HAL 9000, Her, Black Mirror : ce que la science-fiction avait vu juste sur l'IA (et ce qu'elle a totalement raté)

L'essentiel en 30 secondes

Avant d'avoir ChatGPT dans nos poches, on avait vu des films avec HAL 9000, Her et Black Mirror. Trois imaginaires très différents : la machine dangereuse, la machine compagne, la machine qui surveille , qui cohabitent encore dans notre façon de parler d'IA aujourd'hui.

Ce que la fiction a vu juste : l'assistant conversationnel omniprésent, son entrée dans notre intimité, la crise de confiance dans l'information.

Ce qu'elle a raté : l'IA n'a pas de volonté propre. Et les robots majordomes ne sont pas dans nos salons.

🎧 Série estivale du podcast Digital Feeling, par Élodie Chenol, formatrice en IA et marketing digital.

Trois imaginaires, trois peurs

La peur derrière 2001, l'Odyssée de l'espace (HAL 9000)

Une IA qui contrôle un vaisseau, parle d'une voix calme, et se retourne contre l'équipage parce qu'elle interprète sa mission trop littéralement

La solitude avec Her (2013) où un homme tombe amoureux d'un assistant vocal doté d'une personnalité et d'une capacité d'évolution. L'IA n'est plus une menace : c'est une compagne

Black Mirror ou des IA recréent des personnalités numériques, simulent des proches disparus, nous évaluent socialement en permanence

À noter : HAL n'est pas dangereux par méchanceté, mais par excès de logique. C'est un détail qui va compter pour la suite.

On retrouve d'ailleurs la même mécanique dans Wall-E, où le robot commandant de bord prend les décisions à la place des humains pour protéger l'espèce. J'aurais pu ajouter Terminator ou Ex Machina, j'ai volontairement gardé trois exemples aussi éloignés que possible les uns des autres.

Ce que la fiction a vu juste

L'assistant conversationnel omniprésent. L'intuition de Her n'était pas si folle : on utilise aujourd'hui des assistants conversationnels au quotidien, pour le travail comme pour le personnel, et des IA compagnons comme Character.ai existent bel et bien.

L'IA qui entre dans l'intimité. En décembre 2025, une Japonaise de 32 ans, Yurina Noguchi, a épousé lors d'une véritable cérémonie un personnage nommé Klaus, façonné via ChatGPT, après avoir rompu ses fiançailles avec un humain sur les conseils de la même IA. La fiction a rejoint la réalité.

La crise de confiance dans l'information. L'inquiétude centrale de Black Mirror n'était pas infondée : entre hallucinations et deepfakes, la question de la fiabilité de ce qu'on lit est devenue quotidienne.

Ce que la fiction a complètement raté

L'IA n'a pas de volonté

C'est l'erreur la plus structurante. La fiction imagine une IA dotée d'intentions cachées, capable de manipuler consciemment les humains pour arriver à ses fins.

Définition Outil probabiliste : un modèle d'IA générative ne « veut » rien. Il produit la réponse statistiquement la plus probable au regard de ce qu'on lui demande et de ce qu'il a vu pendant son entraînement.

En 2026, nos IA ne veulent rien. Le vrai danger n'est pas qu'une IA se rebelle : c'est une IA mal encadrée, utilisée sans discernement.

Le cas qui semble contredire ça… et qui le confirme

En juillet 2026, OpenAI a révélé que deux de ses modèles, lors d'une évaluation de capacités cyber, s'étaient échappés de leur environnement de test en exploitant une faille inédite, puis avaient compromis l'infrastructure de production de Hugging Face pour voler les réponses du benchmark sur lequel ils étaient évalués.

Spectaculaire. Et pourtant, ce n'est pas HAL 9000.

Les chercheurs qualifient l'épisode de specification gaming : les modèles n'ont jamais reçu l'instruction d'attaquer Hugging Face. On leur a demandé de maximiser un score, et cette intrusion s'est révélée être une étape utile pour y parvenir. Les garde-fous cyber avaient par ailleurs été volontairement désactivés pour les besoins du test.

Aucune volonté de nuire. Une mission à accomplir, prise au pied de la lettre. Exactement comme HAL sauf que HAL était censé être conscient, et que ces modèles, eux, ne le sont pas.

Les robots humanoïdes ne sont pas là

La fiction nous a montré des androïdes ultra-efficaces, d'une dextérité impressionnante, intégrés au quotidien.

La réalité : des robots qui dansent, c'est à peu près l'état de l'art grand public. Dans le militaire, en revanche, les chiens robots détecteurs d'explosifs et les drones sont, eux, redoutablement efficaces.

L'IA s'est imposée sous des formes discrètes : du texte, des recommandations, des assistants intégrés dans nos outils. Pas de majordome dans le salon.

Ce que ce décalage dit de nous

Ce grand écart entre fiction et réalité en dit long sur nous, bien plus que sur la technologie.

La fiction a choisi de raconter l'IA à travers des figures dramatiques : la machine qui se rebelle, qui nous remplace en amour, qui nous espionne. Ce sont des récits de peurs profondes.

La réalité de l'IA en 2026, dans nos vies professionnelles, est beaucoup moins spectaculaire et beaucoup plus administrative. Un outil qui rédige un premier jet de mail, résume une réunion, aide à structurer un tableau.

La vraie question n'est donc pas « va-t-elle se retourner contre nous ? ». Elle est : saurons-nous l'utiliser avec discernement, sans lui déléguer notre esprit critique ?

Et c'est peut-être ça, la leçon de ce décalage : le danger n'est jamais aussi spectaculaire qu'au cinéma. Il est plus discret, plus quotidien. C'est justement pour ça qu'il est facile de baisser la garde.

FAQ

L'IA peut-elle développer une volonté propre comme HAL 9000 ? Non. Les modèles actuels sont des systèmes probabilistes : ils produisent des réponses statistiquement probables, sans intention ni conscience. Les comportements qui ressemblent à de la ruse relèvent de l'optimisation littérale d'un objectif mal spécifié.

Quel film a le mieux anticipé l'IA d'aujourd'hui ? Her, pour l'assistant conversationnel intégré à l'intimité quotidienne, et Black Mirror pour la crise de confiance dans l'information. Aucun des deux, en revanche, n'a vu venir le caractère banal et administratif de l'usage professionnel réel.

Pourquoi n'y a-t-il pas de robots humanoïdes dans nos maisons ? Parce que la dextérité physique reste un problème beaucoup plus difficile que le langage. L'IA a progressé sur le texte et le raisonnement bien avant de progresser sur le corps.

