De l’utilisateur au concepteur : les six étapes que votre équipe doit franchir avec l’IA

Presque tout le monde utilise l’IA. Cela ne veut presque rien dire.

Considérez les compétences en IA comme un développement continu, pas comme un état. Les utilisateurs se servent de l’IA dans les processus existants. Les concepteurs transforment ces processus avec l’IA. Entre les deux, six étapes réparties en trois disciplines. Chacune vous fait progresser, aucune ne se saute. Et il n’y a pas d’arrivée définitive, car le domaine se renouvelle plus vite que les équipes n’apprennent.

Pourquoi l’affirmer aussi clairement : ces dernières années, nous avons formé plusieurs centaines de personnes à l’IA. Dans des grands groupes et des ETI, avec Copilot, Claude, ChatGPT, avec des personnes qui rédigent des prompts chaque jour depuis deux ans et d’autres qui n’avaient jamais ouvert un modèle. Partout, le défi est resté le même. Ni l’outil, ni le modèle, ni le prompt. Le vrai enjeu, c’est le passage du livrable à l’impact. Il est devenu étonnamment simple de produire avec l’IA. Il reste étonnamment difficile de créer une valeur concrète et mesurable.

• 6 étapes – trajectoire de développement de l’utilisateur au concepteur
• 3 disciplines – Prompt, Context et Process Engineering structurent le chemin
• 2 ans – participants qui rédigent des prompts quotidiennement depuis deux ans

Pourquoi la plupart des équipes automatisent leur passé

Les processus hérités sont la norme. Presque toutes les équipes marketing travaillent en chaîne, par exemple : brief, analyse, conception, relecture, présentation, passation. Puis l’IA arrive, et soudain chacun de ces maillons va plus vite. Cela ressemble à une transformation. Dans la plupart des cas, ce n’est qu’une accélération : le processus reste identique, seules certaines tâches s’exécutent plus vite.

Ce n’est pas un mal — c’est souvent la bonne porte d’entrée. Mais ce n’est qu’un début. Ensuite, les équipes traversent souvent les mêmes phases : curiosité, accélération individuelle, puis un plateau. Tout le monde utilise l’IA, chacun dit que ça aide, et pourtant rien de mesurable ne change dans les résultats de l’équipe. Vient alors la question honnête : pourquoi cette étape existe‑t‑elle encore ?

Un exemple tiré de notre quotidien : nous imaginons des processus IA complexes pour mettre en forme automatiquement une liste Excel qui circule par e‑mail dans l’équipe. La vraie question se pose un cran plus tôt : pourquoi faisons‑nous circuler cette liste ? La réponse est souvent la même : parce que nous avons toujours fait ainsi. Un formulaire qui collecte les données de manière structurée remplace l’étape entière, et le problème de mise en forme disparaît avec.

De la liste Excel au formulaire

Au quotidien, on a vite le réflexe de bâtir des processus IA complexes pour mettre en forme automatiquement une liste Excel qui circule par e‑mail dans l’équipe.

La question la plus honnête se pose plus tôt : pourquoi faisons‑nous circuler cette liste ? Bien souvent, parce que nous avons toujours fait ainsi.

Un formulaire qui collecte les données de manière structurée remplace l’étape entière. Le problème de mise en forme disparaît aussitôt.

La sortie de ce schéma n’est pas un déclic unique. Elle passe par six étapes, regroupées en trois disciplines d’ingénierie.

1. Prompt Engineering Ici commence le passage de la question à la délégation de tâches : au lieu de formuler des demandes vagues, vous confiez des missions avec objectif, contexte et critères d’attente. À l’étape 2, l’IA ne se contente plus de conseiller ; elle produit des livrables concrets comme des présentations ou des analyses.
2. Context Engineering Un système sans contexte redémarre de zéro à chaque mission ; connecté aux sources utiles, il accède à vos e‑mails, calendriers, documents, données de campagne et au savoir interne. Avec mémoire et boucles de rétroaction, les retours, règles et décisions enrichissent le contexte, et les sorties génériques diminuent nettement.
3. Process Engineering Des prompts personnels deviennent des workflows, des skills et des playbooks réutilisables avec des critères de qualité clairs. Au niveau le plus avancé, le processus est redécoupé : les systèmes prennent en charge des étapes, l’humain décide là où c’est nécessaire.

Discipline 1 : Prompt Engineering

Étape 1 : Confier des tâches plutôt que poser des questions. Beaucoup traitent l’IA comme un moteur de recherche amélioré. Question posée, réponse fournie — et si la réponse est moyenne, « l’IA n’y arrive pas encore ». La même direction ne dirait jamais à un nouveau collaborateur « Faites une stratégie marketing » sans objectif, sans contexte client, sans exemples, sans définir ce qu’est un bon résultat. Vous franchissez la première étape quand vous cessez de poser des questions à l’IA et commencez à lui confier un travail cadré.

Étape 2 : Des résultats, pas des réponses. Pas « À quoi pourrait ressembler une présentation ? », mais « Produisez la présentation ». Pas « Quelles métriques devrais‑je analyser ? », mais « Analysez les données et montrez‑moi les écarts ». Dès que l’IA produit effectivement du travail — et pas seulement des conseils —, le levier devient tangible.

Discipline 2 : Context Engineering

Étape 3 : Connecter le savoir. Un système sans contexte recommence à zéro à chaque tâche. À cette étape, il accède à ce qui fait votre quotidien : e‑mails, calendriers, documents, données de campagne, savoir interne. Il sait ce qui a déjà été décidé, quelles campagnes tournent et quels objectifs ont été convenus.

