DigitalFeeling, le podcast IA & marketing digital qui passe à l'action
Je suis Élodie Chenol, consultante et formatrice spécialisée en Intelligence Artificielle et marketing digital. Chaque semaine, en 10 minutes chrono, je réponds à une question de terrain pour vous aider à intégrer l'IA dans votre stratégie et générer des résultats concrets.
Ce podcast est fait pour vous si :
Vous êtes entrepreneur ou dirigeant et vous voulez exploiter l'IA pour développer votre business sans vous perdre dans la technique
Vous êtes marketeur ou responsable communication et vous cherchez à aller plus vite, mieux cibler et créer des contenus qui performent grâce à l'IA
Dans les deux cas : vous voulez des méthodes claires, testées sur le terrain, applicables dès aujourd'hui
Posez-moi votre question Contactez-moi sur LinkedIn, les meilleures questions deviennent des épisodes.
Pour aller plus loin : 📩 Newsletter : substack.com/@elodiechenol ⭐ Un avis 5 étoiles sur Apple Podcasts ou Spotify : c'est le meilleur moyen de soutenir le podcast
Discover shows related to DigitalFeeling, based on actual content similarities. Explore podcasts with similar topics, themes, and formats, backed by real data.
Episode 181 - Cloud souverain et IA : pourquoi le cloud first ne suffit plus
Season 3 · Episode 127
Friday, November 20, 2026 • Duration 14:13
Cloud souverain et IA : pourquoi le cloud first ne suffit plus
Pendant des années, la stratégie IT des entreprises tenait en deux mots : cloud first. Avec l’arrivée de l’IA générative, cette règle ne suffit plus. Les 18 et 19 novembre 2026, j’étais au Tech Show Paris, sur le salon Cloud & AI Infrastructure. Les intervenants ont tous tiré la même conclusion : la souveraineté des données n’est plus une option, c’est un prérequis.
Dans l’épisode 181 du podcast DigitalFeeling, je vous raconte ces deux jours. Dans cet article, je vous donne les repères pour faire les bons choix.
Pourquoi la souveraineté est devenue un prérequis
Avec l’IA, la question n’est plus seulement de savoir où sont hébergés vos serveurs. Il faut savoir qui peut accéder à vos données, qui peut les modifier, et si vous pouvez changer de prestataire demain sans tout perdre.
Qu’est-ce que la souveraineté numérique ? Pour une entreprise, c’est garder le contrôle de ses données et de ses outils. Elle repose sur deux piliers : la propriété des données et la liberté de choisir ou de changer de fournisseur.
Un cloud « souverain » n’est pas toujours la solution
Mon conseil : ne vous arrêtez pas au mot « souverain ». Demandez les preuves. Et partez de vos besoins réels. Une offre très sécurisée est indispensable pour des données sensibles, mais elle peut être disproportionnée pour d’autres usages.
Qu’est-ce que SecNumCloud ? C’est la qualification délivrée par l’ANSSI, l’agence nationale de cybersécurité, aux fournisseurs de cloud qui atteignent un niveau de sécurité élevé. Sa version 3.2 vérifie aussi que le fournisseur est protégé contre les lois étrangères, comme le Cloud Act américain. L’obtenir prend environ deux ans.
Garder la maîtrise de son IA sans gros budget
La souveraineté n’est pas réservée aux grands groupes. Ce qui compte, ce sont les choix que vous faites.
Choisir le bon modèle pour le bon usage. Pour une tâche simple, un petit modèle suffit. Il peut tourner en local, il coûte moins cher et il consomme moins d’énergie.
Explorer l’open source. Les grands éditeurs communiquent beaucoup, mais il existe des modèles ouverts très performants, que vous pouvez héberger vous-même.
Passer à l’hybride. C’est fréquent dans la banque et l’assurance : on profite de la puissance des grands modèles, mais les données sensibles restent chez soi.
Pour les données de santé, les règles sont encore plus strictes : elles doivent être confiées à un hébergeur certifié HDS (Hébergeur de Données de Santé). C’est une obligation légale.
Être souverain dans un grand cloud : tout se paramètre
Beaucoup d’entreprises n’ont ni serveurs en interne ni équipe pour faire tourner un modèle en local. Elles peuvent quand même protéger leurs données, à trois conditions.
Chiffrer toutes les données échangées avec l’outil d’IA.
Isoler vos données dans un espace séparé de celui des autres clients.
Ne rien conserver, grâce à la zéro rétention des données.
Qu’est-ce que la zéro rétention des données ? C’est une option qui garantit que vos questions et les réponses de l’IA ne sont pas stockées par le fournisseur après le traitement.
Attention : ces options ne sont jamais activées par défaut. Chez AWS, la documentation de Bedrock décrit plusieurs modes de conservation, et seul le mode « none » garantit que rien n’est stocké. Chez Microsoft, la zéro rétention sur Azure OpenAI passe par une demande que Microsoft doit valider.
Et le chiffrement ne règle pas tout. Avec le Cloud Act, un fournisseur américain peut être obligé de transmettre des données, et ses clés de chiffrement s’il les détient. La vraie question à poser est donc : qui détient les clés ?
Le shadow IA ne se combat pas en interdisant
Une architecture bien pensée ne sert à rien si vos salariés utilisent l’IA avec leur compte personnel. Selon une étude IntoTheMinds menée en France en 2026 auprès de 500 utilisateurs, 69,2 % des salariés à qui on a interdit l’IA l’utilisent quand même avec un compte perso. Une charte seule ne change presque rien : 74,7 % des utilisateurs restent alors uniquement sur des comptes perso. Avec un outil officiel et une formation, ce chiffre tombe à 19,1 %.
Qu’est-ce que le shadow IA ? C’est l’utilisation par les salariés d’outils d’IA que l’entreprise n’a ni validés ni encadrés, souvent avec des comptes personnels.
Pour que la formation fonctionne, je retiens deux conseils entendus au salon. D’abord, partir de ce que les salariés font vraiment avec leur IA personnelle. Ensuite, les aider à retrouver dans l’outil pro ce qu’ils avaient construit dans leur outil perso.
Même les experts ont besoin de se former
Ce qui m’a le plus frappée, ce sont les questions du public. Il y avait beaucoup de RSSI, les responsables de la sécurité informatique, et leurs questions montraient qu’il reste beaucoup de flou :
quel environnement mettre en place pour sécuriser les données de l’entreprise ;
quel niveau de sécurité un serveur peut vraiment garantir ;
quelle est la différence entre un modèle d’IA propriétaire et un modèle open source.
Si les spécialistes de la sécurité se posent ces questions, vos équipes métier aussi. La formation n’est pas un frein à l’IA : c’est ce qui permet de choisir la bonne solution. Et dans tous les cas, l’esprit critique reste la compétence clé.
FAQLe cloud souverain est-il obligatoire pour utiliser l’IA en entreprise ?
Non. Il est indispensable pour les données sensibles ou réglementées, comme les données de santé ou les données critiques. Pour d’autres usages, un cloud bien paramétré ou un petit modèle hébergé en local peut suffire.
Le chiffrement suffit-il à protéger mes données d’une loi étrangère ?
Non. Si le fournisseur est soumis à une loi comme le Cloud Act et qu’il détient les clés, il peut être obligé de transmettre les données. Il faut vérifier qui détient les clés et si le fournisseur est qualifié SecNumCloud.
Comment savoir si un outil d’IA conserve mes données ?
Demandez à votre prestataire ce qui est conservé, combien de temps, et si l’option de zéro rétention est activée sur votre compte. Ne vous contentez pas d’un « c’est sécurisé ».
Interdire ChatGPT en entreprise est-il efficace ?
Non. D’après l’étude IntoTheMinds, la plupart des salariés concernés continuent avec leur compte perso. Ce qui réduit vraiment le shadow IA, c’est un outil officiel accompagné d’une formation.
Faut-il choisir un modèle d’IA open source ou propriétaire ?
Tout dépend du cas d’usage. Un modèle open source peut être hébergé chez vous et vous donne plus de contrôle. Un modèle propriétaire est souvent plus puissant, mais il dépend des conditions du fournisseur.
Fin des GPTs et des Gems : pourquoi les skills remplacent les assistants IA
Le 11 décembre 2026, les GPTs personnalisés de ChatGPT cessent de fonctionner. Chez Google, les Gems migrent vers les « compétences » : dès ce mois-ci pour les comptes personnels, à partir de mars 2027 pour les comptes professionnels. Je forme chaque semaine des équipes qui ont construit leurs usages de l’IA sur ces assistants. Pour elles, ce n’est pas un détail technique : c’est un changement de méthode. J’en parle dans ce 180 ème épisode du podcast Digital Feeling. Voici l’essentiel pour comprendre et anticiper.
