Bienvenue dans cette édition #08 de la newsletter du Cercle IA.
Le mois dernier, j’ai donné une conférence à l’AWEX (Agence Wallonne à l’Exportation et aux Investissements) pour aider les PMEs à utiliser l’IA pour augmenter leurs chances de remporter des marchés publics.
Comme d’habitude, j’ai posé des questions simples à la salle pleine de dirigeants et cadres de PMEs (et grands groupes) :
« Qui utilise l’IA ? » Presque toutes les mains se lèvent.
« Qui est en mesure d’évaluer son niveau d’utilisation de l’IA ? » Les mains redescendent.
Le lendemain, Christian Bettendorf, Sales Manager chez Digiteal, publiait ce retour sur LinkedIn :
Savoir évaluer honnêtement son niveau, c’est le point de départ de tout progrès. Voyons comment procéder en matière d’IA.
La plupart des gens utilisent l’IA. Très peu savent comment ils l’utilisent. Et presque personne ne sait à quel niveau ils l’utilisent.
Pour répondre à cette question, j’ai développé un cadre simple en trois profils (Bricoleur, Artisan, Ingénieur) que je partage avec vous aujourd’hui.
Dans cette édition :
Les trois profils d’utilisateur de l’IA : Bricoleur, Artisan, Ingénieur (comment vous auto-évaluer)
Cheat Sheet : 4 étapes pour utiliser l’IA mieux que 80% des gens
La ressource : MoltBook, le faux Skynet qui a affolé la presse et le génie européen mal aimé de la presse qui pourrait changer la donne mondiale en IA
L’outil à découvrir : Agent Skills, l’expertise packagée et réutilisable pour votre outil IA
SkillsBench : la première étude à évaluer systématiquement l’efficacité des Agent Skills
3 profils d’utilisateur de l’IA : Bricoleur, Artisan, Ingénieur (comment vous auto-évaluer)
Vous utilisez peut-être déjà l’IA chaque semaine, voire au quotidien.
Mais la question utile n’est pas “est-ce que vous l’utilisez”, mais plutôt quel type d’utilisateur IA êtes-vous.
3 profils d’utilisateurs de l’IA
Le Bricoleur « parle à l’IA »
Vous ouvrez ChatGPT, Copilot, Gemini ou Claude. Vous posez une question. Vous obtenez une réponse. Parfois utile, parfois décevante. Vous copiez-collez le texte pour l’utiliser ailleurs (ou vous recommencez un chat pour obtenir un meilleur résultat).
Si cette description vous ressemble, vous êtes au niveau Bricoleur. Vous n’êtes pas seul, c’est le profil le plus courant aujourd’hui.
Ce qui caractérise le Bricoleur
usage individuel et spontané, peu de méthode
résultats irréguliers, difficiles à expliquer et à reproduire
pas de prompts réutilisables, pas de structure de brief
peu ou pas de partage dans l’équipe
Test rapide : quelqu’un d’autre dans votre équipe aurait du mal à reproduire vos meilleurs résultats.
Le Bricoleur n’utilise pas “mal” l’IA. Il l’utilise à son potentiel le plus faible. Beaucoup s’en servent surtout pour écrire, là où elle est la moins fiable, et sous-exploitent ce pour quoi elle excelle vraiment : recherche, analyse, synthèse, mise en contexte, et code.
L’Artisan « pilote l’IA »
L’Artisan ne demande plus “une réponse”, il guide le travail de l’IA vers la destination souhaitée. Il cherche la précision et la répétabilité.
La différence ? La méthode. L’Artisan a compris que le résultat dépend autant de ce qu’on donne à l’IA que de ce qu’on lui demande.
Donc, l’Artisan prépare son travail en amont de l’utilisation du chatbot (il ou elle rassemble sa documentation, rédige des instructions détaillées …).
Et surtout, l’Artisan a compris une chose que le Bricoleur ignore : l’IA ne travaille pas bien en aveugle. Elle travaille mieux quand vous lui fournissez le bon contexte.
Ce qui caractérise l’Artisan :
utilise les mêmes outils que le Bricoleur, mais avec méthode. Recourt à plusieurs outils selon la tâche (un pour la recherche, un autre pour l’analyse, un troisième pour la rédaction)
utilise des outils spécialisés comme NotebookLM pour l’analyse documentaire ou Perplexity pour la recherche
ancre l’IA dans des sources (documents, notes, base de connaissances) et développe un réflexe de contrôle qualité
exploite le RAG (Retrieval-Augmented Generation) : il nourrit l’IA avec ses propres documents avant de poser ses questions
obtient une précision accrue parce qu’il impose un format de sortie, un ton, des contraintes claires
commence à partager ses pratiques avec son équipe. Quelqu’un d’autre peut reproduire un résultat proche
last but not least : commence à distinguer clairement où l’IA excelle et où elle échoue dans son contexte métier.
