Pourquoi un flux de vingt demandes révèle plus qu'un message isolé
Sur une demande isolée, on juge à l'œil : la réponse paraît juste, et l'on passe à la suivante. Sur vingt demandes traitées avec le même prompt, c'est la régularité qui devient observable — la même formulation reçoit-elle toujours la même étiquette ? — et les frontières floues de votre propre cycle de vente apparaissent.
L'exercice ne mesure pas la performance d'un outil : il met au jour le flou de vos catégories. Une société de maintenance reçoit des messages hétérogènes, du renseignement tarifaire au signalement de panne. Trier ce flux oblige à nommer précisément ce que vous appelez une prise de contact, une qualification ou une attente de chiffrage.
La méthode en quatre temps
Le travail préparatoire compte davantage que la rédaction du prompt. Vous avez besoin d'étiquettes objectives, d'une définition écrite pour chacune, et d'un échantillon que vous classez vous-même avant toute comparaison.
Deux recommandations de la documentation d'Anthropic structurent le reste. Pour la constance, définissez précisément le format attendu et montrez-le par un exemple plutôt que de le décrire abstraitement. Pour limiter les réponses inventées, autorisez explicitement le modèle à dire qu'il ne sait pas, demandez un extrait mot pour mot du message qui justifie le choix, et comparez plusieurs passages du même prompt : les écarts entre sorties signalent les points fragiles.
- Figer la grille : cinq à six étapes mutuellement exclusives, chacune avec une définition d'une ligne et deux formulations typiques, plus une étiquette « à lire par un humain ».
- Préparer le corpus : vingt demandes courtes et numérotées, écrites pour l'exercice. Ne saisissez aucune information confidentielle ni donnée personnelle.
- Écrire le prompt : le rôle, la grille collée dans le message, une sortie en lignes identiques (numéro, étiquette, extrait déclencheur, doute oui/non), et l'interdiction d'utiliser une étiquette hors liste.
- Contrôler : classez vous-même les demandes 1 à 5 avant d'ouvrir la réponse, puis comparez étiquette par étiquette et notez chaque désaccord.
Mise en situation entièrement fictive
Les éléments qui suivent sont inventés pour l'exercice et ne correspondent à aucune entreprise réelle. « Ventilex Fictive », société imaginaire de maintenance de ventilation, reçoit vingt demandes sur une semaine. La grille retenue comporte six étiquettes : hors périmètre, renseignement initial, qualification en cours, attente de chiffrage, relance sur devis envoyé, client sous contrat. Trois demandes du corpus fictif : « Vous intervenez sur la zone artisanale nord ? » ; « Nous avons quatorze caissons à entretenir, pouvez-vous me dire ce que ça représente avant notre budget de mars ? » ; « Je n'ai pas eu de retour sur le document transmis le 12. »
Votre tri : renseignement initial, attente de chiffrage (un volume et une échéance sont donnés), relance. Supposons que l'IA place la deuxième en qualification en cours, et fasse le même choix sur deux autres messages comparables. Le désaccord est régulier, donc exploitable : votre grille ne dit pas où s'arrête la qualification. Vous ajoutez une règle de départage — « si un volume chiffré ou une échéance est mentionné, l'étiquette est attente de chiffrage » — et vous relancez le même corpus. Comparer les deux passages ligne par ligne est le cœur de l'exercice.
Un seul envoi, par lots, ou une demande à la fois
Le découpage du corpus change ce que vous observez. Aucune option n'est meilleure : l'exercice gagne à en essayer deux.
| Découpage | Ce que vous observez | Quand le choisir |
|---|---|---|
| Les vingt demandes en un seul envoi | La cohérence d'ensemble et les étiquettes jamais utilisées | Premier passage, pour éprouver la grille |
| Par lots de cinq | Les écarts entre lots et l'effet d'une règle ajoutée en cours de route | Deuxième passage, après correction du prompt |
| Une demande à la fois | Le raisonnement détaillé sur un cas limite précis | Pour instruire un désaccord isolé |
Les erreurs fréquentes sur ce type d'exercice
Les difficultés portent le plus souvent sur le montage de l'exercice plutôt que sur la réponse obtenue.
| Situation | Erreur | Action |
|---|---|---|
| La grille est écrite pendant la lecture des réponses | On adapte les catégories à la sortie de l'IA, plus rien n'est vérifiable | Écrire et dater la grille avant le premier envoi, la modifier seulement entre deux passages |
| Toutes les demandes reçoivent une étiquette | Aucune case ne permet le doute, les cas limites sont rangés de force | Imposer l'étiquette « à lire par un humain » et une colonne doute oui/non |
| Le corpus contient des éléments sensibles | Des informations confidentielles partent inutilement dans l'outil | Travailler uniquement sur des demandes inventées pour l'exercice |
| Le prompt change à chaque essai | Impossible de savoir ce qui a produit l'écart entre deux passages | Ne modifier qu'un élément à la fois et conserver chaque version du prompt |
Ce que l'exercice met en jeu dans le programme
Cet entraînement prolonge la formation Intelligence Artificielle : repérer les étapes du cycle de vente où l'IA peut intervenir, rédiger un questionnement adapté au format de sortie attendu, puis le corriger à partir des réponses obtenues. Le tri d'un flux entrant articule ces trois gestes sur un même corpus.
Questions fréquentes
Combien de demandes faut-il pour que l'exercice soit utile ?
Une vingtaine suffit pour voir apparaître des régularités et deux ou trois frontières floues. En dessous de dix, vous ne distinguez pas une erreur ponctuelle d'un défaut de grille.
Faut-il utiliser de vraies demandes clients ?
Non : l'exercice se fait sur un corpus entièrement inventé, dont vous maîtrisez la difficulté. Ne saisissez aucune information confidentielle ni donnée personnelle dans l'outil.
Que faire d'un désaccord qui revient sur plusieurs demandes ?
Il signale le plus souvent une définition d'étiquette trop large : ajoutez une règle de départage formulée comme un critère observable dans le texte. Relancez le même corpus pour vérifier qu'elle déplace les bonnes demandes, et seulement celles-là.
Peut-on se fier au doute signalé par l'IA ?
Traitez la colonne doute comme un filtre de relecture, pas comme une mesure d'exactitude. La documentation d'Anthropic recommande d'autoriser explicitement le modèle à admettre son incertitude, ce qui rend ces cas visibles plutôt que dissimulés.
Repères et limites
Cet exercice porte sur le tri d'un flux selon une grille que vous définissez : il n'indique pas quelle réponse apporter à chaque demande et ne remplace pas la lecture humaine des cas limites. Les observations faites sur un corpus fictif ne se transposent pas telles quelles à d'autres messages. Les recommandations citées proviennent de la documentation d'un éditeur et peuvent évoluer ; ne saisissez dans l'exercice aucune information confidentielle ni donnée personnelle.
Sources et ressources
Donnez une suite concrète à votre projet.
Consultez le parcours « Intelligence Artificielle » et ses modalités pour préparer votre échange avec notre équipe.
Demander le programme par e-mailVotre messagerie s’ouvre avec la formation et l’article préremplis. Envoyez ensuite votre demande à jmgconsulting83@gmail.com.
Consulter le programme →