Comment utiliser ChatGPT : une tâche concrète pour commencer

La plupart des gens qui cherchent « comment utiliser ChatGPT » ont déjà ouvert l’outil et tapé une question — le blocage n’est pas là. Il apparaît une fois la réponse obtenue : une phrase générale, correcte mais inutilisable telle quelle, parce que la question posée était elle-même générale. Le geste qui change tout n’est pas un réglage caché dans l’interface, c’est de traiter chaque échange comme une tâche avec des données précises à fournir, pas comme une question à un moteur de recherche.

Ce que ChatGPT fait bien dès le premier essai

• —Un premier jet à partir d’informations que vous fournissez — un e-mail, un résumé, une liste — à corriger ensuite, pas à envoyer tel quel.
• —Reformuler un texte existant dans un ton différent, plus formel ou plus direct.
• —Expliquer une notion technique avec un exemple adapté à votre métier plutôt qu’une définition générale.
• —Comparer plusieurs options à partir de critères que vous donnez vous-même.

Ce qu’il ne faut pas encore lui confier sans vérification séparée : un calcul dont le résultat compte vraiment, une information dont vous n’avez aucun moyen de vérifier l’exactitude, ou des données personnelles ou confidentielles — un contrat, un dossier client, un salaire — qu’il ne faut pas coller dans un outil dont vous ne connaissez pas la politique de conservation.

La méthode : contexte, tâche, vérification

1. 01Donnez le contexte avant la demande : qui va lire le résultat, dans quel but, avec quelles contraintes de longueur ou de ton.
2. 02Formulez une tâche précise plutôt qu’une question ouverte — « rédige » ou « corrige » plutôt que « que penses-tu de ».
3. 03Fournissez les informations réelles dont la réponse dépend, plutôt que de laisser le modèle les deviner.
4. 04Demandez explicitement une deuxième version si la première ne convient pas — préciser ce qui ne va pas donne un résultat plus proche que recommencer à zéro.
5. 05Relisez le résultat comme vous relieriez un texte écrit par un collègue junior : utile comme point de départ, jamais à envoyer sans un regard.

Un exemple du prompt vague au résultat utilisable

Prompt vague : « Écris un e-mail pour reporter une réunion. » Résultat : un e-mail poli mais générique, sans date de remplacement, sans destinataire nommé, à réécrire presque entièrement avant de pouvoir l’envoyer.

Prompt complet : « Rédige un e-mail court à Claire, ma responsable, pour reporter notre point du jeudi 10h à cause d’un imprévu client. Propose vendredi 14h ou lundi matin comme alternative, ton professionnel mais pas trop formel, une signature simple à la fin. » Le résultat contient déjà les bons noms, les bonnes dates et un ton adapté — la relecture porte alors sur le fond, pas sur les blancs qu’il aurait fallu remplir à la main.

Une question vague obtient une réponse vague. Une tâche précise, avec les vraies données, obtient un résultat qui a des chances de partir tel quel — après une relecture, jamais sans.

Un deuxième exemple montre la même méthode sur un résumé plutôt qu’un e-mail : coller un compte-rendu de réunion de deux pages et demander « résume ça » donne un résumé plat qui reprend tout au même niveau d’importance. Demander à la place « résume ce compte-rendu en trois points : les décisions prises, les tâches assignées avec leur responsable, et les points encore en suspens » force le modèle à trier plutôt qu’à condenser mécaniquement — et donne un résumé que vous pouvez réellement transmettre à quelqu’un qui n’était pas présent.

Pourquoi une réponse fausse sonne aussi sûre qu’une réponse juste

Le modèle ne fait pas la différence, en écrivant sa réponse, entre une information qu’il connaît avec certitude et une information plausible qu’il complète pour ne pas laisser de blanc. Une date, un nom d’entreprise ou une statistique peuvent apparaître avec la même assurance, qu’ils soient exacts ou inventés. C’est pour cette raison que la vérification porte sur les faits précis contenus dans la réponse — pas sur l’impression générale que le texte donne.

À quel point ces outils sont déjà utilisés au travail

Le Baromètre France Num mesure chaque année la part des entreprises françaises qui utilisent déjà l’IA générative dans leur activité quotidienne — une part en nette hausse. France Travail suit de son côté la part des employeurs pour qui ces outils font désormais partie du poste, plutôt qu’une curiosité ponctuelle.

Qu’un humain relise le résultat avant de l’utiliser fait partie d’un usage responsable, pas d’une précaution réservée aux cas sensibles — les lignes directrices de l’OCDE le rappellent explicitement. Le rythme auquel ces modèles progressent, et les tâches où l’écart entre une réponse plausible et une réponse juste se referme le plus lentement, sont suivis chaque année par le AI Index de Stanford HAI.

Cette compétence de vérification est justement ce que mesure le PwC AI Jobs Barometer sur près d’un milliard d’offres d’emploi : une prime salariale nette pour les profils qui savent obtenir un résultat fiable de ces outils, pas seulement les avoir essayés une fois.

À essayer dès lundi

1. 01Reprenez une tâche d’écriture que vous deviez faire cette semaine plutôt qu’un exemple de test.
2. 02Donnez le contexte, la tâche précise et les vraies données avant de lancer la demande.
3. 03Demandez une deuxième version en précisant ce qui ne convenait pas dans la première, plutôt que de recommencer de zéro.
4. 04Relisez chaque fait précis — nom, date, chiffre — avant d’utiliser le résultat où que ce soit.

Cette méthode de contexte précis s’applique directement à un exercice fréquent au bureau, la lettre de motivation — Lettre de motivation IA la détaille avec un avant/après complet. Pour aller plus loin sur la structure d’un bon prompt écrit, Formation prompt IA propose quatre éléments et trois exercices. Si le texte obtenu sonne encore trop générique après relecture, Humaniser un texte IA explique ce qui trahit vraiment un brouillon généré. La même méthode s’applique aussi à une image plutôt qu’à un texte — Prompt ChatGPT photo la détaille pour ce cas. Pour apprendre ces méthodes de façon structurée plutôt qu’en testant seul, Formation ChatGPT explique comment reconnaître une bonne formation.

Coursium fait pratiquer cette méthode par petites leçons sur votre téléphone, sur des tâches réelles plutôt que des démonstrations. Gardez une longueur d’avance sur l’IA en commençant ici — ou lisez d’abord à propos de Coursium.