Comprendre l'IA sans jargon, décider en connaissance

Pourquoi tant de confusions autour du mot « IA » ?

Parce qu'on empile des choses très différentes sous un seul mot. « L'IA a fait ça », « on va mettre de l'IA », « l'IA se trompe » : dans ces trois phrases, le mot ne désigne pas la même réalité. La plupart des débats stériles viennent de là — deux personnes parlent d'étages différents sans le savoir.

Ma méthode est simple : je situe chaque terme à son étage. Du composant technique jusqu'à l'organisation qui l'emploie. Une fois les niveaux séparés, les décisions redeviennent claires : qui décide, qui exécute, qui répond des erreurs.

Comment séparer l'IA en quatre étages ?

Je décompose systématiquement en quatre niveaux, du plus concret au plus large. Chacun a un rôle, un périmètre, une responsabilité distincte.

• Le modèle : le moteur statistique entraîné (GPT, Claude, Mistral…). Seul, il ne fait rien de plus que prédire du texte ou une sortie. Ce n'est pas « l'IA » de vos usages, c'est une brique.

• Le harnais (le scaffolding) : tout ce qui entoure le modèle pour le rendre utile — les instructions, l'accès aux outils, la mémoire, les garde-fous, les données injectées. C'est là que se joue 80 % de la fiabilité, et pourtant on n'en parle presque jamais.

• L'agent : modèle + harnais assemblés pour accomplir une tâche concrète en autonomie relative (rédiger une réponse, trier un ticket, générer du code). C'est l'unité utile.

• L'organisation : vous, vos équipes, vos processus. Le niveau qui décide de ce que l'agent a le droit de faire, qui contrôle ses sorties, qui assume le résultat.

Quand quelqu'un dit « l'IA hallucine », il parle du modèle. Quand il dit « l'IA a envoyé un mauvais e-mail au client », il parle de l'agent — et souvent d'un harnais mal conçu. Séparer les étages, c'est déjà résoudre la moitié du problème.

Pourquoi le harnais compte plus que le modèle ?

C'est le point le plus contre-intuitif, et le plus important. On choisit un projet « par le modèle » — quelle version, quel fournisseur — alors que la qualité réelle vient presque toujours du harnais.

• Un modèle moyen bien encadré (bonnes instructions, accès aux bonnes données, vérifications) surpasse un modèle excellent laissé sans cadre.

• Le harnais est là où vous gardez le contrôle : ce que l'agent peut lire, ce qu'il peut modifier, ce qu'il doit refuser.

• Changer de modèle prend une journée. Bien concevoir le harnais prend l'essentiel du projet — et c'est ce qui reste quand le modèle sera remplacé dans six mois.

Concrètement, je conçois le harnais avant de figer le modèle. Parce que c'est cette couche qui déterminera si votre agent est fiable en production ou s'il vous expose.

Comment situer un projet d'IA à son bon étage ?

Avant tout développement, je pose quatre questions, une par étage. Elles suffisent à cadrer un projet et à éviter la plupart des dérapages.

• Modèle : la tâche demande-t-elle vraiment un modèle de pointe, ou un modèle plus léger et moins cher suffit-il ?

• Harnais : de quelles données et de quels outils l'agent a-t-il besoin, et surtout à quoi n'a-t-il pas le droit de toucher ?

• Agent : quel est le périmètre exact de la tâche, et où s'arrête son autonomie avant validation humaine ?

• Organisation : qui vérifie les sorties, qui répond en cas d'erreur, comment mesure-t-on la valeur produite ?

Cette grille transforme un « on veut faire de l'IA » — flou et risqué — en un projet délimité, mesurable, sous contrôle. C'est exactement là que j'interviens : architecture, harnais, mise en production, une seule personne responsable du premier arbitrage jusqu'au code déployé.