L’intelligence artificielle s’intègre dans nos activités quotidiennes. À l'ère de la taylorisation rampante dans la zone «col blanc» de l’entreprise, les métiers de la donnée et de la connaissance se polarisent : exécution automatisée d›un côté, compétences de cadrage vitales de l›autre.

Netsources est une boussole dans cette mutation. Nous identifions les compétences qui résistent à l’automatisation, celles qui maintiennent l’humain aux commandes. Car la vraie question n’est pas «que peut faire l’IA ?», mais « que devons-nous savoir faire pour rester pilotes ? »

Sans questions, pas de valeur

Comme Christian Vigne l’avait souligné fin 2024 dans sa chronique «Mon premier paper : Answers in abundance, questions in scarcity», que nous publions ici pour la première fois : le problème n’est pas la machine avec son offre infinie de réponses, mais la question, souvent rare et mal formulée.

Le domaine de l’IA générative évolue à un rythme effréné. Début 2023, le terme « prompt engineering » entrait dans le vocabulaire courant. La presse annonçait alors des salaires à six chiffres pour les spécialistes de la formulation de requêtes aux modèles de langage1.

Deux ans plus tard, c’est un nouveau terme qui apparaît : le « context engineering ». Entre-temps, les modèles de langage ont évolué. Leurs fenêtres de contexte se sont élargies (jusqu’à un million de tokens pour Gemini). Les premiers agents IA sont apparus, capables de simuler un raisonnement à plusieurs étapes, de rechercher des informations sur le web, d’exécuter du code ou encore d’utiliser des outils.

Le prompt engineering reste primordial. Le dossier publié par Véronique Mesguich dans les deux numéros précédents de NETSOURCES (Le prompt, un art pour la veille stratégique et la recherche d’information . Netsources , no 178 & 179 ) en présente les fondamentaux : savoir structurer une requête, guider le raisonnement du modèle, fournir des exemples pour orienter les réponses2. Ces techniques constituent la base de toute interaction efficace avec un modèle de langage.

Avec Gemini 3 et ses concurrents, l’IA générative entre dans une phase de consolidation stratégique

Après l’annonce de Gemini3 Pro le mois dernier, Gemini 3 Flash est devenu depuis la mi-décembre le modèle par défaut de Google. Ce nouveau modèle puissant et rapide est en effet intégré désormais dans l’application Gemini, l’API et les outils pour développeurs.

L’arrivée de Gemini 3 marque moins une rupture spectaculaire qu’un changement d’échelle et de maturité dans la compétition entre grands modèles d’IA. Elle illustre la volonté de Google de reprendre l’initiative face à OpenAI, non seulement sur le plan des performances, mais surtout sur celui de l’écosystème et des usages. Après la phase d’expérimentation de ces trois dernières années, le marché entre dans un cycle où non seulement la robustesse, mais aussi l’intégration dans des usages professionnels complexes deviennent déterminantes. La différenciation ne passe plus uniquement par la puissance brute, mais par la capacité à s’insérer dans des workflows réels. Commençons par préciser les avancées apportées par cette nouvelle version, avant d’étudier la réaction des concurrents et les recompositions à venir pour le marché de l’IA générative.

Depuis quelques années, les réseaux sociaux connaissent une nouvelle révolution. Après les filtres, les stories et les vidéos courtes, c’est désormais l’intelligence artificielle générative (IAG) qui s’impose comme le nouvel outil incontournable des créateurs de contenu. Fini le temps où elle faisait peur : aujourd’hui, elle inspire, elle assiste, et surtout, elle crée.

Les réseaux sociaux restent aujourd’hui les principales plateformes de création et de diffusion de contenus, avec des chiffres impressionnants qui montrent l’ampleur de cette production. Instagram publie chaque jour près de 100 millions de photos et vidéos, TikTok diffuse environ 34 millions de vidéos, YouTube enregistre 720 000 heures de visionnage quotidien, et Snapchat voit circuler pas moins de 5 milliards de snaps.

Chroniques amusées sur l’intelligence artificielle par Christian Vigne

Christian Vigne (Narra), anciennement Product Manager chez Google, s’amuse dans ses chroniques à explorer l’impact de l’IA sur nos vies. Il est amené à conseiller les entreprises sur leurs stratégies IA (cadrage, priorisation, formation, conduite du changement).

