L’IA générative métier par métier : usages, garde-fous et premiers pas

L’IA générative n’est pas un outil différent selon les métiers : c’est la même technologie appliquée à des tâches dont le coût de l’erreur, la confidentialité et le régime juridique varient énormément d’un service à l’autre. Un brouillon d’e-mail mal formulé se corrige en dix secondes. Un tri automatique de candidatures engage l’employeur au regard du règlement européen sur l’IA et du RGPD. Même modèle, deux situations sans rapport.

C’est pourquoi les listes du type « 50 usages de l’IA pour les RH » servent rarement. Ce qui manque n’est pas l’inventaire, mais le critère qui permet de trancher dans votre contexte. Ce critère est commun à tous les métiers ; seules ses conséquences changent.

Cet article pose d’abord cette méthode, en cinq étapes. Il décline ensuite huit métiers : usages qui tiennent, usages à écarter, garde-fous et prompt de départ. Il se termine par les usages à exclure partout et un démarrage sur trente jours.

L’essentiel en 60 secondes

• La bonne unité d’analyse n’est ni le métier ni l’outil, mais la tâche : fréquence, temps consommé, tolérance à l’erreur, disponibilité de la matière.
• Un modèle produit un texte plausible, pas un texte vrai. Demandez un brouillon vérifiable, jamais une réponse à diffuser telle quelle.
• Le niveau de vérification s’indexe sur le coût de l’erreur et sa réversibilité, pas sur la confiance ressentie envers le modèle.
• Ce qui entre dans un prompt est traité selon le contrat, les réglages et l’architecture du service. Un contrat d’entreprise, un hébergement dédié ou une exécution locale renforcent le contrôle sans supprimer à eux seuls tous les accès, journaux ou transferts.
• Les tâches à fort gain se ressemblent partout : reformuler, résumer, structurer, classer, préparer une trame, chercher les angles morts d’un document.
• Les tâches à écarter aussi : produire librement un chiffre ou une source sans donnée vérifiable, ou décider à la place d’une personne. Pour le calcul, utilisez un outil déterministe et faites commenter au modèle le résultat déjà établi.
• Le démarrage réaliste est étroit : une tâche, une équipe, quatre semaines, un critère de succès écrit à l’avance.
• Depuis le 2 février 2025, l’article 5 du règlement européen sur l’IA interdit notamment la notation sociale, la catégorisation biométrique de caractéristiques sensibles et la reconnaissance des émotions au travail et dans l’enseignement.
• Depuis le 2 août 2026, l’article 50 impose des obligations distinctes : le fournisseur prévoit l’information lors d’une interaction directe, sauf évidence contextuelle ; le fournisseur marque certaines sorties synthétiques ; le déployeur signale les deepfakes et certains textes d’intérêt public, sous les exceptions prévues.

À retenir : ce qui sépare un usage utile d’un usage risqué n’est pas le métier, mais le coût de l’erreur et l’identité de la personne qui reste responsable de la sortie.

Sommaire

• Une méthode commune, avant les recettes par métier
• La carte des usages par métier
• Marketing et contenu
• Vente et développement commercial
• Support client
• Ressources humaines et recrutement
• Juridique et conformité
• Finance, comptabilité et contrôle de gestion
• Produit, projet et direction
• Formation et enseignement
• Les usages interdits ou à très haut risque, tous métiers confondus
• Accompagner le changement et l’obligation de maîtrise de l’IA
• Démarrer en 30 jours
• Ce que cette approche ne résout pas
• Checklist de mise en route par métier
• FAQ sur l’IA générative par métier
• Pour aller plus loin

Une méthode commune, avant les recettes par métier

1. Identifier une tâche candidate

Quatre critères, à évaluer ensemble. Une tâche qui n’en satisfait que deux n’est pas un bon point de départ.

• Fréquence. Du répétitif, hebdomadaire au minimum.
• Temps passé. Le gain vient du démarrage supprimé, pas de la vitesse de frappe : visez les tâches où l’on ne sait pas par quoi commencer.
• Tolérance à l’erreur. Une erreur qui se corrige avant diffusion est acceptable ; une erreur qui part chez un client, un candidat ou l’administration ne l’est pas.
• Disponibilité de la matière. Un modèle ne connaît pas votre entreprise : sans informations internes, la sortie sera générique.