Ce qui disparaît : le calendrier éditeur par éditeurChatGPT : les GPTs s’arrêtent le 11 décembre 2026
OpenAI a annoncé le 11 septembre 2026 le retrait des GPTs personnalisés. Le menu « Mes GPTs » propose une option « Migrate to plugin » : les instructions du GPT deviennent un skill, les fichiers de connaissance sont copiés, et les applications connectées sont reprises. En revanche, l’historique des conversations, le modèle choisi, les actions personnalisées et les droits de partage ne suivent pas.
Gemini : les Gems deviennent des compétences
Le calendrier dépend de votre compte :
Compte Google personnel : les Gems passent en lecture seule le 17 novembre 2026, puis sont supprimés le 17 décembre 2026.
Compte Google Workspace (entreprise, association) : migration automatique à partir de mars 2027.
Compte Workspace éducation : juin 2027.
Attention aux fichiers. Certains formats ne seront pas transférés : audio, vidéo, archives .zip et anciens formats Office (.doc, .xls, .ppt). Pensez à les sauvegarder avant la migration.
Mistral et Microsoft vont dans le même sens
Fin mai 2026, Mistral a renommé Le Chat en Vibe et l’a doté de skills pour automatiser les tâches récurrentes. Microsoft continue de proposer des agents dans Copilot. Mais il adopte lui aussi les skills dans Copilot Cowork, avec le même format que les autres outils.
Qu’est-ce qu’un skill ?
Qu’est-ce qu’un skill (ou compétence) en IA ? Un skill est une méthode de travail écrite que l’IA charge automatiquement quand elle en a besoin. Il contient trois éléments : quand l’utiliser, les étapes à suivre et le format de résultat attendu. Contrairement à un assistant personnalisé, vous n’avez pas besoin de l’ouvrir : vous restez dans votre conversation habituelle.
Assistant ou skill : la vraie différenceUn standard ouvert, portable d’un outil à l’autreOù en est chaque outil aujourd’hui ?2027 : la fin des silos, l’année de la transversalitéComment vous préparer en 3 étapesFAQQue deviennent mes GPTs après le 11 décembre 2026 ?Quand les Gems de Gemini disparaissent-ils ?Quelle est la différence entre un GPT et un skill ?Un skill créé dans Claude fonctionne-t-il dans ChatGPT ou Copilot ?Les skills sont-ils gratuits ?Faut-il savoir coder pour créer un skill ?💬 À vous
Episode 179 - J'ai failli répondre à une IA !
Season 3 · Episode 125
Friday, November 6, 2026 • Duration 08:55
J'ai failli répondre à une IA : ce que l'IA change dans nos messageries LinkedIn
Il y a quelques jours, j'ai failli répondre à un message LinkedIn. C'était le quatrième de la même personne. Poli, insistant, très bien tourné. Puis je l'ai relu, et j'ai reconnu les tournures. Je les vois tous les jours dans mes propres sessions de travail avec l'IA. Ce message, ce n'est pas un humain qui l'avait écrit.
Dans cet épisode 179 de DigitalFeeling, je raconte cette expérience. Ici, je vais plus loin : ce que disent vraiment les chiffres, ce que LinkedIn autorise et ce qu'il interdit, et comment prospecter avec l'IA sans perdre sa voix.
Combien de contenus LinkedIn sont écrits par l'IA ?
Deux études récentes donnent des chiffres très différents. Elles ne mesurent pas la même chose.
En juillet 2026, Originality.ai(https://originality.ai/blog/ai-content-published-linkedin) a analysé 5 000 posts LinkedIn publics d'au moins 100 mots. Résultat : 4 061 sont classés « probablement IA », soit 81,2 %. Sa précédente étude, sur 8 795 posts publiés jusqu'en octobre 2024, arrivait à 54 %.
Attention au seuil : un post est classé « probablement IA » quand le détecteur estime, avec au moins 50 % de confiance, qu'au moins 15 % du texte vient d'une IA. Un post rédigé par un humain et retouché avec l'IA peut donc entrer dans ce chiffre.
Pangram : 41 % de posts longs entièrement générés
Pangram mesure autrement. Son extension Chrome a analysé plus d'un million de posts sur cinq plateformes entre avril et juin 2026. Il ne compte que les textes entièrement générés. Sur LinkedIn, c'est le cas de 41 % des posts de plus de 250 mots et de 30 % des posts de 50 à 250 mots. LinkedIn arrive largement en tête des plateformes étudiées.
💬 À vous
Episode 178 - L’effet baguette magique : pourquoi l’IA peut nous faire travailler plus, et comment l’éviter ?
Season 3 · Episode 124
Friday, October 30, 2026 • Duration 07:18
L’effet baguette magique : pourquoi l’IA peut nous faire travailler plus, et comment l’éviter
Quand je forme des équipes à l’IA générative, il y a toujours ce moment où quelqu’un réalise qu’en quelques clics, il peut rédiger un article, analyser un fichier ou créer un visuel. Le champ des possibles semble infini. C’est enthousiasmant. C’est aussi là que commence un risque dont on parle encore trop peu : celui de l’épuisement.
Dans cet épisode 178 du podcast DigitalFeeling, je reviens sur cet « effet baguette magique ». Cet article prolonge la réflexion avec les études récentes et des pistes concrètes pour les managers et les formateurs.
L’IA ne réduit pas le travail, elle l’élargit
La promesse était simple : l’IA prend en charge les tâches répétitives, on gagne du temps pour l’essentiel. La réalité observée sur le terrain est plus nuancée.
Des chercheuses de Berkeley Haas ont suivi pendant huit mois, en 2025, une entreprise technologique américaine d’environ 200 salariés. L’usage de l’IA n’y était pas imposé. Pourtant, les salariés se sont mis à travailler plus vite, sur un périmètre plus large et sur des plages horaires plus étendues. Des chefs de produit ont commencé à coder, des chercheurs ont pris en charge du travail d’ingénierie.
Qu’est-ce que l’élargissement des tâches lié à l’IA ? C’est le phénomène par lequel un professionnel, devenu autonome grâce à l’IA sur des tâches qui relevaient d’autres métiers, les ajoute à sa charge sans qu’aucune autre ne lui soit retirée.
Je le constate dans mes formations : on devient capable de produire seul le visuel qu’on demandait au graphiste ou l’analyse qu’on attendait du contrôle de gestion. Personne ne retire ces tâches de notre périmètre. Elles s’additionnent.
Des pauses qui disparaissent sans qu’on s’en aperçoive
Le deuxième effet est plus discret. Parce qu’écrire à une IA ressemble davantage à une conversation qu’à un travail formel, on le fait partout : pendant le déjeuner, en réunion, juste avant de partir. Dans l’étude de Berkeley, certains salariés envoyaient un dernier prompt avant de quitter leur poste pour que l’IA « travaille pendant leur absence ».
Le « brain fry » : quand superviser l’IA épuiseBrain fry et burn-out : une distinction importanteCe que je change dans mes formationsQuestions fréquentesL’IA augmente-t-elle vraiment la charge de travail ?Qu’est-ce que le AI brain fry ?Le burn-out lié à l’IA existe-t-il ?Combien d’outils d’IA faut-il utiliser au maximum ?Comment prévenir la surcharge liée à l’IA en entreprise ?Pourquoi les équipes marketing sont-elles plus exposées ?💬 À vous
Episode 177 - On utilise tous l’IA. On ne lui fait pas encore confiance.
Season 3 · Episode 123
Wednesday, October 28, 2026 • Duration 11:21
IA en entreprise : pourquoi la confiance est le vrai frein, pas la technologie
Dans l’épisode 177 de DigitalFeeling, je suis revenue sur deux études sorties à quelques semaines d’écart cet automne, qui racontent sans se citer la même histoire : l’IA n’a jamais été autant utilisée en entreprise, et elle n’a jamais autant inquiété au moment de lui laisser vraiment la main. Cet article prolonge le sujet avec des éléments que je n’ai pas eu le temps de développer à l’antenne, notamment ce que dit la Banque de France sur la productivité réelle de cette adoption.
Une adoption déjà massive, souvent informelle
Selon l’étude OpinionWay menée pour Cegid (publiée le 3 septembre 2026, auprès de 2 006 salariés de bureau en France, Espagne, Portugal et Allemagne), 70 % des salariés français utilisent déjà l’IA dans un cadre professionnel, en hausse de 12 points en un an. Du côté des décideurs marketing du B2B tech, l’étude du CMIT, Club des marketeurs in Tech (publiée le 6 octobre 2026, auprès d’une centaine de répondants), va plus loin : 100 % utilisent l’IA pour leur stratégie de contenu, et 86 % ont intégré au moins un workflow récurrent.