Test rapide. Vous avez “packagé” votre façon de faire, même dans un document simple (mais aussi peut-être dans des SOPS, voire des outils comme des custom GPT, Projets partagé et maintenant des Agent Skills).
L’Ingénieur « collabore avec l’IA »
L’Ingénieur franchit un cap décisif : il ne se contente plus d’utiliser des outils IA. Il construit un système IA.
On passe d’outils isolés à une architecture intégrée. L’IA n’est plus un assistant ponctuel, elle devient un collaborateur semi-autonome, connecté à vos outils internes, capable d’exécuter des workflows en plusieurs étapes.
Ce qui caractérise l’Ingénieur :
Conçoit des procédures “AI-natives” : des processus pensés dès le départ pour l’IA, pas des processus humains adaptés après coup
Pense en termes de système, pas d’outil
Intègre l’IA à ses outils internes (CRM, bases de données, documents internes, logiciels métiers)
Déploie des agents semi-autonomes qui exécutent des chaînes de tâches
A défini des rôles, des responsabilités et des garde-fous clairs autour de l’IA dans son équipe. L’humain reste toujours aux commandes.
Dans quel profil vous reconnaissez-vous ?
Soyez honnête. Pas avec moi. Avec vous-même.
La plupart des gens qui lèvent la main quand je demande « qui utilise l’IA ? » sont des Bricoleurs qui se croient Artisans.
Ce n’est pas un jugement. C’est une observation. Et c’est précisément ce qui les empêche de progresser : ils pensent avoir déjà franchi une étape qu’ils n’ont pas encore vraiment commencée.
Quel profil viser ?
La réponse intuitive est : le plus haut possible, le plus vite possible.
C’est (souvent) une mauvaise réponse.
Pour la grande majorité des PMEs, le point de levier optimal se situe entre le niveau 1 et le niveau 2. Passer du Bricolage à l’Artisanat, c’est là que se trouve le meilleur rapport entre l’effort investi et les résultats obtenus.
Vouloir sauter directement au niveau 3 sans maîtriser le niveau 2, c’est construire un immeuble étage sans fondations.
Le Cheat Sheet : utiliser l’IA mieux que 80 % des gens
Une fois votre profil identifié, le reste devient concret.
Voici une méthode simple en quatre étapes vous permet d’exploiter l’IA bien au-delà de ce que font la plupart des professionnels.
Étape 1 : Rechercher. Avant de demander quoi que ce soit à l’IA, commencez par rassembler les informations dont vous avez besoin. Utilisez des outils comme Perplexity ou les fonctions Deep Research de Gemini, ChatGPT ou Claude pour collecter des données, rapports et tendances. Le Bricoleur saute cette étape. L’Artisan et l’Ingénieur commencent toujours par là.
Étape 2 : Analyser. Nourrissez l’IA avec vos sources internes et externes. C’est ici que NotebookLM excelle : vous lui donnez vos documents et il les analyse en profondeur, avec des citations précises. Le Bricoleur demande à l’IA de deviner. L’Artisan lui fournit la matière première.
Étape 3 : Générer. C’est seulement maintenant que vous demandez à l’IA de produire : textes, visuels, tableaux, présentations, simulations. Après la recherche et l’analyse, pas avant. La qualité de la génération dépend entièrement de la qualité des deux étapes précédentes.
Étape 4 : Finaliser. Choisir et « certifier » les sorties de l’IA. C’est l’étape que l’IA ne peut pas faire à votre place. Les systèmes IA doivent être conçus pour permettre à une personne de les superviser et d’intervenir pendant leur utilisation.L’AI Act prescrit un niveau d’implication humaine qui varie en fonction des risques : Human in the Loop (HITL), l’humain valide activement et corrige les résultats pour les raffiner via feedback itératif, et Human in Charge, où l’humain conserve l’autorité finale sur les décisions.
N.B. : la majorité des gens commencent à l’étape 3. Ils demandent à l’IA de générer directement, sans recherche ni analyse préalable. C’est comme demander à un cuisinier de préparer un plat sans les bons ingrédients. Le résultat sera forcément décevant.
Ressource de la semaine : MoltBook, le faux Skynet IA qui a affolé la presse et le génie européen qui pourrait changer la donne mondiale de l’IA
Vous avez sûrement vu passer les titres cette semaine. Des agents IA qui discutent entre eux, semblent développer leur propre langage, complotent peut-être contre l’humanité. L’Echo, comme de nombreux médias , a relaté l’histoire avec un ton sensationnaliste (allant jusqu’à “infiltrer” Motlbook …).
