Le e-Moleskine d'@fxbodin

Où l’on apprend qu’on peut détourner une dune sahélienne avec quelques branches d’arbuste plantées au bon endroit, et qu’on devrait en tirer des conclusions sur notre façon de déployer l’IA en entreprise.

Un ingénieur (breton dans mon souvenir¹) en mission humanitaire au sud du Sahara, dans un village sahéliens. Là bas, les grandes dunes avancent avec le vent, recouvrent les maisons, les villages, les plantations mil, sorgho, gombo, niébé…, les arbustes… Depuis des générations, quand la dune mange le village, les habitants partent. C’est ainsi.

1. Souvenir d’un documentaire des années 2000 dont bien sûr je ne retrouve pas trace ↩

« Nous savions que nous étions en train d’entraîner l’IA à nous remplacer. »

Dans cet article de Business Insider¹, un prestataire d’OpenAI, payé au moins 50 dollars de l’heure par la startup Handshake AI, raconte ce qu’on lui demande concrètement : créer des tâches professionnelles réalistes pour entraîner ChatGPT à reproduire son métier.

1. Inside the OpenAI project where freelancers train ChatGPT on everything from farming to commercial flying ↩

Ce compte-rendu parle de médecine. Lisez-le quand même.

J’étais hier soir à une conférence des États généraux de la bioéthique, à la fac de Pey Berland à Bordeaux. Une soirée consacrée aux enjeux éthiques de l’IA en santé. Médecins libéraux, chercheurs en santé publique, représentants des usagers, philosophes des sciences — une quarantaine en présentiel, autant en ligne.

Je ne suis pas soignant, j’ai peu de clients médecins, mais j’y vais pour vérifier mes angles morts et puis… je ne sais pas rater une occasion d’apprendre quelque chose.

Avant de vouloir automatiser, il faut savoir faire. Simple, non ? Pas pour tout le monde.

Quand on me parle d’un projet d’« assistant IA », l’enthousiasme l’emporte en général sur la logique. On veut automatiser, gagner du temps, industrialiser une méthode. Mais on a souvent tendance à mettre la charrue avant les bœufs : on cherche à créer l’assistant avant de savoir se servir d’un LLM dans une simple fenêtre de chat. Quand on ne confond pas assistant avec agent !

Comprendre un PDF, pour un humain, c’est trivial.
Pour une IA générative, pas du tout.

Lors des sessions de coaching IA que je mène régulièrement — notamment pour mon partenaire Puissance AI — il y a un moment qui revient presque à chaque fois. Tôt ou tard, quelqu’un finit par raconter, un peu agacé, parfois franchement énervé :

Ces dernières semaines, j’ai conçu et animé, avec mon partenaire organisme de formation bordelais Idewan, une formation pour l’un de ses clients : une agence publique qui aménage de grands sites urbains, construit des équipements structurants et participe aux plus grands projets de développement métropolitain.

Deux demi-journées. Quarante cadres et spécialistes métier. Une promesse volontairement sobre : « Tirer parti de l’intelligence artificielle pour améliorer son efficacité au travail ».

Découvrir une tactique IA, ce n’est pas forcément apprendre à “faire faire” des choses à ChatGPT. Parfois, la vraie avancée consiste à lui demander de mieux… nous questionner.

La semaine dernière, lors de la formation “L’IA au service de la scénographie” pour l’Association Scénographes, j’ai partagé une approche dont je me sers souvent pour aborder un problème professionnel ; dans mon cas, pour faire évoluer mon activité de conseil, affiner mes offres, tirer mon TJM vers le haut, développer des formats de presta plus nomades…

En rencontrant beaucoup d’utilisateurs de ChatGPT dans mes formations et missions de conseil et de coaching, je constate souvent la même scène : on interroge une IA comme on questionnerait Google, en espérant que quelque chose de pertinent remontera. Et l’on s’étonne ensuite (ou pas, et c’est un problème autrement important) de recevoir une réponse tiède, apparemment informative, mais impropre à tout usage sérieux. Mon conseil : soyez ultra-exigeant avec l’IA, n’acceptez que l’excellence, pas moins.

L’expérience d’aujourd’hui raconte non pas la magie d’un modèle « intelligent », mais l’effet très concret d’un cadre sur la qualité d’un livrable – ici un Projet ChatGPT doté d’instructions méthodiques.

Je rencontre tous les jours des dirigeants et cadres d’entreprises qui rêvent de systèmes capables de travailler seuls sur des tâches complexes. Une IA qui comprend un objectif global, qui planifie, qui exécute… Comme vous, je lis cette promesse tous les jours sur Linkedin et dans les newsletter d’agences.

Cette semaine (octobre 2025), OpenAI a annoncé transformer ChatGPT en une plateforme d’action, avec son nouveau module « AgentKit » permettant de créer des agents capables non seulement de converser, mais d’exécuter des tâches dans des applications tierces. Autrement dit, ChatGPT pourrait désormais agir à la place de l’utilisateur, à la façon des automatisations, mais dans un cadre conversationnel¹.

1. Nous en parlions dans le billet Les agents IA vont-ils rendre obsolètes le no-code ? ↩

Depuis plus de dix ans, les plateformes d’automatisation no-code ont servi de colonne vertébrale à une nouvelle génération d’utilisateurs du numérique. Zapier, Make ou n8n ont permis à des milliers d’entreprises de relier leurs outils, d’orchestrer des processus sans écrire une ligne de code, et de s’émanciper de la dépendance aux développeurs. Ces plateformes ont créé un langage de l’action — simple, visuel, procédural : si ceci, alors cela (if this, then that, IFTT est même le nom de l’une de ces plateformes)