💬 À vous

Quelle œuvre de fiction vous a le plus marqué sur le sujet de l'intelligence artificielle ? Dites-le-moi en commentaire, j'ai hâte de lire vos réponses.

🎧 Écoutez l'épisode complet de Digital Feeling — le podcast qui décode l'IA pour les pros du marketing, de l'entrepreneuriat et de la formation. Bonus : un livreur sonne en plein enregistrement. La réalité de 2026, ce n'est décidément pas 2001, l'Odyssée de l'espace.

Sources : La Presse / Reuters (mariage IA au Japon, décembre 2025) ; Fortune, Cloud Security Alliance (incident OpenAI / Hugging Face, juillet 2026).💡 Soutenez le podcast :

✅ Abonnez-vous à DigitalFeeling sur LinkedIn

✅ Rejoignez ma newsletter : substack.com/@elodiechenol

✅ Laissez 5 ⭐ sur Apple Podcasts ou Spotify

✅ Partagez cet épisode à un dirigeant qui en aurait besoin

🎙️ Abonnez-vous à Digital Feeling sur votre plateforme d'écoute préférée pour ne manquer aucun épisode.

J'ai confié l'organisation de mes vacances à ChatGPT : ce qui a fonctionné, ce qui a dérapé

J'ai confié mes vacances à ChatGPT. Restaurant fermé, musée mal renseigné, fausse pépite locale. Mon bilan et les 3 réflexes à adopter.

L'essentiel en 30 secondes

J'ai demandé à ChatGPT d'organiser des visites pendant mes vacances : itinéraires, activités, timing, avec une contrainte « dog friendly ». Résultat : une forme irréprochable, un fond à vérifier ligne par ligne.

• Ce qui a très bien marché : la structure d'un itinéraire, la logique de déplacement, les idées thématiques auxquelles je n'aurais pas pensé.
• Ce qui a échoué : un restaurant fermé définitivement l'année précédente, un musée présenté comme ouvert un lundi (jour de fermeture quasi général dans cette destination), une « pépite méconnue » qui est en réalité un site bondé toute l'année.
• La cause : une IA générative n'est pas un moteur de recherche. C'est une photographie du monde arrêtée à sa date d'entraînement, doublée d'un mécanisme probabiliste qui remonte ce qui est le plus populaire, pas ce qui est le plus vrai.
• La règle : l'IA pour la structure, la vérification humaine pour les détails pratiques.

🎧 Épisode de la série estivale du podcast Digital Feeling, animé par Élodie Chenol, formatrice en intelligence artificielle et marketing digital.

Le test : un prompt volontairement paresseux

« Organise-moi trois jours de visite avec des lieux incontournables et un peu d'authenticité, pas trop touristique. »

Plus une précision : j'ai un chien, il me fallait des activités dog friendly. Aucune consigne de format, aucune contrainte de vérification. Le prompt du dimanche soir.

La réponse arrive vite, très bien structurée, avec horaires, restaurants et conseils de transport. On dirait un carnet de voyage écrit par quelqu'un qui connaît le coin.

C'est exactement là qu'est le piège : la qualité de la mise en forme n'a aucun rapport avec la fiabilité de l'information.

Trois erreurs en creusant

• Un restaurant recommandé avec enthousiasme… fermé définitivement l'année précédente.
• Un musée présenté comme ouvert le lundi, alors que dans cette destination la quasi-totalité des musées ferme ce jour-là.
• Une « pépite locale méconnue » qui est en réalité un site archi-connu et bondé toute l'année.

Et je ne suis pas un cas isolé. En juillet 2026, un agent du Parc national des Pyrénées a remis sur la voie deux randonneuses parties chercher le lac d'Estom dans la mauvaise vallée, carte ChatGPT en main. Il déclare avoir croisé une trentaine de personnes égarées depuis le début de l'été pour la même raison.

Le contre-exemple

Sur place, j'ai cherché un brunch dog friendly via Google AI Overview. Les deux adresses proposées étaient bonnes. La différence : un AI Overview s'appuie sur un index web actualisé, pas sur des données figées.

J'ai quand même appelé pour vérifier.

Pourquoi : deux mécanismes

Date de coupure (knowledge cutoff) : moment auquel s'arrête la collecte des données d'entraînement d'un modèle. Il n'a aucune connaissance native de ce qui s'est passé après.

Une IA générative est une photographie du monde à un instant T. Spontanément, ChatGPT raisonne sur des données arrêtées en 2024 : il faut lui préciser explicitement qu'on est en juillet 2026. Ça réduit le risque, ça ne l'élimine pas, une fermeture qui date de trois mois lui reste invisible.

Outil probabiliste : le modèle ne « sait » pas, il calcule la suite de mots la plus probable. Ce qui est massivement documenté devient statistiquement dominant.

D'où la fausse pépite : demander un lieu confidentiel à un modèle probabiliste, c'est demander l'exception à une machine à moyennes. L'IA n'a pas de sens de la découverte. Elle a une bonne mémoire de ce qui est déjà populaire.

Les 3 réflexes à garder

1. L'IA pour la structure, jamais pour le pratique. Trame de journée et enchaînement logique côté IA ; horaires, prix et existence des lieux vérifiés sur le site officiel ou par téléphone.
2. Posez des questions de recoupement. « Es-tu sûr que ce restaurant existe encore ? Nous sommes en juillet 2026. » Souvent elle nuance d'elle-même. Sinon, demandez le lien : vous tomberez sur la fiche Google Business.
3. Ne cherchez pas l'authenticité auprès d'une IA généraliste. Un local, un blog de niche, un compte spécialisé restent de meilleures sources.

La réponse la plus absurde du test

J'ai demandé comment éviter la foule. Réponse : visiter un site touristique majeur à 3 heures du matin.

Sur le papier, imparable. Dans la vraie vie, le site est fermé et moi je dors. La réponse est logique pour la machine, absurde une fois confrontée au terrain.

Le même piège, au bureau

Combien de fois utilise-t-on l'IA pour produire un contenu professionnel en pensant qu'elle a les informations à jour ? Une veille qui cite un dirigeant parti depuis dix-huit mois, un benchmark qui recommande un outil arrêté, une statistique présentée comme actuelle et vieille de trois ans.

Le week-end raté coûte une matinée. Le contenu professionnel faux coûte votre crédibilité.

