L'expérience frustrante des premiers pas avec l'ia

Les outils d'intelligence artificielle (IA) se multiplient dans le travail, mais nombreuses sont les personnes qui les abandonnent après les premiers essais. Ce n'est pas pour complexité de la technologie en soi, mais plutôt pour une attente souvent déçue. C'est une des conclusions que tire Tom Hewitson, professeur et formateur spécialisé dans l'application de l'IA au contexte professionnel.

La confusion sur les attentes

Après avoir enseigné l'utilisation de ces outils à des milliers d'utilisateurs, l'expert a observé un schéma récurrent. La plupart des difficultés ne tiennent pas à l'IA elle-même, mais plutôt à la façon dont les gens comprennent son fonctionnement.

Plusieurs personnes échouent avec l'intelligence artificielle parce qu'ils ne comprennent pas vraiment ce qu'elle est ni comment elle devrait être utilisée, affirme Hewitson dans un analyse publiée par The Guardian.

Un comportement récurrent lorsqu'on commence à utiliser l'IA est de la considérer comme un système capable de fournir des réponses correctes dans toutes les situations. Lorsque l'outil génère un résultat qui ne correspond pas exactement aux attentes, deux réactions opposées apparaissent. Certains utilisateurs acceptent la réponse sans la questionner, tandis que d'autres concluent rapidement que la technologie ne fonctionne pas.

Ces deux postures partent de la même confusion, selon Hewitson : croire que l'IA générative et les chatbots fonctionnent comme des mécanismes automatiques résolvant les problèmes seuls. Cependant, leur utilité dépend en grande partie de l'interaction avec l'utilisateur.

Comment utiliser efficacement l'ia

Les personnes qui obtiennent les meilleurs résultats ne sont pas toujours celles qui ont le plus de connaissances. Dans de nombreux cas, le facteur déterminant est l'attitude avec laquelle l'IA est utilisée.

Les utilisateurs qui en tirent le plus profit sont souvent ceux qui expérimentent différentes façons de formuler une question et analysent comment améliorer le résultat. Ce processus implique de tester diverses approches, de reformuler des instructions et de réviser les réponses générées.

Avec le temps, cette pratique permet de comprendre mieux comment guider le système pour obtenir de l'information plus utile.