2. Viser le brouillon vérifié, pas la réponse finale

Un modèle prédit une suite de mots vraisemblable. La fluidité n’est pas un indice de justesse : un texte faux se lit aussi bien qu’un texte exact. Le mécanisme est détaillé dans notre article sur les hallucinations des IA génératives.

Demandez donc une sortie contrôlable : un plan plutôt qu’un article fini, une liste de clauses manquantes plutôt qu’un avis, un tableau de verbatims avec leurs citations plutôt qu’une synthèse sans traçabilité.

3. Appliquer la règle du coût de l’erreur

Coût de l’erreur	Exemples	Vérification requise	Qui valide
Négligeable, réversible	Accroches, note interne, brouillon de compte rendu	Relecture rapide	L’auteur
Modéré, réversible	E-mail client, réponse de support, offre d’emploi	Relecture systématique, faits vérifiés	Un pair ou le responsable
Élevé, peu réversible	Note juridique interne, commentaire financier diffusé	Double contrôle, sources vérifiées	Un expert du domaine
Critique, affectant une personne	Tri de candidatures, évaluation, décision de crédit	Ne pas automatiser. Décision humaine documentée	Direction et conformité

En cas d’hésitation entre deux lignes, deux questions tranchent.

1. Le valideur peut-il détecter l’erreur avec ce qu’il a sous les yeux ? Si non, l’usage n’est pas mûr : fournissez d’abord la matière, ou renoncez.
2. La sortie produit-elle un effet juridique ou significatif sur une personne ? Si oui, dernière ligne : le modèle prépare, il ne décide pas, et la décision humaine est motivée par écrit.

4. Traiter la confidentialité en amont

Quatre questions suffisent : ai-je une base juridique pour transmettre cette donnée, est-elle réutilisée pour l’entraînement, combien de temps est-elle conservée, et depuis quels pays peut-elle être traitée ou consultée ? Les réponses dépendent du produit, du contrat et des réglages, pas seulement de l’étiquette grand public ou entreprise. Pour un secret professionnel ou des données de santé, une exécution en local ou sur infrastructure dédiée peut réduire l’exposition, mais elle exige encore des contrôles d’accès, de sécurité et de conformité ; le cadre complet est dans notre guide IA en entreprise, RGPD et AI Act.

Deux risques techniques concernent aussi les métiers : l’injection de prompt, où un contenu extérieur porte des instructions que le modèle exécute, et la divulgation d’informations sensibles. Ce sont les deux premières entrées (LLM01 et LLM02) du Top 10 OWASP pour les applications LLM, édition 2026, publiée le 3 août 2026 et consultée le 21 août 2026.

5. Conserver la trace et la responsabilité

Une sortie n’engage personne ; celui qui la diffuse, si. Trois habitudes suffisent : consigner le modèle et sa version, conserver le prompt réutilisé, nommer le valideur. Un usage récurrent mérite un prompt versionné et testé.

La carte des usages par métier

Métier	Tâche à fort gain	Tâche à éviter
Marketing	Décliner un message validé sur plusieurs canaux	Publier sur un sujet sans expertise interne
Vente	Préparer un rendez-vous et son compte rendu	Prospection de masse non relue
Support client	Brouillon de réponse ancré dans la base de connaissance	Trancher seul sur un remboursement
RH	Construire une grille d’entretien structurée	Trier, noter ou classer des candidatures
Juridique	Comparer deux versions et lister les écarts	Chercher la règle sans fournir les textes
Finance	Commenter un écart déjà calculé	Accepter un calcul produit en texte libre sans outil déterministe ni contrôle
Produit et direction	Faire produire risques et questions ouvertes	Estimer une charge ou un marché
Formation	Générer des variantes d’exercices	Noter des copies avec effet sur le parcours

Marketing et contenu

Ce qui marche

• Décliner un message validé sur tous les canaux, avec un vocabulaire cohérent.
• Produire des variantes à tester : objets d’e-mail, titres, accroches.
• Classer des verbatims clients en thèmes, chacun appuyé sur ses citations d’origine.

