Un atelier IA utile devrait changer ce que l’équipe est capable de faire, pas seulement ce qu’elle connaît des outils.
À la fin de la séance, les participants devraient mieux comprendre quelles tâches méritent d’être améliorées, avoir mis quelques méthodes à l’essai, savoir où le jugement humain demeure nécessaire et repartir avec du matériel qu’ils pourront réutiliser. Si le principal souvenir de l’atelier est une démonstration impressionnante, l’IA n’est pas encore vraiment entrée dans le travail de l’équipe.
J’aime animer des ateliers IA parce que les moments les plus utiles viennent rarement de la démo préparée. Ils commencent plutôt quand quelqu’un dit : « On fait ça chaque semaine, et ça nous prend beaucoup trop de temps. » Le groupe peut alors arrêter d’observer l’IA à distance et commencer à examiner ce qu’elle pourrait changer dans une situation réelle.
Une démonstration suscite l’intérêt. Une séance de travail développe une capacité.
Les démonstrations ont leur place dans un atelier IA. Elles permettent de voir ce qui est possible et donnent au groupe un point de départ commun.
Mais une démo se déroule dans un environnement contrôlé. L’exemple est préparé, les informations sont propres et la personne qui présente connaît déjà le résultat recherché. Le vrai travail est rarement aussi simple. Il faut composer avec des demandes imprécises, des informations incomplètes, des exigences qui changent, des renseignements sensibles et des résultats qui doivent être vérifiés.
Une séance de travail fait entrer cette réalité dans l’atelier. Les participants ne regardent pas seulement quelqu’un obtenir une bonne réponse. Ils aident à définir la tâche, fournissent le contexte, essaient une méthode, examinent le résultat et déterminent ce qu’il faudrait changer avant de pouvoir la réutiliser.
C’est ce passage de l’observation à la pratique qui rend l’atelier utile.
Le travail commence avant de réunir l’équipe
Personnaliser un atelier ne consiste pas à ajouter le logo de l’entreprise dans une présentation générale. Il faut d’abord comprendre ce que l’équipe fait réellement.
Avant l’atelier, j’aime recueillir des exemples de tâches irritantes, répétitives ou inutilement longues. L’objectif n’est pas de prétendre que l’IA peut toutes les régler. Il s’agit plutôt de choisir quelques situations qui permettront au groupe d’apprendre quelque chose d’utile.
Pour chaque tâche proposée, on peut préciser :
- Qui s’en occupe, et à quelle fréquence?
- Quelles informations sont disponibles au départ?
- À quoi ressemble un bon résultat?
- Quelles étapes exigent de l’expérience ou du jugement?
- Est-ce que le travail touche des renseignements confidentiels ou sensibles?
- Quels outils les participants peuvent-ils réellement utiliser?
Cette préparation rend la séance pertinente avant même la première diapositive. Elle évite aussi de transformer l’atelier en une suite de prompts sans lien entre eux.
Travailler sur des exemples réalistes sans créer de risques inutiles
Les exemples réalistes sont importants parce que les exemples génériques cachent souvent les parties difficiles d’une tâche. « Résume ce document » semble simple jusqu’au moment où l’équipe doit déterminer quelles informations conserver, ce qui ne doit pas être omis, qui utilisera le résumé et comment le résultat sera vérifié.
Cela ne veut pas dire qu’un atelier devrait exposer des dossiers clients, des renseignements sur les employés, des stratégies confidentielles ou d’autres informations sensibles. Les exemples peuvent être dépersonnalisés, simplifiés ou recréés tout en conservant la structure du travail.
La vraie question est de savoir si l’exercice reflète les décisions que les participants doivent normalement prendre. Un bon exercice devrait révéler où le contexte manque, où l’outil fait des suppositions et où une personne doit intervenir.
Un premier résultat utile de l’atelier est donc une courte liste priorisée du travail que l’équipe souhaite améliorer, avec les situations qui se prêtent bien à un exercice et celles qui demandent davantage de préparation.
Enseigner des méthodes qui survivront à la prochaine mise à jour
Les outils d’IA évoluent rapidement. Un atelier construit uniquement autour de l’emplacement des boutons peut devenir désuet peu de temps après sa livraison.
Une approche plus durable consiste à partir de la tâche, puis à choisir l’outil. Claude, ChatGPT et d’autres plateformes peuvent être utiles, mais le choix devrait dépendre du travail à accomplir, des fonctions disponibles, des contraintes de l’organisation et du niveau d’expérience des participants.
La compétence durable n’est pas de mémoriser un prompt parfait. C’est d’apprendre à :
- définir clairement le résultat recherché;
- fournir le bon contexte et les bonnes sources;
- séparer les consignes de l’information de référence;
- reconnaître une réponse incomplète;
- améliorer la demande lors d’un deuxième passage;
- vérifier le résultat avant de l’utiliser.
Dans un atelier d’introduction, il peut être préférable de se concentrer sur une seule plateforme pour garder l’apprentissage simple. Un atelier de suivi devrait généralement aller plus loin. Il peut comparer différentes approches et aider l’équipe à devenir moins dépendante d’une seule interface.
Les participants doivent faire le travail eux-mêmes
La personne qui anime ne devrait pas être la seule à utiliser l’outil.
Regarder une personne expérimentée travailler peut donner l’impression que tout est facile. Elle sait déjà combien de contexte fournir, quelles consignes risquent d’aider et à quel moment la réponse commence à s’éloigner du besoin. Les participants doivent avoir l’occasion de développer ce jugement eux-mêmes.
Pendant un atelier utile, ils préparent une première tentative, comparent les résultats, repèrent ce qui ne fonctionne pas et corrigent la méthode. La discussion autour d’une réponse faible est souvent plus instructive qu’une autre démo parfaite.
