Productivité IA : travaillez plus intelligemment

Lorsque Claude Cowork a été intégré au chat le 16 septembre 2026, trois fonctionnalités de création sont arrivées en bêta en même temps : Claude Docs pour les documents, Claude Slides pour les présentations et Claude Design pour le design visuel. Cet article porte sur la première d'entre elles. En une phrase, Claude Docs transforme ce qui sort d'une conversation en un document que vous pouvez continuer à modifier. Demandez-lui de rédiger la discussion sous forme de spécification à partager avec l'équipe, et Claude en écrit le brouillon sous vos yeux, en vous interrogeant sur ce qui lui manque avant de commencer. Vous obtenez du texte enrichi avec des titres et des tableaux, et un même document peut contenir plusieurs onglets. Vous pouvez le modifier vous-même, ou sélectionner du texte à l'intérieur du document, laisser un commentaire et mentionner @Claude pour qu'il fasse le changement. La force que l'on néglige, c'est que vous pouvez aussi transformer une session Claude Code en spécification, en runbook ou en rapport. C'est toutefois une bêta, et ce qui manque manque de façon très visible : il n'y a pas d'historique des versions, la suppression est irréversible, le mobile ne permet pas de modifier les documents, et Team et Enterprise ne peuvent pas partager en dehors de l'organisation. Cet article accorde à ces absences autant de place qu'aux fonctionnalités, et détermine ce pour quoi l'outil est fait et ce pour quoi il ne l'est pas.

Plus besoin de demander à chaque fois « commencez par la conclusion » ou « répondez en français » : il suffit de l'écrire une fois dans le champ d'instructions qui s'applique automatiquement à toutes les conversations. Ce champ s'appelle « Instructions personnalisées » dans ChatGPT, « Instructions pour Claude » dans Claude et « Instructions pour Gemini » dans Gemini, mais son nom à l'écran, son emplacement et le nombre de caractères qu'il accepte diffèrent. ChatGPT accepte 1 500 caractères avec Free et Go, et 5 000 avec Plus et au-delà (limite relevée en juillet 2026), tandis que Claude et Gemini ne publient pas de limite. Cet article vérifie l'emplacement et la limite de chacun dans l'aide officielle des trois entreprises, puis s'appuie sur le guide officiel de rédaction de prompts d'Anthropic pour montrer comment rédiger des instructions qui marchent, exemple à l'appui. Il réunit aussi dans une liste de vérification les situations où, d'après les aides officielles, les instructions ne s'appliquent pas : dans un projet, dans un Gem, dans une discussion temporaire ou avec un compte d'entreprise.

Les dispositions restantes de l'EU AI Act sont devenues généralement applicables le 2 août 2026, et avec elles est arrivée une vague soudaine d'affirmations selon lesquelles publier un article écrit par IA sans mention serait désormais illégal. La réponse courte est que, pour la plupart des auteurs indépendants et des blogs d'entreprise, aucune obligation de signalement ne naît. L'article 50, paragraphe 4, indique en toutes lettres que cette obligation ne s'applique pas lorsque le contenu a fait l'objet d'un processus d'examen humain ou de contrôle éditorial et lorsqu'une personne assume la responsabilité éditoriale de la publication. La condition attachée est que cet examen soit substantiel et ne se limite pas à des aspects superficiels ou à une approbation de pure forme : publier automatiquement un texte que personne n'a lu ne remplit donc pas le critère. Cet article détaille pourquoi le fournisseur (provider) et le déployeur (deployer) portent des obligations complètement différentes, pourquoi le signalement des textes générés par IA se joue sur le but de la publication plutôt que sur le sujet traité, l'obligation de signalement des deepfakes et le traitement allégé des œuvres artistiques et satiriques, l'information sur les chatbots, pourquoi le marquage lisible par machine comme C2PA Content Credentials est une obligation du fournisseur, ainsi que les échéances du 2 décembre 2026 et du 2 février 2027 — le tout limité à ce qui a pu être vérifié dans le texte juridique et dans les documents de la Commission européenne.

ChatGPT Work est l'« agent d'IA pour le travail » qu'OpenAI a annoncé le 9 juillet 2026 en même temps que GPT-5.6. Contrairement à un chat classique qui se contente de répondre, il rassemble le contexte de vos applis et fichiers connectés pour construire des livrables finis — documents, feuilles de calcul, diapositives et même applis web. Son cerveau est le nouveau modèle phare GPT-5.6 Sol (bâti sur Codex), et il peut découper un projet complexe en étapes et continuer à travailler pendant des heures (Thurrott). Au sein de l'appli de bureau unifiée, trois modes cohabitent — Work (livrables), Codex (technique, affiche les détails) et chat classique (conversation) — Work étant positionné comme la « version business » qui masque les détails techniques de Codex (9to5Mac). Le modèle dépend de votre forfait : Gratuit/Go par défaut sur Terra, tandis que Plus/Pro/Business/Enterprise choisissent parmi Sol/Terra/Luna (d'après les médias). Sa force est d'intégrer « votre contexte » via des connecteurs comme Google Drive, SharePoint et Slack, plus MCP — et pour l'entreprise, les données ne sont pas utilisées pour l'entraînement par défaut. En s'appuyant sur Axios, TechCrunch, 9to5Mac, Thurrott et OpenAI, cet article expose ce qu'est ChatGPT Work, en quoi il diffère du ChatGPT classique et de Codex, quels forfaits peuvent l'utiliser et à quelles applis il se connecte — avec des labels de confiance sur ce qui n'est pas encore officiel.