Ce qu’il faut écarter

• Publier sur un sujet que personne ne maîtrise en interne : vous ne pourrez pas repérer l’erreur.
• Faire produire chiffres de marché, citations d’experts ou témoignages. Privé de la donnée, un modèle en fabrique une qui a la forme attendue.

Garde-fous

Depuis le 2 août 2026, l’article 50 du règlement européen sur l’IA distingue plusieurs obligations : le fournisseur d’un système destiné à interagir directement avec une personne doit prévoir une information, sauf lorsque l’interaction avec une IA est évidente ; le fournisseur d’un système génératif doit rendre certaines sorties synthétiques détectables dans un format lisible par machine ; le déployeur doit signaler les deepfakes et certains textes générés publiés pour informer le public sur une question d’intérêt public, avec l’exception prévue après contrôle humain ou éditorial lorsqu’une personne assume la responsabilité éditoriale. Voir notre article sur l’article 50 et la transparence. Toute mesure transitoire visant le seul paragraphe 2 doit être vérifiée dans le texte consolidé avant de modifier une date de conformité.

Rôle : responsable éditorial.
Matière : [MESSAGE VALIDÉ] [CHARTE : termes imposés, termes interdits]
Tâche : 4 déclinaisons – page d’accueil 60 mots, e-mail 120 mots,
publication professionnelle 80 mots, argumentaire oral en 5 puces.
Interdits : aucun chiffre, date ou nom propre absent de la matière.
Information manquante : écris [À COMPLÉTER : quoi], ne comble pas.

Vente et développement commercial

Ce qui marche

• Préparer un rendez-vous : synthèse du compte, puis questions à poser. La valeur est dans les questions.
• Structurer un compte rendu à partir de notes brutes, puis en tirer des tâches datées.
• Adapter une proposition type au vocabulaire du client, sans toucher aux conditions.

Ce qu’il faut écarter

• La prospection de masse personnalisée automatiquement : le modèle finira par écrire une phrase fausse sur un prospect, et elle partira telle quelle.
• Faire produire des engagements : prix, remises, délais et niveaux de service viennent de votre grille.

Garde-fous

Ne déposez pas de données clients nominatives dans un outil grand public non contractualisé. Si vous connectez un assistant au CRM, commencez en lecture seule : l’écriture automatique dans les fiches est difficile à annuler. Le cadrage des autorisations est traité dans notre guide agents IA et MCP.

Rôle : directeur commercial, secteur [SECTEUR].
Matière : [NOTES CRM] [DOCUMENTS PUBLICS DU COMPTE]
Produis : 1) les faits établis, chacun suivi de sa source ; 2) les 5 inconnues
déterminantes ; 3) 8 questions ouvertes, de la plus large à la plus engageante.
Interdits : n’invente ni chiffre d’affaires, ni effectif, ni nom de dirigeant.
Si l’information manque, écris « non documenté ».

Support client

Ce qui marche

• Suggérer un brouillon à l’agent, qui corrige puis envoie. Le rapport entre valeur et risque y est meilleur qu’avec un agent laissé seul face au client.
• Résumer un fil long pour une escalade ou la reprise d’un dossier ancien.
• Ancrer la réponse dans la base de connaissance : une architecture RAG récupère des documents pertinents et permet de citer les sources fournies. Elle réduit le risque d’invention, sans contraindre ni garantir à elle seule que chaque affirmation provient du corpus.

Ce qu’il faut écarter

• Un agent autonome en première ligne sur la résiliation, le remboursement, un incident de sécurité ou un sujet de santé.
• Laisser le modèle improviser un geste commercial, qui relève de règles.

Garde-fous

Informer l’utilisateur qu’il s’adresse à une machine relève de l’article 50. Trois indicateurs suffisent à piloter : taux d’escalade, part de réponses sans source citée, taux de réouverture.

Rôle : agent de support niveau 1.
Base autorisée : uniquement les extraits ci-dessous, aucune autre connaissance.
[EXTRAITS DE LA BASE, avec identifiant] [MESSAGE DU CLIENT]
Produis : la réponse proposée (150 mots), les identifiants utilisés, un niveau
de confiance. Si la base ne permet pas de répondre : écris « ESCALADE » et la
question à poser au niveau 2. N’invente aucune procédure.

