Un usage transparent de l'IA

Objectifs

À l’issue de cette leçon, vous serez capable de :

• Exprimer les enjeux de confidentialité et évaluer un outil d’IA selon sa politique de traitement des données
• Pratiquer une hygiène des données qui vous permet de travailler sans risque avec des informations sensibles de l’entreprise

La boucle Délégation-Diligence

La boucle extérieure encadre chaque usage de l’IA. En amont, vous décidez ce qu’il est juste de confier : la bonne tâche, le bon outil, les bonnes données, et ce qui doit rester chez vous. En aval, vous assumez ce qui revient : l’IA a-t-elle vu juste, et suis-je prêt à porter ce résultat ? Vous vérifiez par rapport à ce que vous savez, vous êtes transparent sur le rôle de l’IA, et vous vous portez garant du livrable. La Description et le Discernement font le travail entre les deux.

Le cas de MAKS : un assistant téléphonique, appris à la dure

Dans la vidéo de la leçon officielle, Mak raconte la décision la plus visible prise par MAKS : confier une grande partie de l’accueil téléphonique à l’IA. Une décision ni simple ni facile.

Le point de départ. En pleine croissance, l’entreprise ne pouvait plus absorber les appels. Première plainte des clients : « J’essaie d’appeler, je n’arrive à joindre personne. »

Premier essai, raté. Une IA qui décrochait, prenait les coordonnées et promettait un rappel : une messagerie améliorée. Les clients étaient encore plus mécontents. Il fallait qu’elle réponde vraiment aux questions. Mais lesquelles pouvait-elle traiter, et lesquelles non ?

Sans garde-fous, elle invente. L’équipe a vite constaté que, sans cadre précis, l’assistant hallucinait : il a donné deux fois à des clients une adresse entièrement inventée. Il a fallu lui fixer des garde-fous, ce qu’il peut faire et ce qu’il ne peut pas faire, et lui donner de bonnes informations à transmettre. Puis identifier les questions auxquelles les clients veulent une réponse rapide, et celles pour lesquelles ils veulent un humain.

Annoncer la couleur. Au début, l’assistant décrochait par un simple « Merci d’avoir appelé MAKS, que puis-je faire pour vous ? », source de beaucoup de frustration. Aujourd’hui, il se présente comme l’assistant virtuel de MAKS, dit ce qu’il peut faire, et rappelle une seule fois, avant de transférer vers un humain, qu’il peut répondre plus vite qu’une mise en attente. Certains clients restent réticents à parler à une IA : ils doivent sentir qu’ils peuvent demander un humain. Quand l’IA leur était imposée, les problèmes se multipliaient.

Écouter, ajuster, recommencer. Le conseil de Mak : obtenez des retours tout de suite. Demandez à l’IA d’analyser les appels qu’elle a traités et de dire où se situent les frustrations, puis corrigez. Il faut plusieurs ajustements, mais on y arrive : chez MAKS, la moitié des appels est désormais traitée par l’IA, et la plupart des clients sont contents d’obtenir vite leurs réponses.

Ce qui ne sera pas confié à l’IA. Le management et la supervision humaine. L’IA aide à identifier où s’approvisionner et à quel prix, elle aide beaucoup sur les données, mais la relation avec les fournisseurs, les fabricants et les sous-traitants reste celle d’un responsable des achats. Le jugement, les relations et la connaissance intime de l’entreprise restent humains.

Protéger ce qui doit l’être

Un usage sûr et efficace de l’IA tient en deux principes : protéger ce qui doit l’être avant de commencer, et vérifier ce que l’IA sait faire avant de s’y fier.

• Soyez intentionnel sur ce que vous confiez à l’IA, et décomposez la tâche pour distinguer l’information dont l’IA a réellement besoin de celle que vous ajoutez par habitude.
• Lisez les conditions d’utilisation de votre outil et de votre offre. Vous pouvez les coller dans une conversation avec l’IA et lui poser vos questions pour les comprendre plus vite.
• Certains outils utilisent vos échanges pour entraîner leurs futurs modèles. Adaptez l’outil à la tâche : plus les données sont sensibles, plus les réglages de confidentialité doivent être stricts.
• Retirez ce qui n’est pas nécessaire. Supprimez les noms, adresses et coordonnées des clients avant de partager un jeu de données, même avec un outil bien protégé.
• En cas d’erreur, agissez vite : supprimez la conversation et demandez l’effacement des données.

Dans Claude (vérifié en novembre 2026) — Pour les offres grand public (Free, Pro, Max), le choix d’autoriser ou non l’utilisation de vos conversations pour l’entraînement se fait dans Paramètres > Confidentialité, réglage « Help improve our AI models » ; une fois désactivé, ni vos nouvelles conversations et sessions de code, ni celles déjà enregistrées ne servent aux prochains entraînements (les entraînements déjà lancés et les modèles déjà entraînés ne sont pas concernés), et les conversations signalées par les filtres de sécurité peuvent encore servir à améliorer ces filtres. Pour les offres professionnelles (Claude for Work, API), Anthropic indique ne pas utiliser par défaut vos entrées et sorties pour entraîner ses modèles, sauf si vous lui envoyez un retour (pouce levé ou baissé) ou acceptez explicitement ce partage. Sources : How do I change my model improvement privacy settings? · Is my data used for model training?

