Former ses équipes à l'IA : prompts, skills et mémoire d'entreprise
Acheter des licences ne fait pas une transition. Une équipe adopte l'IA quand elle sait à quoi elle sert dans son métier, et quand le modèle connaît assez l'entreprise pour ne pas répondre à côté.
- Les déploiements échouent rarement à cause de l'outil. Ils échouent parce que personne n'a défini les usages métier par métier.
- Un bon prompt suit une structure : contexte, tâche, contraintes, format, exemple. Un bon prompt utilisé souvent devient un skill réutilisable.
- Un coffre de connaissances Obsidian donne au modèle la mémoire de l'entreprise : offres, process, ton, décisions. Il répond avec vos règles au lieu d'inventer.
- L'adoption se mesure à 30 et 90 jours, pas le jour de la formation.
Dans la plupart des entreprises, l'IA arrive de la même façon : des licences sont achetées, un webinaire est organisé, et trois semaines plus tard une poignée de personnes s'en sert comme d'un moteur de recherche bavard. Le reste de l'équipe a décroché. Ce n'est pas un problème d'outil. C'est un problème de méthode. J'ai passé des années à faire adopter des outils à des équipes support et commerciales, et j'applique la même logique à l'IA : partir du geste quotidien, pas de la technologie.
Pourquoi la plupart des déploiements échouent
- Aucun usage n'est défini. « Utilisez l'IA » n'est pas une consigne. « Utilisez-la pour préparer vos comptes rendus de rendez-vous client » en est une.
- Chacun improvise ses prompts. Les résultats sont inégaux, et chacun conclut que l'outil est imprévisible.
- Le modèle ne connaît pas l'entreprise. Il ignore vos offres, vos process, votre ton. Il répond donc avec des généralités.
- La frontière n'est pas claire. Personne ne sait ce qu'on a le droit de lui confier, ni ce qui doit rester humain.
Les cinq étapes qui suivent répondent à ces quatre problèmes, dans l'ordre.
Étape 1 : cartographier les usages, métier par métier
Réunissez chaque équipe pendant une heure. Chacun liste les dix tâches qu'il refait le plus souvent. Puis on garde celles où l'IA apporte vraiment quelque chose : rédiger un premier jet, résumer, classer, extraire des informations, comparer, reformuler.
| Métier | Usages qui marchent | À ne pas lui confier |
|---|---|---|
| Commercial | Préparer un rendez-vous à partir de la fiche CRM, rédiger une relance, résumer un appel | Fixer un prix ou une remise |
| Support | Proposer un brouillon de réponse, catégoriser une demande, retrouver une procédure | Répondre seul à une réclamation |
| Opérations | Rédiger une procédure, analyser un export, préparer un cahier des charges | Valider une décision contractuelle |
| RH et management | Structurer une fiche de poste, préparer un entretien, synthétiser des retours | Évaluer une personne |
Le livrable de cette étape : pour chaque équipe, trois à cinq usages prioritaires, écrits noir sur blanc.
Étape 2 : des prompts qui tiennent
Un prompt efficace n'est pas une formule magique. C'est une consigne complète, comme celle qu'on donnerait à un nouveau collègue compétent qui ne connaît pas encore l'entreprise. Il contient cinq éléments :
- Le contexteQui vous êtes, pour qui est le résultat, dans quelle situation.
- La tâcheCe que vous attendez, avec un verbe précis : rédiger, classer, comparer.
- Les contraintesLongueur, ton, ce qu'il ne faut pas faire, les informations à ne pas inventer.
- Le formatListe, tableau, e-mail prêt à envoyer, champs à remplir.
- Un exempleUn bon résultat passé. C'est l'élément le plus sous-estimé, et souvent le plus efficace.
La différence se voit immédiatement :
AvantÉcris une relance pour un client. AprèsTu rédiges pour un commercial d'un éditeur de logiciel B2B. Tâche : écrire une relance pour un prospect qui n'a pas répondu depuis 10 jours après une démonstration. Contraintes : 90 mots maximum, ton direct et cordial, pas de formule commerciale toute faite, une seule question à la fin. N'invente aucun chiffre. Format : objet + corps de l'e-mail. Exemple de relance qui a bien fonctionné : [coller l'exemple] Notes du rendez-vous : [coller les notes]
Vous voulez former vos équipes ? On cadre les usages de chaque métier ensemble.
Appel gratuitÉtape 3 : transformer les bons prompts en skills
Quand un prompt donne de bons résultats et qu'il sert chaque semaine, il ne doit plus vivre dans la tête d'une seule personne. On le transforme en skill : une procédure écrite que le modèle charge quand la tâche correspond. Un skill contient les instructions, des exemples de bons résultats, et si besoin des fichiers de référence (une grille tarifaire, un modèle de document, une charte).
L'intérêt est double. Toute l'équipe obtient la même qualité, et quand la procédure change, on la met à jour à un seul endroit. Exemples de skills utiles : « réponse à une demande de devis », « compte rendu de rendez-vous client », « première analyse d'un ticket support », « rédaction d'une fiche de poste ».
