IA générative, c’est quoi : définition et tâche concrète

L’IA générative, concrètement, c’est un type de modèle qui produit un contenu nouveau — un texte, une image, du code — à partir d’une description, au lieu de choisir parmi des catégories déjà connues. C’est la différence qui compte avec une IA « classique », celle qui existait déjà avant ChatGPT ou Midjourney : un filtre anti-spam, un système de recommandation de film, une détection de fraude bancaire. Ces outils-là trient et classent ; l’IA générative, elle, écrit, dessine ou construit quelque chose qui n’existait pas une seconde avant.

La différence avec une IA classique, sur un exemple

Un filtre anti-spam décide « spam » ou « pas spam » : deux catégories fixées à l’avance, apprises sur des milliers d’exemples. Il ne peut rien produire d’autre que ce choix. Demandez-lui d’écrire un e-mail et il ne sait pas faire — ce n’est pas sa tâche.

Un modèle d’IA générative, lui, n’a pas de catégories fixées : donnez-lui une situation et une contrainte, il génère un texte adapté, différent chaque fois, même pour une demande très proche. Cette souplesse est aussi sa limite : il écrit avec la même assurance qu’il s’agisse d’une information qu’il a reçue ou d’une supposition plausible comblant un blanc — d’où l’importance de toujours vérifier ce qu’il renvoie avant de s’en servir.

Une tâche concrète pour voir la différence

Prenez une tâche qui revient souvent : répondre à un client qui demande un remboursement hors délai légal.

Prompt faible : « Réponds à ce client. » Résultat : une réponse poliment vague, qui ne dit ni oui ni non et ne cite aucune règle précise, parce qu’aucune règle n’avait été donnée.

Prompt complet : « Voici le message du client : [message collé]. Notre politique de retour autorise un remboursement jusqu’à 30 jours, sauf produit personnalisé. Rédige une réponse qui explique poliment pourquoi ce remboursement n’est pas possible ici, et propose un geste commercial alternatif — un bon d’achat de 10 %. » Le résultat est directement utilisable, parce que la règle exacte et l’alternative à proposer étaient données dans la demande, pas laissées au modèle.

Une IA générative ne connaît pas votre politique de retour. Elle en invente une plausible si vous ne lui donnez pas la vraie.

Les données à fournir pour un résultat réutilisable

• —La règle ou le document dont la réponse dépend réellement — la politique de retour, le tarif, le contrat — pas seulement une description de la situation.
• —Le format attendu : un e-mail, trois phrases, une liste à puces, pas « quelque chose de professionnel ».
• —La marge de décision autorisée : un geste commercial jusqu’à quel montant, par exemple — sinon le modèle choisit lui-même une limite, et pas toujours la bonne.
• —À qui s’adresse la réponse, ce qui change le ton bien plus qu’une consigne de style abstraite.

Les vérifications avant utilisation

Avant d’envoyer une réponse générée, relisez-la contre la règle réelle ligne par ligne — pas seulement à la relecture rapide qui confirme que « ça a l’air correct ». Un montant, une date limite ou une condition inventée se glisse facilement dans une phrase par ailleurs bien tournée.

Pour toute donnée personnelle collée dans la demande — un nom de client, un numéro de dossier — la CNIL rappelle qu’une vigilance sur ce qui est partagé avec un outil d’IA générative reste nécessaire, quel que soit l’outil utilisé.

Ce que mesurent les sources disponibles

L’INSEE mesure qu’en 2024, 10 % des entreprises françaises déclaraient utiliser au moins une technologie d’IA, contre 6 % l’année précédente — une progression portée en grande partie par l’IA générative, la plus facile à essayer sans compétence technique préalable. Les lignes directrices de l’OCDE sur l’IA citent une supervision humaine effective comme condition d’un usage responsable, et le Stanford AI Index suit chaque année l’écart entre une réponse qui sonne juste et une réponse réellement exacte — un écart qui se réduit, mais plus lentement qu’un premier essai réussi ne le laisse penser.

Cette même rigueur de vérification est ce que le PwC AI Jobs Barometer retrouve derrière la prime salariale qu’il mesure sur près d’un milliard d’offres d’emploi — pas la capacité à obtenir une réponse d’une IA générative, mais celle à vérifier ce qu’elle renvoie avant de s’en servir.

Ce que vous essayez cette semaine

1. 01Prenez une tâche réelle qui dépend d’une règle précise — une politique, un tarif, un contrat.
2. 02Donnez cette règle explicitement dans la demande, pas seulement la situation.
3. 03Fixez la marge de décision autorisée plutôt que de la laisser au modèle.
4. 04Relisez le résultat contre la règle réelle avant de l’envoyer.

Pour situer l’IA générative parmi les autres catégories — l’IA qui classe, celle qui agit seule — Les 3 types d’intelligence artificielle clarifie cette distinction plus large. Pour un parcours en quatre étapes plutôt qu’un seul exemple, Formation IA générative part de zéro. Pour la même logique appliquée spécifiquement à un chatbot plutôt qu’à une tâche ponctuelle, IA chatbot détaille la différence avec un agent qui exécute lui-même plusieurs étapes.

Pour une méthode complète avec ChatGPT en particulier, du prompt vague au résultat réutilisable, Comment utiliser ChatGPT reprend cette même logique en détail.

Cette compétence — fournir la bonne règle et vérifier ce qui revient — est ce que Coursium fait pratiquer par petites leçons sur votre téléphone, sur des tâches réelles plutôt que sur une démonstration. Gardez une longueur d’avance sur l’IA en commençant ici — ou lisez d’abord à propos de Coursium.