Vérifier et itérer avec discernement
Une réponse d'IA bien tournée peut être fausse, et c'est souvent le PM qui en paie le prix devant l'équipe ou un client. Cette leçon vous donne une manière de juger une réponse de l'IA et de corriger votre prompt de façon ciblée, pour progresser d'un essai à l'autre au lieu de tourner en rond.
Objectif de la leçon
À la fin de cette leçon, vous serez capable d'évaluer une sortie d'IA sur trois plans (contenu, démarche, comportement) avec des critères explicites, et de corriger le prompt par une modification ciblée plutôt que par une reformulation au hasard.
Thèmes abordés
- évaluer une sortie d'IA
- itérer sur un prompt
- vérification des faits
- esprit critique face à l'IA
- discernement
Dans quel module
Déléguer, décrire, vérifier
Comment obtenir d'une IA générative un résultat fiable, et savoir quand ne pas lui faire confiance ?
Leçons du module
- Choisir ce que vous confiez à l'IA
- Comprendre ce que fait un LLM quand vous le promptez
- Décrire la tâche dans un prompt structuré
- Quatre techniques qui changent le résultat
- Vérifier et itérer avec discernement (cette leçon)
Ce que vous apprendrez dans la formation
Cette leçon fait partie de la formation Prompter comme un PM : déléguer, décrire, vérifier
- Décider, pour une tâche de votre cycle produit, s'il faut la confier à l'IA, sous quel mode (automatisation, augmentation, agent) et ce que vous gardez.
- Expliquer les comportements d'un LLM (prédiction, connaissances datées, mémoire de travail, suivi des consignes) pour anticiper ses erreurs et choisir la parade.
- Rédiger un prompt qui décrit le livrable, la démarche et les critères de qualité, avec contexte, données délimitées et exemples si besoin.
- Évaluer une sortie d'IA (contenu, démarche, comportement) avec des critères explicites, puis l'améliorer par itérations ciblées.
- Produire avec l'IA des livrables PM (synthèse de retours, persona, guide d'entretien, user stories) à partir de données réelles, et en vérifier la fidélité.
- Configurer des instructions permanentes et un assistant dédié à une tâche récurrente, le tester sur des cas réels et décider quand passer à un agent.
- Appliquer des règles de diligence (données partagées, transparence, responsabilité) avant d'utiliser ou de diffuser un travail produit avec l'IA.
Formations liées
- Créer des Claude Skills fiables pour votre travail produitConfirmé · ~2 h 30 min
- Choisir et utiliser ses outils d'IA au quotidienTout public · ~1 h 40 min
- Comprendre ce que les LLM savent faire, et ce qu’ils ratentTout public · ~2 h