Étape 4 : donner au modèle la mémoire de l'entreprise
C'est l'étape qui change le plus la qualité des réponses. Un modèle d'IA ne connaît pas vos offres, vos process, vos clients types ni vos décisions passées. Si vous ne les lui donnez pas, il les invente ou reste vague.
J'utilise pour cela un coffre de connaissances Obsidian : un dossier de fichiers texte au format Markdown, organisés par thème et reliés entre eux par des liens. Le format est simple, lisible par un humain comme par un modèle, et il appartient à l'entreprise, pas à un éditeur. Une structure type :
coffre-entreprise/ ├── 00-a-lire-d-abord.md qui nous sommes, comment utiliser ce coffre ├── offres/ une note par offre : périmètre, prix, limites ├── process/ une note par procédure : étapes, responsable ├── clients-types/ profils, besoins, objections fréquentes ├── ton-et-style/ exemples de bons e-mails, mots à éviter └── decisions/ une note datée par décision importante
Trois règles pour qu'il reste fiable : une note, un sujet ; chaque note porte une date de mise à jour et un responsable ; et une note obsolète est corrigée ou supprimée, jamais laissée en l'état. Un coffre faux est pire qu'un coffre vide, parce que le modèle s'y fiera.
Étape 5 : cadrer ce qui reste humain
Une transition réussie, c'est une frontière claire, écrite et comprise par tout le monde :
- Ce que l'IA prépare, un humain le valide avant tout envoi externe.
- Les données confidentielles (données clients sensibles, données RH, contrats) ne vont que dans les outils validés par l'entreprise.
- Les décisions qui engagent l'entreprise ou qui concernent une personne restent humaines.
Une page suffit. Elle évite les deux dérives opposées : ceux qui n'osent rien confier à l'IA, et ceux qui lui confient tout.
Mesurer l'adoption à 30 et 90 jours
La satisfaction le jour de la formation ne dit rien. Ce qui compte, c'est l'usage réel quelques semaines plus tard :
| Indicateur | À 30 jours | À 90 jours |
|---|---|---|
| Part de l'équipe qui l'utilise chaque semaine | Premier signal d'adoption | Doit s'être stabilisé ou avoir progressé |
| Skills réellement utilisés | Lesquels servent, lesquels sont ignorés | Supprimer ou réécrire ceux qui ne servent pas |
| Temps gagné sur les usages prioritaires | Estimation déclarée par les équipes | Comparaison avec le temps passé avant |
| Fraîcheur du coffre | Notes créées | Notes mises à jour |
Le format de formation que je propose
Une première session consacrée aux usages et aux prompts, construite sur les cas réels de l'équipe et non sur des exemples génériques. Une deuxième consacrée aux skills et à la mise en place du coffre de connaissances, que l'équipe commence à remplir pendant la session. Puis un point de suivi à 30 jours, pour voir ce qui a été adopté et corriger ce qui ne l'a pas été. Pour aller plus loin côté outils, les agents décrits dans l'article sur le scoring de prospects et celui sur le support client s'appuient sur la même mémoire d'entreprise.
Questions fréquentes
Comment former ses équipes à l'IA en entreprise ?
En partant des usages métier plutôt que de l'outil : identifier pour chaque équipe trois à cinq tâches où l'IA aide vraiment, apprendre à écrire des prompts structurés, transformer les plus utiles en skills réutilisables, donner au modèle une mémoire de l'entreprise, puis mesurer l'adoption à 30 et 90 jours.
Qu'est-ce qu'un skill en IA ?
Un skill est une procédure écrite que le modèle charge quand la tâche correspond : des instructions, des exemples de bons résultats et éventuellement des fichiers de référence. Il permet à toute l'équipe d'obtenir la même qualité sur une tâche récurrente.
Pourquoi utiliser Obsidian comme mémoire pour un modèle d'IA ?
Obsidian stocke les notes sous forme de fichiers texte Markdown reliés entre eux. Ce format est lisible par un humain comme par un modèle, facile à organiser par thème, et reste la propriété de l'entreprise. Le modèle peut ainsi répondre avec vos offres, vos process et votre ton plutôt qu'avec des généralités.
Quelle est la structure d'un bon prompt ?
Un bon prompt contient le contexte, la tâche avec un verbe précis, les contraintes, le format de sortie attendu et, idéalement, un exemple de bon résultat. L'exemple est souvent l'élément qui améliore le plus la qualité.
Comment mesurer l'adoption de l'IA dans une équipe ?
Mesurez la part de l'équipe qui l'utilise chaque semaine, les skills réellement utilisés, le temps gagné sur les usages prioritaires et la fraîcheur de la base de connaissances, à 30 puis à 90 jours après la formation.
Vous voulez que vos équipes utilisent vraiment l'IA ?
Un premier appel, gratuit, suffit pour savoir si c'est faisable et par où commencer.