Guide IA pour débutants : premiers pas avec les outils IA

« Je ne sais pas dessiner, donc ce n'est pas pour moi » — cet a priori sur la génération d'images par IA est à l'envers. Il suffit de lui donner des consignes avec des mots, et quelques secondes plus tard vous obtenez des visuels de qualité professionnelle. Ce guide transversal couvre ce qu'est la génération d'images par IA (créer des images à partir de rien, par les mots — l'art de communiquer, pas de dessiner ; la version image du prompt engineering), son fonctionnement (les modèles de diffusion sculptent une image dans un bruit aléatoire en se servant de votre prompt comme repère, en dessinant à partir de rien à chaque fois), le déroulé commun en 4 étapes valable dans tout outil (choisir un outil, écrire un prompt, générer et choisir, affiner et finaliser — l'itération est le principe), l'anatomie centrale du prompt en 6 éléments (sujet, scène, style, lumière, composition, technique) plus prompts négatifs et ratio d'aspect — sachant que GPT Image et Imagen préfèrent les phrases simples tandis que la famille Stable Diffusion aime les listes de mots et les négatifs, 7 conseils de maîtrise, les difficultés de l'IA (mains, texte, cohérence, précision) et leurs astuces, et les fondamentaux sur les droits, l'usage commercial et l'éthique (la sortie purement IA est faiblement protégée selon le U.S. Copyright Office et la décision Thaler de 2025, avec des différences par pays ; le commercial dépend des conditions de chaque outil ; deepfakes et imitation de style sont interdits ; la provenance comme les métadonnées C2PA de DALL-E se répand). Le choix de l'outil et les modes d'emploi spécifiques renvoient au comparatif, à Midjourney et à Stable Diffusion. Connaître l'anatomie, lancer le nombre, ajouter les mots petit à petit — chacun peut se rapprocher de l'image qu'il vise.

Vous posez la même question à la même IA, et pourtant une personne la trouve inutile tandis qu'une autre s'émerveille de sa puissance — et la vraie cause de cet écart n'est souvent pas la puissance de l'IA mais la façon dont le prompt est rédigé. Voici un compendium pratique de cette compétence, l'ingénierie de prompts, organisé pour qu'un débutant puisse l'utiliser tout de suite. Il couvre ce qu'est l'ingénierie de prompts (la compétence de concevoir et améliorer votre instruction à l'IA — pas du code mais l'art de la formulation), les trois principes qui changent vos résultats (soyez précis, donnez du contexte, précisez la sortie, plus « fais X » plutôt que « ne fais pas Y »), les 6 parties essentielles d'un bon prompt (rôle, contexte, instruction, exemples, format, contraintes — les éléments que les grands cadres comme COSTAR et RCOF listent en commun ; vous n'avez pas besoin des six à chaque fois), 7 techniques pratiques (donner un rôle, montrer un modèle/few-shot, raisonner étape par étape, fixer le format de sortie, structurer avec des délimiteurs, ne pas trop demander d'un coup, et itérer — la plus forte étant l'itération), un exemple avant/après, des techniques avancées (chaîne de pensée, auto-cohérence, chaînage de prompts, ReAct — bien que les modèles de raisonnement comme la série o et le mode de réflexion étendue de Claude fassent la CoT en interne, donc énoncer l'objectif fonctionne mieux), 7 erreurs courantes, et des conseils par modèle plus la sécurité de saisie. Avec des liens internes vers les conseils de prompt pour le développement d'applications et les précautions de saisie. Transformez le flou en précis, le déversement en dialogue — n'importe qui peut progresser dès aujourd'hui.

