Module 5 — Itérer avec l'IA : transformer un premier jet en livrable solide

Promesse du module

À la fin de cette leçon, vous saurez traiter le prompting comme une conversation de travail plutôt que comme une requête unique. Vous apprendrez à critiquer utilement une première réponse, à demander des révisions ciblées, à identifier ce qui manque, et à faire progresser l'IA par boucles successives jusqu'à un résultat réellement exploitable.

Pourquoi ce module compte

Beaucoup d'utilisateurs jugent l'IA sur sa première réponse. Si le résultat est moyen, ils concluent que l'outil n'est pas fiable. Si le résultat est bon, ils s'arrêtent trop tôt.

Dans les deux cas, ils ratent le vrai levier.

Le Prompt Thinking mature ne consiste pas à obtenir un miracle au premier essai. Il consiste à piloter une séquence d'amélioration :

produire un premier jet,
observer ce qui fonctionne,
critiquer ce qui manque ou ce qui dérive,
demander une révision utile,
conserver ce qui est bon,
affiner jusqu'au bon niveau de qualité.

Autrement dit, un prompt n'est pas seulement une instruction. C'est souvent le début d'un dialogue de travail.

Cette logique est décisive en contexte professionnel, parce qu'un bon livrable émerge rarement d'une seule formulation parfaite. Il émerge d'une conversation bien dirigée.

1. Le premier jet n'est presque jamais le livrable final

Quand vous travaillez avec un humain compétent, vous n'attendez pas forcément une version parfaite au premier échange. Vous attendez souvent :

une première proposition,
un angle initial,
une base discutable,
un brouillon sur lequel réagir.

Avec l'IA, la même logique s'applique.

Le premier jet a surtout une fonction diagnostique. Il vous montre :

ce que l'IA a compris de votre demande,
ce qu'elle a mal interprété,
ce qu'elle a oublié,
ce qu'elle a surdéveloppé,
quel niveau de qualité elle peut atteindre avec votre cadrage actuel.

Le bon réflexe n'est donc pas seulement : "Est-ce bon ou mauvais ?"

Le bon réflexe est plutôt : "Qu'est-ce que cette réponse m'apprend sur la suite de la conversation ?"

Une première réponse moyenne n'est pas forcément un échec. C'est souvent une matière première.

2. Penser en boucle plutôt qu'en coup unique

Le prompting itératif repose sur une idée simple : chaque réponse sert à améliorer la suivante.

Au lieu de traiter l'IA comme un distributeur de réponses, vous la traitez comme un système qui progresse par ajustements.

Voici la boucle la plus utile à retenir :

demander une première version,
relire avec un objectif clair,
identifier les écarts,
formuler une critique précise,
demander une version révisée,
répéter jusqu'au niveau de qualité voulu.

Cette boucle fonctionne particulièrement bien quand :

le sujet est complexe,
le ton compte,
le livrable doit être partagé tel quel,
plusieurs arbitrages sont possibles,
vous devez vous rapprocher progressivement d'un résultat précis.

La mauvaise boucle

La mauvaise boucle ressemble à ceci :

"Ce n'est pas assez bien."
"Refais."
"Sois meilleur."

Ce type de retour exprime une frustration, pas une consigne.

La bonne boucle

La bonne boucle ressemble plutôt à ceci :

"Le fond est pertinent, mais trop générique."
"Il manque un angle dirigeant PME."
"Réduis la longueur de 30 %."
"Garde la structure, mais rends les recommandations plus actionnables."
"Ajoute ce qui manque sans réécrire ce qui fonctionne déjà."

Une bonne itération ne consiste pas à tout recommencer. Elle consiste à modifier précisément ce qui doit changer.

3. Comment critiquer utilement une réponse de l'IA

Beaucoup d'utilisateurs savent qu'il faut "demander une révision", mais ne savent pas quoi dire exactement.

Une critique utile doit pointer un écart observable. Elle peut porter sur cinq dimensions principales :

la pertinence : la réponse traite-t-elle le bon problème ?
la complétude : manque-t-il des éléments essentiels ?
la précision : le niveau de détail est-il suffisant ?
la forme : le format est-il exploitable ?
l'orientation : le ton, le public ou l'objectif sont-ils respectés ?

Voici quelques formulations de critique qui fonctionnent bien :

"Cette réponse est trop générique pour mon contexte."
"Tu réponds au sujet, mais pas encore à mon objectif opérationnel."
"Le ton est correct, mais trop institutionnel pour ce public."
"Il manque les risques, les objections et les actions prioritaires."
"Le contenu est bon, mais le format n'est pas encore directement réutilisable."
"Conserve les idées fortes, mais simplifie la formulation."

Plus votre critique désigne clairement ce qui doit changer, plus la révision a des chances d'être utile.