Ressources humaines et recrutement

Ce qui marche

• Réécrire une offre d’emploi : clarté, jargon supprimé, formulation non discriminante.
• Construire une grille d’entretien structurée à partir de la fiche de poste, identique pour tous les candidats.
• Synthétiser des comptes rendus d’entretien rédigés par des humains, sans note ni classement.

Ce qu’il faut écarter

• Trier, noter ou classer des candidatures. L’annexe III du règlement européen sur l’IA vise comme à haut risque les systèmes de recrutement et de sélection. Le règlement (UE) 2026/1744, dit « omnibus numérique », en vigueur depuis le 27 juillet 2026, a reporté ces obligations au 2 décembre 2027. Le report porte sur le calendrier, pas sur la nature du risque, et le RGPD s’applique déjà.
• Analyser les émotions d’un candidat en entretien vidéo, interdit par l’article 5 sur le lieu de travail.

Garde-fous

L’article 22 du RGPD encadre les décisions fondées exclusivement sur un traitement automatisé qui produisent des effets juridiques ou affectent une personne de manière significative. Dans son arrêt SCHUFA du 7 décembre 2023, affaire C-634/21, la Cour de justice de l’Union européenne a jugé qu’un score de solvabilité automatisé pouvait constituer une telle décision lorsque son destinataire lui attribuait un rôle déterminant. Pour le recrutement, l’application de ce raisonnement est une analogie à instruire selon le rôle réel du score et la marge de décision humaine ; une validation purement formelle reste un signal de risque élevé.

Rôle : responsable recrutement. Matière : [FICHE DE POSTE]
Produis une grille structurée : 5 compétences observables formulées en
comportements ; pour chacune, 2 questions situationnelles ; pour chaque
question, 3 niveaux de réponse décrits par des faits.
Interdits : aucune question sur la situation familiale, l’origine, la santé,
les convictions ou l’âge. Ne propose ni score global, ni classement.

Juridique et conformité

Ce qui marche

• Première lecture d’un contrat : confronter le texte à votre checklist et lister ce qui manque.
• Comparer deux versions et expliquer ce que chaque écart implique.
• Traduire une obligation réglementaire en note opérationnelle pour les équipes.

Ce qu’il faut écarter

• Chercher la règle applicable sans fournir les textes. Les références de jurisprudence inventées sont un mode d’échec documenté : vérifiez-les dans la source officielle avant citation.
• Délivrer une consultation juridique à un tiers sans personne habilitée. En France, les articles 54 à 66 de la loi n° 71-1130 du 31 décembre 1971 encadrent la consultation juridique et la rédaction d’actes pour autrui. L’article 54 pose des conditions générales, mais l’habilitation dépend aussi de la profession, de l’activité et des articles suivants ; une licence en droit ne suffit donc pas à résumer tout le régime. Qu’un modèle rédige le texte ne change pas l’identité ni la responsabilité de la personne qui fournit la consultation.

Garde-fous

La vérification se fait sur Légifrance ou EUR-Lex, jamais dans la conversation. Un contrat reçu en PDF peut contenir un texte masqué demandant au modèle de ne pas signaler une clause.

Rôle : juriste contrats.
Matière : [CONTRAT] [CHECKLIST INTERNE DES CLAUSES ATTENDUES]
Produis un tableau : clause attendue | présente (oui/non/partielle) | citation
exacte, sinon « absente » | écart avec notre standard. Puis les 5 points
appelant un arbitrage humain.
Interdits : ne cite aucun texte absent de la matière. N’émets aucun avis sur
la validité juridique du contrat.

Finance, comptabilité et contrôle de gestion

Ce qui marche

• Commenter un écart déjà calculé : vous fournissez le tableau, le modèle rédige l’analyse et les hypothèses à tester.
• Rédiger la note de synthèse mensuelle à partir de chiffres validés, dans un format constant.
• Écrire formules, requêtes SQL ou scripts que vous exécutez vous-même : faites produire l’outil, pas le résultat.

Ce qu’il faut écarter

• Accepter un calcul produit en texte libre. Pour un total ou un taux de marge, faites appeler une calculatrice, une formule, une requête ou un script déterministe, puis vérifiez les entrées et les arrondis. Le modèle peut écrire ce calcul ou commenter son résultat ; il ne doit pas être la seule preuve numérique.
• Imputer automatiquement des écritures sans contrôle : la piste d’audit doit rester reconstituable.