En juin 2025, Sam Altman, d'OpenAI, a écrit sur son blog : « Nous avons franchi l'horizon des événements ; le décollage a commencé » (« The Gentle Singularity »). Pourtant, d'autres chercheurs balaient catégoriquement l'idée comme quelque chose qui n'arrivera jamais. Ce guide pour débutants explique que la singularité (singularité technologique) est « le point de bascule à partir duquel l'IA dépasse l'intelligence humaine et commence à s'améliorer elle-même, de sorte que le progrès devient explosivement rapide et ne peut plus être prévu ni contrôlé » (une hypothèse, pas réalisée en 2026). Il couvre son cœur — l'explosion d'intelligence = auto-amélioration récursive, où une IA intelligente construit une IA encore plus intelligente et où celui qui améliore passe de l'humain à l'IA ; en quoi elle diffère de l'AGI et de l'ASI (AGI/ASI sont des « états » d'intelligence, la singularité est l'« événement » de devenir imprévisible ; AGI → auto-amélioration → le bond soudain vers l'ASI = la singularité) ; l'histoire du terme (l'« explosion d'intelligence » de I. J. Good en 1965 → Vinge popularise le nom en 1993 → Kurzweil la généralise avec « 2045 ») ; la large dispersion des prédictions (Kurzweil 2045, Altman « déjà commencée », Vinge, et des sceptiques comme Gary Marcus et le « frein de la complexité » du regretté Paul Allen) ; décollage dur soudain vs décollage doux graduel ; les espoirs (percées contre la maladie et en science) et les risques (perte de contrôle, problème de l'alignement) ; le scepticisme profond (frein de la complexité, limites physiques, une tout autre chose) ; et les idées reçues comme « les robots qui dominent », « immédiate une fois l'AGI arrivée » et « fixée à 2045 ». Ni la craindre à l'excès ni en rêver de trop — tirez le meilleur parti de l'IA d'aujourd'hui tout en observant calmement ce qui pourrait venir ensuite.

En 2023, un avocat a été sanctionné après qu'un mémoire rédigé avec ChatGPT a cité des affaires qui étaient toutes des inventions de l'IA — et cet épisode a répandu dans le monde entier la méfiance envers le droit et l'IA. Pourtant, en quelques années, l'adoption a explosé, avec plus de 90 % des avocats réputés utiliser une IA au quotidien. En tant que prochain volet de notre série sur l'impact de l'IA par secteur après le #068 (négoce), le #094 (marketing) et le #097 (conseil), cet article passe en revue les professions. L'état des lieux en chiffres (62 % des avocats déclarent des gains de temps hebdomadaires de 6 à 20 % ; Harvey et CoCounsel de Thomson Reuters ont traité plus de 10 millions de documents juridiques au T1 2026 ; l'usage de l'IA générative dans les cabinets de fiscalité/comptabilité/audit est passé de 8 % en 2024 à 21 % en 2025 ; une étude de Stanford montre une baisse de 13 % des emplois en début de carrière dans des domaines comme la comptabilité par rapport à 2022, +5 % pour les comptables et -5 % pour les aides-comptables), le travail que l'IA transforme par profession (avocats = recherche de jurisprudence, revue de contrats, extraction des obligations ; experts-comptables = tenue de comptes, vérification de pièces, échantillonnage, identification des risques ; conseillers fiscaux = saisie de données, projets de déclarations, recherche de textes — l'IA fait le travail de fond, les humains tranchent), le plus grand piège de l'hallucination (inventer des affaires/textes inexistants — menant à des sanctions et à la perte de confiance ; Harvey revendique 99,7 % de précision de citation vérifiée et signale le reste, CoCounsel ancre ses citations dans une base de jurisprudence et ne cite donc que des affaires réelles), la valeur essentielle inaltérable (jugement final, scepticisme professionnel, éthique, arbitrages fiscaux gris et — point décisif — signature et responsabilité légale impossibles à déléguer à l'IA), la crise des juniors (automatisation de la routine d'apprentissage) et les nouveaux métiers (responsables de la conformité IA, ingénieurs de prompt fiscal), et des conseils par rôle pour praticiens, aspirants et clients (vérifier citations et chiffres par rapport aux sources primaires ; confirmer la gestion de la confidentialité). La réglementation et la responsabilité diffèrent selon les pays ; au Japon, les fonctions d'IA des logiciels de comptabilité sont aussi répandues. La question que pose l'IA : ce que vous vendez, est-ce le travail, ou le jugement et la responsabilité ?