Pour chaque situation travaillée, le groupe peut repartir avec une méthode simple :
- Quand utiliser la méthode.
- Quelles informations fournir.
- Quelles étapes suivre.
- À quoi ressemble un résultat acceptable.
- Ce qu’une personne doit vérifier.
- Quand arrêter et choisir une autre approche.
C’est beaucoup plus utile qu’un prompt copié sans le raisonnement qui le soutient.
Les points de contrôle humains font partie de la méthode
L’utilisation responsable ne devrait pas être un avertissement ajouté à la fin de l’atelier. Elle devrait être visible dans chaque exercice.
Si l’IA aide à préparer un document, une personne doit toujours confirmer les faits, le ton, le destinataire et la décision finale. Si l’outil sert à classer des demandes, le groupe devrait déterminer quels cas peuvent suivre le chemin normal et lesquels doivent être signalés. Si des renseignements sensibles sont en jeu, les participants ont besoin d’une limite claire avant de commencer.
L’atelier devrait aider l’équipe à répondre à quatre questions pratiques :
- Quelles informations peuvent être utilisées?
- Qu’est-ce qui doit être vérifié?
- Qui demeure responsable de la décision?
- Quelle action ne devrait jamais se produire automatiquement?
Ces points de contrôle ne rendent pas l’exercice moins concret. Ils permettent plutôt d’utiliser la méthode dans une vraie organisation.
Une liste de prompts n’est pas un transfert de connaissances
Un prompt peut être utile, mais il suffit rarement à lui seul. Sans le bon contexte, des exemples, des critères de vérification et une explication de son usage, même un bon prompt devient fragile.
Après l’atelier, l’équipe devrait disposer d’un endroit où retrouver le matériel développé pendant la séance. Selon le mandat, on peut y rassembler :
- les prompts et les méthodes mis à l’essai;
- les exemples utilisés pendant les exercices;
- une fiche de référence concise;
- des notes sur l’outil à privilégier selon la situation;
- des rappels sur les renseignements sensibles et la validation humaine;
- quelques ressources utiles pour continuer à apprendre.
L’objectif n’est pas de créer une grande bibliothèque que personne ne consultera. Il est de conserver les quelques ressources que l’équipe a réellement des chances de réutiliser.
Avant de partir, il faut décider de la suite
Un atelier peut créer un élan, mais il ne remplace pas l’intégration de l’IA dans un processus.
Avant la fin de la séance, le groupe devrait choisir un ou deux essais limités pour les semaines suivantes. Chaque essai a besoin d’une personne responsable, d’une situation où la méthode sera utilisée et de quelques observations à recueillir. Qu’est-ce qui a fonctionné? Qu’est-ce qui a dû être corrigé? Où la méthode a-t-elle réduit l’effort? Où a-t-elle plutôt ajouté du travail?
Cette étape donne une suite concrète sans laisser croire qu’un seul atelier transformera tous les processus de l’organisation.
Si l’équipe veut ensuite intégrer une méthode dans ses systèmes, automatiser une partie du travail ou mesurer les gains, il s’agit d’une discussion distincte sur l’intégration. L’atelier sert d’abord à mieux comprendre et à valider l’occasion.
Un deuxième atelier ne devrait pas répéter le premier
Les besoins d’une équipe changent dès que les participants commencent à utiliser l’IA.
Un atelier d’introduction peut devoir établir les bonnes habitudes de base : fournir du contexte, rédiger de bonnes consignes, vérifier les résultats et protéger les renseignements sensibles. Lors d’un atelier de suivi, les participants arrivent avec de l’expérience. Ils ont des exemples de ce qui a fonctionné, des questions créées par leur utilisation et des situations où la première méthode n’était pas suffisante.
La suite devrait s’appuyer sur cette maturité. On peut comparer Claude et ChatGPT pour différentes tâches, améliorer des méthodes déjà utilisées, travailler avec des documents plus longs ou déterminer si un processus répétable pourrait remplacer une série de prompts improvisés.
Le sujet n’est plus simplement l’utilisation d’un outil d’IA. Il devient l’utilisation plus réfléchie de l’IA dans le travail de l’équipe.
Comment reconnaître un atelier IA réellement sur mesure
Avant de réserver un atelier, il est utile de demander ce qui se passera avant, pendant et après la séance :
- Est-ce que la personne qui anime recueillera les tâches et les questions de l’équipe à l’avance?
- Est-ce que les exercices correspondront au travail et au niveau des participants?
- Est-ce que les participants utiliseront eux-mêmes les outils?
- Est-ce que l’atelier abordera les renseignements sensibles et la validation humaine?
- Est-ce que l’équipe recevra du matériel qu’elle pourra réutiliser?
- Est-ce que la séance se terminera avec une prochaine étape réaliste?
Un atelier utile n’a pas besoin de régler tous les problèmes. Il devrait aider l’équipe à comprendre où l’IA peut être pertinente, à mettre quelques méthodes à l’essai et à mieux poursuivre le travail par la suite.
C’est le genre d’atelier que j’aime animer : un atelier où l’équipe repart en parlant de son travail, pas seulement du logiciel.
Qu’est-ce que votre équipe devrait savoir faire avec l’IA?
Nord Paradigm offre des ateliers IA sur mesure pour les entreprises, en français ou en anglais, en ligne ou en personne. Chaque atelier est préparé selon les participants, les outils qu’ils utilisent et le travail qu’ils souhaitent améliorer.
Discuter d’un atelier IA sur mesure construit autour du vrai travail de votre équipe.
Écouter la discussion en français
Voir la discussion sur YouTube (4 min 35)
Pour voir comment ces principes se traduisent en ressources concrètes, consultez notre étude de cas d’un atelier Claude préparé pour une agence de marketing.