Garde-fous

Séparez calcul et rédaction jusque dans l’organisation des fichiers. Avec la facture électronique – réception obligatoire pour toutes les entreprises assujetties à la TVA établies en France au 1er septembre 2026, émission obligatoire à cette même date pour les grandes entreprises et les entreprises de taille intermédiaire, puis au 1er septembre 2027 pour les autres – la matière devient structurée, donc facile à traiter automatiquement. Le besoin de contrôle augmente d’autant.

Rôle : contrôleur de gestion.
Matière : [TABLEAU réalisé / budget / écart, chiffres déjà calculés]
Produis : les 5 écarts les plus significatifs repris tels quels ; pour chacun,
2 ou 3 hypothèses classées par probabilité et l’information qui permettrait de
trancher ; les questions à poser aux responsables concernés.
Interdits : ne recalcule rien, ne produis aucun nombre absent du tableau.
Écris « à confirmer » plutôt que d’affirmer.

Produit, projet et direction

Ce qui marche

• Transformer des notes d’atelier en spécification : problème, hypothèses, périmètre exclu, critères d’acceptation.
• Faire l’avocat du diable sur un document de cadrage : risques, angles morts, questions ouvertes.
• Rédiger les notes de décision en consignant ce qui a été écarté et pourquoi.

Ce qu’il faut écarter

• Faire produire une estimation de charge ou une taille de marché : le modèle donnera un nombre confiant sans base. Servez-vous-en pour lister les inconnues.
• Traiter un résumé automatique comme la mémoire d’une décision engageante : il perd les réserves exprimées.

Garde-fous

La décision reste humaine et nommée. Consignez le modèle et sa version : une même consigne ne donne pas le même résultat d’une version à l’autre, comme le montre notre comparatif des assistants.

Rôle : relecteur critique et indépendant. Matière : [DOCUMENT DE CADRAGE]
Tâche : chercher ce qui cloche. Ne résume pas, ne complimente pas.
Produis : les 5 hypothèses implicites non justifiées ; les 5 risques les plus
sérieux, chacun avec le signal qui permettrait de le détecter tôt ; les 5
questions sans réponse dans ce document.
Contrainte : appuie chaque point sur une citation exacte, ou signale qu’il
s’agit d’une absence.

Formation et enseignement

Ce qui marche

• Générer des variantes d’exercices à partir d’un corpus de cours validé.
• Produire des questions de vérification, distracteurs de QCM compris, systématiquement relues.
• Construire des mises en situation pour l’entraînement : entretien difficile, réclamation, revue de projet.

Ce qu’il faut écarter

• Noter automatiquement des copies avec effet sur le parcours : l’évaluation en éducation et en formation professionnelle figure parmi les usages à haut risque de l’annexe III.
• Mesurer l’attention ou les émotions des apprenants, interdit par l’article 5, et utiliser un détecteur de texte généré comme preuve : ses faux positifs ont des conséquences disproportionnées.

Garde-fous

Dites aux apprenants ce qui est produit avec assistance, et vérifiez les contenus factuels : une formule légèrement fausse se propage ensuite dans les copies.

Rôle : concepteur pédagogique.
Matière : [SUPPORT DE COURS VALIDÉ] Public : [NIVEAU, PRÉREQUIS]
Produis : 6 objectifs formulés en verbes observables ; pour chacun, 1 question
ouverte et 1 QCM à 4 options dont 3 distracteurs correspondant à des erreurs
fréquentes ; la liste des points du support restés ambigus.
Interdits : n’introduis aucune notion, date ou formule absente du support.
Marque d’un astérisque tout élément dont tu n’es pas certain.

Les usages interdits ou à très haut risque, tous métiers confondus

Par politique interne prudente, quatre familles sont à écarter d’emblée ou à soumettre à une analyse juridique préalable. Elles ne relèvent pas toutes d’une interdiction absolue : certains usages sont interdits, d’autres sont encadrés ou classés à haut risque.

