Compte rendu des réunions

06/07/2026 - Synthèse de la réunion – Usage de l'IA dans l'équipe

06/07/2026 - Synthèse de la réunion – Usage de l'IA dans l'équipe

Enregistrement du 06/07/2026 — Durée : ~1h00 Participants : Yohan, Emmanuelle Faye, Guillaume, Camila Moreira

Chapitre 1 — Introduction et objectifs de la session

⏱ 00:00:00 – 00:01:06

Yohan lance l'enregistrement et cadre l'objectif de la réunion : faire un point d'équipe sur l'usage actuel de l'IA (qui paie, qui utilise, comment), partager ses propres apprentissages, et ouvrir la discussion sur la suite à donner collectivement.

Questions/Réponses : aucune. Prochains pas : aucun.

Chapitre 2 — Tour de table : usages actuels de l'IA par chacun

⏱ 00:01:06 – 00:08:52

Emmanuelle Faye : utilise l'IA depuis environ un mois, plutôt ponctuellement (Copilot/Gemini gratuit, un peu ChatGPT). Usages principaux :
- Réflexion sur des réponses à appels d'offres (design pédagogique).
- Synthèse de notes prises de façon désordonnée : "j'ai mis tout mon bordel et puis je [lui ai demandé] une synthèse (...) c'était très bien, c'était assez suffisamment synthétique" [1].
- Exploration personnelle de sujets philosophiques/spirituels ou scientifiques.
- Elle se dit encore en réflexion sur la valeur ajoutée réelle vs. le simple "confort" ; elle pourrait vivre sans.
Guillaume : usage depuis un mois (ChatGPT gratuit puis Claude gratuit). Usage principal : transformer des notes manuscrites en synthèses après des animations (méthode des six chapeaux). Se dit méfiant : risque d'interprétation/erreurs si l'IA n'est pas bien cadrée, et retours d'usages "désastreux" chez des collègues.
Camila Moreira : usage très ponctuel (Copilot ou Claude gratuit) : synthèses de notes en contexte de rendu urgent, résumés de gros documents, reformulation de courriers administratifs.
Yohan : usage plus intensif, détaillé au chapitre suivant.

Prochains pas : aucun formalisé.

Chapitre 3 — Les usages de Yohan : infrastructure serveur et automatisation

⏱ 00:08:52 – 00:12:38

Yohan explique utiliser l'IA de façon intensive pour son travail sur Udem : développement et hébergement de services sur son propre serveur (tableau blanc collaboratif, instance vidéo auto-hébergée type YouTube, outil de visioconférence, plateforme d'IA montée le week-end précédent). Il a testé des modèles IA locaux (données non envoyées sur Internet) mais lents. Il utilise aussi l'IA pour des synthèses de photos d'accompagnement, des trames Excel, de la correction orthographique et de la recherche/vérification de sources.

Prochains pas : aucun.

Chapitre 4 — Panorama des IA et spécialisation par domaine (fiabilité)

⏱ 00:12:38 – 00:19:51

Présentation des principaux assistants : ChatGPT, Claude, Gemini, Copilot, Mistral IA. Chaque modèle est entraîné différemment selon les domaines, avec des taux de fiabilité variables (ex. ~13% de fiabilité pour Claude Mythos sur le domaine légal).

Q/R :

Emmanuelle : « 13% d'info vraie, ça veut dire quoi ? » → Yohan : que seuls 13% des informations produites sur ce sujet étaient entièrement exactes, le reste contenant des erreurs.

https://www.anthropic.com/claude/fable

Chapitre 5 — Démonstration de la plateforme interne (IA locales, RAG, souveraineté)

⏱ 00:19:51 – 00:26:34

Yohan présente sa plateforme (OpenWebUI, hébergée sur OVH) : IA locales/souveraines, IA gratuites externes (limitées), IA payantes payées au token avec limites budgétaires configurables.

Le RAG permettrait de retrouver facilement des informations dans les archives internes, mais c'est un chantier non encore réalisé.

Q/R :

Emmanuelle : « Si on met nos déroulés sur ce serveur, l'IA peut-elle nous les ressortir ? » → Yohan : oui, c'est le principe du RAG, mais cela demande un tri préalable des documents.

Prochains pas : finaliser la mise en place du RAG.

Chapitre 6 — Impact écologique de l'usage de l'IA

⏱ 00:26:34 – 00:28:04

Emmanuelle interpelle sur la nécessité de croiser l'usage de l'IA avec une réflexion écologique globale. Yohan illustre par un suivi de la consommation CPU de son serveur.

Q/R :

Emmanuelle : « Quelle serait une utilisation raisonnable au vu de ce que ça consomme ? » → pas de réponse tranchée, démonstration graphique à l'appui.

Prochains pas : discussion collective à ouvrir (voir chapitre 16).

Chapitre 7 — Cas d'usage envisagés pour l'équipe et limites actuelles

⏱ 00:28:04 – 00:29:19

Yohan liste : transcription de réunion (possible en local), production de déroulé (pas pertinent en local, correct en externe), aide à la créativité pour des questions complémentaires, traitement de réunions avec photos (nécessite des IA externes bien cadrées).