Je suis archi nul en maths. C’est pas grave, j’en ai fait mon deuil à quarante et un ans. Mais cet aprem, j’ai écrit une équation et je n’en suis pas peu fier ! 

L’intelligence artificielle ne fait plus débat, elle s’installe. Sans fracas, sans résistance visible, elle glisse dans nos flux de travail, nos navigateurs, nos processus d’écriture et d’analyse.

Paradoxalement, l’utilisateur a le sentiment de gagner en puissance et en autonomie, de piloter ou du moins « co-piloter ». Mais cette maîtrise apparente cache peut-être une délégation subtile, où l’humain croit piloter un système qui, déjà, oriente ses choix. L’IA générative n’obéit plus, elle anticipe. Elle résume, organise, « génère », discrètement. Et si, ce faisant, elle prenait le contrôle ?

Dans ce nouveau Netsources, à travers l’analyse rigoureuse du prompting, des navigateurs agentiques, de la détection de contenu généré par IA et des obstacles culturels à son adoption, émerge en toile de fond, plus que jamais, la mutation profonde du rôle de l’humain dans un environnement « de plus en plus infusé par l’IA ».

Dans la première partie de cet article, parue dans le numéro de juillet-août de Netsources, nous avons évoqué les fondamentaux et bonnes pratiques de prompt. Cette deuxième partie apporte un éclairage sur plusieurs notions complémentaires (méta-prompt, prompt injection…). Nous distinguerons des approches différenciées du prompt selon les principaux modèles, et conclurons par une réflexion sur les évolutions à l’ère de l’IA agentique.

Ne pas confondre méta-prompt et méga-prompt

Nous avons évoqué dans l’article précédent le principe du méga-prompt, c’est-à-dire un prompt de grande taille sous forme de texte long, structuré, comportant de nombreuses instructions, contextes, contraintes, rôles ou exemples.

Un méta-prompt est un prompt qui décrit la manière dont un modèle doit générer, améliorer ou analyser d’autres prompts. Le préfixe « méta » indique en effet qu’il s’agit d’une méta-instruction : ce méta-prompt est destiné à créer des instructions précises, sous forme de prompt.

En tant qu’utilisateur de longue date du navigateur Arc, l’annonce de The Browser Company de cesser son développement au profit d’un nouveau navigateur IA payant, nommé Dia, m’a laissé face à un choix. Devais-je revenir vers la familiarité d’un navigateur traditionnel comme Chrome, ou était-ce l’occasion d’adopter l’un de ces nouveaux navigateurs web dopés à l’intelligence artificielle ?

Ces navigateurs IA font actuellement la une. OpenAI vient d’annoncer Atlas, son propre navigateur IA (disponible sur Mac uniquement à ce jour). De son côté, le navigateur de Perplexity, Comet, est maintenant accessible gratuitement. Une opportunité parfaite pour tester cette nouvelle génération d’outils. Peut-il véritablement remplacer mon navigateur habituel ? Booster ma productivité au quotidien ? J’ai décidé de le découvrir par moi-même.

I. Qu’est-ce que Comet ?

Comet est le nouveau navigateur web développé par Perplexity. Initialement réservé aux abonnés de son offre «Perplexity Max» (à 200 $ par mois), il est désormais accessible gratuitement à tous les utilisateurs1. Contrairement aux navigateurs traditionnels auxquels on greffe une extension IA, Comet intègre l’intelligence artificielle au cœur même de l’expérience de navigation.

À l’heure où l’intelligence artificielle inonde le web de contenus, les moteurs de recherche redoublent d’efforts pour protéger la fiabilité de leurs résultats. Mais quels indices leur permettent vraiment de distinguer un article authentique d’un texte généré par l’IA ?

L’intelligence artificielle bouleverse la création de contenus en ligne. Articles, vidéos, posts sur les réseaux sociaux : jamais il n’a été aussi simple de générer du texte ou des images en quelques secondes. Mais cette abondance d’informations pose une question cruciale : comment les moteurs de recherche, Google en tête, parviennent-ils à différencier le contenu authentique du contenu produit artificiellement ?