Mais cette adoption reste largement informelle. 67 % des salariés utilisateurs recourent à des outils que leur entreprise n’a pas choisis, un chiffre qui grimpe à 81 % dans les ETI. C’est ce qu’on appelle le Shadow AI.
Qu’est-ce que le Shadow AI ?
Le Shadow AI désigne l’usage d’outils d’intelligence artificielle par des salariés, sans validation ni encadrement de leur entreprise. Il reprend le principe du Shadow IT, déjà observé avec les outils collaboratifs ou le cloud personnel, appliqué à l’IA générative.
Pourquoi la confiance ne suit pas l’usage
Utiliser l’IA pour produire un brouillon et lui laisser agir seule sur une tâche complexe ne relèvent pas du même niveau d’engagement. Le premier reste supervisé à chaque étape. Le second suppose de déléguer une part du contrôle, et donc de la responsabilité.
C’est ce que mesure l’étude du CMIT : la confiance moyenne des décideurs marketing pour déléguer une tâche complexe à un agent autonome, sans supervision, tombe à 2,83 sur 5. Un seul répondant sur la centaine interrogée accorde une confiance totale. Conséquence directe : 81 % des décideurs restent en phase d’expérimentation ou de pilotage, et seuls 19 % sont passés à l’échelle.
Qu’est-ce que l’IA agentique ?Le chaînon manquant : la formation, pas l’outilCe que confirme la Banque de FranceCe qu’il faut en retenirFAQ💬 À vous
Episode 176 - J'ai crée mon site avec l’IA en 10 minutes : la vraie facture cachée
Season 3 · Episode 122
Tuesday, October 20, 2026 • Duration 10:05
Créer son site avec l’IA en 10 minutes : la vraie facture cachée (et comment l’éviter)
Dans ce 176ème épisode du podcast DIgitalFeeling, je vous partage comment j’ai refait mon site avec Claude en dix minutes. Le résultat m’a bluffée. Puis j’ai passé des heures à corriger des incohérences et à rattraper un SEO tout simplement oublié. Cette expérience, je la raconte dans l’épisode [n°] du podcast Digital Feeling. Ici, je vais plus loin : pourquoi l’IA produit des sites « presque justes », et la méthode pour obtenir un site vraiment exploitable, visible sur Google comme dans les moteurs IA.
Pourquoi un site créé par IA semble parfait… mais ne l’est pasL’IA soigne ce qui se voit
Un outil d’IA générative livre en quelques minutes une structure, un design et des textes convaincants. C’est la partie visible du travail, et elle est souvent très réussie.
Ce qui manque, c’est tout ce qu’on ne voit pas en ouvrant la page : les balises SEO, la cohérence des informations d’une page à l’autre, le maillage interne, les données structurées, parfois même la lisibilité du site par les robots.
Se sentir plus rapide n’est pas être plus rapide
Une étude menée en 2025 par l’organisme de recherche METR auprès de développeurs expérimentés est éclairante : avec l’IA, ils ont mis 19 % de temps en plus pour terminer leurs tâches, tout en estimant avoir gagné environ 20 %. L’étude portait sur des projets complexes et un petit échantillon, mais le décalage entre ressenti et réalité est frappant.
Qu’est-ce que le vibe coding ? Le vibe coding consiste à créer un site ou une application en décrivant ce que l’on veut à une IA, en langage naturel, sans écrire soi-même le code. Rapide et accessible, il demande néanmoins une vérification rigoureuse du résultat.
Le piège du « presque juste »
Dans l’enquête Stack Overflow 2025, menée auprès de plus de 49 000 développeurs, 66 % déclarent passer plus de temps à corriger du code généré par IA qui est « presque juste ».
C’est le cœur du problème. Un site cassé, on le repère tout de suite. Un site presque juste, on le met en ligne.
Je vois trois causes, et je les retrouve chaque semaine en formation :
SEO et GEO : le double enjeu des sites générés par IAMa méthode pour créer un site avec l’IA sans y passer des heuresAvant : un brief, pas une enviePendant : page par pageAprès : une vraie recetteFAQPeut-on créer un site professionnel avec l’IA ?Un site créé avec l’IA est-il bien référencé sur Google ?Pourquoi mon site Lovable n’est-il pas indexé ?Comment rendre un site visible dans ChatGPT ou Perplexity ?Quel prompt utiliser pour créer un site avec l’IA ?💬 À vous
Episode 175 - Est-ce que votre marque existe encore quand c'est l'IA qui répond ?
Season 3 · Episode 121
Friday, October 9, 2026 • Duration 06:46
Votre marque existe-t-elle encore quand c'est l'IA qui répond ?
GEO, AI Overviews, liens cités, native checkout : ce qui change pour la visibilité des marques dans les réponses IA, et comment s'y préparer dès maintenant.
Il y a un an, en formation, on me demandait : « Est-ce que le SEO va mourir ? ». Aujourd'hui, la question a changé : « Comment je fais pour que ChatGPT, Gemini ou Google AI Mode parlent de moi ? ». On ne peut plus se dire « je soigne Google d'abord, je verrai les LLM plus tard ». Les réponses générées par l'IA sont désormais reprises partout, y compris dans Google.
📌 Définition : le GEO Le GEO (Generative Engine Optimization) regroupe les pratiques qui visent à ce qu'une marque soit correctement citée, décrite et recommandée dans les réponses des moteurs IA (ChatGPT, Gemini, Perplexity, Google AI Overviews et AI Mode). Le SEO vise le clic sur un lien. Le GEO vise la mention dans une réponse.
Google rouvre la porte… et installe sa caisse enregistreuseLes liens reviennent dans les AI Overviews
En septembre 2026, Google affiche des liens externes dans plus de 25 % de ses AI Overviews, contre quasiment zéro auparavant. Être cité dans une réponse IA peut donc de nouveau générer du trafic mesurable.
La monétisation s'installe dans les réponses
Google avance sur plusieurs fronts en même temps :
Publicités Shopping et listes produits testées directement dans les réponses d'AI Mode.
Open Knowledge Format (OKF), un format standard pour empaqueter du contenu à destination des agents IA.
Native checkout activé par défaut pour les marchands éligibles du Merchant Center : vos clients peuvent acheter directement via Google, sauf si vous le désactivez.
Ce n'est pas une surprise. Google avait déjà développé les briques techniques pour la publicité et l'achat dans les interfaces IA, et ce n'était pas un hasard.
⚠️ À vérifier si vous êtes e-commerçant Allez dans votre Merchant Center et vérifiez si le native checkout est activé. Il peut être intéressant pour vous. Mais un réglage activé par défaut est rarement un cadeau neutre : décidez-le en connaissance de cause.
La plupart des sites ne sont pas prêtsLe test que je fais faire en formationLes outils GEO se structurent : de l'intuition à la mesurePayer plus pour toucher moins : pourquoi le GEO devient rentableFAQ💬 À vous
Episode 174 - Agents IA : arrêtez de comparer les modèles, regardez le châssis
Season 3 · Episode 120
Friday, October 2, 2026 • Duration 08:21
Agents IA : arrêtez de comparer les modèles, regardez le châssis
On me demande souvent quel est le « meilleur » modèle : GPT ou Claude ? Mistral ou Gemini ? Mais les bénéfices de l'IA en entreprise ne viennent pas du moteur. Ils viennent de ce qu'il y a autour.
En bref Un agent IA = un modèle + une boucle + un harnais. Le modèle raisonne, la boucle lui permet d'agir, de vérifier et de recommencer, le harnais le connecte à vos outils, vos données et vos processus. En entreprise, la valeur se joue sur le harnais (le « châssis »), pas sur le choix du modèle (le « moteur »). Pour démarrer : connecter les outils métier, formaliser les processus, capitaliser sur les savoir-faire, avec un humain dans la boucle.
Pourquoi les gains de l'IA générative restent-ils si difficiles à montrer ?
On nous a promis la plus grande révolution depuis le feu. Pourtant, dans la plupart des entreprises, les gains restent difficiles à prouver. Une étude Ipsos publiée par Google en 2026 résume l'écart : 72 % des dirigeants estiment que l'IA générative sera un avantage compétitif indispensable d'ici trois ans, alors que 9 % des salariés l'utilisent tous les jours.
Et quand les gains existent, ils sont inégaux. Ils profitent aux profils déjà à l'aise. Pour les autres, le temps gagné en rédaction repart dans la vérification, la reformulation et la correction : on déplace le travail, on ne le réduit pas.
Définition : le workslop Terme proposé en 2025 par des chercheurs de BetterUp Labs et du Stanford Social Media Lab pour désigner un contenu généré par IA qui a l'air soigné mais ne fait pas avancer le travail. Coût mesuré : près de deux heures pour décoder ou refaire chaque livrable concerné, et environ un tiers des destinataires moins enclins à retravailler avec l'expéditeur.