« Préviens-moi quand le build est terminé. » « Si la CI passe au rouge, corrige-la. » « Surveille le déploiement toutes les 5 minutes. » Confier entièrement ces corvées qui vous tiennent collé à l'écran à l'IA, voilà ce que rend possible la commande /loop, ajoutée à Claude Code en 2026. Ce guide pour débutants explique que /loop est un planificateur à portée de session qui exécute un prompt ou une commande slash de façon répétée sur un intervalle que vous définissez (ou que l'IA définit), puis couvre les quatre façons de l'utiliser (① /loop 5m X = intervalle cron fixe ② /loop X = auto-cadence où l'IA juge l'intervalle ③ /loop 15m = le prompt de maintenance intégré ④ /loop = auto-maintenance), comment écrire les intervalles (nombre + unité s/m/h/d, minimum 1 minute, langage naturel comme « every 2 hours », et vous pouvez mettre en boucle une commande slash : /loop 20m /review-pr 1234), la force de l'auto-cadence (attentes plus courtes quand c'est actif, plus longues quand c'est calme, entre 1 minute et 1 heure, et — contrairement à un simple cron — elle met fin automatiquement à la boucle dès qu'elle juge la tâche terminée), des recettes pratiques (veille CI/déploiement, maternage de PR, vérifications de longs builds, rappels, auto-maintenance de branche), comment l'arrêter et les précautions (Esc pour arrêter, à portée de session donc une nouvelle conversation l'efface, fermer le terminal l'arrête, les intervalles fixes durent jusqu'à 7 jours, max 50 tâches par session, se déclenche entre les tours avec jitter, fuseau horaire local), comment choisir parmi trois fonctions de planification (/loop pour la surveillance en session, tâches planifiées Desktop pour le travail local résident, Routines pour les opérations cloud sans surveillance), ainsi que la personnalisation via loop.md et la désactivation via CLAUDE_CODE_DISABLE_CRON=1 — le tout basé sur la documentation officielle (en date de 2026). Ce que /loop change, c'est l'axe temporel du travail que vous pouvez confier à l'IA.

Sous-titrer à la main une vidéo d'une heure dévorait autrefois une journée entière — écouter, mettre en pause, taper, caler le timecode. En 2026, cet enfer se termine en « déposant la vidéo et en attendant quelques minutes ». Centré sur le sous-titrage et la transcription de contenus vidéo et audio (les comptes rendus de réunion sont traités en #086, l'OCR d'images en #091), ce guide couvre les quatre étapes que l'IA automatise (extraction de l'audio → transcription avec diarisation → ajout des timecodes en SRT/VTT → traduction et mise en forme), la différence entre sous-titres (SRT/VTT) et transcriptions et quand utiliser chacun, un comparatif d'outils (Whisper gratuit et confidentiel, Descript pour tout monter, Sonix et Happy Scribe haute précision et multilingues, Notta adapté aux particuliers, CapCut mobile, sous-titres automatiques YouTube les plus simples — beaucoup utilisant une reconnaissance de la famille Whisper en interne), le flux en 4 étapes le plus reproductible (préparer → transcrire → relire → exporter/attacher en SRT/VTT), des recommandations par cas d'usage (YouTube, podcasts, cours, interviews, confidentiel, multilingue), six astuces de précision avec la qualité audio comptant pour 80 % du résultat (qualité, réglage de la langue, liste de noms propres, rechercher-remplacer, diarisation, longueur des lignes), le flux multilingue royal (perfectionner la langue source → traduire avec l'IA → relecture par un natif) et les pièges — excès de confiance dans la précision, faiblesse face au bruit et au jargon, droit d'auteur, téléversements confidentiels et dérive des timecodes. Sur un audio propre, la précision est de 90 à 96 % (valeurs publiées, variables selon les conditions) et le travail baisse de 80 à 90 %. Le travail à l'IA ; la finition — vérifier les noms propres et regarder la vidéo en entier — à vous.