1. La décision entièrement automatisée sur une personne : l’article 22 du RGPD pose une interdiction de principe lorsque la décision produit un effet juridique ou similaire significatif, avec des exceptions et garanties prévues par le texte. L’annexe III du règlement européen sur l’IA classe certains systèmes de recrutement, d’éducation ou de crédit comme à haut risque ; cette qualification n’est pas, à elle seule, une interdiction.
2. La catégorisation biométrique inférant des caractéristiques sensibles – origine, opinions politiques, appartenance syndicale, convictions, vie sexuelle. Interdite par l’article 5.
3. La notation sociale : évaluer des personnes d’après leur comportement, puis utiliser ce score à leur détriment dans un contexte étranger à la collecte. Interdite par l’article 5.
4. Le conseil médical ou juridique sans validation par un professionnel habilité, qui engage la responsabilité de l’organisation.

S’y ajoute la reconnaissance des émotions au travail et dans l’enseignement, interdite hors raisons médicales ou de sécurité. Le détail des régimes figure dans notre guide IA en entreprise, RGPD et AI Act.

Accompagner le changement et l’obligation de maîtrise de l’IA

L’article 4 du règlement européen sur l’IA s’applique depuis le 2 février 2025 aux fournisseurs et déployeurs dans son champ. Depuis sa modification par le règlement (UE) 2026/1744, il demande de prendre des mesures pour soutenir un niveau suffisant de maîtrise de l’IA chez les personnes concernées. Le texte invite à adapter ces mesures aux connaissances, à l’expérience, au contexte et aux personnes affectées ; il ne fixe ni certification unique ni score de résultat.

Cette maîtrise recouvre trois choses : savoir ce qu’est un modèle de langage et pourquoi il se trompe – les bases sont dans notre guide de l’IA générative ; connaître les règles internes, quelles données peuvent sortir et qui valide quoi ; savoir formuler une demande exploitable.

Trois écueils reviennent : la formation générique sans lien avec les tâches réelles, l’absence de règles écrites sur ce qui peut sortir, et la question « qu’est-ce que cela change pour mon poste » laissée sans réponse. Tant qu’elle l’est, les équipes n’expérimentent pas sincèrement.

Démarrer en 30 jours

Semaine	Objectif	Livrable
1	Cadrer	Une tâche choisie, son coût de l’erreur qualifié, un critère de succès
2	Prototyper	Un prompt versionné, testé sur 10 cas réels déjà traités par un humain
3	Confronter	Comparaison modèle / humain, écarts documentés
4	Décider	Note de décision : généraliser, ajuster ou arrêter, avec la raison

Choisissez une tâche à coût d’erreur modéré et réversible. Constituez le jeu de dix cas avant d’écrire le prompt, sinon vous ajusterez le test au résultat. Sans critère d’arrêt écrit à l’avance, un pilote ne s’arrête jamais. Voir notre méthode d’évaluation d’un prompt.

Ce que cette approche ne résout pas

• Elle ne dit pas si le gain est rentable. Le temps gagné en rédaction se voit ; celui ajouté en vérification et en gestion des accès, beaucoup moins. Nous n’avançons volontairement aucun pourcentage de productivité : les chiffres qui circulent portent sur des tâches trop hétérogènes pour être transposés.
• La qualification du coût de l’erreur reste subjective. L’échelle sert à rendre le désaccord explicite, pas à le supprimer.
• Le cadre juridique bouge, et les dates citées ici ne remplacent pas les textes. Le calendrier haut risque, la réécriture de l’article 4 et le régime transitoire de l’article 50 datent de 2026 : nous nous appuyons sur la fiche EUR-Lex du règlement (UE) 2026/1744 et sur des commentaires juridiques concordants consultés le 21 août 2026, non sur le texte consolidé. Vérifiez les dates au moment de décider et faites confirmer par un juriste plutôt que par un article, celui-ci compris.
• Le goulot d’étranglement se déplace vers la validation. Produire dix fois plus de brouillons ne sert à rien si une seule personne peut les relire : dimensionnez la capacité de vérification avant d’élargir l’usage.
• Rien de tout cela ne traite l’accès aux données. Beaucoup d’usages échouent parce que la matière est dispersée ou non consultable : c’est un chantier antérieur à l’IA.