Mais la réalité est nettement moins dystopique.
Si on regarde MoltBook avec un peu de recul, on ne trouve pas de Skynet. Pas de complot. MoltBook est ce qu’on appelle du « slop » : du contenu artificiel généré par IA (et dans ce cas, délibérément pour être viral).
Pour mieux comprendre le phénomène, je vous encourage à prendre le temps d’écouter la longue interview de Peter Steinberger, le concepteur d’OpenClaw (anciennement Clawdbot/Moltbot), dans le podcast de Lex Friedman (l’un des meilleurs podcasts pour décrypter l’IA en profondeur).
Peter Steinberger, le créateur de la plateforme, appelle ce phénomène la « psychose de l’IA » : une panique collective déclenchée non pas par la technologie elle-même, mais par la façon dont certains journalistes ont interprété ce qu’ils voyaient.
Ce qui est intéressant, c’est moins MoltBook lui-même que la vitesse à laquelle la presse s’est emballée et ce que cet emballement révèle : nous ne savons pas encore très bien distinguer ce qui est réellement inquiétant de ce qui est simplement spectaculaire.
Mais revenons à un sujet qui n’a pas été suffisamment traité dans la presse. MoltBook est la partie la plus visible d’un iceberg formé par Peter Steinberger, développeur autrichien et créateur d’OpenClaw.
Et son histoire mérite qu’on s’y attarde : l‘un des projets open-source à la croissance la plus fulgurante de l’histoire de GitHub a été créé par un Européen.
Pas par une startup sur-financée de San Francisco. Un développeur originaire de Vienne qui, après 13 ans à la tête d’une entreprise et un sévère épuisement professionnel, a simplement retrouvé la joie de coder grâce à l’IA.
Le projet serait né en une heure, depuis Marrakech, avec une connexion Internet instable. Ce prototype improvisé est devenu OpenClaw (après avoir porté les noms successifs de Clawdbot et Moltbot).
Peter Steinberger (créateur d’OpenClaw) : une vision qui tranche avec le discours ambiant
Peter rejette le terme de vibe coding. Il lui préfère celui d’« ingénierie agentique » (agentic engineering). Sa conviction : un développeur qui travaille avec l’IA doit faire preuve d’empathie envers la machine. Chaque agent commence une tâche sans aucun contexte. Il faut le guider comme on guiderait un nouveau collaborateur talentueux qui arrive le premier jour sans briefing.
Il a créé un fichier soul.md : un document qui définit les valeurs fondamentales de son agent et lui permet de modifier ses propres modèles.
Sa prédiction pour les cinq prochaines années : Peter est convaincu que l’arrivée des agents personnels va rendre obsolètes 80% des applications mobiles. MyFitnessPal, Sonos, Uber : ces apps deviendront de simples « APIs lentes » que votre agent interrogera en arrière-plan. Vous n’ouvrirez plus une application. Vous donnerez une instruction.
La suite chez OpenAI : Peter Steinberger vient de rejoindre OpenAI, avec pour mission de « piloter la prochaine génération d’agents personnels » selon Sam Altman. OpenClaw continuera comme projet open-source soutenu par OpenAI.
Jusqu’à son recrutement, Peter refusait tout financement en capital-risque, malgré des pertes personnelles de 10 000 à 20 000 dollars par mois. Pourquoi ? Pour qu’’OpenClaw reste gratuit et open-source.
Écoutez l’interview complète dans le podcast Lex Fridman : YouTube · Spotify
L’outil de la semaine : Agent Skills ou « Compétences d’agents » (par Anthropic)
Deux problèmes reviennent souvent chez les utilisateurs réguliers de chatbots IA :
Premier problème : plus une conversation est longue, moins les réponses sont précises. L’IA “oublie” le contexte au fil des échanges.
Second problème : on passe son temps à copier-coller les mêmes instructions d’une conversation à l’autre (”utilise ce ton”, “respecte ce format”, “voici notre charte”).
Les Agent Skills répondent à ces deux problèmes.
Qu’est‑ce qu’une Agent Skills ou compétence d’agents ?
Les Agent Skills sont des dossiers contenant des instructions détaillées (prompts), des scripts et des ressources (textes, code etc.) que les agents IA peuvent découvrir et utiliser afin d’accomplir des tâches avec plus de précision et d’efficacité.
Le format Agent Skills a été initialement développé par Anthropic, publié comme standard ouvert (disponible sur Github), puis adopté par un nombre croissant de produits d’agents. Ce standard reste ouvert aux contributions de l’écosystème au sens large.