Étape 4 : Mémoire et boucles de rétroaction. Les corrections ne finissent plus à la corbeille, elles retournent dans le système. Les décisions passées, retours et règles récurrentes deviennent partie intégrante du contexte. C’est ici que le savoir dispersé se transforme en base de connaissances entretenue et que la frustration face aux sorties génériques baisse sensiblement.

Discipline 3 : Process Engineering

Étape 5 : Construire des systèmes réutilisables. Un bon prompt qu’une personne réutilise manuellement reste de la productivité individuelle. À cette étape, il devient un workflow, un skill, un playbook utilisé par toute l’équipe, avec des critères de qualité fixes et des résultats attendus clairs. Dans un cas, une personne a appris une astuce. Dans l’autre, l’organisation a construit un actif.

Étape 6 : Reconcevoir le travail. L’étape la plus élevée remet le processus lui‑même en question. Quelles étapes sont encore nécessaires, lesquelles un système peut‑il prendre en charge, où la décision humaine demeure‑t‑elle indispensable ? Ici, une équipe cesse d’accélérer son passé et commence à reconstruire son travail. C’est le niveau des concepteurs.

Cette progression ne se fait pas en regardant. Les personnes qui montent ces marches le plus vite ne connaissent pas forcément chaque nouveau modèle. Elles ont multiplié les répétitions sur du vrai travail : un brief client complexe, un reporting, un processus qui agace depuis des mois. C’est ainsi que naît l’intuition IA — le discernement de ce que l’IA fait bien et de l’endroit où l’humain reste décisif.

Laissez l’IA élaborer votre processus avec vous

Comment savoir où en est votre équipe et quel pas vaut l’effort ? Notre réponse est simple : appuyez‑vous systématiquement sur l’IA. Aux premières étapes, il vous est difficile de juger vous‑même ce qu’un système peut déjà prendre en charge. Il vous manque l’expérience de ce qui est possible aujourd’hui.

Inversez la démarche. Donnez à l’IA votre processus et des travaux réels : les derniers briefs, rapports ou newsletters, les sorties correspondantes et les étapes intermédiaires. Laissez‑vous interviewer sur votre processus. Puis demandez des propositions : quelles étapes peuvent être largement automatisées, où l’IA assiste un humain, où la décision doit rester chez vous, et quelles étapes ne sont peut‑être plus nécessaires ? Vous évaluez, vous décidez. Mais la cartographie vient du système, pas de votre intuition de l’étape 1. Au passage, cet exercice est le moyen le plus rapide de comprendre plusieurs étapes d’un coup.

Pourquoi vous ne pouvez pas externaliser cette transformation

Le travail en jeu ici est un travail de transformation : questionner les processus, redécouper les rôles, accompagner les personnes dans l’incertitude. Classiquement, on tend à le confier à l’extérieur. Dans ce cas, c’est une fausse route. L’IA doit entrer au cœur des processus de création de valeur, et ce cœur ne se refond pas de l’extérieur : la connaissance de pourquoi un processus est ce qu’il est se trouve dans l’équipe, nulle part ailleurs. Externaliser, c’est obtenir une cible et conserver le problème. Le bon appui externe ressemble donc à ceci : non pas quelqu’un qui fait à votre place, mais quelqu’un qui fait avec votre équipe, pour que la capacité reste en interne.

Questions fréquentes sur les six étapes avec l’IA (FAQ)

Comment savoir à quelle étape se situe mon équipe ?

Observez si l’IA se limite au conseil ou produit déjà du travail, si le savoir est raccordé de façon systématique et si des workflows réutilisables existent. Plus le système prend d’étapes en charge de manière autonome et plus les rôles et critères de qualité sont clairs, plus l’étape est élevée.

Qu’est-ce qui distingue l’accélération d’une vraie transformation ?

L’accélération rend des tâches existantes plus rapides sans changer le déroulé. La vraie transformation remet le processus lui‑même en question et reconçoit le travail, de sorte que certaines étapes disparaissent ou sont prises en charge par des systèmes.

Quels premiers pas pour démarrer le Context Engineering ?

Commencez par les sources que votre équipe utilise au quotidien : e‑mails, calendriers, documents, données de campagne et savoir interne. L’essentiel est que les corrections et retours reviennent dans le système et nourrissent une mémoire qui s’étoffe.

Comment bien mettre en œuvre le Prompt Engineering ?

Donnez des objectifs clairs, des exemples et des critères de qualité, puis mandatez l’IA pour un travail concret plutôt que de poser des questions générales. Exigez des livrables comme des brouillons, des analyses ou des présentations et itérez à partir de travaux réels.

Faut-il externaliser la transformation à des partenaires ?

Le cœur de la transformation doit rester dans l’équipe, car la connaissance des processus est interne. Des partenaires externes peuvent aider en travaillant avec l’équipe et en construisant les capacités, pas en définissant le processus depuis l’extérieur.

Conclusion

Quelle que soit votre cadence, vous finirez par adapter vous‑mêmes vos processus de création de valeur et par ne plus appliquer l’IA uniquement à vos processus hérités. C’est la ligne de partage des prochaines années : non pas entre celles et ceux qui utilisent l’IA et les autres, mais entre utilisateurs et concepteurs. Chacune des six étapes vous rapproche de ce point, et chacune commence par du vrai travail plutôt que par un énième outil. Question honnête pour conclure : à quelle étape votre équipe se situe‑t‑elle réellement ? Et laquelle choisirez‑vous de franchir ensuite ?