« De combien l'IA réduit-elle l'effort de développement logiciel ? » Avec l'arrivée du codage agentique en 2025-2026, l'unité de mesure elle-même a changé. Autrefois c'était « de combien de pour cent une tâche est-elle plus rapide » ; c'est désormais une histoire d'ordre de grandeur : « un cycle de dev qui prenait des semaines se comprime en heures ou en jours » (TechTarget). Claude Fable 5 a terminé la migration de 50 millions de lignes de Stripe en une journée ; TELUS a économisé 500 000 heures-développeur ; le temps de cycle est passé de 9,6 à 2,4 jours. Les chiffres de l'ère de l'autocomplétion — ECR Copilot 55,8 % plus rapide, McKinsey 20–50 % selon la tâche — sont désormais le plancher. Mais ce n'est pas un ×10 uniforme : selon le 2026 Agentic Coding Trends Report d'Anthropic, les développeurs utilisent l'IA sur ~60 % de leur travail, mais seuls 0–20 % des tâches peuvent être totalement déléguées (le déficit de délégation), la revue humaine reste donc nécessaire, et environ 27 % du travail IA est un travail nouveau qui n'existait pas auparavant (réduire l'effort = produire davantage). Avec un bon contexte, 40 % d'erreurs en moins et 55 % plus rapide. Même le résultat 2025 de METR « les experts sont 19 % plus lents » s'inverse en 2026, les auteurs admettant que la mesure sous-estime la réalité. Cet article distingue cette polarisation avec des sources nommées (GitHub, McKinsey, Anthropic, METR, DORA) et expose comment capter concrètement les gains d'effort.

« J'ai demandé à une IA et elle a ouvert le navigateur, fait des recherches, et même rempli un formulaire. » En 2026, ce n'est plus une démo mise en scène : les navigateurs agentiques (ChatGPT Atlas, Claude for Chrome, Gemini/Chrome, Perplexity Comet) sont arrivés d'un seul coup. Alors jusqu'où peuvent-ils réellement automatiser ? La réalité se découpe nettement en trois paliers. (1) Recherche = prête pour la production : sur WebVoyager (vrais sites), les meilleurs agents atteignent 89-98 %, proche de la saturation, et comme une mauvaise action coûte peu, c'est par là qu'il faut commencer à déléguer. (2) Remplissage de formulaires = faisable mais à vérifier : la saisie elle-même est prise en charge, mais les agents peuvent mal étiqueter des champs ou cliquer sur le mauvais bouton, si bien que « l'IA rédige, un humain envoie » est sûr, et beaucoup de produits comme Atlas demandent confirmation avant les actions importantes. (3) Réservation/paiement = à faire encore soi-même : les agents trébuchent sur les CAPTCHA, les paiements JavaScript complexes, l'authentification à deux facteurs et la gestion de session, et sur WebArena (tâches complexes multi-étapes) même les meilleurs tournent à ~47-68 % contre une barre humaine d'environ 78 % ; la raison même pour laquelle OpenAI a fermé l'Operator autonome (2025/8/31) était le manque de fiabilité du paiement. L'article cadre d'abord les deux approches (navigateur/extension grand public vs API/OSS développeur), puis cartographie les acteurs 2026 (Atlas, navigateur dédié qui ne peut ni exécuter de code ni lire de mots de passe par conception ; Claude for Chrome, panneau latéral en extension ; le Project Mariner de Google a pris fin le 2026/5/4 et a été intégré à Gemini/Chrome ; Operator a migré dans ChatGPT Agent et l'Agents SDK ; l'OSS browser-use à plus de 78k étoiles). Il explique les quatre obstacles qui font échouer la réservation (protections anti-bot, paiement complexe, 2FA, coût de l'annulation), puis creuse le plus grand piège : l'injection de prompt indirecte (Perplexity Comet s'est montré vulnérable au vol d'identifiants zéro clic et l'a corrigé en février 2026 ; la réussite des attaques de 23,6 % avant défenses tombe à ~11 % avec des défenses de base et ~1 % avec les plus fortes, toujours non nul). Il se clôt sur cinq principes de sécurité (commencer en lecture seule, un humain valide envois/paiements, ne jamais confier de mots de passe, ne pas lancer sur des sites non fiables, moindre privilège dans un profil dédié). Un excellent partenaire de recherche ; faites vous-même les actions qui font bouger l'argent. Les chiffres sont cités de sources publiques et d'annonces à titre indicatif.