Ce qu'il faut éviter

Évitez les retours vagues comme :

"C'est moyen."
"Je n'aime pas."
"Refais mieux."
"Sois plus pertinent."

Ces formulations n'indiquent ni le problème exact, ni la direction d'amélioration.

4. Trois questions de raffinement à utiliser presque partout

Quand vous ne savez pas comment améliorer une réponse, trois questions suffisent souvent à débloquer la suite.

1. Qu'est-ce qui manque ?

Cette question permet d'identifier les trous de la réponse.

Elle est très utile quand le résultat semble propre, mais incomplet.

Vous pouvez la formuler ainsi :

Relis ta réponse comme un responsable exigeant. Qu'est-ce qui manque pour qu'elle soit réellement exploitable dans mon contexte ? Liste les éléments manquants avant de proposer une version améliorée.

2. Qu'est-ce qui est trop vague ou trop faible ?

Cette question force l'IA à repérer les zones molles :

phrases génériques,
recommandations trop abstraites,
formulations passe-partout,
idées non priorisées.

Exemple :

Identifie les passages les plus vagues de ta réponse. Pour chacun, explique pourquoi il est faible puis remplace-le par une version plus concrète.

3. Qu'est-ce qui devrait changer pour mieux servir mon objectif ?

Cette question recentre la conversation sur l'usage final.

Exemple :

Mon objectif réel est d'obtenir l'adhésion d'une équipe dirigeante en 5 minutes de lecture. Que dois-tu changer dans ta réponse actuelle pour mieux servir cet objectif ?

Ces trois questions sont puissantes parce qu'elles déplacent l'attention de la génération brute vers l'amélioration ciblée.

5. Le schéma "critique + improve"

L'un des schémas les plus robustes consiste à demander à l'IA de séparer deux phases :

critiquer la version actuelle,
proposer ensuite une meilleure version.

Pourquoi ce schéma fonctionne-t-il bien ? Parce qu'il évite à l'IA de réécrire trop vite sans avoir clarifié le problème.

Voici une structure simple :

Voici ma demande initiale et ta réponse actuelle.

Étape 1 : critique cette réponse selon les critères suivants : clarté, précision, utilité, adaptation au public.
Étape 2 : liste les 3 à 5 améliorations les plus importantes.
Étape 3 : propose une nouvelle version qui corrige ces points sans perdre les éléments déjà solides.

Cette méthode a plusieurs avantages :

elle rend la révision plus explicable,
elle évite les corrections arbitraires,
elle vous permet de voir si l'IA comprend vraiment vos critères de qualité,
elle vous aide à garder les parties réussies au lieu de tout jeter.

Variante utile : demander d'abord la critique seule

Dans certains cas, il est encore plus efficace de séparer les tours.

Par exemple :

Commence uniquement par critiquer la réponse actuelle. Ne la réécris pas encore. Je veux d'abord voir ton diagnostic.

Puis :

Très bien. Maintenant, réécris la réponse en intégrant ces corrections, avec un ton plus direct et un format plus court.

Cette séparation est utile quand :

le livrable est important,
vous voulez contrôler la direction de la révision,
vous craignez qu'une nouvelle version efface de bonnes idées,
vous travaillez sur un texte sensible.

6. Construire sur la réponse précédente au lieu de repartir de zéro

Une erreur fréquente consiste à relancer une nouvelle demande complète à chaque tour.

Résultat :

vous perdez le contexte,
vous cassez la continuité,
vous obtenez des variations incohérentes,
vous retravaillez sans cesse des éléments déjà validés.

Dans beaucoup de cas, il vaut mieux bâtir explicitement sur la version précédente.

Exemples de formulations utiles :

"Garde la structure actuelle, mais raccourcis l'introduction."
"Conserve les sections 2 et 3. Réécris seulement la conclusion."
"La version actuelle est bonne sur le fond. Travaille uniquement le ton."
"Ne repars pas de zéro. Améliore ce texte paragraphe par paragraphe."
"Propose une version 2 qui garde les idées fortes, supprime les redites et ajoute ce qui manque."

Cette logique permet de transformer la conversation en chantier maîtrisé.

Quand repartir de zéro est malgré tout utile

Parfois, la base est trop mauvaise pour être réparée.

Repartez plutôt de zéro si :

la compréhension initiale est complètement fausse,
le mauvais angle contamine tout le texte,
le format choisi est inutilisable,
les hypothèses de départ sont erronées,
la réponse est plus coûteuse à corriger qu'à refaire.

Dans ce cas, dites-le clairement :

Ignore la version précédente. Repars de zéro avec ce nouveau cadrage, car l'angle initial ne correspond pas à mon besoin réel.

L'important est de choisir consciemment entre réviser et reconstruire.