Une priorité : préserver la fiabilité de l’information

Les géants du web savent que leur crédibilité repose sur la pertinence de leurs résultats. Si un moteur de recherche inonde ses utilisateurs d’articles approximatifs ou mensongers, sa réputation s’effondre. C’est pourquoi Google, Bing ou encore Baidu investissent massivement dans des systèmes capables de détecter les textes et images générés par IA.

Leur objectif n’est pas de bannir l’IA, mais de s’assurer que le contenu réponde à des critères de qualité : exactitude, originalité, et surtout valeur ajoutée pour l’internaute.

Chroniques amusées sur l’intelligence artificielle par Christian Vigne

Christian Vigne (Narra Conseil), anciennement Product Manager chez Google, s’amuse dans ses chroniques à explorer l’impact de l’IA sur nos vies. Il est amené à conseiller les entreprises sur leurs stratégies IA (cadrage, priorisation, formation, conduite du changement).

Celui qui a inventé cette formule mnémotechnique pour rassembler en une seule expression les conjonctions de coordination, terme barbare de grammairien, reçoit ce jour la gratitude de celui qui s’en souvient de nombreuses années après son apprentissage initial. Sortes de mots-ponts entre deux éléments de phrase, les conjonctions de coordination associent dans la parole et l’écriture des noms : « Michel et Augustin » ; des objets : « la peste ou le choléra » ; une causalité : « il n’y a pas école donc j’ai droit aux dessins animés » ; une explication : « j’ai droit aux dessins animés car il n’y a pas d’école » ; une justification : « j’ai regardé beaucoup de dessins animés, mais pas de film » ; le désarroi : « je n’ai vu ni Sam le pompier ni les Enquêtes sauvages » ; etc., ad lib. »

Dans ce numéro, nous publions la première partie d’un dossier complet consacré au prompt engineering. La seconde partie paraîtra dans le prochain numéro de NETSOURCES

Ce dossier a pour objectif de vous accompagner dans la maîtrise du prompt engineering, discipline clé pour exploiter pleinement le potentiel des modèles de langage.

De la compréhension des mécanismes fondamentaux aux techniques les plus avancées, , ces deux articles constituent un guide complet pour maîtriser l’art du prompt engineering et tirer le meilleur parti des modèles de langage actuels et futurs.

Premier article : les fondamentaux du prompt engineering

Ce premier article récapitule les principes essentiels pour optimiser la formulation des prompts:

• Mécanismes internes des LLM : Rappel des processus clés - tokenisation (découpage du texte), embeddings vectoriels (représentation numérique) et architecture transformer (mécanismes d’attention) - pour comprendre comment les modèles traitent les prompts).
• Frameworks de structuration : Présentation de méthodologies structurantes combinant contexte, rôle et format de sortie, illustrées par des exemples concrets d’application.
• Techniques avancées : Exploration de méthodes sophistiquées comme les chaînes de pensées, ainsi que des techniques parfois méconnues comme l’utilisation de délimiteurs.
• Stratégie de longueur : Faut-il privilégier un prompt long et complet («méga-prompt») ou procéder par itérations successives ? La longueur optimale du prompt est une question cruciale.

ChatGPT Agent promet de révolutionner l'automatisation des tâches professionnelles. Recherche intelligente, navigation autonome, exécution complète de missions complexes : marketing ou réalité ? Nous avons testé l'outil en conditions réelles sur trois métiers critiques de l'information. Notre verdict sans concession.

Avec le lancement de sa nouvelle fonctionnalité Agent, OpenAI enrichit ChatGPT de nouvelles capacités. En plus des échanges conversationnels, l’outil peut désormais exécuter des tâches complexes en combinant recherche avancée et actions autonomes dans un navigateur. C’est en tout cas la promesse : fusionner les capacités d’analyse de Deep Research et d’action d’Operator pour créer un assistant capable de prendre en charge une tâche de A à Z.

Pour évaluer les capacités réelles de cet agent dans un contexte professionnel, nous l’avons mis à l’épreuve à travers trois cas d’usage concrets : une analyse concurrentielle, un audit SEO et une étude de social listening.

