Le Discernement en détail

Cette leçon présente la troisième compétence, le Discernement : évaluer ce que l’IA produit, comment elle y est arrivée et comment elle s’est comportée. C’est l’autre moitié de la conversation ouverte par la Description, et de loin la plus exigeante, parce qu’une réponse d’IA se présente toujours sous une forme achevée, bien structurée et sûre d’elle, ce qui décourage l’examen. L’exercice vous fait pratiquer sur un domaine que vous connaissez, pour mesurer l’écart entre ce qui paraît juste et ce qui l’est.

Le pendant de la Description

La Description vous aide à communiquer clairement vos intentions ; le Discernement vous aide à évaluer si ce que vous recevez répond à vos besoins. L’une regarde vers l’amont, l’autre vers l’aval. Devant un texte fluide et bien organisé, on lit la forme et l’on suppose le fond. Le Discernement consiste à réintroduire volontairement une étape que la fluidité tend à faire sauter : reprendre la production, la confronter à ce que vous savez et à ce que vous aviez demandé, puis décider. Comme la Description, il se pratique sur trois registres.

Discernement du produit

Évaluer la qualité de ce que l’IA a produit : exactitude, pertinence, cohérence, adaptation au contexte. C’est le contrôle le plus direct, et le seul qui exige souvent d’aller vérifier ailleurs : un chiffre, une référence, une date. Trois questions le structurent : les informations sont-elles factuellement correctes ? Le niveau de détail est-il adapté ? Le format correspond-il à ce qui était demandé ? Une note parfaitement calibrée sur le fond mais deux fois trop longue pour son destinataire échoue autant qu’une note fausse : elle ne sera pas lue.

Discernement du processus

Évaluer non plus le résultat mais la manière dont l’IA y est arrivée : chercher les erreurs logiques, les lacunes d’attention, les raisonnements inappropriés. L’IA a-t-elle suivi un raisonnement cohérent ? Manque-t-il des étapes dans son analyse ? Les connexions établies entre les concepts sont-elles pertinentes ? Une conclusion peut être juste par accident, appuyée sur une comparaison bancale ; si vous ne validez que la conclusion, vous reconduirez la même méthode défaillante sur le cas suivant, où elle ne tombera plus juste. Quand la réflexion du modèle est visible, lisez-la : c’est là que le processus s’évalue.

Discernement de la performance

Évaluer le comportement de l’IA pendant l’interaction : son style de communication sert-il vos besoins ? A-t-elle été attentive à votre question précise, ou a-t-elle répondu à une version voisine et plus générale ? A-t-elle tenu compte de vos retours et de vos recadrages ? La terminologie convient-elle à votre domaine et à votre lecteur ? Le ton et le style servent-ils la clarté ? Une réponse hors sujet mais brillamment écrite reste hors sujet.

Une boucle, pas une suite

Ces deux compétences ne s’exercent pas l’une après l’autre : elles forment une boucle continue. Vous décrivez ce que vous voulez, l’IA produit un résultat, vous l’évaluez, puis vous affinez votre description en fonction de cette évaluation ; l’IA produit un résultat amélioré, et le cycle reprend jusqu’à ce que le travail tienne.

Le point d’articulation est là : chaque défaut que vous identifiez vous indique quelle précision manquait en amont. Un texte trop technique révèle un public non spécifié ; un raisonnement bancal révèle une méthode non imposée. C’est ce qui rend la boucle productive plutôt que répétitive : vous ne redemandez pas la même chose en espérant mieux, vous demandez autre chose. Et même les systèmes les plus avancés gagnent au jugement et à la supervision humaines.

À vous de jouer

Exercice de discernement expert, une vingtaine de minutes.

1. Revenez à votre domaine. Reprenez un sujet que vous connaissez bien et qui vous tient à cœur, celui que vous auriez choisi pour « explorer quelque chose que vous aimez ».
2. Demandez trois explications. Dans une nouvelle conversation, demandez à Claude trois explications ou analyses différentes d’un aspect précis de ce sujet : trois explications de la profondeur de champ si c’est la photographie, trois analyses des techniques de fermentation si c’est la cuisine, trois lectures d’un événement si c’est l’histoire.
3. Évaluez avec votre expertise. Sur le produit : laquelle est la plus exacte ? Y a-t-il des erreurs ou des idées reçues ? Le niveau de détail convient-il à quelqu’un qui apprend ? Sur le processus : le raisonnement est-il logique ? Y a-t-il des trous ? Les liens entre concepts sont-ils justes ? Sur la performance : Claude a-t-il été attentif à votre question et à vos retours ? La terminologie est-elle appropriée ? Le ton sert-il la clarté ?
4. Donnez un retour et affinez. Désignez la meilleure explication et dites précisément pourquoi ; désignez la plus faible et dites précisément ce qui pose problème ; travaillez avec Claude à une version améliorée.
5. Réfléchissez, dans la même conversation. Quelles connaissances vous ont permis de repérer les forces et les faiblesses ? Comment quelqu’un sans votre expertise s’en sortirait-il ? Que vous apprend cela sur le lien entre connaissance du domaine et Discernement ?

Le choix d’un domaine que vous maîtrisez n’est pas un détail de confort : il vous permet de mesurer l’écart entre ce qui paraît juste et ce qui l’est. Retenez cet écart, car c’est exactement celui que vous ne pourrez pas percevoir le jour où vous travaillerez sur un sujet que vous connaissez mal. Pour un entraînement plus léger, la leçon 14 propose des jeux de discernement.

Questions de réflexion

• Quel registre du Discernement (produit, processus, performance) trouvez-vous le plus difficile à appliquer, et pourquoi ?
• Comment le Discernement complète-t-il la Description ? Comment les deux travaillent-ils ensemble ?
• Quels signaux pourraient indiquer qu’une production de l’IA mérite un examen plus attentif ?

Sources officielles : A closer look at Discernment (Claude Academy)

Points clés à retenir

• Le Discernement évalue ce que l’IA produit, comment elle le produit et comment elle se comporte.
• Produit : exactitude, pertinence, cohérence, format ; c’est le registre qui oblige à vérifier ailleurs.
• Processus : le raisonnement, pas seulement la conclusion ; une conclusion juste par accident se reproduira fausse.
• Performance : attention à votre question, prise en compte de vos retours, ton et terminologie.
• Chaque défaut repéré dit quelle précision manquait dans la description : c’est ce qui fait avancer la boucle.

Crédits et licence — Adaptation française du cours « AI Fluency: Framework & Foundations » de l’Anthropic Academy, créé par Anthropic avec Rick Dakan (Ringling College of Art and Design) et Joseph Feller (University College Cork), auteurs du cadre AI Fluency. Les supports d’origine sont © 2025 Rick Dakan, Joseph Feller et Anthropic, publiés sous licence CC BY-NC-SA 4.0 ; cette adaptation, qui les traduit et les remanie, est diffusée sous la même licence.