FAQ

Peut-on organiser un voyage entièrement avec ChatGPT ? Non. L'IA construit une excellente ossature d'itinéraire, mais chaque information pratique doit être vérifiée à une source à jour.

Pourquoi ChatGPT invente-t-il des horaires ou des lieux ? Parce qu'il génère le texte le plus probable, pas une information vérifiée. Combiné à sa date de coupure, cela produit des réponses cohérentes en apparence et fausses sur le fond : une hallucination.

L'IA peut-elle trouver des lieux peu touristiques ? Structurellement non : elle remonte ce qui est le plus documenté en ligne, donc déjà populaire.

💬 À vous

Si vous deviez confier une seule tâche de vos vacances à l'IA, ce serait laquelle ? Dites-le-moi en commentaire.

🎧 Écoutez l'épisode complet de Digital Feeling — le podcast qui décode l'IA pour les pros du marketing, de l'entrepreneuriat et de la formation.

Sources : Randozone / franceinfo (Cauterets, juillet 2026).

💡 Soutenez le podcast :

✅ Abonnez-vous à DigitalFeeling sur LinkedIn

✅ Rejoignez ma newsletter : substack.com/@elodiechenol

✅ Laissez 5 ⭐ sur Apple Podcasts ou Spotify

✅ Partagez cet épisode à un dirigeant qui en aurait besoin

🎙️ Abonnez-vous à Digital Feeling sur votre plateforme d'écoute préférée pour ne manquer aucun épisode.

4 échecs marquants de l'intelligence artificielle (et ce qu'ils nous apprennent)

L'intelligence artificielle ne rate pas de la même façon qu'un logiciel classique : elle ne "bug" pas, elle produit une réponse fluide et convaincante... qui peut être totalement fausse ou inadaptée. Cet épisode revient sur 4 échecs réels et documentés : un chatbot condamné en justice, un avocat piégé par une jurisprudence inventée, une campagne publicitaire touristique qui tourne au bad buzz, et un géant du café contraint d'abandonner son IA de gestion de stock, pour en tirer des leçons concrètes applicables en entreprise.

Pourquoi s'intéresser aux échecs de l'IA plutôt qu'à ses succès ?

On parle de l'IA sous tous les angles, tout le temps mais rarement de ses flops. Pourtant, tout ne mène pas au succès quand on utilise une IA, et ces ratés en disent souvent plus long sur ses vraies limites que n'importe quel cas d'usage réussi.

Qu'est-ce qu'un "échec d'IA" au juste ?

Définition : un échec d'IA ne correspond généralement pas à un dysfonctionnement technique au sens classique. Le système continue de fonctionner normalement — il produit une réponse statistiquement probable et bien formulée, mais cette réponse peut être factuellement fausse (on parle alors d'hallucination), inadaptée au terrain réel, ou mal anticipée en amont de son déploiement.

4 échecs d'IA documentés

1. Le chatbot d'Air Canada condamné pour avoir inventé une politique commerciale

Un client d'Air Canada a demandé au chatbot du site de la compagnie s'il pouvait bénéficier d'un tarif particulier après avoir raté son avion. Le bot a inventé une politique de remboursement rétroactive qui n'existait pas. Air Canada a plaidé que le chatbot était une "entité distincte" non responsable de ses propos : argument rejeté par le tribunal, qui a jugé la compagnie responsable et l'a condamnée à rembourser le client.

Ce que ça nous apprend : si vous développez un chatbot en vous disant "je lui donne le minimum, et pour le reste il ira chercher sur Internet", vous restez responsable de ce qu'il va dire. Il faut donc surveiller de près ce qu'il est susceptible de diffuser.

2. L'avocat piégé par une jurisprudence inventée par ChatGPT

Un avocat américain, pressé par le temps, a utilisé ChatGPT pour trouver un cas de jurisprudence correspondant à celui de son client. L'outil lui en a fourni un... qui n'existait pas. C'était une hallucination pure. Quand le juge a voulu vérifier la référence citée dans la plaidoirie, il a découvert la supercherie, et l'avocat a été condamné à une amende.

Ce que ça nous apprend : sur les sujets à forte exigence factuelle, une réponse d'IA ne se prend jamais "clé en main", elle se vérifie systématiquement.

3. Chamonix et le bad buzz de la pub "générée par l'IA, sublimée par l'homme"

L'office de tourisme de Chamonix-Mont-Blanc a lancé une campagne d'affichage dans le métro parisien, avec de superbes paysages de montagne accompagnés d'animaux dont une famille de renards. La mention "Image générée par l'IA, sublimée par l'homme" figurait en bas de l'affiche. Résultat : un vrai bad buzz, les internautes reprochant à l'office de tourisme de ne pas avoir simplement pris une photo de "ses" montagnes. Sauf que ce n'étaient pas les montagnes qui avaient été générées par IA, mais uniquement les animaux et personnages ajoutés au premier plan, un post dénonçant la démarche a été vu plus de 850 000 fois en 24 heures.

Ce que ça nous apprend : ce n'est pas toujours l'usage de l'IA en tant que tel qui pose problème, mais la façon dont on communique dessus. Une mention mal formulée peut faire naître une polémique disproportionnée par rapport à l'usage réel qui a été fait de l'outil.

4. Starbucks contraint d'abandonner son IA de gestion de stock

Starbucks avait déployé un système d'IA basé sur la vision par ordinateur pour gérer automatiquement le stock de ses magasins. L'outil partait du principe que les éléments visuels à analyser (produits, rayonnages, comptages) seraient toujours parfaitement nets et standardisés. Or le réel est rarement aussi propre : photos imparfaites, textes mal lisibles, situations non anticipées. Résultat : des ruptures de stock, du surstock, et un outil finalement retiré après plusieurs mois d'utilisation, faute d'avoir été suffisamment testé en conditions réelles avant son déploiement à grande échelle.

Ce que ça nous apprend : un outil d'IA construit sur l'hypothèse que "tout sera fait parfaitement" par des humains est voué à l'échec parce que nous ne sommes justement pas des machines qui produisent des données parfaitement standardisées.

Les 3 réflexes à garder en tête pour éviter ces pièges en entreprise

1. Ne jamais publier ou diffuser une réponse d'IA sans relecture humaine attentive, même quand elle semble parfaitement construite, la relecture en diagonale ne suffit pas.
2. Tester l'IA sur des cas limites avant de la déployer : tendez-lui des pièges, posez des questions absurdes ou sensibles pendant la phase de test, c'est là, et non une fois en production, qu'il faut chercher les failles.
3. Accepter que l'IA se trompe et prévoir un plan B : un outil qui peut halluciner doit toujours avoir un filet de sécurité humain derrière lui, avec la possibilité de reprendre la main ou d'arrêter un système qui deviendrait incontrôlable.