I. Présentation de ChatGPT Agent

Annoncée le 17 juillet 2025, la fonctionnalité Agent de ChatGPT est disponible en France depuis le 8 août pour les abonnés aux forfaits Plus, Pro et Team. Elle est issue de la fusion de deux technologies qu’OpenAI développait en parallèle : d’une part, Deep Research, un système de recherche approfondie capable de parcourir des centaines de sources pour synthétiser des sujets complexes, et d’autre part, Operator, un agent capable de prendre le contrôle d’un navigateur web pour effectuer des actions comme cliquer sur des liens ou remplir des formulaires. En combinant les deux, ChatGPT Agent vise à permettre de déléguer à l’IA des activités plus complexes.

Monter un podcast ne se fait pas en un claquement de doigts. De la préparation des épisodes à leur diffusion, l’intelligence artificielle peut devenir un allié précieux. Voici comment l’utiliser pour gagner du temps, améliorer la qualité sonore et élargir votre audience.

Lancer un podcast spécialisé, entre nous, ce n’est pas toujours facile. Il faut : trouver une niche, construire un ton, fidéliser une communauté autour d’un sujet précis. Mais comment passer au niveau supérieur quand on n’a ni une équipe de production hollywoodienne ni des journées de 48 heures ? Bonne nouvelle : l’intelligence artificielle générative (IAG) s’invite aujourd’hui dans la boîte à outils des podcasteurs et peut transformer la préparation, la production et la diffusion de votre émission.

Voici un guide pratique pour optimiser son podcast grâce à l’IA, sans aucun effort !

L’IA pour préparer et structurer ses épisodes

La première étape d’un podcast, c’est la matière première : les idées. L’IA peut ici devenir un véritable assistant éditorial.

• Recherche documentaire : plus besoin de passer des heures à compiler articles et études. Des outils comme Perplexity AI ou ChatGPT vous aident à synthétiser des sources fiables, résumer des textes longs et dégager des tendances.
• Plan d’épisode : vous manquez d’inspiration ? L’IA génère des trames d’interview, propose des questions pertinentes pour vos invités et suggère des angles auxquels vous n’auriez pas pensé.
• Storyboard audio : certaines solutions, comme Notion AI ou Mem, aident à structurer vos notes et à transformer une idée brute en plan clair et hiérarchisé.

Imaginez un monde où l’intelligence artificielle générative deviendrait un documentaliste chevronné pour orchestrer vos recherches les plus ardues, un allié incontournable dans toutes vos tâches de traitement et de gestion de l’information, un compagnon d’une humanité confondante sur les réseaux sociaux, - un monde où rédiger une lettre de motivation sans IA s’imposerait comme un acte d’authenticité revendiqué…

Ce monde est déjà le nôtre. À la lecture de ce Netsources, on mesure l’ampleur avec laquelle l’IAG s’est infiltrée dans chaque facette de nos activités intellectuelles .

Dans son « Guide pratique du Deep Research », Véronique Mesguich montre comment l’IA est particulièrement intéressante dans le cas de recherches complexes exigeant l’analyse de sources multiples, et de production de synthèses, redéfinissant — ce faisant — le rôle des experts.

Ulysse Rajim (« Quand l’IA réinvente les réseaux sociaux… ») décrypte comment l’IA redéfinit les interactions sur les réseaux sociaux, complexifie la veille en brouillant l’authenticité de la parole et convertit les plateformes en viviers de données pour nourrir leur apprentissage.

Dans le précédent numéro de Netsources (« Deep Research : l’âge de raison des IA ? », Netsources N° 175 - mars/avril 2025), nous avons décrit et analysé l’irruption et les nombreux développements des outils de Deep Research proposés par les différentes IA.

Passons dans cette deuxième partie à la pratique en présentant et comparant les résultats obtenus avec les différents outils.

Une recherche approfondie pas à pas

Testons à présent la recherche approfondie des IA sur un exemple, en partant du prompt suivant : « Comporte-toi comme un analyste veilleur et rédige un rapport détaillé sur la stratégie et le positionnement des entreprises françaises dans le contexte des droits de douane annoncés par Trump en 2025. Base-toi sur des exemples concrets d’entreprises françaises dans différents secteurs (luxe, automobile, vins et spiritueux) pour étudier et comparer les différents positionnements et stratégies ».

