Vos meilleurs éléments utilisent l'IA de la pire façon possible

Le DG d'une entreprise SaaS de 50 personnes, utilisateur quotidien d'IA depuis deux ans, m'explique sa méthode.

« Je ne donne jamais de contexte au modèle. Je ne veux pas qu'il entre dans mes biais. Alors je lui demande de me poser toutes les questions nécessaires avant de produire quoi que ce soit. »

Il est fier de cette approche. Elle lui semble rigoureuse, scientifique même. Il passe des heures à répondre à 50 ou 80 questions que le modèle lui pose, puis demande une synthèse de ses propres réponses.

Le résultat : un processus de plusieurs heures qui, avec un prompt correctement calibré, prendrait quelques minutes. Et un output qui n'est qu'un miroir de ce qu'il a lui-même dit, sans la moindre valeur ajoutée analytique du modèle.

C'est le paradoxe que nous observons le plus souvent en coaching IA : les utilisateurs les plus sophistiqués sont ceux qui tirent le moins de valeur de ces outils.

Le réflexe Google

La majorité des dirigeants utilisent l'IA comme un moteur de recherche amélioré. Ils tapent une question courte, reçoivent une réponse générique, et confirment leur impression que « c'est correct mais sans plus ».

C'est exactement ce qui se passe quand vous entrez dans un cabinet de conseil et que vous dites : « Parlez-moi du marché. » Vous obtiendrez une réponse. Elle sera vague, consensuelle, et inutile.

Ce que vous faites en réalité, c'est interroger l'intégralité des connaissances du modèle sans lui donner la moindre indication de qui vous êtes, ce que vous cherchez, ni pourquoi.

Trois niveaux, trois résultats

Voici une démonstration que nous faisons systématiquement en session, et qui produit un effet immédiat chez chaque dirigeant.

Niveau 1 : le prompt froid. Vous tapez votre question telle quelle. « Analysez les tendances du marché de la logistique en Europe. » Le modèle produit un texte correct, généraliste, que vous auriez trouvé sur n'importe quel site de consulting. C'est le niveau auquel 95% des utilisateurs s'arrêtent.

Niveau 2 : le prompt contextualisé. Vous ajoutez qui vous êtes et pourquoi vous posez la question. « Je suis directrice supply chain d'un groupe industriel de 800 personnes. Nous opérons sur 6 pays européens. Je prépare une note pour le COMEX sur les investissements logistiques 2026. Analysez les tendances qui impactent notre type d'opération. »

La différence de qualité est visible en dix secondes. Le modèle cible, hiérarchise, contextualise. Un professeur de philosophie politique à qui nous avons montré ce passage du niveau 1 au niveau 2 a réagi : « C'est impressionnant. Et on n'a encore rien fait. »

Niveau 3 : le méta-prompt. Vous ne rédigez plus le prompt vous-même. Vous demandez au modèle de le rédiger pour vous. « Rédige un prompt d'instructions système qui fait de toi un expert en analyse de chaîne logistique européenne avec 20 ans d'expérience. » Le modèle produit un prompt de 40 lignes, avec des compétences, un cadre d'analyse, un style de communication, des critères de qualité. Des éléments auxquels vous n'auriez jamais pensé.

Puis : « Donne-moi cinq façons d'améliorer ce prompt, et implémente-les. »

C'est à ce moment précis que les dirigeants comprennent. Le modèle ne produit pas un texte. Il crée un expert que vous allez pouvoir consulter, corriger, affiner, et qui restera disponible pour chaque question dans ce domaine.

Recruter, pas chercher

L'erreur fondamentale est de traiter l'IA comme un moteur de recherche. La bonne analogie, c'est le recrutement.

Quand vous allez voir les RH et que vous dites « j'ai besoin d'un expert sur ce sujet », on ne vous envoie pas une page de résultats. On vous présente un CV. Vous évaluez les compétences, vous ajustez le périmètre, vous précisez les attentes.

C'est exactement ce que fait le méta-prompt. Vous ne cherchez pas une information. Vous construisez un interlocuteur.

Pourquoi la séniorité aggrave le problème

Les dirigeants les plus expérimentés ont trois réflexes qui sabotent leur usage de l'IA.

Premier réflexe : la rétention de contexte. Comme ce DG qui refuse de « donner ses biais » au modèle. L'intention est bonne, la méthode est contre-productive. Un modèle sans contexte produit du générique. Un modèle avec du contexte riche produit du chirurgical.

Deuxième réflexe : le test piège. Ils posent une question dont ils connaissent la réponse pour « vérifier » le modèle. Si le modèle échoue, ils concluent qu'il est limité. En réalité, ils viennent de prouver qu'un prompt froid donne un résultat froid. Rien de plus.

Troisième réflexe : la comparaison défavorable. « Mon écriture est meilleure que celle de l'IA. » C'est souvent vrai. C'est aussi à côté du sujet. L'IA n'est pas là pour écrire à votre place. Elle est là pour structurer, rechercher, synthétiser, tester des angles. L'écriture finale reste la vôtre.

Le vrai écart

La distance entre un utilisateur de niveau 1 et un utilisateur de niveau 3 n'est pas technologique. C'est une question de méthode. Et cette méthode s'enseigne.

Nous l'observons à chaque session : un dirigeant qui entre en disant « j'ai testé, c'est moyen » et qui sort 90 minutes plus tard en disant « je ne savais pas que c'était possible ». La technologie n'a pas changé entre l'entrée et la sortie. C'est le regard qui a changé.

Le problème n'est pas que vos meilleurs éléments n'utilisent pas l'IA. C'est qu'ils l'utilisent avec les habitudes d'un monde où l'on cherchait des réponses. Dans le monde actuel, on construit des experts.