Rechercher avec l'IA

Cette leçon met la boucle Description-Discernement en action sur l’usage le plus immédiatement utile pour une association, la recherche d’informations : veille réglementaire, prospection de financements, compréhension d’un territoire. C’est aussi l’usage où les erreurs coûtent le plus cher si elles passent inaperçues ; d’où deux exercices qui entraînent autant la vérification que la formulation.

Trois principes, un scénario

Prenons l’exemple de Maria, directrice d’une association de logement à Portland, qui souhaite étendre ses activités à Seattle. Elle utilise l’IA pour explorer le paysage réglementaire, les occasions de financement et les exigences de conformité de ce nouveau territoire. Son cas illustre trois principes qui valent pour toute recherche assistée par l’IA.

Le premier relève de la Description : ne posez pas de questions générales. « Quelles sont les aides au logement à Seattle ? » produira une réponse d’encyclopédie. Maria obtient bien mieux en expliquant qui elle est, qui elle sert et ce qu’elle a besoin de savoir : une association de logement de telle taille, servant tel public, qui doit comprendre les exigences d’enregistrement et les sources de financement locales avant de s’implanter. Ce contexte permet à l’IA de trier, hiérarchiser et fournir des informations exploitables.

Le deuxième relève du Discernement, et il n’est pas optionnel. Quand l’exactitude compte, et pour une décision d’implantation elle compte, vous devez évaluer les productions de l’IA de manière critique : signaler les affirmations à vérifier auprès des sources officielles, repérer les lacunes, questionner l’actualité des informations, car une réglementation citée peut avoir changé depuis. Sur Claude, la recherche web réduit ce dernier risque quand elle est activée ; elle ne dispense pas de la vérification.

Le troisième est l’itération. Votre premier prompt donne rarement tout ce dont vous avez besoin, et ce n’est pas un échec : c’est le fonctionnement normal de la boucle. Chaque évaluation d’une réponse vous apprend quelque chose, un angle oublié, un terme plus précis, une contrainte à ajouter, qui nourrit une meilleure question de suivi. L’IA accélère la recherche ; elle ne remplace pas l’expertise, et vous restez le décideur qui applique son jugement à chaque livrable.

À vous de jouer

Exercice 1 : suivi d’une politique publique. Choisissez un domaine pertinent pour votre travail (logement, financement de l’éducation, accès aux soins, réglementation environnementale…). Formulez un prompt qui inclut la politique ou le texte précis à comprendre, le contexte de votre association (qui vous servez, pourquoi ce sujet compte pour la mission), ce que vous devez savoir (impact sur les bénéficiaires, implications de financement, conformité, occasions de plaidoyer) et le cadre temporel ou géographique. Soumettez-le, puis passez en Discernement : identifiez au moins deux affirmations à vérifier, notez les perspectives manquantes pour vos communautés, signalez ce qui semble daté ou trop général. Revenez sur votre pratique : le prompt donnait-il assez de contexte ? Que réviseriez-vous ? Quelles vérifications feriez-vous avant d’utiliser ces informations ? Pour aller plus loin, faites retrouver la source originale d’une affirmation clé et comparez : dit-elle vraiment ce que l’IA lui fait dire ?

Exercice 2 : prospection de financeurs. Choisissez votre axe : subventions publiques, mécénat d’entreprise, fondations. Formulez un prompt avec la mission et le programme à financer, les caractéristiques de votre association (budget, zone, publics), vos paramètres (fourchette, dépenses éligibles, calendrier) et, point souvent négligé, ce qui ferait un bon ajustement au-delà de la correspondance thématique : un financeur peut travailler sur votre thème sans jamais financer des structures de votre taille. Appliquez le Discernement avec la rigueur d’un responsable de collecte : les financeurs suggérés financent-ils réellement des organisations de votre taille et de votre type ? Les dates limites et les critères sont-ils actuels ? Quels programmes ont fermé ou changé de priorités ? Quels prospects s’alignent avec vos valeurs, pas seulement votre budget ? Puis prenez du recul : l’IA a-t-elle compris ce qui rend un financeur aligné plutôt que simplement lié thématiquement ? Que faudrait-il vérifier avant d’investir des heures dans une candidature ? Que manque-t-il que seuls vous et votre réseau savez, la réputation d’un financeur, une relation existante, un historique de refus ?

Questions de réflexion

• Comment le contexte sur votre association a-t-il changé la qualité des résultats par rapport à une demande générique ?
• Quelles habitudes de vérification intégrerez-vous à votre façon de rechercher avec l’IA ?

Sources officielles : Researching with AI (Claude Academy) · Activer et utiliser la recherche web (centre d’aide Claude)

Points clés à retenir

• Une Description efficace fournit du contexte : qui vous êtes, qui vous servez, ce que vous devez savoir précisément.
• Le Discernement n’est pas optionnel : signalez ce qui est à vérifier, ce qui manque, ce qui semble daté.
• La boucle est itérative : chaque évaluation affine la question suivante.
• L’IA accélère la recherche mais ne remplace pas l’expertise ; vous restez le décideur.

Crédits et licence — Adaptation française du cours « AI Fluency for Nonprofits » de l’Anthropic Academy, réalisé par Anthropic en partenariat avec GivingTuesday et fondé sur le cadre AI Fluency de Rick Dakan et Joseph Feller. Les supports d’origine sont © 2026 Anthropic, publiés sous licence CC BY-NC-SA 4.0 ; cette adaptation, qui les traduit et les remanie, est diffusée sous la même licence.