Commençons par la recherche approfondie de ChatGPT (disponible dans la version payante, et depuis peu, de façon limitée dans la version gratuite). Avant d’élaborer son plan de veille, l’IA demande des précisions :

Une fois les précisions apportées par l’utilisateur, l’IA récapitule la demande et élabore son plan de recherche.

L’intégration de l’intelligence artificielle dans les réseaux sociaux est une tendance de fond, entamée au début des années 2010 et qui connaît une accélération marquée depuis l’émergence de l’IA générative en fin 2022. Cette évolution redéfinit l’utilité de ces plateformes, leur modèle économique et la nature même des interactions qu’elles hébergent.

Nous explorerons comment l’IA est passée d’un outil d’optimisation fonctionnant en arrière-plan à un rôle de plus en plus central dans nos échanges. Ce changement soulève une question essentielle : à mesure que l’IA prend plus de place, que reste-t-il de « social » dans les médias sociaux et comment cela impacte-t-il nos interactions en ligne ?

I. L’IA en coulisses : l’optimisation comme premier moteur

Pendant plus d’une décennie, l’intelligence artificielle a été le moteur discret, mais essentiel, des réseaux sociaux. Son déploiement à grande échelle répondait à un objectif principal : capter l’attention de l’utilisateur pour maximiser la durée des sessions et, par conséquent, les revenus publicitaires.

La fin du fil d’actualité chronologique

Cette stratégie reposait sur la personnalisation des contenus . Dès 2009, Facebook expérimentait déjà un nouvel algorithme (nommé EdgeRank ) pour remplacer le fil d’actualité chronologique (1). C’est entre 2012 et 2016 que cette tendance se généralise. Durant cette période, la plupart des plateformes de réseaux sociaux abandonnent progressivement le fil chronologique au profit du fil algorithmique . L’objectif n’étant alors plus de montrer ce qui venait d’être publié, mais ce qui était le plus susceptible de provoquer une réaction . Twitter remplace ainsi son fil d’actualité par le flux « Home timeline » en 2016 (2), et TikTok, lancé une année plus tard, érige cette approche en modèle avec sa « For You Page » (3). Aujourd’hui, cette méthode est devenue la norme et les algorithmes n’ont fait que s’améliorer d’année en année. Meta annonçait d’ailleurs en 2023 que ses algorithmes de recommandation étaient responsables d’une hausse de 24 % du temps passé sur Instagram , notamment grâce à la suggestion de contenus issus de comptes non suivis par les utilisateurs (4).

Nous avons souhaité interroger Christophe afin qu’il partage ses observations sur les transformations apportées par l’intelligence artificielle générative. Cet entretien apporte un éclairage sur l’évolution de la veille et du Knowledge Management à l’ère de l’IA.

Christophe Deschamps est depuis 20 ans consultant‐formateur en veille stratégique, intelligence économique et gestion des connaissances. Il enseigne depuis plusieurs années ces matières à l’IAE de Poitiers, à l’ILERI et à OTERIA Cyber School. Il publie régulièrement dans des revues comme Archimag, ou I2D (anciennement Documentaliste - Sciences de l’information). Il est l’auteur de plusieurs ouvrages sur l’intelligence économique et la veille, dont La boîte à outils de l’intelligence économique (Dunod), et l’animateur du blog OUTILS FROIDS .

CHRISTEL RONSIN : Christophe, depuis quand vous intéressez-vous au phénomène de l’intelligence artificielle générative ?

CHRISTOPHE DESCHAMPS : Mon intérêt pour l’intelligence artificielle générative a commencé vers 2017-2018, avec l’émergence des deepfakes . L’une des vidéos les plus marquantes était celle d’Obama, où il était presque impossible de distinguer la vidéo truquée de la réalité. Le mouvement de ses lèvres avait été modifié par l’IA pour lui faire dire des phrases qu’il n’avait jamais prononcées. Cela a naturellement suscité mon intérêt, car ce que redoutent le plus les professionnels de l’information, c'est évidemment de se faire manipuler par de fausses images, vidéos ou textes.