Le coût n'est donc pas seulement du temps. C'est de la confiance. Deux notions expliquent l'essentiel de ce blocage : la boucle et le harnais.
Qu'est-ce qui distingue un agent IA d'un chatbot ? La boucle
Un chatbot fait un aller-retour : vous demandez, il répond, c'est terminé. Il ne vérifie pas sa réponse, ne cherche pas d'information complémentaire, ne se corrige pas.
Qu'est-ce que le harnais (harness) d'un agent IA ?Par où commencer pour construire le harnais de son entreprise ?Ce que j'observe en formationFAQ💬 À vous
Episode 173 - Comment créer un agent IA sur Claude : le guide sans code (2026)
Season 3 · Episode 119
Friday, September 25, 2026 • Duration 08:40
Réponse rapide. Créer un agent IA sur Claude ne demande aucune ligne de code. Il suffit d'assembler quatre briques : un projet (le rôle et le contexte), une ou plusieurs skills (vos méthodes de travail, écrites une fois pour toutes dans un fichier SKILL.md), des connecteurs (l'accès à vos outils : messagerie, agenda, Drive, CRM) et des tâches planifiées (le déclenchement automatique). Comptez une heure pour un premier agent opérationnel.
Je forme des équipes à l'IA générative depuis 2021, et depuis un an la demande a changé de nature. On ne me demande plus « comment bien prompter », on me demande « comment créer un agent ». Voici ce que je réponds, et surtout l'erreur qui fait échouer neuf tentatives sur dix.
Définition — Agent IA Un agent IA est un système qui ne se contente pas de répondre : il dispose d'un rôle défini, de procédures réutilisables, d'un accès à des outils externes et d'une capacité à se déclencher sans intervention humaine. La différence avec un chatbot n'est pas la puissance du modèle, mais l'environnement qu'on lui construit autour.
Les quatre briques d'un agent IA
La meilleure analogie reste l'intégration d'un collaborateur. Vous lui donnez un poste, vous lui transmettez vos méthodes, vous lui ouvrez les accès, puis vous le laissez travailler en autonomie sur certaines tâches. Un agent, c'est la même séquence.
1. Le projet : définir le rôle
Un projet Claude contient deux éléments : des instructions permanentes et des documents de référence. Les instructions décrivent qui est l'agent, pour qui il travaille, avec quel ton et quelles règles. Les documents constituent sa culture : charte éditoriale, catalogue d'offres, process internes, positionnement.
Pour rédiger ces instructions, j'applique la méthode RDCOF que j'enseigne en formation — Rôle, Description, Contexte, Output, Format. Un prompt RDCOF cesse alors d'être jetable : il devient la fiche de poste de l'agent.
ouvrez une conversation dans le projet et tapez simplement « vas-y ». Si l'agent sait de quoi vous parlez, la configuration tient.
2. Les skills : transmettre un savoir-faireLa règle qui fait la différence : décrire le résultat, pas la procédure3. Les connecteurs : passer du conseil à l'action4. Les tâches planifiées : l'autonomieL'erreur numéro un : soigner les instructions et bâcler la descriptionFaut-il passer au niveau technique ?Un argument de pérennité souvent ignoréPar où commencer concrètementFAQ💬 À vous
Episode 172 - J'ai demandé à ChatGPT d'être mon coach sportif !
Season 3 · Episode 118
Friday, September 18, 2026 • Duration 06:17
J'ai demandé à ChatGPT d'être mon coach sportifEn bref
En formation, on me dit souvent que l'IA est "un super coach sportif". Dans ce 172 ème épisode du podcast DigitalFeeling, j'ai voulu vérifier par moi-même en demandant à ChatGPT de me construire un plan d'entraînement pour mon prochain semi-marathon. Résultat : un plan qui avait l'air sérieux sur la forme, mais qui était en réalité calibré pour... un marathon, sans aucun renforcement musculaire ni palier de récupération. Cette expérience illustre un principe essentiel : plus un sujet touche à votre santé, plus il faut garder un regard critique sur ce que propose l'IA, même quand le prompt de départ était pourtant complet.
Le contexte : tester l'IA comme coach sportif
Je prépare actuellement un semi-marathon prévu en novembre. En formation, on m'a plusieurs fois rapporté que l'IA pouvait être un excellent assistant pour construire des plans d'entraînement sportif. J'ai voulu tester ça moi-même, avec un vrai objectif concret plutôt qu'un exemple théorique.
J'ai donc demandé à ChatGPT de me construire un plan d'entraînement adapté sur plusieurs semaines, en lui précisant mon âge, ma vitesse de course habituelle, et plusieurs autres éléments de contexte. Sur le papier, j'avais donc fourni un prompt plutôt complet.
Ce que le plan proposait (et ce qui n'allait pas)
Le résultat était impressionnant en apparence : un calendrier semaine par semaine, des distances qui progressaient régulièrement, une structure qui semblait tout à fait sérieuse.
Mais en regardant dans le détail, plusieurs problèmes de fond sont apparus.
Un plan calibré pour un marathon, pas un semi
Un semi-marathon, c'est environ 21 kilomètres. Or le plan proposait des sorties longues qui grimpaient progressivement de 10, à 11, à 12 kilomètres... jusqu'à atteindre 25, 26, puis 30 kilomètres. Des distances qui dépassaient largement celle de la course visée. Tout se passait comme si l'IA avait construit, sans le dire, un plan de préparation au marathon plutôt qu'au semi-marathon — probablement parce qu'elle dispose d'une documentation d'entraînement plus abondante sur le marathon que sur le semi.
Aucune variété dans les séances
Le plan ne proposait que des sorties longues, semaine après semaine. Or un entraînement de course à pied efficace repose sur un vrai équilibre : des sorties courtes pour travailler la vitesse et l'économie de course, des sorties longues pour l'endurance fondamentale, et du fractionné pour développer la capacité cardiovasculaire sur des efforts plus intenses et plus courts.
Aucun renforcement musculaireUne progression trop linéairePas un mot sur la nutritionCe que ça révèle : un problème de fond, pas de promptTableau récapitulatif : plan proposé par l'IA vs plan d'entraînement idéalLe bon réflexe à adopter face à l'IA sur un sujet techniqueCe qu'il faut retenirFAQ💬 À vous
Avec un GPT ou un Gem, il fallait savoir quel assistant ouvrir : un pour les posts LinkedIn, un pour les comptes rendus, un pour les devis. Chacun était une petite boîte fermée.
Avec les skills, la logique s’inverse. Vous parlez à une seule IA, et c’est elle qui choisit la bonne méthode selon votre demande. Elle peut même en combiner plusieurs dans une même tâche.
C’est le point le plus important pour une entreprise. Anthropic a publié le format des skills comme standard ouvert, appelé Agent Skills. Microsoft indique dans sa documentation que les skills Copilot suivent ce standard, avec le même fichier SKILL.md que Claude Code ou Gemini CLI. Concrètement, une méthode bien écrite n’est plus prisonnière d’un abonnement.
Claude a été précurseur : les skills existent depuis octobre 2025 et sont accessibles dès l’offre gratuite. Il faut seulement activer l’exécution de code dans les réglages.
ChatGPT propose les skills en bêta. Dans les espaces de travail entreprise, ils sont désactivés par défaut et l’administrateur doit les activer. Dans mes tests, le skill ne se déclenche pas encore à chaque fois.
Copilot : pour créer des agents qui s’appuient sur les données de l’entreprise (SharePoint, Microsoft Graph), il faut une licence Microsoft 365 Copilot ou une facturation à l’usage. C’est un frein réel pour les petites structures.
Ma conviction : en 2027, on arrête de raisonner « un outil par tâche ». La valeur ne sera plus dans l’assistant que vous avez configuré, mais dans votre savoir-faire écrit, que n’importe quelle IA pourra utiliser.
Faites l’inventaire de vos GPTs et de vos Gems avant les échéances.
Triez-les en trois groupes. Ceux que vous n’ouvrez jamais : laissez-les partir. Ceux qui contiennent seulement un ton ou une présentation de vous : transférez ce contenu dans vos instructions personnelles. Ceux qui décrivent un vrai processus : transformez-les en skill.
Rédigez vos skills avec une méthode structurée. En formation, j’utilise la méthode RDCOF (Rôle, Description, Contexte, Output, Format). Si vous savez écrire un bon prompt, vous savez déjà écrire un skill.
Ils ne fonctionnent plus. Avant cette date, vous pouvez les migrer en plugin : vos instructions deviennent un skill. L’historique des conversations, lui, n’est pas conservé.
Pour un compte Google personnel, le 17 décembre 2026. Pour un compte Google Workspace professionnel, la migration commence à partir de mars 2027. Pour un compte éducation, à partir de juin 2027.
