

Imaginez recevoir ce message d’un assistant IA.

« Tous les tests ont réussi. La migration de la base de données et les vérifications de récupération sont terminées. Dois-je déployer les modifications ? »

Cela semble rassurant. « Qu’est-ce que j’approuve exactement ? » est la question que je me poserais avant d’accepter.

Cette question dérange, car un langage technique fluide peut nous donner le sentiment d’être informés avant même d’avoir compris quoi que ce soit.

Supposons qu’un assistant IA vous aide à construire un intranet d’entreprise. Il vous pose des questions sur le déploiement, les accès ou l’indexation. Si ces mots ne vous disent pas grand-chose, un « oui » machinal peut autoriser quelque chose de très différent de votre intention. Un système contenant des informations internes pourrait devenir accessible au public.

Vous n’avez pas besoin de devenir expert de chaque sujet avant de commencer. Vous devez en revanche comprendre les décisions que vous prenez.

Expliquez à l’IA votre niveau de départ. Demandez-lui de définir les termes inconnus avec des mots simples. Demandez ce que l’action proposée change, qui elle affecte et comment vous pouvez vérifier le résultat. Lorsque vous ne pouvez pas évaluer la réponse, faites appel à quelqu’un qui le peut.

Construire peut devenir une manière d’apprendre, à condition de rester curieux aux moments où il serait plus facile de cliquer sur « approuver ».

Apprendre à voir quand l’assiette est vide

L’IA peut dresser une table magnifique. Notre travail consiste à vérifier qu’il y a vraiment quelque chose dans l’assiette.

Un rapport soigné peut ne contenir aucune décision. Un long courriel peut laisser son lecteur sans savoir quoi faire. Un article au ton assuré peut répéter des idées connues sans apporter de point de vue.

Avant d’envoyer quelque chose, demandez-vous : qu’est-ce que cela aide le lecteur à comprendre ou à faire ? Aurais-je envie de le recevoir ? Lui ai-je facilité le travail ?

Et lorsqu’un message est personnel, mettez-y de vous-même. Votre contexte et votre attention comptent. Déléguer la rédaction ne devrait pas signifier déléguer la relation.

Apprendre quand douter d’une réponse convaincante

Un système d’IA peut produire une analyse enthousiaste d’une idée d’entreprise. Cela ne prouve pas qu’un client en veut.

Il est agréable qu’on nous donne raison. Cela peut aussi nous empêcher de poser la question essentielle. Qu’est-ce qui ferait échouer cette idée ?

Demandez les arguments contraires. Cherchez le contexte manquant et les hypothèses que vous avez acceptées sans les examiner. Demandez-vous si la tâche est trop vaste ou ambiguë pour faire confiance à une seule réponse. Puis confrontez l’idée à quelque chose en dehors de la conversation : un client, une expérience, un résultat observable.

Savoir obtenir une réponse est utile. Savoir décider de ce qui constituerait une preuve est essentiel.

Apprendre quand déléguer et quand réfléchir ensemble

Le centaure et le cyborg décrivent deux manières de travailler avec l’IA. Ces métaphores apparaissent aussi dans la recherche sur le travail avec l’IA générative.

Le centaure répartit le travail. Vous déléguez une tâche bien définie, comme comparer des documents ou préparer un premier rapport, et vous gardez la responsabilité de l’objectif et de la vérification.

Le cyborg travaille par échanges courts et continus. Vous rédigez, questionnez, révisez et construisez ensemble. La conversation vous aide à découvrir ce que vous pensez tout autant qu’à produire le résultat.

Les deux approches sont utiles. Le savoir-faire consiste à reconnaître celle dont le travail a besoin, et le moment où il faut en changer.

À mesure que l’IA élargit ce que nous pouvons faire, dans quels domaines choisirons-nous de progresser ?

Ma réponse est de nous exercer à construire des choses utiles, à poser des questions plus exigeantes et à comprendre les conséquences de nos décisions. Plus l’IA nous permet de créer, plus ces capacités comptent.

Si vous pouviez construire presque n’importe quoi, comment décideriez-vous de ce qui mérite d’être construit ?

Faites travailler l'IA pour vous

Renforcez votre vision avec notre expertise. Moi et mon équipe sommes spécialisés dans la concrétisation des concepts en réalité, offrant des solutions sur mesure qui redéfinissent ce qui est possible. Débloquons ensemble tout le potentiel de l'IA. Efficacement.

Contactez-nous