Les Agent Skills produisent des résultats de meilleure qualité qui seraient difficiles à obtenir par le seul prompt. Ils peuvent regrouper des bibliothèques de référence complètes, des cadres de validation, des normes de qualité et des méthodologies éprouvées.
Comprendre les Agent Skills
Pour faire simple, un Agent Skill est comme un livre de recettes personnel ou un manuel d’instructions pour votre IA.
Au lieu d’expliquer à chaque fois à votre chatbot IA comment effectuer une tâche complexe ou respecter la charte graphique de votre entreprise, vous rédigez ces règles une seule fois et vous les stockez dans un “Skill”.
Ensuite, votre outil IA puise automatiquement dans ce manuel dès qu’il en a besoin, sans que vous ayez à tout lui répéter.
Ce format a été conçu par Anthropic (éditeur de Claude) et c’est principalement la version Claude Skills qui a fait parlé d’elle jusqu’ici. Mais ce qui est présenté pour Claude vaut également pour d’autres outils IA qui adoptent le standard Agent Skills (comme ChatGPT, Copilot et bientôt Cercle GPT).
4 avantages clés des Agent Skills :
gain de temps : fini le copier-coller des mêmes consignes à chaque nouvelle conversation
IA plus efficace : l’IA charge uniquement ce dont elle a besoin, ce qui évite de saturer sa mémoire
partage et collaboration : un Skill créé une fois est accessible sur tout votre compte et combinable avec d’autres Skills
polyvalence : un Skill peut générer des fichiers (PDF, PowerPoint, Excel) avec logos, polices et scripts intégrés
En savoir plus :
Standard officiel Agent Skills : agentskills.io
Guide complet Anthropic : consulter le PDF
SkillsBench : la première étude à évaluer systématiquement l’efficacité des Agent Skills
Un article publié le 13 février 2026 présente SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks, la première étude à évaluer systématiquement l’efficacité des “Skills” (ou compétences en français) lorsqu’ils sont fournis à des agents d’Intelligence Artificielle.
Les chercheurs ont évalué 84 tâches complexes dans 11 secteurs (santé, finance, industrie, énergie, etc.), en testant plusieurs modèles de pointe (Claude, Gemini, GPT) dans trois configurations :
IA seule
IA avec des “Skills” rédigés par des humains
IA à qui l’on demande de générer ses propres Skills
Le constat principal est sans appel : fournir des Skills créés par des humains améliore drastiquement le taux de réussite des IA (+16,2 points de pourcentage en moyenne), transformant une IA généraliste en un expert capable d’exécuter des tâches métier complexes
Mais cet effet varie fortement selon le domaine :
Santé : +51,9 points
Industrie manufacturière : +41,9 points
Cybersécurité : +23,2 points
Développement logiciel classique : +4,5 points
L’étude révèle également que 16 des 84 tâches ont vu leurs performances baisser avec l’ajout de Skills.
En revanche, demander à l’IA de générer ses propres Skills n’apporte aucun bénéfice, prouvant que les modèles ne peuvent pas rédiger de manière fiable les procédures dont ils ont besoin.
Enfin, l’étude souligne qu’une documentation concise (2 à 3 modules) surpasse une documentation exhaustive, et qu’un petit modèle équipé de Skills peut égaler un grand modèle qui n’en possède pas.
N.B.: plus votre activité repose sur des règles, des normes ou des méthodes internes spécifiques, plus l’IA bénéficie d’un cadre procédural structuré. La valeur ne vient pas du modèle seul, mais de la formalisation de votre expertise interne.
Avant de nous quitter
Si vous êtes arrivé jusqu’ici, vous avez probablement déjà une idée du profil qui vous ressemble. Bricoleur, Artisan, ou Ingénieur en devenir.
La bonne nouvelle : le niveau où vous en êtes n’est pas une destination. C’est un point de départ.
Cette 8ème édition vous a plu ? Trois actions simples :
Abonnez-vous pour recevoir les prochaines analyses
Partagez cette newsletter à un collègue ou une connaissance
Laissez un commentaire ou posez une question
À bientôt, et n’oubliez pas de mettre vos connaissances en pratique.
Tarik Hennen
Formateur & Consultant IA — Cercle IA
P.S. Les inscriptions au Bootcamp du Cercle IA sont ouvertes. Si vous vous reconnaissez dans le profil Bricoleur et que vous voulez passer au niveau Artisan, c’est exactement l’objectif de cette formation : méthode, cas concrets, et routines réutilisables pour obtenir des résultats plus fiables.
