Former à l’IA : savoir écrire un bon prompt ne suffit pas

Illustration générée avec une intelligence artificielle.

Je vais être direct : apprendre à rédiger un bon prompt ne suffit pas pour maîtriser l’intelligence artificielle.

Oui, le prompt est important. Une demande vague produit souvent une réponse vague. Donner du contexte, préciser l’objectif et définir le format attendu améliore généralement le résultat.

Mais que se passe-t-il ensuite ?

Si la personne ne sait pas vérifier une information, protéger une donnée confidentielle ou repérer une réponse incohérente, son beau prompt ne la protège pas. Elle obtiendra peut-être un texte mieux présenté, mais pas forcément un résultat juste ou utilisable.

C’est un peu comme apprendre plusieurs recettes sans comprendre les ingrédients. Tant que tout se passe comme prévu, cela fonctionne. Dès qu’un élément manque ou qu’une situation change, on ne sait plus quoi faire.

Pour moi, c’est là que se situe le véritable enjeu de la formation à l’IA : ne pas seulement apprendre à parler à l’outil, mais apprendre à travailler avec lui sans lui abandonner son jugement.

Un cadre intéressant, à condition de ne pas en faire une nouvelle formule magique

Une étude déposée sur arXiv le 3 août 2026 propose un cadre qui va justement dans ce sens. Son nom est RAIL-Ed, pour Responsible AI Literacy in Education.

Les auteurs ont analysé 67 études publiées entre 2023 et 2025. Ils en tirent six dimensions complémentaires : la maîtrise technique, l’évaluation critique, la collaboration humain-IA, la compréhension du contexte, le raisonnement éthique et la capacité d’agir.

Le terme « littératie en IA » peut sembler un peu théorique. En pratique, l’idée est simple : être capable d’utiliser une IA, de comprendre ses limites, de contrôler ce qu’elle produit et de décider quand il vaut mieux ne pas l’utiliser.

Le cadre RAIL-Ed concerne d’abord la formation des enseignants du primaire et du secondaire. Il n’a pas été conçu spécifiquement pour les organismes de formation professionnelle. Pourtant, les questions qu’il pose sont directement utiles pour former des adultes, des salariés, des indépendants ou des formateurs.

Je ne le présenterais pas comme une méthode définitive. Les auteurs indiquent eux-mêmes qu’il s’agit d’un cadre conceptuel qui doit encore être validé sur le terrain. En revanche, il constitue une excellente grille de lecture pour repérer ce qui manque dans une formation à l’IA.

1. Comprendre l’outil, sans devenir ingénieur

Former à l’IA ne signifie pas transformer chaque participant en spécialiste du machine learning.

Il faut néanmoins expliquer quelques principes essentiels. Une IA générative ne consulte pas automatiquement une base de connaissances fiable avant de répondre. Elle génère une suite probable à partir de son entraînement et du contexte disponible. Elle peut donc se tromper tout en donnant l’impression de maîtriser parfaitement le sujet.

Cette explication change déjà la posture de l’utilisateur.

Il ne regarde plus la réponse comme un corrigé. Il la considère comme une proposition de travail.

La maîtrise technique consiste aussi à savoir choisir un outil selon la tâche, comprendre ce que devient un document transmis, distinguer une conversation d’un agent et connaître les conséquences des autorisations accordées.

On n’attend pas du participant qu’il sache construire le moteur. Mais il doit savoir conduire, lire les voyants et s’arrêter lorsque quelque chose ne va pas.

2. Vérifier, parce qu’un texte bien écrit peut être faux

Le problème avec les IA génératives, c’est qu’elles écrivent souvent très bien.

C’est utile, mais c’est aussi ce qui les rend parfois trompeuses. Une réponse fluide, structurée et polie inspire facilement confiance. Pourtant, la qualité de la rédaction ne prouve rien sur la fiabilité de l’information.

Prenons un exemple concret. Un participant demande à une IA de résumer une nouvelle réglementation. Le résultat tient sur une page, les titres sont clairs et les recommandations paraissent logiques.

Est-ce suffisant ? Non !

Il faut encore retrouver le texte officiel, vérifier la date, repérer les éventuelles exceptions et identifier les passages qui nécessitent l’avis d’une personne compétente.

Une formation sérieuse doit donc apprendre à comparer une réponse au besoin initial et aux sources disponibles. Elle doit aussi montrer qu’on ne vérifie pas tout avec la même intensité. Une idée de titre et une décision qui concerne un apprenant n’ont pas les mêmes conséquences.

La bonne question n’est pas seulement « Est-ce que la réponse me plaît ? », mais « Qu’est-ce qui me permet de lui faire confiance ? »

3. Utiliser l’IA comme assistante, pas comme responsable

L’IA peut faire gagner beaucoup de temps. Elle peut proposer des idées d’activités, adapter un exercice, préparer une première trame ou relever les faiblesses d’un document.

Mais gagner du temps ne veut pas dire déléguer toute la tâche.

Je compare souvent l’IA à une collaboratrice très rapide qui ne connaît pas réellement votre métier. Elle peut préparer, reformuler et explorer. En revanche, elle ne connaît ni votre groupe, ni vos contraintes, ni les conséquences d’une mauvaise décision.

Il faut donc répartir clairement le travail :

• ce que l’IA prépare ;
• ce que la personne contrôle ;
• ce qui doit être corrigé ;
• ce qui attend obligatoirement une validation humaine.