"D'accord, les agents IA sont impressionnants — mais concrètement, à quoi puis-je les utiliser ?" C'est la question que tout le monde se pose après avoir appris les bases, et en 2026 la réponse n'est plus une affaire d'avenir : dans le support, les ventes, la comptabilité, le développement et les RH, les agents ont commencé à prendre réellement en charge le travail de routine, une enquête rapportant que 65 % des entreprises ont déjà automatisé un flux de travail. Cet article laisse de côté les abstractions et livre 10 cas d'usage concrets par fonction, avec des exemples réels et des chiffres. Il couvre pourquoi les cas d'usage comptent maintenant (les agents ne se contentent pas de répondre mais agissent, passant de l'expérimentation à la production ; Gartner prévoit qu'un tiers des logiciels d'entreprise intégreront des fonctionnalités agentiques d'ici 2028 et 80 % des demandes de support résolues avec une intervention humaine minimale d'ici 2029), comment repérer le travail automatisable (fortement répétitif x gros volume x implique du jugement — la partie jugement est la différence avec l'ancien RPA ; gardez les décisions majeures avec les humains via l'agent-prépare, l'humain-approuve), les 10 cas (1 support client de premier niveau et escalade riche en contexte, 2 génération de leads et e-mails personnalisés à 200/heure avec des taux de réponse 2-4x, 3 contenu SEO marketing de 2 à 10 articles par semaine et e-mailing optimal, 4 développement logiciel avec plus de 35 % de code généré par l'IA, 5 détection-diagnostic-récupération automatique des incidents IT, 6 finance avec KPI à l'échelle de l'ERP et rapports PDF commentés, 7 détection de fraude financière en temps réel, 8 présélection et intégration RH avec AMD rapportant une résolution 80 % plus rapide, 9 recherche et analyse de données en rapports, 10 tour de contrôle de la chaîne d'approvisionnement), la réalité du ROI (3.5x sur trois ans, retour sur investissement de 3-14 mois, réductions de coûts de 30-60 % selon McKinsey, mais seulement 23 % le passent à l'échelle donc faire en sorte que ça tienne est difficile), et comment démarrer sans risque (choisir une tâche, essayer en petit, l'humain approuve, mesurer et étendre) avec une sécurité de moindre privilège et d'approbation à chaque fois. Les chiffres sont cités d'enquêtes et d'annonces d'entreprises, à prendre comme tendances de référence. Réexaminez votre travail à travers la répétition, le volume et le jugement, et faites un petit pas à partir de votre tâche la plus pénible.

« L'IA prend votre travail » est une rengaine familière, mais un changement plus quotidien se joue discrètement : entre collègues d'une même entreprise dans un même poste, l'écart de production se creuse lentement — parce que les gens se scindent entre ceux qui utilisent bien l'IA et ceux qui ne l'utilisent pas ou ne savent pas le faire. Cet article expose, à partir des données d'enquêtes les plus récentes, comment l'IA creuse l'écart de compétences entre employés de bureau, et ce n'est pas le simpliste « les plus intelligents gagnent ». Il montre que l'axe qui fait la différence se déplace de la puissance brute (connaissances, vitesse, expérience) vers « la façon dont on utilise l'IA (la littératie en IA) » ; que l'IA exerce deux forces opposées à la fois (au niveau de la tâche elle tire davantage vers le haut les novices et comprime l'écart avec les vétérans, tandis qu'à l'échelle du lieu de travail les déjà-avantagés — hauts revenus, postes seniors — adoptent l'IA plus tôt et plus en profondeur, creusant l'écart) ; l'état des lieux en chiffres (une enquête montre plus de 60 % des hauts revenus utilisant l'IA chaque jour contre 16 % des bas revenus, une prime salariale estimée de +56 % pour les compétences en IA à poste égal, et environ 39 % estimant que la surdépendance érode leurs capacités — tous cités et variant selon l'enquête) ; les quatre forces qui creusent l'écart (accès aux outils, temps et formation, autonomie pour expérimenter, volonté d'apprendre — les trois premières favorisent les postes seniors, seule la dernière est à vous de changer) ; trois types (prend de l'avance / stagne / reste à la traîne, l'essentiel étant d'investir le temps libéré dans le jugement, la planification et les relations humaines) ; le piège de la surdépendance qui fait devenir « sait l'utiliser mais ne réfléchit pas » (vérifier l'IA comme un brouillon, ne pas l'avaler tout cru) ; comment ne pas se laisser distancer (y toucher, l'essayer sur son travail, prendre l'habitude de vérifier, investir le temps libéré, partager, continuer d'apprendre) ; et le point de vue de l'organisation (peu d'entreprises voient un ROI, frictions entre rangs, bâtir un système où tout le monde peut apprendre). L'écart se creuse sur une différence d'action, non de talent — ce qui est aussi porteur d'espoir, puisque n'importe qui peut commencer dès aujourd'hui à apprendre à utiliser l'IA.

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 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 ?

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 ?