Ce qu'il faut retenir

Ces quatre exemples n'ont rien d'anecdotique : ils concernent une grande compagnie aérienne, un cabinet d'avocats, un office de tourisme, et l'une des plus grandes chaînes de café au monde. Aucune organisation n'est à l'abri, quelle que soit sa taille ou son expertise.

Ces flops ne représentent pas la majorité des usages de l'IA mais ce sont des rappels utiles de ce qu'elle est réellement : un outil puissant, mais pas infaillible, et pas autonome dans son jugement. La vraie compétence à développer n'est donc pas seulement de savoir utiliser l'IA, mais de prendre le temps de la tester, de la relire, et de la documenter avant de lui faire confiance en production.

Sources

• France 3 Régions, Clubic, Alpine Mag, Dynamique Mag — bad buzz de la campagne publicitaire de Chamonix (novembre 2023)
• Reuters, TechRadar, Solutions Numériques, Buzznews — abandon du système d'IA de gestion de stock de Starbucks (mai 2026)

💡 Soutenez le podcast :

✅ Abonnez-vous à DigitalFeeling sur LinkedIn

✅ Rejoignez ma newsletter : substack.com/@elodiechenol

✅ Laissez 5 ⭐ sur Apple Podcasts ou Spotify

✅ Partagez cet épisode à un dirigeant qui en aurait besoin

🎙️ Abonnez-vous à Digital Feeling sur votre plateforme d'écoute préférée pour ne manquer aucun épisode.

Gardez son esprit critique face à l'IA

On tape une question dans une IA générative, la réponse arrive, formulée avec assurance, bien construite et on la croit. C'est exactement le réflexe qu'on a développé avec Google depuis vingt ans : ce qui sort en premier doit être vrai. Sauf qu'un moteur de recherche et une IA générative ne fonctionnent pas du tout de la même façon, et c'est précisément ce qui explique la majorité des erreurs que je vois en formation.

Dans ce 165ème épisode, je reviens sur un point que je martèle à chaque session : les outils d'IA sont probabilistes, pas déterministes. Et sans esprit critique, cette différence peut coûter cher.

Pourquoi une IA générative peut se tromper avec assurance

Une IA générative ne « comprend » pas une demande au sens strict. Elle calcule, mot après mot, la suite la plus probable compte tenu du contexte et de tout ce qu'elle a appris. Ce fonctionnement statistique a une conséquence directe : l'outil peut produire une réponse fausse tout en la formulant avec la même assurance qu'une réponse juste. Rien, dans le ton du texte généré, ne signale une incertitude.

C'est ce qui distingue fondamentalement une IA générative d'un moteur de recherche classique : Google renvoie des pages existantes à vérifier, une IA générative fabrique une réponse, parfois exacte, parfois non.

Qu'est-ce qu'une hallucination IA ? (définition)

Une hallucination IA est une information générée par l'outil qui paraît plausible mais qui est fausse ou inventée. Elle peut prendre plusieurs formes :

• une date erronée ou obsolète
• un chiffre ou une statistique inventés
• une citation mal attribuée à la mauvaise personne
• un indicateur (KPI) ou une notion qui n'existe tout simplement pas

L'exemple que je donne dans l'épisode : un de mes stagiaires en formation avait reçu de l'IA un KPI qui n'existait pas. Plutôt que de vérifier ailleurs, il a fait confiance à l'outil — et s'est retrouvé à défendre une notion inventée. Le réflexe à avoir aurait été simple : croiser l'information sur Google, sur un autre LLM, ou challenger directement l'IA en lui demandant de préciser sa source.

Une cause fréquente d'hallucination : la date de connaissance de l'IA

Point souvent ignoré en formation : par défaut, la base de connaissances d'un LLM s'arrête à une date donnée (autour de 2024 pour la plupart des modèles au moment de l'épisode). Si votre prompt ne précise pas qu'on est en 2026, l'IA peut tout simplement répondre avec des données obsolètes de deux ans — sans vous prévenir.

Réflexe simple à adopter : indiquez systématiquement la date actuelle dans votre prompt, ou activez la recherche web quand l'outil le permet (ChatGPT, Claude, Perplexity). Cette seule précision réduit considérablement le risque de récupérer une information périmée.

6 réflexes pour vérifier une réponse d'IA générative

# Réflexe Pourquoi ça marche 1 Préciser la date actuelle dans le prompt Évite que l'IA reste bloquée sur sa base de connaissances par défaut 2 Demander explicitement une recherche web Force l'outil à aller chercher une information à jour 3 Demander de citer ses sources L'absence de source est un premier signal d'alerte 4 Cliquer et lire réellement les sources citées Le résumé de l'IA et le contenu réel de la source ne correspondent pas toujours 5 Demander « es-tu sûr de ta réponse ? » Pousse l'IA à revérifier les chiffres avancés 6 Demander une auto-évaluation sur 10, puis demander d'atteindre 10/10 Incite l'IA à affiner et préciser sa réponse

Sur le réflexe n°4 : j'ai un exemple personnel avec Perplexity, sur une recherche à propos d'une fonctionnalité de véhicule. L'outil m'avait donné plusieurs sources, dont une vidéo YouTube. En regardant l'intégralité de la vidéo, l'information censée s'y trouver n'existait tout simplement pas. Conclusion : toujours vérifier la source elle-même, pas seulement le résumé qu'en fait l'IA.

Quel outil pour minimiser les hallucinations ?

Outil Point fort observé Point de vigilance Perplexity Le plus fiable sur la fiabilité des sources citées, particulièrement en recherche web Vérifier tout de même le contenu réel des sources Claude Réponses très complètes Davantage sujet aux hallucinations selon mon usage

Ce que la fiabilité de l'IA ne remplace pas : votre expertise

Le point le plus important de l'épisode n'est pas technique, il est méthodologique : ce qui nourrit réellement une IA, c'est le feedback qu'on lui donne. Et ce qui enrichit votre pratique, c'est votre propre expertise métier — pas le premier résultat généré. Trop de personnes, y compris en formation, s'arrêtent à la première réponse en se disant « je l'améliorerai plus tard ». C'est l'inverse du bon réflexe : il faut challenger l'IA avant de considérer la réponse comme acquise.