Un GPT est un assistant séparé, qu’il faut ouvrir. Un skill est une méthode que l’IA mobilise automatiquement dans votre conversation habituelle, et qu’elle peut combiner avec d’autres.
En principe oui, si l’outil respecte le standard ouvert Agent Skills, comme c’est le cas de Copilot Cowork. Testez quand même : le comportement peut varier d’un outil à l’autre.
Sur Claude, oui, dès l’offre gratuite. Sur ChatGPT, ils sont en bêta. Sur Copilot, les usages avancés passent par une licence ou une facturation à l’usage.
Non. Un skill est un texte structuré. Vous pouvez même demander à l’IA de le rédiger à partir d’une tâche que vous venez de réaliser avec elle.
Ces deux études viennent d'éditeurs de détecteurs IA. Ce sont des estimations, pas un comptage officiel de LinkedIn. Et elles ne portent que sur les contenus publics. Les messages privés, là où la prospection se joue, personne ne les mesure.
> Qu'est-ce que l'« AI slop » ?
> L'expression désigne les contenus produits en masse par l'IA, sans idée originale ni véritable apport, publiés pour occuper le terrain. Ce qui pose problème, ce n'est pas l'usage de l'IA en soi, c'est l'absence de fond.
Le bouton « Seems like AI slop » : utile ou risqué ?
Depuis le 30 juillet 2026, LinkedIn propose une option « Seems like AI slop » dans le menu des posts. Son directeur produit, Hari Srinivasan, en a fait une priorité. Selon lui, plus d'un million de membres l'ont utilisée en deux semaines, et les vues des contenus classés « slop » ont baissé de 40 %.
LinkedIn précise qu'un signalement isolé ne suffit pas à pénaliser un post et que s'aider de l'IA pour mieux écrire n'est pas du « slop ». J'ai pourtant une réserve. Le lecteur juge un style, pas une intention. Une personne qui travaille beaucoup avec l'IA et qui retravaille ses textes peut être signalée par quelqu'un qui reconnaît juste une tournure. Et confier ce tri aux membres eux-mêmes a quelque chose de la délation, que je ne valide pas.
La prospection automatisée n'a pas attendu l'IA
Bien avant l'IA générative, des outils comme Waalaxy permettaient déjà de programmer des séquences de messages : un premier message, puis une relance si la personne ne répond pas, puis une autre. On m'a déjà répondu : « Ce n'était pas moi, c'était mon outil d'automatisation. »
Ces messages fonctionnent presque, et pas grâce à leur contenu, souvent creux. Ils fonctionnent par l'insistance. Une relance automatique ne se lasse pas et ne se vexe pas. C'est nous qui finissons par culpabiliser de ne pas répondre.
Les conditions d'utilisation de LinkedIn (section 8.2 du contrat d'utilisation) interdisent pourtant d'utiliser des bots ou des méthodes automatisées non autorisées pour envoyer des messages. Entre la règle et la pratique, l'écart reste grand.
> Qu'est-ce qu'une séquence de prospection automatisée ?
> C'est un scénario de messages préparé à l'avance et envoyé par un outil selon les réactions du destinataire : premier contact, relance, message de suivi. La personne qui « écrit » n'est souvent plus derrière son clavier.
6 marqueurs d'un message de prospection généré par IA
Ce sont mes observations de terrain, en formation et dans ma messagerie. Ce n'est pas une étude. Un seul marqueur ne prouve rien : c'est leur accumulation qui alerte.
- L'empathie de façade en ouverture : « Je comprends parfaitement que votre agenda soit chargé. »
- Le compliment générique sur le profil, sans aucun détail précis.
- La structure en trois temps trop bien équilibrée.
- La formule « ce n'est pas X, c'est Y ».
- La relance qui reformule le message précédent, sans rien apporter de neuf.
- Le tiret cadratin, que presque personne ne tape au clavier.
Et le grand classique : les « synergies », sans jamais dire lesquelles.
Prospecter avec l'IA sans perdre sa voix
J'utilise l'IA tous les jours : pour ma veille, mes podcasts, mes newsletters, pour réfléchir. Mon message n'est pas « n'utilisez pas l'IA ». Mon message, c'est : restez le pilote.
- L'intention d'abord. Un bon prompt ne remplace pas une vraie raison d'écrire. Si vous n'avez rien de précis à dire, l'IA n'écrira rien de bon.
- Un détail que seul un humain a observé. Lisez vous-même le profil. Dans la méthode RDCOF, c'est le C, le contexte : c'est ce qui rend un message unique.
- Une proposition concrète. Dites ce que vous attendez de la mise en relation et ce que vous proposez.
- Une validation humaine avant chaque envoi. Pour les équipes commerciales, l'IA peut préparer, mais quelqu'un doit relire et décider d'envoyer.
- Des outils de personnalisation, pas d'envoi en masse. Des solutions comme Humanlinker s'appuient sur les contenus publics du prospect pour personnaliser. Elles aident, mais ne remplacent pas votre lecture.
Un message parfait n'est plus un signe d'attention. C'est même parfois le contraire. C'est exactement ce que je travaille avec les équipes que j'accompagne : utiliser l'IA sans perdre sa voix.
FAQ
Comment savoir si un message LinkedIn a été écrit par une IA ?
Aucun indice isolé ne suffit. Ce qui alerte, c'est l'accumulation : compliment générique, empathie convenue, structure trop symétrique, relances qui reformulent, absence de tout détail précis sur vous.
Quel pourcentage des posts LinkedIn est généré par l'IA ?
Selon Originality.ai, 81,2 % des posts longs de juillet 2026 sont « probablement IA » (au moins 15 % de texte IA). Selon Pangram, 41 % des posts de plus de 250 mots sont entièrement générés. Les deux méthodes sont différentes.
Est-ce que LinkedIn interdit les outils d'automatisation de messages ?
La section 8.2 du contrat d'utilisation interdit les bots et méthodes automatisées non autorisées pour envoyer des messages. Utiliser ces outils fait courir un risque de restriction du compte.
À quoi sert le bouton « Seems like AI slop » sur LinkedIn ?
Il masque le post dans votre fil et envoie un signal à LinkedIn. Un signalement isolé ne suffit pas à pénaliser un post, mais les signalements alimentent les systèmes de détection de la plateforme.
Peut-on prospecter sur LinkedIn avec l'IA ?
Oui, à condition que l'IA aide à personnaliser et qu'un humain valide chaque message avant envoi. L'envoi en masse de messages génériques nuit à votre image et va contre les règles de LinkedIn.
Ces micro-sollicitations ne donnent pas l’impression de travailler davantage. Mais, cumulées, elles produisent des journées sans véritable coupure.
Une enquête Upwork menée en 2024 allait déjà dans ce sens : 77 % des salariés utilisant l’IA déclaraient que ces outils avaient alourdi leur charge de travail, notamment à cause du temps passé à relire et corriger les contenus générés.
En mars 2026, une étude du Boston Consulting Group menée auprès de 1 488 salariés américains a donné un nom à cette fatigue : le « AI brain fry ».
Qu’est-ce que le AI brain fry ? C’est une fatigue mentale aiguë provoquée par un usage ou une supervision des outils d’IA qui dépasse nos capacités cognitives. Elle se manifeste par un brouillard mental, des difficultés de concentration, des décisions plus lentes, parfois des maux de tête.
Trois enseignements me semblent essentiels :
14 % des salariés interrogés déclarent l’avoir vécu, avec nettement plus d’erreurs graves et une intention de démissionner plus forte.
Le marketing et les RH sont les fonctions les plus touchées.
Au-delà de trois outils IA utilisés en parallèle, la productivité chute.
Il serait tentant de parler de « burn-out IA ». Les chercheurs du BCG font pourtant une distinction utile. Le brain fry est une fatigue cognitive aiguë. Le burn-out est un épuisement chronique, à la fois émotionnel et professionnel.
Et leur étude montre un résultat encourageant : utiliser l’IA pour remplacer les tâches répétitives réduit le burn-out. Le problème n’est donc pas l’IA en elle-même, mais la manière dont on l’intègre au travail. C’est précisément là que la formation a un rôle à jouer.
Former à l’IA ne peut plus se limiter à montrer ce qu’elle sait faire. Aujourd’hui, j’intègre systématiquement trois réflexes :
Faire l’inventaire. D’un côté, les tâches que l’IA nous retire vraiment. De l’autre, celles qu’elle nous ajoute. Si la seconde liste s’allonge, c’est un signal à prendre au sérieux.
Limiter le nombre d’outils. Mieux vaut maîtriser deux ou trois outils bien intégrés que jongler avec six.