Chapitre 8 — Bien cadrer ses prompts pour les tâches complexes

⏱ 00:29:19 – 00:30:45

Pour les tâches complexes, il faut définir un objectif clair et un déroulé en étapes : lire sans interpréter, transcrire littéralement, rassembler, vérifier données/liens, construire une table de vérification garantissant zéro interprétation et zéro faute, en interdisant à l'IA toute prise de décision autonome.

Prochains pas : Yohan propose de fournir un modèle de prompt type.

Chapitre 9 — Agents IA et automatisation de tâches

⏱ 00:30:45 – 00:34:09

Notion d'agents IA : face à une tâche complexe, l'IA crée des sous-conversations internes pour avancer, comme un manager qui délègue. Exemple concret déjà en place : Claude remplit automatiquement chaque lundi un fichier Excel d'indicateurs de facturation.

Chapitre 10 — Les "skills" : protocoles réutilisables

⏱ 00:34:09 – 00:35:20

Un skill est une procédure écrite une fois pour toutes, que l'IA suit systématiquement pour une tâche récurrente.

Q/R :

Emmanuelle : « C'est un peu comme un protocole à suivre à chaque fois ? » → Yohan : oui, une compétence/mode d'emploi écrit noir sur blanc.
Guillaume : « On peut les enregistrer ? » → Yohan : non, il faut rédiger la procédure par écrit.

Prochains pas : installer des skills sur la plateforme interne (pas encore fait).

Chapitre 11 — Les hallucinations de l'IA : pourquoi et comment les limiter

⏱ 00:35:20 – 00:37:06

Les erreurs ("hallucinations") viennent du fonctionnement probabiliste de l'IA (calcul du mot suivant). Les skills et le RAG permettent de limiter ces erreurs sans les supprimer totalement.

Chapitre 12 — Souveraineté des données : le cas Mistral

⏱ 00:37:06 – 00:38:16

Mistral, bien que présenté comme souverain français, s'appuie en partie sur des outils américains, exposant les données à la loi américaine. Possibilité (non activée) de payer un serveur Mistral dédié à l'équipe.

Prochains pas : chantier à pousser par Yohan (non prioritaire).

Chapitre 13 — Enjeux éthiques et impact sur le métier d'accompagnement

⏱ 00:38:16 – 00:43:09

Le potentiel du "REX" capitalisé est fort, mais la rapidité des réponses IA risque de nuire à la réflexion collective humaine, avec un risque de transfert des compétences vers l'outil (surtout dans les fonctions support, moins dans l'accompagnement). Question éthique soulevée sur l'enregistrement des séances avec les clients.

Q/R :

Emmanuelle : « Qu'est-ce qui pourrait être intelligent de faire avec l'IA pour nous ? » → Yohan : fort potentiel côté mémoire collective, mais risque pour la réflexion humaine et le transfert de compétences.

Chapitre 14 — Transformation des compétences et évolution du métier

⏱ 00:43:09 – 00:46:09

L'IA permet à des personnes peu expertes de produire des livrables imparfaits mais fonctionnels, poussant les professionnels à se spécialiser davantage. Emmanuelle souligne que l'IA peut aussi être un outil d'autonomisation, montrant que "la conscience grandit même dans nos sujets", les gens se sentant plus capables d'animer une séquence d'intelligence collective [1]. Yohan cite un article de Mediapart sur le bac, où tous les élèves utilisent désormais l'IA, l'enjeu étant de vérifier la compréhension réelle plutôt que l'usage de l'outil [1].

Chapitre 15 — Exemple concret de prompt structuré (méthode complète)

⏱ 00:46:09 – 00:49:50

Camila demande la méthode pour construire une bonne demande à l'IA. Yohan détaille : objectif global, conditions (ex. ne pas conclure avant vérification complète), workflow en étapes (définir le périmètre, collecter avec sources, comparer/vérifier, écarter les données non sourcées ou trop anciennes, signaler les contradictions), sortie finale attendue (structure précise du livrable). Il insiste sur l'interdiction explicite de toute décision autonome de l'IA.

Q/R :

Camila : « Peux-tu partager la séquence type pour les demandes complexes ? » → Yohan : détaille la structure objectif/conditions/workflow/sortie finale.

Prochains pas : Yohan doit transmettre un modèle de prompt à l'équipe.

Chapitre 16 — Organisation collective : outil commun, budget et gouvernance

⏱ 00:49:50 – 00:59:41

Guillaume demande si l'équipe doit systématiquement passer par la plateforme de Yohan. Réponse : non, phase de test uniquement, la discussion éthique/écologique collective n'ayant pas encore eu lieu. Emmanuelle propose d'aborder ce sujet à la rentrée. Yohan souhaite qu'à terme l'équipe choisisse collectivement un outil pérenne, ce qui nécessite une décision sur l'outil, l'usage et le budget.