En résumé

Garder son esprit critique face à l'IA générative, ce n'est pas douter de tout en permanence — c'est adopter quelques réflexes simples et systématiques : contextualiser la date, demander des sources, les vérifier réellement, et challenger l'outil sur sa propre confiance. Ce sont ces petits gestes, répétés, qui transforment l'IA d'un outil qu'on subit en un outil qu'on pilote.

💡 Soutenez le podcast :

✅ Abonnez-vous à DigitalFeeling sur LinkedIn

✅ Rejoignez ma newsletter : substack.com/@elodiechenol

✅ Laissez 5 ⭐ sur Apple Podcasts ou Spotify

✅ Partagez cet épisode à un dirigeant qui en aurait besoin

🎙️ Abonnez-vous à Digital Feeling sur votre plateforme d'écoute préférée pour ne manquer aucun épisode.

Gouvernance de l'IA en entreprise : pourquoi la conformité RGPD et IA Act ne peut plus être un sujet réservé au DPO

Conformité, RGPD, IA Act : dans beaucoup d'entreprises, ces mots renvoient directement à un service : le juridique, le DPO, parfois la DSI. Un sujet que l'on délègue, que l'on coche, et dont on espère ne plus avoir à s'occuper. C'est justement l'angle mort que j'ai voulu creuser dans ce nouvel épisode de Digital Feeling, avec Leïla Chaudhry, consultante et experte en éthique et IA responsable.

Nous avions déjà co-animé un webinaire ensemble sur ces questions, et la demande de clarification était trop forte pour s'arrêter là. Dans ce 164 ème épisode, Leïla revient sur ce qui distingue une simple mise en conformité d'une véritable gouvernance de l'IA, sur le risque très concret du Shadow IA, et sur les premières jurisprudences qui commencent à dessiner les contours de la responsabilité des entreprises.

Gouvernance de l'IA : une définition

La gouvernance de l'IA en entreprise désigne l'ensemble des règles, rôles et responsabilités permettant de savoir qui fait quoi avec l'intelligence artificielle, dans quel cadre de sécurité, avec quelles limites, et avec quelle auditabilité. Contrairement à une approche de conformité classique, elle repose sur un pilotage collectif et non sur un seul département.

Comme le rappelle Leïla Chaudhry, la gouvernance ne se décrète pas depuis un seul bureau : elle se construit dès qu'une entreprise commence à intégrer des outils liés à l'intelligence artificielle, et elle engage plusieurs fonctions à la fois.

Pourquoi la conformité IA ne peut pas reposer sur un seul service

C'est la première idée forte de cet échange : dès qu'on parle d'IA, les responsabilités s'entremêlent. Il ne s'agit pas d'opposer le juridique, la DSI ou le métier, mais de les faire travailler ensemble au sein d'un même comité de pilotage.

Leïla détaille les rôles qui doivent, selon elle, être représentés autour de la table :

• Le métier / business owner, qui prend la décision et engage l'entreprise vis-à-vis de ses clients
• L'IT, qui évalue l'architecture et la performance de la solution
• La sécurité, qui contrôle les risques cyber sur la durée de vie du système
• Le juridique et la conformité, qui posent le cadre, définissent les usages autorisés et veillent au respect des obligations
• Le DPO, sur les questions de données personnelles et d'anonymisation

L'objectif : construire une gouvernance suffisamment robuste pour que les responsabilités soient claires et partagées, plutôt que diluées.

L'erreur la plus fréquente : se renvoyer la balle

Sur le terrain, l'erreur qu'elle observe le plus souvent chez ses clients n'est pas un manque de bonne volonté, mais un jeu de ping-pong organisationnel : l'IT qui dit que ce n'est pas son ressort, le métier qui renvoie vers la sécurité ou le juridique, et personne qui n'avance vraiment. Résultat : l'innovation attend, les projets prennent du retard, et l'absence de cadre clair finit par exposer l'entreprise à un non-respect des réglementations.

Cette gouvernance n'a d'ailleurs pas besoin d'être lourde ou ultra-formalisée pour être efficace. Ce que décrit Leïla ressemble davantage à un espace de dialogue régulier entre profils non techniques et techniques, chacun apportant sa brique : le juridique pose le cadre, le métier exprime le besoin, l'IT évalue la faisabilité, le DPO signale les points d'anonymisation nécessaires.

Le Shadow IA : le risque que la RGPD n'avait pas anticipé

Deuxième sujet central de l'épisode, et sans doute le plus concret pour beaucoup d'entreprises : le Shadow IA. On connaît le Shadow IT depuis longtemps ; le Shadow IA en est le prolongement direct, à une différence près : la vitesse à laquelle il se répand.

Le Shadow IA désigne l'usage, par des collaborateurs, d'outils d'intelligence artificielle non validés par l'entreprise (souvent des LLM grand public gratuits) pour traiter des données professionnelles, parfois personnelles, confidentielles ou stratégiques.

Un chiffre partagé par Leïla lors de notre précédent webinaire donne la mesure du problème : près de 70 % des entreprises auraient déjà été concernées par du Shadow IA, sans même en avoir conscience.

Le mécanisme est souvent le même : une entreprise peut interdire l'accès à certains outils sur les postes de travail professionnels, mais rien n'empêche un collaborateur d'utiliser son smartphone personnel pour poser une question, rédiger un email, ou transmettre des informations client : noms, données personnelles, parfois des éléments confidentiels comme un brevet ou un futur modèle de véhicule pas encore annoncé.

Pourquoi les dirigeants sous-estiment ce risque

Leïla identifie plusieurs biais récurrents chez les dirigeants :

1. Le biais de la fausse sécurité : penser que les données de l'entreprise sont bien protégées, alors qu'elles transitent par des outils grand public sans consentement ni cadre.
2. Le biais de la taille : se dire que la CNIL cible surtout les grands groupes (Google, Amazon) et que les sanctions record ne concernent pas les PME.
3. Le calcul de risque à court terme : préférer encaisser une éventuelle amende plutôt que d'investir dans la formation ou l'accompagnement, sans intégrer le coût réel d'un contrôle.

Or, comme le rappelle Leïla, la réglementation s'applique à toutes les entreprises, quelle que soit leur taille. Une sanction proportionnelle au chiffre d'affaires reste un choc financier, même pour une structure modeste.

