Faire de l’IA, ce n’est plus discuter avec ChatGPT

Pendant un moment, « faire de l’IA », c’était ouvrir ChatGPT ou Claude, taper quelque chose, récupérer une réponse, corriger, recommencer. Très bien. Sauf qu’au bout de trois jours sur un vrai projet, la machine avait déjà oublié pourquoi on avait tué une piste, gardé une autre, changé la DA et interdit ce foutu violet.

Pour un créatif, c’est là que ça devient pénible. Une idée ne vit jamais toute seule. Autour, il y a cinquante petites décisions : « plus simple », « trop propre », « garde cette image », « pas ce mot », « là ça devient du cinéma pour gens qui aiment dire cinéma ». C’est ce bordel qui finit par fabriquer une direction. Et c’est exactement ce qu’on n’a pas envie de réexpliquer tous les matins.

Alors j’ai construit un second cerveau.

Au début, je pensais qu’il fallait surtout qu’il se souvienne. En fait, non. S’il se souvient de tout, c’est presque pire. Une piste proposée n’est pas une décision. Une remarque faite une fois n’est pas une règle. Une idée intéressante sur un projet n’est pas forcément un truc à ressortir pendant les quinze prochaines années.

Donc le système essaie surtout de retenir ce qui compte : les décisions, les contraintes, l’état des projets, les références utiles, les trucs qu’on a déjà essayés et qu’on ne veut pas recommencer, les méthodes qui ont réellement fait leurs preuves. Le reste peut mourir tranquillement.

Puis j’ai ajouté un harnais. Parce qu’une IA qui ne sait rien est pénible, mais une IA qui lit tout est complètement conne aussi. Le harnais choisit ce qu’elle doit regarder et comment elle doit travailler.

Un storyboard n’appelle pas la même méthode qu’une identité. Une présentation n’appelle pas la même méthode qu’un article. Corriger trois lignes ne nécessite pas d’ouvrir six mois d’archives et de réveiller David Lynch. Et reprendre un projet ne veut pas dire relire tout ce qui existe sur le projet depuis le début des temps. Il faut surtout retrouver où on en est vraiment : ce qui a été décidé, ce qui a été abandonné, ce qui reste ouvert et, surtout, ce qu’on doit décider maintenant.

Ça paraît assez basique dit comme ça. Mais ça oblige aussi à répondre à une question un peu moins sexy : où est la vérité ?

Parce que mon statut de projet peut être dans une base. La décision créative dans un autre document. Le brief client ailleurs. Une ancienne présentation peut raconter quelque chose qui n’est plus vrai. Une note prise hier peut être plus récente mais moins fiable qu’un mail client reçu la semaine dernière.

Donc le système ne doit pas seulement retrouver des informations. Il doit savoir lesquelles croire. Et quand deux trucs se contredisent, il ne doit pas choisir discrètement celui qui l’arrange. Il doit me dire qu’il y a un problème. Ce qui, bizarrement, est déjà beaucoup plus utile qu’une IA qui répond très vite avec beaucoup d’assurance.

J’ai aussi ajouté des méthodes spécialisées. Pour travailler une idée, écrire, construire une DA, faire un storyboard, préparer une présentation ou capitaliser ce qui mérite vraiment de l’être. Mais là aussi, j’essaie de garder une règle assez simple : la machine peut prendre en charge ce qui est mécanique. Pas le jugement.

Si je fais dix fois la même suite d’actions, autant qu’elle s’en occupe : chercher les bons fichiers, comparer deux versions, assembler le contexte, vérifier qu’il manque quelque chose, préparer une déclinaison. Très bien. En revanche, décider qu’une idée est forte, qu’une image est juste, qu’une piste est morte ou qu’il faut tout jeter, ça reste mon problème. Sinon je ne vois pas très bien à quoi je sers.

Et surtout, le système apprend de mes corrections : « Trop long. » « Trop propre. » « Tu expliques tout. » « Arrête de me donner raison. » Quand la même remarque revient, elle peut finir par devenir une règle. Mais pas trop vite.

Parce que je change d’avis. Parce que le projet change. Parce qu’une règle qui marche parfaitement aujourd’hui peut être complètement idiote demain. Je suis directeur de création, pas le Code civil.

Donc le système doit aussi apprendre à ne pas apprendre n’importe quoi.

Au fond, c’est probablement ça qui a le plus changé dans ma manière d’utiliser l’IA. Je ne cherche plus seulement à obtenir une bonne réponse. J’essaie de construire les conditions pour que la machine travaille correctement : qu’elle regarde les bons trucs, qu’elle utilise la bonne méthode, qu’elle sache ce qu’elle peut faire seule et, surtout, qu’elle sache quand elle doit me rendre la main.

Le bénéfice est assez simple : je garde mon énergie pour les endroits où elle sert vraiment. Choisir. Jeter. Sentir qu’un truc est juste ou complètement mort. Faire une association bizarre. Défendre une idée. Changer d’avis à la dernière minute parce qu’une meilleure solution vient d’apparaître.

Le reste, la machine peut m’aider à le tenir : la mémoire, la continuité, les déclinaisons, la documentation, la recherche, la vérification, une partie de la production.

C’est pour ça que « faire de l’IA » ne veut plus dire grand-chose si ça signifie seulement discuter avec Claude ou ChatGPT. Ça, c’est utiliser un chatbot.

Le vrai sujet commence quand on construit autour du modèle une mémoire, des méthodes, des sources, des règles et des outils adaptés à sa façon de travailler.

Évidemment, il existe une version parfaitement ridicule où je finis sous trente fichiers Markdown, douze skills et des règles chargées de surveiller les autres règles. Si j’arrive là, je brûle tout.

Mais aujourd’hui, je peux parfois ouvrir un projet et écrire simplement : « On reprend. »

Et consacrer mon cerveau à autre chose.