Le rite de passage des consultants juniors — nuits blanches sur les présentations, recherches manuelles interminables — craque. « Lilli » de McKinsey parcourt plus de 100 000 documents en quelques secondes et rédige des présentations ; « Deckster » de BCG peaufine les slides en un instant ; selon une analyse, ~80 % du travail de recherche et de slides d'un analyste junior pourrait être remplacé en quelques secondes. En tant que nouvel opus de notre série sur l'impact de l'IA par secteur après le n°068 (sociétés de négoce) et le n°094 (marketing), cet article passe en revue le conseil : l'état des lieux en chiffres (les Big Four et les cabinets de stratégie ont injecté plus de 10 milliards de dollars dans l'IA depuis 2023, PwC 1 milliard sur trois ans, BCG ~25 % de ses 14,4 milliards de revenus 2025 = ~3,6 milliards issus de l'IA, une étude de la HBS sur 758 consultants de BCG montrant que les utilisateurs d'IA accomplissaient 12,2 % de tâches en plus, 25,1 % plus vite, qualité supérieure de plus de 40 %), les cinq domaines que l'IA transforme (recherche, présentations, analyse, comptes rendus et nouveaux services de stratégie IA — un créateur net d'emplois dans les grands cabinets pour l'instant), l'effondrement du modèle pyramidal (travail routinier des juniors, ~80 % selon une estimation, automatisé en quelques secondes ; vers des équipes resserrées « quelques personnes + l'IA » avec des inquiétudes sur la formation), le séisme tarifaire (le paradoxe de la productivité — finir plus vite signifie facturer moins avec des tarifs horaires — et 73 % des clients préférant une tarification aux résultats, poussant vers le résultat et le prix fixe), la valeur essentielle immuable (poser la question, l'interprétation, le jugement, la confiance, l'exécution — le consultant qui pilote le système compte plus que le système), la bifurcation géants-pétroliers contre boutiques-vedettes (croissance des petits cabinets jusqu'à 50 % selon les estimations), et des conseils par rôle pour les aspirants, les praticiens et les entreprises clientes. La question que pose l'IA : votre valeur, est-ce le travail ou le jugement ?

À Davos en janvier 2026, les plus grands esprits du domaine se sont affrontés autour de « l'AGI est juste au coin de la rue » contre « l'essentiel est encore loin » — et l'étincelle, c'était l'AGI (intelligence artificielle générale). Cet article pour débutants part de ce qu'est l'AGI — « une IA universelle qui, comme un humain, peut apprendre et résoudre d'elle-même des choses inédites dans n'importe quel domaine » (mais un objectif non encore réalisé en 2026) — puis couvre la différence décisive avec l'IA étroite de type ChatGPT (peut-elle « transférer » des connaissances vers un autre domaine ; généralisation et acquisition autonome de compétences), le découpage en trois étapes IA étroite → AGI → ASI (superintelligence), le large éventail des prévisions d'experts (Amodei d'Anthropic optimiste à quelques années / vers 2027, Hassabis de DeepMind prudent à ~50 % d'ici 2030, une médiane de sondage de chercheurs à 2047, des sceptiques comme Marcus jugeant que c'est loin ou que ça ne viendra pas — l'écart vient de définitions divergentes), à quel point l'IA actuelle en est proche (sous la référence humaine sur ARC-AGI, mais s'approchant du seuil via le multimodal et les agents), les espoirs (accélérer les maladies et la science) et les risques (emploi, usage malveillant, le problème de l'alignement — positionné par Anthropic et l'UK AISI comme un point de décision critique), ainsi que des idées reçues comme « ChatGPT est déjà une AGI » et « AGI = a une conscience ». Ni trop craintif ni trop rêveur, maîtrisez l'IA étroite que vous avez en main tout en observant calmement ce qui vient ensuite.

Serez-vous du côté de ceux dont l'IA prend le travail, ou du côté qui manie l'IA pour abattre le travail de dix personnes ? En 2026, c'est là le carrefour pour les ingénieurs. Cet article présente le fait de devenir un « développeur AI-native » (construire des applications avec des LLM, des agents, du RAG — à distinguer de la recherche sur les modèles) comme une pile de compétences à bâtir, pas un doctorat, en trois couches : ① les fondations qui ne changent pas (Python comme langage principal du dev IA, Git, ligne de commande, HTTP/REST/JSON — on a toujours besoin des bases à l'ère du code écrit par l'IA) ; ② les 5 compétences AI-native essentielles (conception de prompt/contexte, RAG comme épine dorsale des agents d'entreprise, construction d'agents, MCP comme standard de fait de la connexion d'outils, et conception d'evals — plus optimisation des coûts, garde-fous, observabilité) ; ③ l'avantage que la plupart des gens manquent — la conception d'evals et l'ingénierie du contexte (savoir écrire des evals est le plus fort signal de « avoir vraiment construit avec des LLM », et un AGENTS.md/CLAUDE.md plus un petit jeu d'evals est le saut de « assisté » vers « native »). Il ajoute une feuille de route de 8 à 12 mois (fondations → API LLM/prompting → construire un RAG sans frameworks → agents + MCP → evals + déploiement + publication), une stratégie de portfolio où le travail déployé bat le diplôme, des pièges (marécage des tutoriels, collectionnite d'outils, négligence des bases) et des chiffres de marché/demande (basés aux États-Unis, forte variation régionale). La frontière est de savoir si vous utilisez l'IA comme un système.

