Votre premier vrai pas : choisir la bonne IA, puis lui confier un vrai travail

Nouveauté marquante de la semaine : Claude peut désormais enregistrer votre écran pendant que vous réalisez une tâche, écouter vos commentaires à voix haute (« ici, si une information manque, je mets de côté pour relecture humaine ») et transformer le tout en compétence réutilisable, c’est-à-dire une procédure que vous relancez ensuite d’une seule commande. Aucune compétence technique requise : vous ne rédigez plus de consigne sophistiquée, vous montrez.

La démonstration porte sur un contrôle qualité : une liste de douze points à vérifier, l’IA parcourt le dossier, vérifie chaque point et renvoie un rapport concis sur ce qui est conforme et ce qui manque. Transposez : la relecture d’une offre avant envoi, la vérification d’une fiche produit, le contrôle d’un dossier de candidature ou d’un dossier de chantier avant clôture. Deux points de vigilance : tout ce qui est affiché à l’écran est capté (fermez les onglets sensibles) et les fichiers manipulés sont limités à 10 Mo.

Une IA est entraînée à être utile : elle préfère donner une réponse plutôt qu’avouer son ignorance. C’est ce qu’on appelle une hallucination (une affirmation inventée, présentée avec la même assurance qu’un fait vérifié). Les zones de danger sont connues : chiffres précis, statistiques, citations et références, sujets de niche, personnes ou lieux peu documentés, actualité récente. À cela s’ajoute la complaisance : si vous formulez votre question en suggérant la réponse attendue, le modèle a tendance à vous suivre.

Les parades sont simples et tiennent en trois réflexes : dire d’emblée « si tu n’es pas sûr, dis-le et liste ce qui te manque » ; ouvrir une nouvelle conversation et demander de chercher les erreurs de la réponse précédente ; vérifier soi-même chiffres, dates et noms propres. Fournissez toujours la source de vérité (un export de votre ERP, votre catalogue de prix) plutôt que de compter sur la mémoire du modèle. L’IA est un exosquelette : la signature reste la vôtre.

Anthropic a publié Claude Opus 5, un modèle qui approche l’intelligence de son grand frère pour environ la moitié du coût. L’amélioration la plus intéressante pour une entreprise n’est pas un score de benchmark : c’est que le modèle est bien meilleur pour vérifier son propre travail et recommencer jusqu’à réussir. Sur un test de tâches d’automatisation métier de bout en bout (repérer les comptes clients à risque, alerter le bon responsable, résumer pour l’équipe), il passe l’ensemble des cas là où les modèles précédents échouaient.

Ce que cela change : les tâches longues déléguées à une IA deviennent fiables, et donc rentables. La leçon pratique est de choisir le modèle selon l’enjeu — un modèle léger pour les tâches routinières, le plus puissant pour les analyses à conséquences — et surtout de donner un critère d’arrêt vérifiable : « ne t’arrête pas avant que les dix points de la liste soient validés, et montre-moi la preuve pour chacun ».