Poser des règles d’équipe. Quand utiliser l’IA, quand s’arrêter, qui reste responsable de quelle tâche. Les chercheuses de Berkeley appellent cela une « pratique de l’IA » : des normes partagées qui incluent des pauses volontaires avant les décisions importantes.
Le BCG observe d’ailleurs que les salariés dont le manager prend le temps de répondre à leurs questions sur l’IA ressentent moins de fatigue mentale. L’accompagnement n’est pas un luxe : c’est une protection.
Plusieurs études récentes le montrent. Sans cadre, les salariés utilisent l’IA pour faire plus, pas pour travailler moins, et prennent en charge des tâches qui n’étaient pas les leurs.
C’est une fatigue cognitive aiguë liée à un usage ou une supervision excessive d’outils d’IA. Elle touche environ 14 % des salariés interrogés par le BCG.
L’IA peut contribuer à l’épuisement selon la façon dont elle est utilisée. Mais elle peut aussi réduire le burn-out lorsqu’elle remplace des tâches répétitives.
Selon l’étude du BCG, la productivité diminue au-delà de trois outils utilisés simultanément.
En définissant des règles d’usage en équipe, en limitant le nombre d’outils, en préservant des temps de pause et en formant les collaborateurs à un usage raisonné.
L’IA agentique désigne des systèmes capables d’enchaîner plusieurs actions de façon autonome pour atteindre un objectif (rechercher, décider, exécuter), au-delà de la simple génération de texte ou d’image à la demande. C’est ce niveau d’autonomie qui interroge le plus les décideurs aujourd’hui.
Les deux freins les plus cités dans l’étude du CMIT, à 31 % chacun, sont le risque d’hallucination pouvant nuire à l’image de marque, et la fuite de données confidentielles. Un chiffre de l’étude Cegid va dans le même sens : 86 % des salariés expriment une confiance faible ou moyenne dans la capacité de leurs outils à protéger leurs données stratégiques. Cette prudence n’est pas un retard, c’est une étape nécessaire avant toute délégation réelle.
L’étude Cegid apporte une explication concrète à ce manque de structure : 63 % des salariés déclarent n’avoir reçu aucune formation à l’IA, et seules 41 % des entreprises disposent d’une fonction dédiée à sa gouvernance.
Un chiffre mérite d’être isolé plutôt que moyenné : l’usage de l’IA pour prendre des décisions importantes concerne 31 % des salariés en moyenne, mais 63 % chez les 18-29 ans. Ce n’est pas le même usage, ni la même population, et cet écart générationnel montre qu’un accompagnement différencié change réellement la donne, là où un module de formation unique ne suffit pas.
Cet écart entre adoption et usage structuré se retrouve dans les travaux macroéconomiques. Dans son Bulletin n°266, publié en septembre 2026, la Banque de France indique que plus des deux tiers des entreprises françaises d’au moins 20 salariés utilisaient déjà l’IA générative début 2026, principalement sur des usages généralistes dans les fonctions support (administration, ventes). Mais elle souligne aussi que les gains de productivité associés restent, à ce stade, limités. Une adoption rapide ne suffit pas à elle seule à produire de la valeur si elle n’est pas accompagnée.
Trois leviers concrets se dégagent de ces données. D’abord, cartographier les usages réels avant d’écrire une charte, car l’écart entre ce qui est autorisé et ce qui est pratiqué dépasse souvent les estimations internes. Ensuite, traiter la formation comme un levier de réduction du risque autant que de productivité. Enfin, construire les cadres et les premiers assistants IA avec les équipes plutôt que de leur livrer un outil déjà figé : c’est ce que je mets en pratique dans mes formations, et c’est ce qui permet à la confiance de se construire sur des preuves plutôt que sur une promesse.
Pourquoi les entreprises n’arrivent-elles pas à passer à l’échelle avec l’IA ? Parce que l’adoption individuelle va plus vite que la structuration interne. Les salariés utilisent déjà l’IA, mais sans cadre de gouvernance ni formation suffisante, ce qui freine le passage à des usages plus avancés comme la délégation à des agents autonomes.
Quelle est la différence entre IA générative et IA agentique ? L’IA générative produit un contenu à la demande (texte, image), toujours relu et validé par l’utilisateur. L’IA agentique agit de façon autonome sur plusieurs étapes d’une tâche, ce qui suppose de lui déléguer une partie du contrôle.
Combien de salariés utilisent l’IA sans formation en entreprise ? Selon l’étude OpinionWay pour Cegid (septembre 2026), 63 % des salariés français utilisant l’IA au travail déclarent n’avoir reçu aucune formation sur le sujet.
Qu’est-ce que le Shadow AI et pourquoi est-ce un risque ? Le Shadow AI désigne l’usage d’outils IA non validés par l’entreprise. Il expose à des risques de fuite de données et à une absence de contrôle sur la qualité des contenus produits, sans qu’il s’agisse pour autant d’une mauvaise volonté des salariés.
Comment construire la confiance dans l’IA en entreprise ? En distinguant les usages à faible risque (recherche, brouillon) des usages à enjeu fort (décision, envoi direct), en gardant une supervision humaine explicite, et en formant les équipes de façon différenciée plutôt qu’avec un module unique.
L’IA répond à la demande, pas au besoin. Demander « un site » ne revient pas à demander « un site qui se positionne sur Google ».
L’IA n’a pas de vision d’ensemble. En itérant page par page, chaque échange est cohérent localement, mais des écarts s’installent entre les pages : un tarif, un nom d’offre, un chiffre.
Le SEO est invisible à l’œil nu. Une page peut être superbe et pourtant pauvre pour un moteur de recherche.
Qu’est-ce que le GEO ? Le GEO (Generative Engine Optimization) désigne l’optimisation d’un contenu pour qu’il soit compris, repris et cité par les moteurs de réponse IA comme ChatGPT, Perplexity ou Claude.
Être visible aujourd’hui, c’est être trouvé sur Google et cité dans les réponses des IA. Les deux exigent un contenu clair, structuré et lisible par les robots.
Or certains outils de création de sites par IA, comme Lovable, produisent des sites dont le contenu est généré dans le navigateur (rendu côté client). Selon plusieurs spécialistes SEO, cela peut ralentir l’indexation, et certains robots d’IA qui n’exécutent pas le JavaScript ne voient alors qu’une page quasi vide.
Les oublis les plus fréquents à vérifier :
un titre et une meta description identiques sur toutes les pages ;
un sitemap incomplet ou absent ;
des titres de sections (H1, H2) mal hiérarchisés ;
des liens qui ne sont pas de vrais liens cliquables pour les robots ;
aucune donnée structurée ni FAQ exploitable par les moteurs IA.
Le prompt de dix minutes exprime une envie. Il faut un cahier des charges. J’utilise ma méthode RDCOF :
Rôle : expert web et SEO.
Description : votre activité et vos offres.
Contexte : vos cibles, vos mots-clés, votre ton.
Output : la liste des pages et leurs objectifs.
Format : balises SEO, données structurées, FAQ attendues.
Ce brief devient votre source de vérité, à redonner à l’IA à chaque étape.
Avancez une page à la fois et exigez pour chacune ses éléments SEO : titre, meta description, structure des titres, liens internes.
Ouvrez une nouvelle conversation et demandez à l’IA d’auditer le site sans lui dire qu’elle l’a créé. Puis contrôlez avec de vrais outils comme Google Search Console, et affichez le code source d’une page pour voir ce que voient les robots.
L’IA accélère la fabrication. La qualité, elle, se prépare avant et se vérifie après.
Oui, mais l’IA livre surtout la partie visible. Un site professionnel demande un brief précis en amont et une vérification du SEO, de la cohérence et de l’indexation avant la mise en ligne.
Pas automatiquement. L’IA oublie souvent les balises SEO, le sitemap ou la structure des titres si on ne les demande pas explicitement.
Les sites Lovable sont rendus côté client, ce qui peut compliquer l’indexation. Vérifiez la Search Console, le sitemap, les métadonnées par page et envisagez le prérendu.
Proposez un contenu lisible sans JavaScript, structuré en titres clairs, avec des définitions courtes et une FAQ que les moteurs IA peuvent reprendre.
Un prompt structuré, comme la méthode RDCOF : rôle, description de l’activité, contexte, pages attendues et format incluant les exigences SEO.
Et si vous voulez former vos équipes à utiliser l’IA avec méthode, échangeons : digitalfeeling.fr.
Une étude Digipush menée en 2026 sur 50 sites B2B indique que 70 % ont une préparation faible ou très faible au GEO, avec un score moyen de 37,9/100.
J'ai fait le test en formation avec plusieurs clients, à l'aide de l'audit GEO gratuit de Semrush. Leurs scores se situaient entre 32 et 34, donc totalement dans les clous de l'étude.