Cette distinction devient encore plus importante avec les agents. Un chatbot qui propose un brouillon reste relativement simple à contrôler. Un agent capable d’envoyer un message, modifier un dossier ou publier un contenu peut provoquer une conséquence réelle avant même que l’erreur soit repérée.

Plus l’outil peut agir, plus la règle d’arrêt doit être claire !

4. Partir du contexte réel, pas d’un prompt trouvé sur Internet

Une demande comme « Fais-moi un cours sur l’IA » ne dit presque rien.

Pour quel public ? Avec quel niveau de départ ? Pendant combien de temps ? Avec quels outils ? Pour produire quoi ? Quelles données sont autorisées ? Comment le résultat sera-t-il évalué ?

C’est pour cela que je me méfie des listes de prompts présentées comme des solutions prêtes à l’emploi. Un prompt peut être excellent dans une situation et totalement inadapté dans une autre.

La méthode CROP, utilisée dans FormaPrompt Studio, sert justement à poser quatre repères : le Contexte, le Rôle, l’Objectif et les Précisions.

Elle aide à passer d’une demande trop générale à une demande réellement exploitable. Mais il faut rester lucide : un prompt mieux structuré améliore le cadre de travail, il ne garantit ni la vérité ni la conformité du résultat.

Le score proposé dans le Studio est donc un repère pédagogique de complétude. Ce n’est pas une note de fiabilité attribuée à la future réponse.

5. Se demander si l’on doit faire ce que l’outil permet de faire

Une IA peut techniquement analyser des dossiers d’apprenants, classer des candidatures, générer une correction ou imiter le style d’une personne.

La possibilité technique ne répond pourtant pas à la question la plus importante : est-ce souhaitable, autorisé et justifiable dans cette situation ?

Il faut regarder les données utilisées, les droits, les biais possibles, l’accessibilité, la transparence et les conséquences d’une erreur. Il faut également penser aux personnes concernées. Sont-elles informées ? Peuvent-elles comprendre ou contester une décision ? Une personne compétente garde-t-elle réellement la main ?

Cette question dépasse la simple prudence. L’article 4 de l’AI Act demande aux fournisseurs et aux déployeurs de systèmes d’IA de prendre des mesures en faveur de la littératie en IA des personnes qui utilisent ces systèmes pour leur compte. La Commission européenne précise toutefois qu’aucun niveau unique n’est imposé : les mesures doivent être adaptées aux connaissances, à l’expérience et au contexte d’utilisation.

RAIL-Ed peut aider à réfléchir à ces dimensions. Il ne transforme pas pour autant une formation en preuve automatique de conformité. Sur un usage sensible, la validation d’une personne compétente en droit, en sécurité ou dans le métier concerné reste nécessaire.

6. Savoir reprendre la main

On reconnaît aussi une personne compétente à sa capacité à ne pas utiliser l’IA.

Elle sait l’écarter lorsque la tâche est trop sensible, lorsque les données ne peuvent pas être transmises ou lorsque le contrôle demanderait plus de temps que la réalisation directe.

Elle peut expliquer ses décisions : pourquoi avoir choisi cet outil ? Pourquoi avoir retiré certaines informations ? Pourquoi avoir vérifié cette source ? Pourquoi avoir refusé d’automatiser cette étape ?

Cette autonomie est essentielle. Si nous ne pouvons plus préparer un document simple sans demander l’aide d’une IA, le gain de productivité commence à ressembler à une dépendance.

L’outil doit augmenter nos capacités, pas remplacer progressivement ce que nous savions faire.

Une vérification simple pour les organismes de formation

Pour savoir si une formation va plus loin que la démonstration d’outils, six questions suffisent déjà :

Si une formation répond uniquement à la première question, elle apprend surtout à utiliser une interface.

Or les interfaces vont changer. Les boutons seront déplacés, les modèles progresseront et certaines fonctions deviendront rapidement ordinaires.

La capacité à questionner un résultat, elle, restera utile.

Ce que je veux réellement transmettre dans une formation à l’IA

Pour moi, une formation réussie n’est pas celle où les participants repartent avec cinquante prompts copiés dans un document qu’ils n’ouvriront peut-être plus.

C’est celle où ils savent prendre une situation professionnelle, expliquer leur besoin, choisir un outil adapté, analyser le résultat et corriger ce qui ne convient pas.

Ils doivent également savoir identifier les informations qu’ils ne peuvent pas transmettre et les décisions qu’ils ne doivent pas déléguer.

Le prompting fait partie de cet apprentissage. Il aide à mieux formuler une demande et à réduire les réponses trop génériques. Mais il ne représente qu’une étape du travail.

La compétence se trouve dans l’ensemble de la démarche : tester, questionner, vérifier, puis décider !

C’est cette logique que je souhaite développer avec FormaPrompt : ne pas seulement apprendre à obtenir une réponse de l’IA, mais apprendre à rester responsable de ce que l’on en fait.

Pour structurer une demande avec des repères simples, vous pouvez découvrir le Studio FormaPrompt.

Sources

• Shahin Hossain et al., Rethinking Generative AI Literacy: An Integrative, Developmental, and Dialectical Framework for K-12 Teacher Education, arXiv, 3 août 2026.
• UNESCO, What you need to know about UNESCO’s new AI competency frameworks for students and teachers, mise à jour du 20 février 2025.
• Commission européenne, AI talent, skills and literacy, consulté en août 2026.