Checklist de mise en route par métier

• ☐ La tâche visée tient en une phrase, avec sa fréquence et son temps actuel.
• ☐ Son coût de l’erreur est qualifié, et le niveau de vérification en découle.
• ☐ La confidentialité est tranchée : outil autorisé, réutilisation, durée de conservation.
• ☐ Le prompt interdit explicitement d’inventer chiffres, sources et références.
• ☐ Un jeu d’au moins dix cas réels déjà traités existe avant le premier test.
• ☐ Le valideur humain est nommé et dispose du temps de valider réellement.
• ☐ La trace est prévue : modèle, version, prompt, date, valideur.
• ☐ Aucun usage relevant de l’article 5 ni aucune décision automatisée sur une personne.
• ☐ Un critère d’arrêt est écrit, avec la date de décision.

FAQ sur l’IA générative par métier

Quel métier gagne le plus à utiliser l’IA générative ?

La question est mal posée : le gain dépend de la tâche, pas du métier. Les meilleures candidates combinent forte répétition, matière disponible et erreur détectable avant diffusion.

Faut-il un outil différent pour chaque métier ?

Rarement au démarrage. Un assistant généraliste couvre la majorité des cas si les équipes savent formuler leur demande. Les outils spécialisés servent quand il faut connecter des données internes ou tracer les accès.

Peut-on utiliser un assistant grand public avec des données clients ?

Cela dépend du produit exact, du contrat, des réglages, de la rétention et des transferts. Certaines offres grand public permettent de désactiver certains usages des données, tandis qu’une offre entreprise n’exonère pas de vérifier le contrat et la configuration. Règle prudente : ne transmettez aucune donnée client avant d’avoir documenté la base juridique, le sous-traitant, les finalités, la conservation et les accès.

L’IA peut-elle trier des CV si un humain valide à la fin ?

Prudence. Dans l’arrêt SCHUFA du 7 décembre 2023, affaire C-634/21, la Cour a statué sur un score de solvabilité jouant un rôle déterminant. Appliquer ce raisonnement au tri de CV est une analogie juridique : documentez le rôle du système et la marge réelle de la personne. Une validation purement formelle peut rester dans le champ de l’article 22, et certains systèmes de recrutement relèvent en plus de l’annexe III du règlement européen sur l’IA.

Combien coûte l’IA générative pour une petite équipe ?

Aucun prix cité ici ne tiendrait six mois : les tarifs par million de jetons (tokens) changent plusieurs fois par an. Estimez un volume plutôt qu’un montant : traitements par mois, multipliés par les jetons d’entrée et de sortie d’un traitement type, puis appliquez le tarif affiché le jour du calcul. Ajoutez le temps de vérification, souvent plus lourd que l’abonnement.

Comment empêcher un modèle d’inventer des chiffres ?

On ne l’empêche pas complètement. On réduit le risque en fournissant les chiffres dans le prompt, en interdisant d’en produire d’autres et en imposant une mention du type « non documenté » quand l’information manque.

Faut-il indiquer qu’un contenu a été produit avec de l’IA ?

Depuis le 2 août 2026, l’article 50 impose une information pour certaines interactions directes, sauf lorsque l’usage d’une IA est évident dans le contexte. Il impose aussi au fournisseur un marquage de certaines sorties synthétiques et au déployeur une divulgation pour les deepfakes et certains textes d’intérêt public, avec les exceptions prévues. Au-delà du texte, demandez-vous si votre lecteur trouverait la méthode loyale s’il la découvrait.

Pour aller plus loin

Sur le site : le guide de l’IA générative, le guide du prompt engineering et la méthode O.P.A.S. pour transformer ces prompts en consignes robustes.

Sources externes :

• Règlement (UE) 2024/1689 sur l’intelligence artificielle : articles 4, 5 et 50, annexe III.
• Règlement (UE) 2026/1744 : calendrier et rédaction applicable de l’article 4.
• Règlement général sur la protection des données : article 22 et garanties applicables.
• CJUE, affaire C-634/21, SCHUFA : décision automatisée et rôle déterminant d’un score de solvabilité.
• Loi n° 71-1130 du 31 décembre 1971 : articles 54 à 66 sur la consultation juridique et la rédaction d’actes.
• Fiches pratiques IA de la CNIL : application du RGPD aux systèmes d’IA.
• Facturation électronique entre entreprises : calendrier officiel français.
• OWASP GenAI LLM Top 10 2026 : injection de prompt et divulgation d’informations sensibles.