Lorsque la publicité de Noël en IA générative de Coca-Cola a été qualifiée de « sans âme » fin 2024, elle a symbolisé le bras de fer de l'IA en marketing : « efficience et efficacité » contre « confiance et émotion ». Cet article passe en revue le sujet, en prenant d'abord la température en chiffres (environ 87 % des marketeurs utilisent l'IA générative, contre 51 % en 2024 ; plus de 71 % des dépenses publicitaires pilotées par algorithme ; Google a réalisé environ 70 millions d'éléments créatifs avec Gemini au seul T4 2025 ; les dépenses en outils d'IA marketing ont environ triplé en 18 mois). Il couvre les cinq domaines que l'IA transforme (① création de contenu ② créations publicitaires ③ ciblage & diffusion / programmatique ④ personnalisation / DCO ⑤ analyse & mesure) et les effets rapportés (DCO à ~32 % de CTR en plus et ~56 % de CPC en moins, accroches IA à 3,2× le ROI, ciblage first-party/contextuel jusqu'à 2× le ROAS — tous publiés, dépendants des conditions) ; le cœur qui ne change pas (stratégie, marque, confiance, créativité de rupture restent aux humains — l'IA est un amplificateur, une base à zéro donne un résultat à zéro) ; le bouleversement du SEO/AEO/LLMO (avec liens internes) ; les risques (l'écart de perception 82 % des dirigeants contre 45 % des consommateurs sur les publicités IA, la fabulation plausible, la brand safety, droits/réglementation, le fonctionnement débridé sans surveillance) ; l'évolution du métier du marketeur (tâches prises, jugement plus lourd ; de producteur à rédacteur en chef et stratège) ; et un plan pratique en cinq étapes pour aujourd'hui. Le plus grand impact de l'IA est de libérer le temps humain du faire pour le décider.

Choisissez vos outils de slides par IA selon le lieu de présentation et le format final. Ce guide distingue trois étapes — structure, texte et design — et compare Gamma, Copilot intégré à PowerPoint, Gemini pour Google Slides, Beautiful.ai, Canva, l'extension ChatGPT et Claude Slides. Découvrez comment transformer une conversation avec Claude en présentation, et quand préférer Claude Docs pour un document écrit. Retrouvez cinq étapes, de la structure à la vérification des chiffres, des sources et du fichier exporté, trois prompts pratiques et des conseils pour resserrer le message. Avec une seule application ou plusieurs outils, vérifiez séparément le contenu et l'apparence.

Une note manuscrite, un reçu papier, de l'anglais dans une capture d'écran, un panneau sur une photo — le retapage que vous avez toujours fait à la main est, en 2026, presque entièrement inutile grâce à l'IA. Ce guide part de la différence entre l'OCR par IA et l'OCR traditionnel (lire caractère par caractère vs comprendre la page entière par le sens), puis trie trois options (IA conversationnelle généraliste / outils dédiés comme Google Lens / API et OSS tels que Mistral OCR et PaddleOCR-VL) selon l'usage. Il compare ChatGPT (GPT-5.5), Gemini 3.1 Pro et Claude (Opus 4.8) par point fort (manuscrit → famille GPT, structuration de tableaux → famille Claude, nombreuses pages → long contexte de Gemini, OCR brut → modèles spécialisés ; il n'y a pas de champion absolu), donne trois prompts prêts à l'emploi (transcrire sans casser, tableau en Markdown, reçu en JSON, tous avec une règle « ne rien inventer »), le meilleur choix par cas (manuscrit, reçus, PDF, tableaux complexes, texte vertical/ancien, formules et code), six conseils de précision avec la qualité d'image comme 80 % du résultat, et la seule plus grande faiblesse de l'OCR par IA — inventer de façon plausible ce qu'il ne peut pas lire (confrontez toujours montants, dates et noms à l'original) — plus des précautions de confidentialité sur l'envoi de données confidentielles, le droit d'auteur et l'usage pour l'entraînement. Ce que vous pouvez laisser à l'IA, c'est seulement la « lecture » ; confirmer revient à l'humain qui a vu l'original.