7. Quatre schémas multi-tours très utiles et les erreurs à éviter

Quand vous commencez à travailler en conversation, certains schémas reviennent souvent. Les maîtriser vous fait gagner beaucoup de temps.

Schéma 1 : premier jet puis diagnostic

Objectif : obtenir rapidement une base puis comprendre ses faiblesses.

Séquence :

demandez une première version,
demandez ensuite ce qui manque, ce qui est trop vague ou ce qui risque de mal fonctionner,
utilisez ce diagnostic pour orienter la révision.

Schéma 2 : générer puis réviser pour un public précis

Objectif : partir d'un contenu générique, puis l'adapter.

Séquence :

produire une version générale,
préciser le vrai public,
demander les ajustements de ton, d'exemples, de vocabulaire et de niveau de détail.

Schéma 3 : comparer plusieurs versions avant de fusionner

Objectif : éviter de s'enfermer trop tôt dans une seule direction.

Séquence :

demander 2 ou 3 variantes,
identifier les forces et limites de chacune,
fusionner les meilleurs éléments dans une version finale.

Schéma 4 : faire émerger les angles morts

Objectif : utiliser l'IA comme miroir critique.

Séquence :

produire une réponse,
demander "qu'est-ce qui manque ?",
demander "quelles objections ou limites n'ont pas été traitées ?",
intégrer ces éléments dans une version plus robuste.

Le point commun de ces schémas est simple : chaque tour a une fonction claire.

Erreur 1 : attendre trop du premier prompt

Plus la tâche est importante, plus il est rationnel de penser en versions successives.

Erreur 2 : donner un retour émotionnel au lieu d'un retour exploitable

"Je n'aime pas" aide peu. "Le ton est trop abstrait pour des managers pressés" aide beaucoup plus.

Erreur 3 : tout réécrire à chaque tour

Si une partie fonctionne déjà, conservez-la. L'itération sert à améliorer, pas à redémarrer sans cesse.

Erreur 4 : oublier l'objectif final

Une réponse peut devenir "meilleure" sur un critère tout en s'éloignant de l'usage réel. Chaque révision doit rester orientée vers le livrable final.

Erreur 5 : demander une amélioration sans critère

Si vous ne dites pas ce qui compte le plus, l'IA optimise souvent ce qu'elle suppose important, pas ce qui l'est vraiment pour vous.

8. Exemples pratiques de prompts avec commentaire

Les exemples ci-dessous montrent comment transformer une interaction ponctuelle en boucle de raffinement.

Exemple 1 — Passer d'un email correct à un email qui obtient plus facilement une réponse

Prompt initial :

Rédige un email pour relancer un prospect qui n'a pas répondu.

Problème fréquent du premier résultat :

L'email est souvent poli, mais générique. Il manque un angle, une raison de répondre et un appel à l'action crédible.

Boucle de révision en plusieurs tours :

Tour 1
Rédige un email de relance en français pour un prospect B2B qui a reçu notre proposition il y a 9 jours. Objectif : obtenir une réponse ou un créneau de 15 minutes. Ton : professionnel, direct, calme. Longueur : 120 mots maximum.

Tour 2
Ta version est propre, mais encore trop générique. Critique-la d'abord selon 3 critères : clarté, différenciation, force de l'appel à l'action. Ne réécris pas encore.

Tour 3
Maintenant, propose une version 2 qui garde le ton actuel mais :
- ajoute une raison concrète de répondre maintenant,
- supprime les formules trop convenues,
- renforce l'appel à l'action sans agressivité.

Commentaire :

Le gain ne vient pas d'un prompt plus long au départ. Il vient du fait que la deuxième étape force un diagnostic, puis que la troisième corrige des écarts précis. On passe d'un email "acceptable" à un email plus orienté conversion.

Exemple 2 — Utiliser "qu'est-ce qui manque ?" pour enrichir une note de décision

Prompt initial :

Aide-moi à rédiger une note pour décider si nous devons lancer une nouvelle offre de formation.

Boucle de révision en plusieurs tours :

Tour 1
À partir du contexte suivant, rédige une note de décision d'une page pour évaluer le lancement d'une nouvelle offre de formation destinée aux managers de PME. La note doit couvrir : opportunité, risques, ressources nécessaires, recommandation provisoire.

Tour 2
Relis ta note comme un dirigeant prudent. Qu'est-ce qui manque pour prendre une décision sérieuse ? Liste uniquement les angles morts, les hypothèses implicites et les informations manquantes.

Tour 3
Très bien. Réécris maintenant la note en intégrant ces manques. Ajoute une section finale "Questions à trancher avant décision".

Commentaire :

La question "qu'est-ce qui manque ?" évite un défaut fréquent : une note bien rédigée, mais trop lisse. Ce schéma aide à faire apparaître les angles morts avant qu'ils ne deviennent un problème réel dans la décision.