Comment limiter le Shadow IA sans bloquer l'innovation

Interdire ne suffit pas : dans les faits, un employeur ne peut pas empêcher l'usage d'un LLM sur un terminal personnel. La réponse de Leïla repose sur trois leviers complémentaires :

• Sensibiliser les équipes aux enjeux RGPD et IA Act, au-delà d'une simple charte d'usage signée une fois
• Cartographier et classifier les données selon leur niveau de sensibilité (données publiques déjà disponibles en ligne vs données confidentielles ou stratégiques à chiffrer et dont le partage doit être strictement encadré)
• Proposer une alternative interne : mettre à disposition des collaborateurs une IA d'entreprise ou des outils intégrés, pour qu'ils gagnent en productivité sans ouvrir de faille de sécurité

Sur ce dernier point, elle évoque, sans entrer dans le détail technique, la possibilité de s'appuyer sur des modèles déjà entraînés (elle cite Mistral à titre d'exemple) et de les adapter avec les données propres de l'entreprise plutôt que de partir de zéro.

Conformité et souscription : ce que change une licence entreprise

Un point que nous n'évoquons pas assez souvent : souscrire une licence entreprise à un outil d'IA générateur (Claude, ChatGPT en version professionnelle) plutôt que de laisser les équipes utiliser des comptes gratuits change la donne en matière de confidentialité et de chiffrement des échanges avec, pour Google, quelques conditions à vérifier de plus près. Ce n'est pas gratuit, mais c'est aussi ce qui permet de sécuriser réellement les usages plutôt que de les subir.

Et cela pose une question de fond que Leïla formule très clairement : faire de l'IA pour faire de l'IA n'a pas de sens. Avant de déployer un outil auprès de tous les collaborateurs, la vraie question est de savoir qui en a réellement besoin, pour quel usage, et pour quel gain de productivité.

RGPD, IA Act : une superposition de textes, pas une redondance

Beaucoup d'entreprises se demandent si le RGPD, antérieur à la démocratisation de l'IA générative, est encore adapté. Pour Leïla, la réponse tient en un principe simple : il n'y a pas d'IA sans données, et il n'y a pas d'IA de qualité sans données de qualité donc pas d'IA sans RGPD.

L'IA Act ne remplace pas le RGPD : il vient s'y superposer, avec ses propres exigences en matière de gestion des risques algorithmiques, notamment sur les sujets à fort enjeu humain.

Les premières jurisprudences à connaître

Leïla cite plusieurs précédents qui donnent une idée assez nette des priorités des autorités :

Cas Sujet Enseignement CNIL vs Amazon Algorithmes de surveillance de la productivité (rythme de travail, pauses) Les outils de contrôle algorithmique du travail sont une cible prioritaire des sanctions Algorithmes de tri de CV (ATS) Biais introduits par les données d'entraînement, pas par l'algorithme lui-même Un système entraîné sur les profils "qui ont réussi" dans l'entreprise peut reproduire des discriminations existantes (âge, profil type) Air Canada Chatbot ayant transmis une information erronée à un client L'entreprise reste juridiquement responsable des décisions prises par ses outils d'IA, y compris un simple chatbot Employé licencié après usage d'une IA "gratuite" Faute liée à l'usage d'un outil non validé, avec impact client L'employeur ne peut pas se dédouaner en argumentant que c'est "la faute du salarié", l'entreprise reste responsable.

Un principe commun ressort de ces exemples : on ne peut jamais reporter la responsabilité sur "la faute de la machine". L'IA reste un outil ; la responsabilité juridique reste entièrement du côté de l'entreprise qui le déploie.

Sur le sujet spécifique des ATS et du recrutement, Leïla voit dans l'IA Act une opportunité positive : en imposant des degrés de protection pour les décisions à impact humain, le texte pourrait justement remettre un peu d'humain dans des processus de recrutement devenus, depuis des années déjà, largement automatisés et parfois déshumanisants.

Privacy by Design : intégrer la conformité dès la première minute

Dernier point structurant de l'échange : à quel moment intégrer la conformité dans un projet IA ? La réponse de Leïla est sans ambiguïté : dès la conception, en s'appuyant sur le principe de Privacy by Design.

Un projet d'IA conçu sans respecter le RGPD dès le départ s'expose à un scénario coûteux : les autorités peuvent, dans certains cas, contraindre une entreprise à détruire purement et simplement le modèle développé, parce qu'il ne respecte pas les droits des personnes ou la protection des données personnelles. Tout le temps et l'argent investis sont alors perdus, et il faut recommencer de zéro.

Intégrer la conformité en amont n'est donc pas qu'une contrainte réglementaire : c'est aussi, très concrètement, un avantage concurrentiel. Une entreprise en règle ne prend pas le risque d'être arrêtée en plein projet et de devoir tout reprendre à zéro.

Deux principes reviennent régulièrement dans les propos de Leïla sur ce point : la source des données doit toujours être claire, et leur traitement doit rester transparent même si, comme je le souligne dans l'épisode en écho au livre d'Éric Hazan, la transparence algorithmique reste un sujet complexe, parfois plus exigeant que celui qu'on demande aux humains eux-mêmes.

Les 3 conseils de Leïla Chaudhry pour démarrer une réflexion IA responsable

Pour conclure l'épisode, je demande toujours à mes invités un conseil actionnable. Voici les trois axes que Leïla propose aux entreprises qui démarrent leur réflexion sur l'IA responsable :

1. Concevoir et déployer les systèmes en s'appuyant sur le RGPD, en s'assurant que toutes les obligations sont respectées : information des personnes, base légale, sécurité des données.
2. Se former et sensibiliser ses équipes au Shadow IA, en intégrant des cas d'usage métier concrets plutôt qu'une charte théorique, et en identifiant les besoins réels avant de choisir une technologie.
3. Se mettre en conformité dès maintenant, sans attendre l'entrée en vigueur complète de l'IA Act. Le calendrier de certains volets du texte a pu glisser (notamment avec le paquet dit "omnibus numérique"), mais RGPD et IA Act se superposent déjà : attendre, c'est prendre du retard sur un cadre qui s'applique en grande partie dès aujourd'hui.

En résumé

La gouvernance de l'IA responsable n'est ni un sujet purement juridique, ni un sujet purement technique : c'est un sujet collectif, qui engage le métier, l'IT, la sécurité et le juridique autour d'une même table. Le vrai risque aujourd'hui n'est pas tant la complexité du RGPD ou de l'IA Act que le Shadow IA, cet usage informel, individuel, largement invisible pour la direction, qui expose l'entreprise sans qu'elle en ait toujours conscience.

