Écrire une requête et lire la réponse : c’est l’usage que 90 % des professionnels font d’un outil d’IA générative. Or trois familles de fonctions changent radicalement la fiabilité du résultat — et le niveau de risque associé.
Le rôle : cadrer le comportement, pas la question
Attribuer un rôle à l’outil (« tu es responsable qualité dans un organisme de formation ») ne relève pas de l’astuce : cela fixe le registre, le niveau de détail et les références implicites. Un rôle bien défini réduit les reformulations et rend les résultats comparables d’une session à l’autre — condition d’un usage professionnel reproductible.
La mémoire : le réglage le plus sous-estimé
La plupart des outils grand public conservent, par défaut, des éléments des échanges passés. Pratique pour un usage personnel, problématique dès qu’un contexte professionnel sensible est en jeu : une information saisie pour une tâche peut ressurgir dans une autre, y compris devant un autre interlocuteur.
Le niveau de mémoire activé doit être décidé en fonction de la sensibilité des données — pas laissé au réglage par défaut. C’est précisément ce que la certification évalue.
Les agents : de l’assistance à l’exécution
Un agent n’attend plus une requête : il enchaîne des actions pour atteindre un objectif. Le gain est réel sur les tâches répétitives, mais le déplacement du risque l’est autant — plus l’outil agit, moins l’humain voit chaque étape. D’où la nécessité de définir à quels moments un contrôle humain reste obligatoire avant d’automatiser quoi que ce soit.
Ce que ces fonctions ont en commun
Elles se paramètrent avant l’usage, pas pendant. C’est la logique du référentiel : le cadrage précède la production, et le paramétrage traduit ce cadrage dans l’outil.