Exemple 3 — Réviser un contenu sans perdre les bonnes parties

Prompt initial :

Prépare un post LinkedIn sur notre nouvelle formation IA.

Boucle de révision en plusieurs tours :

Tour 1
Rédige un post LinkedIn en français pour annoncer une nouvelle formation sur le Prompt Thinking destinée aux professionnels. Ton : clair, crédible, non sensationnaliste. Longueur : 180 mots maximum.

Tour 2
Le fond est bon, mais l'ouverture est trop banale et la fin manque d'énergie. Garde le corps du texte. Réécris seulement :
- l'accroche,
- la transition vers la promesse,
- le call to action final.

Tour 3
Propose ensuite 3 variantes d'accroche plus fortes, sans tomber dans le ton "guru" ou les promesses excessives.

Commentaire :

Ici, l'intérêt du dialogue est de ne pas jeter tout le texte. On protège les éléments satisfaisants et on concentre la révision sur les zones faibles. C'est souvent plus rapide et plus stable que de demander "une meilleure version" complète.

Exemple 4 — Construire une réponse robuste par variantes puis fusion

Prompt initial :

Explique à mon équipe comment mieux utiliser l'IA.

Boucle de révision en plusieurs tours :

Tour 1
Propose 3 façons d'expliquer à une équipe non technique comment mieux utiliser l'IA au travail :
1. une version pédagogique,
2. une version orientée performance,
3. une version orientée réduction des erreurs.

Tour 2
Pour chacune, indique :
- le principal avantage,
- le principal risque,
- le type de public pour lequel elle fonctionne le mieux.

Tour 3
À partir de cette comparaison, fusionne les meilleurs éléments dans une version finale destinée à des managers de PME. Je veux un message court, crédible et actionnable.

Commentaire :

Ce schéma évite de s'enfermer trop tôt dans une seule approche. Il est particulièrement utile quand vous cherchez le bon angle, le bon ton ou la bonne structure avant de finaliser.

9. Exercice pratique

Prenez la demande suivante et transformez-la en mini-conversation de travail en trois tours minimum.

Demande de départ

Prépare une proposition pour améliorer la manière dont mon équipe utilise l'IA au quotidien.

Votre objectif

Réécrivez cette demande pour obtenir non pas une seule réponse, mais une séquence d'amélioration progressive menant à un livrable plus solide.

Contraintes à respecter

Votre séquence doit :

commencer par demander un premier jet clair,
inclure au moins une étape de critique explicite,
utiliser une question de type "qu'est-ce qui manque ?" ou "qu'est-ce qui est trop vague ?",
demander une révision ciblée plutôt qu'une réécriture totale,
aboutir à un livrable final directement exploitable.

Variante recommandée

Testez ensuite votre séquence dans l'outil de votre choix. Relisez chaque tour et demandez-vous :

à quel moment la qualité s'améliore réellement,
quelle critique produit la meilleure révision,
ce qu'il aurait fallu préciser plus tôt,
si vous avez trop recommencé au lieu de construire sur l'existant.

Réécrivez enfin votre séquence une seconde fois pour la rendre plus courte, plus précise et plus facile à réutiliser dans un autre contexte professionnel.

10. Checklist d'auto-évaluation

Avant de lancer une boucle de raffinement importante, vérifiez rapidement :

Ai-je accepté que la première réponse soit un point de départ plutôt qu'un verdict final ?
Sais-je exactement ce qui manque ou ce qui doit changer ?
Ma critique porte-t-elle sur des écarts observables plutôt que sur un ressenti vague ?
Ai-je demandé une révision ciblée au lieu d'un simple "refais mieux" ?
Est-ce que je conserve explicitement ce qui fonctionne déjà ?
Ai-je utilisé au moins une question utile du type "qu'est-ce qui manque ?" ou "qu'est-ce qui est trop vague ?"
Chaque tour de dialogue a-t-il une fonction claire ?
La révision demandée reste-t-elle orientée vers mon livrable final ?
Ai-je distingué le moment où il faut réviser du moment où il vaut mieux repartir de zéro ?

Si plusieurs réponses sont "non", votre conversation avec l'IA manque probablement encore de méthode.

11. Ce qu'il faut retenir

Le prompting avancé n'est pas un art du coup parfait. C'est un art de la révision utile.

Pour progresser :

traitez le premier jet comme un diagnostic,
critiquez avec précision au lieu de juger globalement,
utilisez des questions simples pour révéler les manques,
séparez diagnostic et amélioration quand le livrable est important,
construisez sur ce qui fonctionne déjà,
donnez à chaque tour de dialogue un rôle clair.

À ce stade, vous ne demandez plus seulement une réponse à l'IA. Vous apprenez à conduire une conversation de raffinement qui rapproche progressivement la sortie de votre objectif réel.