Je demande aux participants de taper le nom de leur entreprise dans ChatGPT et Perplexity. Les réponses tombent presque toujours dans l'une de ces catégories :
une description datée ;
un concurrent cité à leur place ;
des offres inexactes.
C'est à ce moment-là que le GEO devient concret pour eux.
💡 Astuce Semrush propose un audit GEO gratuit, limité à une seule utilisation et à un seul site. C'est suffisant pour obtenir un premier diagnostic.
À noter aussi : plusieurs experts SEO signalent une mise à jour non annoncée de l'algorithme Google début septembre 2026, avec de fortes chutes de trafic organique sur certains sites. Si vos courbes ont plongé ce mois-ci, vous n'êtes peut-être pas seul.
Il y a un an, mesurer sa visibilité dans les moteurs IA relevait du bricolage. Ce n'est plus le cas.
→ Peec AI suit la visibilité dans la recherche IA et intègre désormais Muse Spark, le modèle de Meta. → Fave, lancé par Jon Miller, cofondateur de Marketo, est une plateforme d'automatisation marketing pensée « IA d'abord », positionnée face à HubSpot. → Google Ads ouvre AI Brief à la France, l'Allemagne, l'Italie, l'Espagne, les Pays-Bas, le Portugal et le Japon, avec de nouveaux rapports AI Max.
Le GEO devient enfin pilotable, et c'est une bonne nouvelle pour tous les marketeurs.
Selon les données de Meta, le prix moyen des publicités a augmenté de 12 % en un an. À budget constant, vous achetez donc environ 11 % d'impressions en moins.
Quand la visibilité payante coûte de plus en plus cher, la visibilité gagnée dans les réponses IA devient un levier de rentabilité, et non plus un simple « nice to have ».
Selon les données de Meta, le prix moyen des publicités a augmenté de 12 % en un an. À budget constant, vous achetez donc environ 11 % d'impressions en moins.
💡 Visibilité payante ou visibilité GEO ? → La visibilité payante coûte de plus en plus cher et s'arrête dès que le budget s'arrête. Sa mesure est mature. → La visibilité GEO demande un investissement en contenu et en structure, mais son effet est cumulatif. Les outils pour la mesurer se structurent rapidement.
Le SEO est-il mort ? Non. Le GEO s'appuie sur les mêmes fondations (contenu de qualité, structure, autorité), mais il vise la citation dans une réponse plutôt que le classement d'un lien.
Comment savoir ce que l'IA dit de ma marque ? Tapez le nom de votre entreprise dans ChatGPT, Gemini et Perplexity, puis comparez les réponses à votre offre réelle. Pour aller plus loin, utilisez un audit (Semrush) ou un outil de suivi (Peec AI).
Être cité dans une AI Overview rapporte-t-il du trafic ? De plus en plus. Les liens externes sont réapparus dans plus d'un quart des AI Overviews en septembre 2026.
Faut-il activer le native checkout de Google ? Cela dépend de votre modèle. Le vrai sujet, c'est de le décider vous-même plutôt que de subir un réglage activé par défaut.
Un agent tourne en boucle (agent loop) : il lit son contexte, décide de la prochaine étape, agit (ouvre un fichier, interroge une base, envoie une requête), observe le résultat, puis recommence, jusqu'à atteindre son objectif.
Définition : la boucle agentique (loop) Cycle répété « contexte → décision → action → observation » qui permet à un agent IA d'ajuster chaque étape en fonction du résultat de la précédente, jusqu'à un critère d'arrêt.
Pensez à quelqu'un qui cherche un prestataire pour vous. Première recherche : quinze noms, dont la moitié hors de votre région. Il reformule. Il en appelle trois, apprend que l'un est complet jusqu'en mars, et ajoute ce critère pour trier les suivants. Ce n'est pas une liste d'étapes prévue d'avance : chaque résultat modifie la question suivante. Et il s'arrête quand il a ce que vous avez demandé.
Deux conséquences à retenir :
Une boucle a besoin d'un critère d'arrêt. Comment l'agent sait-il qu'il a réussi ? Sans signal vérifiable, il tourne sans savoir où il en est. C'est là que se joue la fiabilité.
Une boucle coûte. Selon Anthropic, un agent consomme environ quatre fois plus de ressources (tokens) qu'une conversation classique, et jusqu'à quinze fois plus quand plusieurs agents collaborent.
Le mot a deux sens, et c'est de là que naît la confusion.
Définition : le harnais (harness), sens technique L'infrastructure qui entoure le modèle : outils qu'il peut appeler, mémoire, gestion de l'état, environnement d'exécution. D'où la formule : agent = modèle + harnais. Un modèle seul produit du texte et ne se souvient de rien ; le harnais lui permet d'enchaîner les étapes de la boucle.
Définition : le harnais, sens entreprise Votre contexte métier : informations, données, processus, connaissances. C'est ce qui transforme un modèle générique en assistant qui comprend votre activité (angle défendu par Fred Cavazza en mars 2026).
Bonne nouvelle : vous en construisez déjà des morceaux. Chaque consigne système bien pensée, chaque GPT personnalisé, chaque outil branché sur un assistant est un mini-harnais. C'est le pont entre le prompting individuel et l'agentisation de l'entreprise.
À l'échelle de l'organisation, trois étapes, chacune utile même si vous vous arrêtez là :
Connecter les agents à vos outils métier (CRM, ERP…), lorsque c'est possible et autorisé, pour rendre vos données accessibles. Des éditeurs comme Salesforce proposent des connexions sécurisées en ce sens.
Formaliser vos processus. On ne délègue à un agent qu'une tâche correctement décrite, avec un contrôle humain. L'exercice améliore en lui-même votre efficacité.
Capitaliser sur les connaissances de vos équipes : les savoir-faire qui vivent dans les têtes plutôt que dans les procédures.
Aucune de ces trois étapes ne commence par le choix d'un modèle.
Ce qui me frappe ces derniers mois, ce n'est pas le manque de curiosité. C'est l'inverse : la confiance dans les réponses de l'IA monte très vite, et la rigueur de vérification baisse dans le même mouvement. Lors d'une session récente, un participant m'a expliqué qu'il ne relisait plus les synthèses de son assistant « parce que ça fait six mois qu'elles sont bonnes ».
C'est là que la notion de boucle change la donne pédagogique. Avec un chatbot qui répond une fois, l'erreur reste visible et locale. Avec un agent qui enchaîne dix actions dans vos systèmes, une erreur au troisième tour se propage dans les sept suivants. Confier progressivement des responsabilités aux agents n'est pas de la frilosité : c'est une nécessité opérationnelle.
Si je devais résumer en une phrase : le modèle sait réfléchir ; la boucle lui permet de recommencer ; le harnais lui donne accès à votre réalité. Sans les deux derniers, vous avez un excellent collaborateur enfermé dans une pièce vide.
Quel est le meilleur modèle d'IA pour une entreprise : GPT, Claude, Mistral ou Gemini ? La question est secondaire. Les modèles sont interchangeables et évoluent tous les quelques mois. La performance réelle dépend du harnais : les outils connectés, les données accessibles et les processus formalisés.
Quelle est la différence entre un chatbot et un agent IA ? Un chatbot répond une fois. Un agent IA tourne en boucle : il agit, observe le résultat, se corrige et recommence jusqu'à atteindre un objectif vérifiable.
Que signifie « harness » en intelligence artificielle ? Techniquement, l'infrastructure autour du modèle (outils, mémoire, environnement d'exécution). Côté entreprise, le contexte métier qui rend l'IA pertinente pour votre activité.
Un agent IA coûte-t-il plus cher qu'un chatbot ? Oui. Un agent consomme environ quatre fois plus de ressources qu'une conversation classique, et jusqu'à quinze fois plus en configuration multi-agents.
Qu'est-ce que le workslop ? Un contenu généré par IA qui a l'air soigné mais qu'il faut décoder ou refaire. Il coûte près de deux heures par livrable et entame la confiance entre collègues.
Comment déployer des agents IA sans risque ? Progressivement : définir un critère d'arrêt vérifiable, garder un humain dans la boucle, et élargir les responsabilités de l'agent à mesure que sa fiabilité est démontrée.
Définition — Skill (ou compétence) Une skill est un dossier contenant un fichier SKILL.md : un en-tête avec deux champs obligatoires — un nom et une description — suivi de vos instructions en texte simple. Claude la charge automatiquement dès qu'une demande correspond à sa description, sans que vous ayez à la mentionner.
La distinction avec un prompt tient en une phrase : un prompt, vous le recollez à chaque conversation ; une skill, vous la créez une fois et elle s'applique toute seule.
Trois façons de créer la vôtre :
Sur claude.ai, dans les paramètres, sans coder — la voie la plus simple pour un usage individuel.
Dans Claude Code, sous forme de dossier au sein de votre projet.
