Me remplacer par l'IA

Comment j'ai appris à arrêter de m'inquiéter et à aimer le GPT.

J’ai su que le brouillon IA avait déraillé quand j’ai été d’accord avec chaque phrase sans en croire aucune.

Il avait la bonne forme : intro confiante, flux de travail soigné, conclusion optimiste. Il utilisait tous les mots respectables. Productivité. Créativité. Collaboration. Pipeline. On aurait dit que quelqu’un avait remplacé mon expérience réelle par une brochure sur mon expérience réelle.

Ce qui, malheureusement, était exactement le problème.

Le danger de l’écriture par IA n’est pas qu’elle soit toujours mauvaise. Le danger est qu’elle peut être plausiblement fluide avant d’avoir mérité un point de vue.

Cet article est un artefact de cette phase. J’utilisais GPT pour des plans de leçons, des concepts de bannières, des invites de quiz, des réécritures, des résumés et des expériences de traduction. Une partie fonctionnait. Une partie faisait gagner des heures. Une partie produisait ce genre de pâte professionnelle fade qui donne à chaque personne dans un paragraphe l’air d’un décideur corporatif.

Je n’avais pas besoin de moins d’IA. J’avais besoin de plus de friction.

La première cicatrice

La première vraie erreur a été de traiter « ça a l’air fini » comme preuve de réflexion.

Je demandais un plan de leçon et j’obtenais quelque chose de cohérent en dix secondes. Cette cohérence était enivrante. Une mauvaise page blanche rend son vide évident. Un brouillon IA correct cache les décisions manquantes sous une bonne grammaire.

Ensuite, je le relisais et je trouvais les problèmes habituels :

• les exemples étaient techniquement corrects mais oubliables
• les questions de quiz testaient le vocabulaire au lieu du jugement
• les explications évitaient la distinction difficile dont l’apprenant avait besoin
• le ton avait dérivé vers un style corporatif aseptisé

Rien n’était catastrophiquement faux. C’était la partie la plus effrayante. Tout était un peu trop bien.

Ce pour quoi l’IA est devenue bonne

Une fois que j’ai arrêté d’accepter les premiers brouillons comme des artefacts, l’IA est devenue beaucoup plus utile.

Je l’utilise surtout comme un outil de pression :

• Trouver la partie vague : « Quelles affirmations dans cette leçon ne sont pas soutenues ? »
• Générer les mauvaises réponses : « Que choisirait un débutant intelligent pour la mauvaise raison ? »
• Changer l’audience : « Explique ça à un développeur React qui n’a jamais utilisé Postgres. »
• Créer du contraste : « Donne-moi trois exemples où ce conseil échoue. »
• Compresser le bazar : « Transforme ces notes en plan sans ajouter de nouvelles affirmations. »

Ces invites ne remplacent pas le jugement. Ils rendent le jugement plus facile à appliquer. Le modèle est très bon pour produire des surfaces. Mon travail est de décider quelles surfaces méritent de devenir de la structure.

Le pipeline, avec des garde-fous

Le flux de travail qui a survécu est moins glamour que l’ancienne version :

1. Collecter le matériau brut Je commence avec des notes, du code, des liens, des captures d’écran, et la confusion spécifique de l’apprenant que j’essaie de résoudre.

2. Demander à l’IA d’organiser, pas de décider Elle peut grouper les idées, révéler les étapes manquantes, et suggérer des sections. Je ne la laisse pas choisir la thèse sans un combat.

3. Écrire les parties tranchantes moi-même L’ouverture, la règle de décision, les exemples et la fin ont besoin de goût humain. C’est là que l’article gagne sa confiance.

4. Utiliser l’IA pour interroger le brouillon Je demande ce qui sonne générique, ce qui suppose trop, ce qu’un lecteur sceptique objecterait, et où les exemples échouent.

5. Garder l’artefact honnête Si un paragraphe pourrait vivre sur n’importe quel blog SaaS, il est réécrit ou supprimé.

Cette dernière règle fait beaucoup de travail.

Les quiz ont changé mon avis

L’écriture de quiz est là où l’IA est devenue véritablement utile pour moi.

Pas parce qu’elle peut écrire des questions parfaites. Elle ne peut pas. Elle adore les distracteurs évidents, l’ambiguïté accidentelle, et les explications qui glissent à côté du malentendu.

Mais elle peut générer un champ de mauvaises réponses possibles rapidement. Ensuite, je peux regarder la liste et me demander : lesquelles de ces réponses représentent une vraie erreur d’apprenant ?

C’est la collaboration utile. Le modèle produit de l’argile. Je décide si c’est un bol, une brique, ou une décharge.

Me remplacer était le mauvais angle

Le titre est une blague, mais l’angle est faux.

Je ne me remplace pas par l’IA. Je remplace les parties de mon processus qui étaient déjà mécaniques : regroupement initial, formulations alternatives, échafaudages de traduction, options de brouillon de quiz, concepts d’image, passes de résumé.

Les parties que je ne peux pas remplacer sont celles que les lecteurs remarquent vraiment quand elles manquent : le goût, les cicatrices, la priorité, le scepticisme, et la volonté de dire « ça sonnait bien, mais c’était faux. »

L’IA m’a rendu plus rapide. Plus important, elle a rendu certains de mes points faibles plus faciles à voir. Le coût est que je dois maintenant être plus délibéré sur le fait de ne pas publier de prose qui se comporte simplement comme de la prose.

C’est le compromis avec lequel je peux vivre.