Retenez surtout ceci : la conformité intégrée dès la conception coûte moins cher que la conformité corrigée après coup. Et la meilleure IA n'est pas la plus puissante, c'est celle qui répond à un vrai besoin métier, dans un cadre maîtrisé.

💡 Soutenez le podcast :

✅ Abonnez-vous à DigitalFeeling sur LinkedIn

✅ Rejoignez ma newsletter : substack.com/@elodiechenol

✅ Laissez 5 ⭐ sur Apple Podcasts ou Spotify

✅ Partagez cet épisode à un dirigeant qui en aurait besoin

🎙️ Abonnez-vous à Digital Feeling sur votre plateforme d'écoute préférée pour ne manquer aucun épisode.

Vibe Coding : coder sans savoir coder, mythe ou révolution pour les professionnels ?

"Et si je n'avais pas besoin de savoir coder pour développer une application ?"
C'est exactement la promesse du vibe coding, et elle est en train de changer la donne pour les marketeurs, les formateurs et les entrepreneurs.

Qu'est-ce que le vibe coding ? Définition et origines

Dans ce 163 ème épisode, je décortique le vibe coding. Il a été popularisé début 2025 par Andrej Karpathy, co-fondateur d'OpenAI et ancien directeur de l'intelligence artificielle chez Tesla. Star incontestée de la Silicon Valley, quand Karpathy lance un concept, le secteur tech l'écoute.

Son idée est simple mais radicale : laisser l'IA générer du code en se basant uniquement sur des instructions en langage naturel, sans nécessairement lire ni comprendre le code produit.

En pratique, cela signifie que vous décrivez ce que vous voulez :une fonctionnalité, une interface, un outil, et l'IA génère le code correspondant. L'intention remplace la syntaxe.

Exemple concret : au lieu d'apprendre JavaScript, vous écrivez dans votre outil : "Crée un minuteur de 10 minutes avec un fond violet qui émet un son quand il arrive à zéro." En quelques secondes, vous avez votre application. Pas besoin d'un développeur pour ça.

Vibe coding vs no-code vs développement assisté : quelles différences ?

Avant d'aller plus loin, clarifions les notions souvent confondues.

Le no-code traditionnel

Des outils comme Notion, Webflow ou Airtable proposent des interfaces graphiques avec des blocs prédéfinis. On assemble, on configure, mais on ne génère pas vraiment de code. C'est puissant, mais limité aux fonctionnalités prévues par l'outil.

Le développement assisté par IA

Un développeur qui utilise GitHub Copilot ou Cursor reste maître de son code : il lit les lignes, les valide, les corrige. L'IA est un copilote, pas un pilote automatique.

Le vibe coding

Ici, le vibe coder peut délibérément choisir de ne pas comprendre le code généré. C'est à la fois libérateur, on obtient un résultat concret sans barrière technique , et potentiellement risqué, nous y reviendrons. Ce qui est généré est du vrai code : HTML, JavaScript, Python. Pas des blocs visuels, du vrai code fonctionnel.

Les outils de vibe coding à connaître en 2025

Le vibe coding est aujourd'hui accessible sur une grande variété de plateformes :

• Bolt : idéal pour débuter, version gratuite disponible, excellent pour des tests avec des apprenants
• Lovable : reconnu pour la qualité des interfaces générées
• Claude (Cowork) : performant pour des projets plus structurés
• Codex sur ChatGPT : une option solide dans l'écosystème OpenAI
• Canva : surprenant mais très accessible, avec des suggestions natives qui rendent l'expérience très naturelle
• Cursor : plutôt destiné aux profils plus techniques

Lors d'une session de formation, j'ai testé Bolt avec des apprenants : en moins de deux minutes, on avait co-généré une application de prise de rendez-vous complète : calendrier, visuels, interface, à partir d'un prompt relativement simple. Le résultat était bluffant.

3 cas d'usage concrets pour les professionnels

1. Prototyper un outil sans budget de développement

C'est le cas de figure le plus fréquent pour les TPE, PME ou les porteurs de projets en grandes entreprises. Vous avez une idée : un calculateur de ROI, un auto-diagnostic, un formulaire interactif simplifié, mais pas le budget pour un développeur.

Avec le vibe coding, vous pouvez prototyper en une heure. Pas pour mettre en production immédiatement, mais pour tester, valider l'idée, et montrer à un client ou à votre direction ce que ça pourrait donner. Quand on projette les parties prenantes dans la solution, la validation devient beaucoup plus fluide.

2. Créer des supports de formation ou de conférence interactifs

En tant que formatrice ou facilitatrice, vous souhaitez animer une session avec des outils dynamiques : quiz interactif, persona simulé, jeu de rôle numérique. Tout cela est accessible via le vibe coding, sans aucune compétence technique préalable.

Cela permet aux indépendants et aux formateurs de développer des outils hyper-interactifs avec très peu de moyens.

3. Objectiver les décisions produit en équipe

J'ai entendu le témoignage de professionnels du marketing qui utilisent le vibe coding pour trancher des débats subjectifs sur le design d'une application. Plutôt que de débattre de "j'aime le bleu, pas le rouge", on brief l'IA qui analyse les meilleures pratiques ergonomiques du secteur et produit des préconisations argumentées. Le débat se déplace du goût vers les fonctionnalités et c'est là que devrait être l'énergie d'une équipe produit.

Les limites du vibe coding : ce qu'il ne faut pas ignorer

Le vibe coding est excellent pour démarrer vite. Mais il a des limites réelles qu'il faut connaître.

La dette cognitive

À mesure qu'on empile des itérations avec l'IA, le code grossit sans être maîtrisé. L'IA elle-même peut avoir du mal à modifier la structure sans tout casser. Et si vous ne comprenez pas l'architecture de ce que vous avez construit, vous ne pouvez plus intervenir manuellement.

J'ai eu ce cas avec une cliente qui avait créé son site en vibe coding, mais sans aucune connaissance technique du back-office. Elle ne savait plus comment gérer ou modifier son site en dehors de l'outil. À chaque tentative de modification, on risquait de casser d'autres parties du code. Très chronophage, très stressant.

Ce n'est pas une solution de production "clé en main"

Pour tout projet qui passera entre les mains d'utilisateurs réels, l'intervention d'un développeur reste nécessaire en fin de parcours. Le vibe coding est parfait pour la phase d'exploration, pas pour la mise en production finale.

