Prochaines étapes

Vous disposez maintenant d’un modèle mental de l’IA générative : un entraînement en deux temps qui lui donne son caractère, puis quatre propriétés. Une machine qui prédit la suite la plus plausible, avec des connaissances figées à une date et inégales, une mémoire de travail limitée à la fenêtre de contexte, et une pilotabilité réelle mais bornée. Cette dernière leçon vous aide à transformer ce modèle en habitudes.

L’entraînement et les quatre propriétés, en une phrase chacune

• Entraînement : le préentraînement fait un compléteur de documents, l’affinage en fait un assistant, avec ses empreintes (complaisance, verbosité, excès de prudence, assurance mal calibrée).

1. Prédiction : l’aisance est garantie, l’exactitude non, surtout dans le précis.
2. Connaissances : vastes mais datées (juin 2026 pour les Claude actuels), inégales, et sans source sans outil.
3. Mémoire de travail : seul ce qui est dans la fenêtre existe, et la limite est une falaise, pas une pente.
4. Pilotabilité : des consignes concrètes donnent des résultats précis ; l’écart entre vos mots et votre intention reste à combler par le but.

Trois habitudes à adopter

• Avant : situer la tâche entre capacité et limite, et décider de ce que vous fournirez (documents, sources, exemples).
• Pendant : formuler des consignes précises, autoriser l’incertitude, demander des citations.
• Après : vérifier ce qui compte, avec une exigence proportionnée à l’enjeu.

La confiance calibrée est une habitude plus qu’une attitude : avant de confier une tâche, quatre questions rapides. Terrain balisé ou rare ? Sujet stable ou récent ? Contexte à l’aise dans la fenêtre ? Consigne concrète, ou écart entre vos mots et votre intention ? Puis ajustez : plus de vérification là où l’invention se concentre, plus de contexte là où le modèle ne peut pas deviner, plus de points de contrôle quand le raisonnement s’allonge.

Rester à jour

Les modèles évoluent vite : leurs capacités progressent, leurs dates de connaissance avancent, leur fenêtre de contexte s’agrandit. Les propriétés de fond restent, mais leurs bornes se déplacent. Refaites de temps en temps les expériences de la leçon 5 avec les nouveaux modèles : ce qui était une limite peut être devenu une capacité.

Pour aller plus loin dans le catalogue

• AI Fluency Framework : les quatre compétences humaines (Délégation, Description, Discernement, Diligence) qui répondent à ces propriétés.
• Claude 101 : la prise en main de Claude au quotidien.
• Ingénierie de prompts (Prompt Engineering) : les techniques de pilotage en profondeur.
• Claude Platform 101 : si vous construisez des applications, comment ces propriétés se règlent dans l’API (réflexion, contexte, outils).

À vous de jouer

Votre engagement. Reprenez une dernière fois votre liste de tâches annotée. Pour chacune, situez-la d’un coup d’œil sur les quatre continuums et notez la parade nécessaire. Puis choisissez une tâche et un changement à appliquer cette semaine : une étape de vérification, un contexte durable à mettre en place, un point de contrôle, ou un but énoncé avec la consigne. Écrivez-le.

Sources officielles : Next Steps (Claude Academy, programme du cours) · Models overview · Claude’s character

Points clés à retenir

• Un entraînement en deux temps, qui donne le caractère, et quatre propriétés : prédiction, connaissances, mémoire de travail, pilotabilité
• Avant, pendant, après : situer la tâche, piloter précisément, vérifier selon l’enjeu
• Les bornes se déplacent avec les nouveaux modèles : refaites les tests régulièrement