Gagner la confiance, sans confiance aveugle

Pour savoir ce que l’IA vaut sur une tâche, partez d’une tâche régulière qui vous prend du temps, et de cas passés dont vous connaissez la bonne réponse. Demandez à l’IA de reproduire vos résultats et comparez méthodiquement : ce qu’elle réussit, ce pour quoi il lui faut plus de contexte, ce qu’elle manque complètement. Affinez et testez à nouveau avant de l’appliquer à une situation nouvelle. Si, après plusieurs essais, vous n’obtenez pas de résultats exacts, ne déléguez pas cette tâche. Et documentez ce qui fonctionne pour pouvoir le reproduire.

Même sans être à l’aise avec les chiffres, l’IA peut vous aider : brainstorming, formules de tableur, explications en langage courant de vos données.

Le cadre européen (ajout de Corsen) — Les obligations de transparence du règlement européen sur l’IA (article 50) s’appliquent depuis le 2 août 2026 : les fournisseurs doivent concevoir les systèmes destinés à dialoguer avec des personnes de façon qu’elles sachent qu’elles interagissent avec une IA, sauf si c’est évident, et marquer dans un format lisible par machine les contenus de synthèse que leurs systèmes génèrent. Le règlement « omnibus » (UE) 2026/1744 du 8 juillet 2026 a reporté les obligations des systèmes à haut risque au 2 décembre 2027 ou au 2 août 2028, mais pas l’article 50, hormis un délai jusqu’au 2 décembre 2026 pour le marquage par les systèmes mis sur le marché avant le 2 août 2026. Un assistant comme celui de MAKS, qui se présente d’emblée comme virtuel, va dans ce sens. Selon que vous développez l’outil ou l’achetez à un éditeur, vérifiez qui porte ces obligations. Sources : Règlement (UE) 2024/1689, articles 50 et 113 · Règlement (UE) 2026/1744.

À vous de jouer

Une boucle Délégation-Diligence complète. Ces trois exercices s’enchaînent : vous choisissez une donnée réelle de l’entreprise, vous la préparez pour l’IA en toute sécurité, puis vous évaluez et assumez ce qui revient.

Exercice 1 — Décider de ce que vous partagez

C’est votre geste de Délégation : décider quelles données peuvent aller vers l’IA, et lesquelles restent protégées.

1. Choisissez un document réel que vous connaissez déjà : un rapport de ventes, une synthèse d’avis clients, un état des stocks.
2. Relisez-le et repérez tout ce qui ne doit pas sortir de l’entreprise : noms, coordonnées, informations de paiement, prix confidentiels.
3. Faites-en une copie et retirez ces éléments : remplacez les noms par « Client A » ou « Fournisseur X », supprimez les chiffres exacts s’ils ne sont pas nécessaires, effacez les coordonnées.
4. Avant d’ouvrir l’IA, notez : ce que vous cherchez à accomplir (« comprendre pourquoi les réservations récurrentes ont baissé le trimestre dernier » vaut mieux qu’« analyser mes ventes ») ; deux ou trois tendances que vous avez déjà remarquées vous-même ; et à quoi ressemblerait un résultat utile — une synthèse, des tendances, une liste d’anomalies.

C’est votre brief : plus il est clair, plus il sera facile d’évaluer la réponse.

Exercice 2 — Valider avec l’IA

Partagez le document anonymisé et l’objectif de l’exercice 1, et demandez à l’IA de faire ressortir les tendances et les constats principaux. Comparez avec vos propres notes :

• a-t-elle trouvé les tendances que vous aviez repérées ?
• a-t-elle fait apparaître quelque chose que vous n’aviez pas vu ?
• qu’a-t-elle manqué, ou mal interprété, que vous saviez déjà ?

L’écart entre ce que voit l’IA et ce que vous voyez, c’est là que votre jugement de dirigeant est irremplaçable.

Exercice 3 — Assumer le résultat

Appliquez la Diligence : évaluez ce qui revient et décidez de ce que vous utiliserez vraiment.

• Exactitude : la réponse va-t-elle au-delà de ce que montrent vos données ? Signalez les chiffres, conclusions ou recommandations à vérifier dans vos vrais registres.
• Utilité : que garderiez-vous tel quel, que faut-il retravailler, que supprimeriez-vous ?
• Responsabilité : y mettriez-vous votre nom — pour le partager avec un client, l’utiliser dans un rapport, agir dessus ? Sinon, que faudrait-il changer ?

Pour aller plus loin : si l’IA se trompait lourdement, comment le repéreriez-vous et le corrigeriez-vous ? Écrivez-le en une phrase.

Questions de réflexion

• Comment la confidentialité de l’IA se compare-t-elle à votre façon de penser vos autres logiciels de gestion ?
• Quel changement allez-vous apporter à votre façon de partager des données d’entreprise avec l’IA ?
• Quelle catégorie de données sensibles vous paraît la plus importante à protéger, et quel est votre plan ?

Sources officielles : Transparent AI use (Claude Academy, vidéo et sa transcription)

Points clés à retenir

• L’IA pose de nouvelles questions de confidentialité : certains outils utilisent vos échanges pour entraîner leurs modèles
• Adaptez l’outil à la tâche : plus les données sont sensibles, plus les réglages doivent être stricts
• Retirez ce qui n’est pas nécessaire avant de partager, et agissez vite en cas d’erreur
• Construisez des méthodes validées, pas une confiance aveugle : testez sur des cas passés, documentez ce qui marche
• Dites à vos clients ce que fait l’IA, et laissez toujours un accès à un humain

Crédits et licence — Adaptation française de la leçon « Transparent AI use » du cours « AI Fluency for Small Businesses » de Claude Academy, l’académie d’Anthropic, créé par Anthropic en partenariat avec PayPal, Prospect Butcher Company et MAKS TIPM Rebuilders. 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. Les encadrés « Dans Claude » et « Le cadre européen » sont des ajouts de Corsen.