Via l'API, pour les développeurs.
Vous n'êtes pas obligée d'écrire le fichier vous-même : Anthropic fournit une skill dont le rôle est précisément d'en créer d'autres, le skill-creator. Vous décrivez votre méthode, il génère le fichier structuré.
Une skill rédigée en « Étape 1, Étape 2, Étape 3 » produit du rigide et se périme vite. Une skill qui décrit à quoi ressemble un bon livrable, énonce vos règles et donne deux exemples produit du juste. Laissez de la liberté sur le chemin, soyez intransigeante sur la destination.
Tant que l'agent ne voit que la fenêtre de conversation, il conseille. Les connecteurs le relient à vos outils réels — messagerie, agenda, Drive, Slack, CRM — pour qu'il lise vos vrais documents et agisse dessus.
C'est ce qui fait basculer l'assistant en agent. Vous définissez une récurrence et l'exécution a lieu sans vous : veille du lundi matin, brief quotidien, reporting du 5 de chaque mois.
Quand une skill ne se déclenche pas, le réflexe est de réécrire les instructions. C'est presque toujours une perte de temps.
Claude ne lit pas le contenu de toutes vos compétences en permanence : il lit leur description, et c'est sur cette seule base qu'il décide d'en ouvrir une. Une description vague laisse la skill en sommeil. Une description qui énumère les situations concernées et les formulations que vous employez réellement — « crée un module », « prépare un programme », « fiche pédagogique » — la déclenche sans effort.
Dans une skill, la partie la plus stratégique ne fait pas dix pages. Elle fait deux lignes.
Deux précisions utiles si vous tombez sur un tutoriel daté. Dans Claude Code, les sous-agents sont des fichiers Markdown avec en-tête YAML, chacun disposant de son propre prompt système, de ses outils autorisés et de son modèle ; depuis la version 2.1.198, la commande /agents n'ouvre plus d'assistant de création — on demande à Claude d'écrire le fichier ou on l'édite directement. Côté développeurs, le Claude Agent SDK expose en Python ou TypeScript la même boucle d'agent que Claude Code, et une API d'agents hébergés existe en version bêta.
Mon conseil en entreprise : dans la grande majorité des cas, le niveau sans code suffit. Partir sur du technique parce que « ça fait sérieux » est le meilleur moyen de ne jamais livrer.
Lancées par Anthropic en octobre 2025, les skills sont devenues un standard ouvert en décembre 2025, adopté depuis par Microsoft, Cursor et Goose. Autrement dit, la méthode que vous formalisez aujourd'hui dans un SKILL.md n'est pas un investissement captif : elle reste lisible ailleurs. Dans un marché où les outils changent tous les trimestres, c'est un argument que je mets systématiquement en avant auprès des directions.
Choisissez une seule tâche. Répétitive, à enjeu modéré, que vous savez déjà bien faire — on ne transmet que ce qu'on maîtrise. C'est exactement l'usage de la matrice NICE que j'utilise pour prioriser les cas d'usage avec mes clients.
Créez le projet et posez le rôle en RDCOF.
Transformez vos instructions actuelles en skill, via le skill-creator.
Testez dans une conversation neuve : la skill se déclenche-t-elle sans que vous la nommiez ?
Si elle ne se déclenche pas, corrigez la description, pas le corps.
Ajoutez un connecteur, puis une planification, seulement quand les étapes précédentes sont stables.
Qu'est-ce qu'un agent IA sur Claude ? Un assistant configuré avec un rôle permanent (projet), des méthodes de travail réutilisables (skills), un accès à des outils externes (connecteurs) et un déclenchement automatique (tâches planifiées). Ce n'est pas un modèle différent, c'est un environnement construit autour du modèle.
Faut-il savoir coder pour créer un agent IA sur Claude ? Non. Sur claude.ai, projets, skills, connecteurs et tâches planifiées se configurent sans aucune ligne de code. Le code n'intervient qu'avec Claude Code ou l'API.
Quelle différence entre un prompt et une skill Claude ? Un prompt est une instruction que vous recollez à chaque conversation. Une skill est un fichier créé une seule fois, que Claude charge automatiquement quand la tâche correspond à sa description.
Comment créer une skill Claude ? Vous rédigez un dossier contenant un fichier SKILL.md avec un nom, une description et vos instructions en Markdown, puis vous l'ajoutez dans les paramètres de claude.ai, dans Claude Code ou via l'API. La skill officielle skill-creator peut générer ce fichier à votre place.
Pourquoi ma skill ne se déclenche-t-elle pas ? Dans la quasi-totalité des cas, la description est trop vague. Précisez les situations concernées et les formulations exactes que vous employez.
Quelle différence entre un projet et une skill ? Le projet porte le contexte (qui vous êtes, pour qui, avec quels documents) et ne vaut que dans cet espace. La skill porte une méthode (comment produire un livrable) et s'applique sur l'ensemble de votre compte.
Combien de temps faut-il pour créer un premier agent ? Environ une heure pour un agent simple : projet, une skill, une recherche web et une tâche planifiée hebdomadaire.
Courir sollicite fortement les articulations, les tendons et les muscles stabilisateurs. Sans un minimum de renforcement : gainage, travail des mollets et des quadriceps, le risque de blessure augmente nettement, surtout quand le volume de course grimpe chaque semaine sans autre forme de préparation physique. Ce volet était totalement absent du plan proposé.
Un plan sérieux prévoit des semaines de récupération, où le volume diminue volontairement pour permettre au corps d'assimiler l'effort. Le plan obtenu, lui, augmentait de façon quasiment linéaire, sans palier de récupération.
Autre angle mort : je n'avais pas précisé cet aspect dans mon prompt, mais un bon plan d'entraînement inclut généralement quelques recommandations nutritionnelles. L'IA ne l'a proposé à aucun moment, spontanément.
Ce qui rend cette expérience intéressante, c'est qu'elle ne s'explique pas par un prompt bâclé. J'avais fourni du contexte : âge, vitesse de course, objectif précis. Le souci n'était donc pas un manque d'information de ma part, mais plutôt ce qu'on pourrait appeler un problème de compréhension sémantique : l'IA a produit une réponse qui ressemble à un plan d'entraînement sérieux, sans reposer sur une vraie logique métier de préparation sportive.
Et c'est précisément ce qui rend ce type d'erreur dangereux : la forme est convaincante, la structure est cohérente en apparence, mais le fond ne tient pas la route pour qui connaît un minimum le sujet.
Élément Plan proposé par l'IA Ce qu'un bon plan de semi-marathon devrait inclure Distances Jusqu'à 30 km (calibrage marathon) Progressives, cohérentes avec 21 km Type de séances Uniquement sorties longues Sorties courtes, longues et fractionné Renforcement musculaire Absent Gainage, mollets, quadriceps Semaines de récupération Absentes Paliers réguliers de baisse de volume Nutrition Non abordée Quelques recommandations de base
Cette expérience confirme un principe que je partage souvent en formation : plus un sujet touche à votre corps, votre santé, ou implique de vraies conséquences en cas d'erreur, plus il faut garder un regard critique humain sur ce que propose l'IA, aussi convaincante soit-elle dans sa mise en forme.
Concrètement, deux réflexes à adopter :
Croiser la réponse de l'IA avec une vraie source spécialisée : un plan construit par un coach, une application dédiée, ou une plateforme de référence. De mon côté, j'ai finalement utilisé le plan d'entraînement de ma montre connectée, beaucoup plus complet.
Utiliser l'IA comme point de départ à challenger, plutôt que comme une solution clé en main : la questionner plusieurs fois, vérifier ses réponses, creuser le sujet en parallèle plutôt que de suivre le plan tel quel.
Un bon prompt, avec du contexte complet, ne garantit pas un résultat fiable sur un sujet technique. Sur les sujets à conséquences réelles pour votre santé, votre sécurité ou vos finances, l'esprit critique reste irremplaçable. L'IA peut accompagner la réflexion, elle ne doit jamais la remplacer entièrement.
L'IA peut-elle remplacer un coach sportif ? Non. Elle peut aider à structurer une idée générale de plan, mais elle manque de la logique métier nécessaire pour équilibrer correctement volume, intensité, récupération et renforcement musculaire.
Pourquoi une IA généraliste se trompe-t-elle sur un sujet aussi précis qu'un plan de semi-marathon ? Parce qu'elle produit une réponse statistiquement probable en fonction de sa documentation d'entraînement, qui peut être plus abondante sur un sujet proche (le marathon) que sur le sujet exact demandé (le semi-marathon).
Un bon prompt suffit-il à garantir une réponse fiable ? Non. Un prompt complet et bien contextualisé réduit les risques d'erreur, mais ne garantit pas une réponse fiable sur un sujet technique nécessitant une vraie expertise métier.