Capacités et limites

Cette leçon dresse l’état de ce que l’IA générative sait faire aujourd’hui et de ce qui lui échappe encore, avec, pour chaque limite, la parade qui existe sur Claude en novembre 2026. Elle se termine sur la complémentarité humain-IA, qui est la vraie raison d’être de la Délégation.

Trois capacités qui expliquent presque tout

La première est la polyvalence : un même système gère des tâches très différentes, rédaction, analyse, code, traduction, sans qu’il faille l’entraîner à nouveau pour chacune. La conséquence pratique est directe : vous pouvez enchaîner dans une même session la relecture d’un contrat, la génération d’un script de traitement de fichiers et la traduction d’un courrier.

La deuxième est le fil de conversation. Le système se souvient du contexte de l’échange et s’adapte à son style. C’est ce qui rend possible le travail par itérations : vous n’avez pas à redonner tout le cadre à chaque message, il suffit de dire « reprends le deuxième paragraphe, mais plus sobre » pour être compris. Cette continuité a une contrepartie : ce qui est retenu inclut aussi vos approximations du début.

La troisième est la connexion à des outils. Sur Claude, la recherche web va chercher l’information récente, Research enchaîne plusieurs recherches pour un sujet qui le mérite, les connecteurs ouvrent l’accès à vos outils (messagerie, documents, bases), et la création de fichiers permet de produire un document ou d’exécuter du code. Cela déplace la frontière du possible : une question sur des faits récents cesse d’être hors de portée dès lors que le système peut aller chercher l’information au lieu de la reconstituer de mémoire.

Quatre limites, et la parade de chacune

Connaître les limites vaut au moins autant que connaître les capacités, car ce sont elles qui déterminent où placer votre vigilance.

La date de coupure des connaissances est la plus simple à comprendre : chaque modèle a appris sur des données arrêtées à une date précise, juin 2026 pour la famille Claude 5.5 et pour Claude Fable 5.1. Les événements postérieurs ne lui sont pas connus, sauf accès à des outils de recherche. Si vous interrogez un modèle sur une réglementation modifiée le mois dernier, une réponse assurée n’est pas une réponse à jour. Parade : activer la recherche web ou Research, brancher un connecteur, ou coller le document récent dans la conversation.

Les hallucinations constituent le risque le plus coûteux. Le modèle peut produire une information fausse avec une apparence de confiance : une référence bibliographique complète et inexistante, un article de loi au numéro plausible. Le danger tient à la forme, pas au fond : rien dans la tournure ne signale l’erreur. Parade : vérifier tout point vérifiable (chiffre, date, citation), demander les sources, croiser avec un document de référence. La recherche web réduit le risque sur les faits récents, elle ne dispense pas de la vérification.

Les contraintes de la fenêtre de contexte persistent malgré des fenêtres de plus en plus grandes : sur un très long dossier, la précision baisse, et un détail de la page 80 peut être survolé. Pouvoir soumettre un dossier entier ne signifie pas que chaque détail en sera exploité avec la même finesse. Parade : découper, traiter les sections critiques à part, demander un plan avant la synthèse.

Les défis de raisonnement complexe demeurent : certains raisonnements multi-étapes ou mathématiques restent fragiles. Une chaîne longue peut se rompre en un point, et le reste continuer avec la même fluidité à partir d’une prémisse fausse. Parade : imposer des étapes explicites, monter le niveau d’effort du modèle quand la question le mérite, et relire le raisonnement plutôt que la seule conclusion.

La complémentarité humain-IA

Les applications les plus efficaces ne cherchent pas à faire faire à l’IA ce que l’humain fait mieux, ni l’inverse. Elles combinent les deux séries de forces :

Lisez ce tableau ligne par ligne plutôt que colonne par colonne : chaque paire décrit une répartition de travail possible. Sur l’analyse de trois cents réponses à une enquête, l’IA absorbe le volume et produit un regroupement cohérent ; vous apportez la connaissance du terrain qui vous fait dire qu’un thème classé comme mineur est en réalité le signal le plus important du corpus.

Une réserve pour finir : le domaine évolue vite, et les limites d’aujourd’hui ne seront pas celles de demain. Prenez l’habitude de retester périodiquement les tâches que vous aviez classées hors de portée, plutôt que de conserver un jugement formé il y a un an.

À vous de jouer

Trois tests, dix minutes, sur votre conversation ouverte.

1. Date de coupure. Posez une question sur un fait postérieur à juin 2026 dans votre domaine (une nomination, un prix, une version de logiciel), d’abord sans recherche web, puis en l’activant. Comparez : la première réponse vous dit-elle qu’elle ne sait pas, ou invente-t-elle ?
2. Hallucination. Demandez trois références (articles, livres, pages) sur un sujet que vous connaissez, puis vérifiez-en une. Même si les trois sont justes, vous aurez pratiqué le geste qui compte.
3. Fenêtre de contexte. Joignez un document long que vous connaissez bien et posez une question sur un détail enfoui au milieu. Puis demandez un plan du document avant de reposer la question : observez la différence.

Questions de réflexion

• Comment la connaissance de ces limites change-t-elle votre façon de travailler avec ces systèmes ?
• Quelles considérations éthiques vous viennent à l’esprit en découvrant comment ils fonctionnent et où ils échouent ?

Sources officielles : Capabilities & limitations (Claude Academy) · Date de coupure des données d’entraînement · Activer et utiliser la recherche web · Utiliser Research · Connecteurs web et de bureau · Fenêtres de contexte (Claude Platform)

Points clés à retenir

• Trois capacités : polyvalence entre tâches, fil de conversation maintenu, connexion à des outils (recherche web, Research, connecteurs, fichiers).
• Quatre limites : date de coupure (juin 2026 pour les modèles actuels), hallucinations, fenêtre de contexte, raisonnement complexe.
• Chaque limite a sa parade ; aucune parade ne remplace la vérification des points vérifiables.
• L’humain apporte jugement, créativité, supervision et contexte ; l’IA apporte volume, cohérence, polyvalence et disponibilité.
• Les limites bougent : retestez périodiquement ce que vous aviez classé hors de portée.

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.