Sur le budget : "cette année, il y avait pas de budget (...) c'est aussi la première année où ça y est, on va en avoir un, et donc l'année prochaine va se poser la question de combien on y met" [1]. Yohan indique des coûts déjà engagés (ex. ~300€ sur 6 mois pour lui, ~150€ pour Romain) et évoque le coût très supérieur d'un serveur GPU (500 à 5000€/mois) par rapport au CPU actuel (~20€/mois). Emmanuelle souligne le risque d'un "gouffre financier" du secteur IA et la nécessité d'une "voie du milieu". Guillaume suggère d'échanger avec Lolo, qui aurait la plus grande expérience d'usage de l'IA dans l'équipe.

Q/R :

Guillaume : « Est-ce qu'on doit tous passer par la plateforme pour nos recherches ? » → Yohan : non, pas pour l'instant.

Prochains pas :

Tester la plateforme pendant l'été et faire un retour à Yohan.
Yohan doit échanger avec Lolo sur son expérience.
Décision collective à la rentrée sur l'outil pérenne, les règles d'usage et le budget (proposition indicative : ~20€/mois mutualisés).

Chapitre 17 — Conclusion et prochaines étapes

⏱ 00:59:41 – 01:00:33

Camila propose un rendez-vous à la rentrée intégrant la discussion éthique/écologique en suspens. Validation collective. Fin de l'enregistrement.

Prochains pas (récapitulatif final) :

Rendez-vous collectif à la rentrée pour traiter la question éthique/écologique de l'IA.
Test libre de la plateforme interne pendant l'été, avec retour à Yohan.
Discussion à prévoir entre Yohan et Lolo.
Décision collective sur l'outil pérenne, les règles d'usage et le budget.
Envoi par Yohan d'un modèle de prompt structuré à l'équipe.

Remarque : la synthèse couvre l'intégralité de l'enregistrement transcrit, sans trou de timecode entre les chapitres [1].

Annexes

Modèle de prompt

Niveaux de définition du prompt

Un prompt avancé se définit sur plusieurs niveaux :
1. intention ;
2. périmètre ;
3. données ;
4. méthode ;
5. décision ;
6. format ;
7. contrôle ;
8. agentique.

Exemple Prompt et prompt

# Objectif global

Produire une analyse fiable sur la production mondiale et les réserves mondiales des terres rares.

# Condition

Ne pas produire l’analyse finale avant collecte et vérification des données.

# Workflow

## Étape 1 — Définition

Définir :
- production annuelle ;
- réserves mondiales ;
- ressources ;
- chaîne de valeur.

## Étape 2 — Collecte production

Collecter :
- pays ;
- volume ;
- année ;
- source ;
- unité.

## Étape 3 — Collecte réserves

Collecter :
- pays ;
- réserves estimées ;
- année ;
- source ;
- unité.

## Étape 4 — Vérification

Comparer les données entre sources.

## Étape 5 — Contrôle

Détecter :
- chiffres sans source ;
- données anciennes ;
- contradictions ;
- confusion production/réserves.

## Étape 6 — Synthèse

Produire une analyse finale seulement avec les données validées.

# Sortie finale

1. Définitions.
2. Tableau production.
3. Tableau réserves.
4. Analyse des écarts.
5. Risques stratégiques.
6. Limites de l’analyse.

Prompt de contrôle

# Objectif

Contrôler la fiabilité factuelle d’une réponse générée.

# Tâche

Vérifier si la réponse contient des affirmations factuelles non contrôlées.

# Points à contrôler

1. Les chiffres ont-ils une source ?
2. Les dates sont-elles présentes ?
3. Les unités sont-elles explicites ?
4. Les notions sont-elles séparées ?
5. Les affirmations sont-elles vérifiables ?
6. Les incertitudes sont-elles signalées ?
7. Les conclusions dépassent-elles les données ?
8. Les sources se contredisent-elles ?

# Décision

Si un chiffre n’a pas de source :
- le marquer comme non vérifié.

Si une donnée n’a pas de date :
- demander une date ou signaler la limite.

Si une conclusion n’est pas soutenue :
- la retirer ou la reformuler.

# Sortie attendue

Tableau :

| Élément | Statut | Problème | Correction |

Skills

C'est une procédure que l'IA pourra connaitre quand on lui demande de faire quelque chose . On peut créer des skills pour faire un déroulé, faire une synthèse de transcription. ça aide l'IA à ne pas interprété à savoir dans quelle ordre faut faire les choses et ça l'aide à la prise de décision

RAG

C'est une mémoire documentaire de notre métier. Les propositions commerciales, les déroulés, les REX... Quand c'est implémenté ça lui permet de savoir notre métier, de pouvoir mieux nous répondre et de documenter ce qu'on fait.

Exemple : est ce que tu peux me trouver des déroulé avec des tiers lieux. Il regardera le RAG évitera de faire des hypothèses et dira oui voici celui que Pilou à fait avec le tiers lieux XXXX.