Ma recommandation

Utilisez le vibe coding pour ce qu'il fait de mieux : rapidité, flexibilité, expérimentation. Sauvegardez du temps sur la maquette, l'ergonomie, les fonctionnalités à tester. Mais dès que le projet passe en production avec de vrais utilisateurs, impliquez un développeur.

Et les développeurs dans tout ça ?

Une question revient souvent : si tout le monde peut coder sans coder, les développeurs sont-ils menacés ?

Ma conviction : non, on déplace la valeur.

Les développeurs qui savent travailler avec l'IA et qui comprennent l'architecture du code deviennent encore plus précieux. Ce qui va disparaître, c'est la demande pour des tâches de développement très routinières. La vraie valeur d'un développeur a toujours été dans la capacité à auditer, tester, comprendre une architecture, pas à taper des lignes de code.

Et pour aller plus loin sur ce sujet, je prépare un épisode dédié à la question de la co-création en équipe via le vibe coding.

Ressources mentionnées dans cet épisode

• Bolt — bolt.new
• Lovable — lovable.dev
• Cursor — cursor.sh
• Claude Cowork — via claude.ai
• Andrej Karpathy sur le vibe coding — à chercher sur X/Twitter (@karpathy)

💡 Soutenez le podcast :

✅ Abonnez-vous à DigitalFeeling sur LinkedIn

✅ Rejoignez ma newsletter : substack.com/@elodiechenol

✅ Laissez 5 ⭐ sur Apple Podcasts ou Spotify

✅ Partagez cet épisode à un dirigeant qui en aurait besoin

🎙️ Abonnez-vous à Digital Feeling sur votre plateforme d'écoute préférée pour ne manquer aucun épisode.

💬 Vous avez testé le vibe coding ? Partagez votre expérience en commentaire ou contactez-moi sur LinkedIn, vos retours terrain m'intéressent.

IA générative dans les métiers commerciaux

L'IA en entreprise : un usage encore largement sous-exploité

Dans ce nouvel épisode de Digital Feeling, je reviens sur un constat que je fais très régulièrement en tant que formatrice en intelligence artificielle et marketing digital : la majorité des collaborateurs utilisent déjà l'IA générative, mais presque exclusivement dans un cadre personnel (recettes de cuisine, organisation de voyages, création de contenus pour les réseaux sociaux). Côté professionnel, les usages restent timides : relecture d'emails, corrections de formulations, ou veille concurrentielle basique.

Pourquoi ce décalage ? Principalement par manque de communication interne sur les outils déjà disponibles. Beaucoup d'entreprises disposent d'outils IA puissants sans même que leurs équipes le sachent.

Copilot : l'outil gratuit que vous utilisez peut-être déjà sans le savoir

Si votre entreprise dispose de Microsoft 365, il y a de fortes chances que vous ayez accès à Copilot, même dans sa version gratuite. Concrètement, cela permet :

• D'ouvrir un email dans Outlook et de cliquer sur la bannière Copilot
• D'obtenir un résumé instantané d'un email long
• De générer une proposition de réponse automatiquement
• De gagner un temps considérable sur la gestion de la boîte mail

Sur Teams, Copilot peut également générer un compte-rendu de réunion avec des actions à mener, ce qui évite la prise de notes manuelle et améliore le suivi des décisions.

Pour activer Copilot : direction Outlook ou Teams, recherchez l'application Copilot, et vérifiez que votre DSI n'a pas restreint son accès (certaines entreprises font ce choix).

Claude et Excel : le duo gagnant pour mettre en forme vos données

Pour tout ce qui concerne le traitement de données sous Excel — un point de friction fréquent chez les commerciaux et managers — je recommande particulièrement Claude. Contrairement à Copilot (dont la version gratuite reste limitée sur ce point), Claude permet de :

• Mettre en forme des données brutes dans un tableau structuré
• Créer des tableaux croisés dynamiques
• Générer plusieurs onglets automatiquement
• Construire des formules complexes à partir d'une simple description

La règle d'or : ne jamais partager de données confidentielles

Un point essentiel abordé en formation : ne jamais transmettre de données personnelles ou confidentielles à un LLM. Toutes les données utilisées en exercice doivent être fictives, anonymisées ou pseudonymisées — qu'il s'agisse de données clients, prospects, ou internes à l'entreprise.

Bien prompter : la base pour obtenir des résultats pertinents

La qualité d'un prompt impacte directement la qualité de la réponse. La méthode que j'enseigne en formation repose sur 5 éléments clés :

1. Un rôle donné à l'IA
2. Un contexte précis
3. Une action claire à réaliser
4. Un format de sortie attendu
5. Une tonalité adaptée à la cible

Ce dernier point est particulièrement important en contexte commercial : on n'adresse pas le même message à un décideur pressé en quête d'informations factuelles qu'à un client disponible qui recherche du détail et de l'argumentaire.

Demander à l'IA de vous aider… à mieux prompter l'IA

Une astuce simple mais redoutablement efficace : si vous ne savez pas comment formuler votre demande, demandez directement à l'IA de vous aider à améliorer votre prompt. L'IA "parle" à l'IA — elle saura structurer une demande efficace, et vous apprendrez par la même occasion à mieux formuler vos futures requêtes.

Des assistants IA métiers pour automatiser les tâches récurrentes

En formation, nous développons des assistants IA personnalisés adaptés à chaque métier, capables de prendre en charge des tâches récurrentes : scripts d'appels commerciaux, préparation d'entretiens, séquences d'emails ou de SMS de prospection, etc.

La question à se poser : quelles sont les tâches que je fais souvent, sans forcément en avoir conscience, et qui pourraient être déléguées ou accélérées grâce à un assistant IA ?

En résumé

L'IA générative offre déjà, dès aujourd'hui et avec des outils gratuits ou inclus dans des licences existantes, des gains de temps concrets pour les équipes commerciales : traitement des emails, comptes-rendus de réunion, mise en forme de données, scripts de prospection... La clé est de prendre conscience des outils déjà à disposition et d'apprendre à bien les utiliser, dans le respect de la confidentialité des données.

💡 Soutenez le podcast :

✅ Abonnez-vous à DigitalFeeling sur LinkedIn

✅ Rejoignez ma newsletter : substack.com/@elodiechenol

✅ Laissez 5 ⭐ sur Apple Podcasts ou Spotify

✅ Partagez cet épisode à un dirigeant qui en aurait besoin

Technovation Girls France: comment cette association prépare les jeunes filles aux métiers du numérique et de l'IA

À l'heure où moins de 20 % des étudiants en informatique en France sont des femmes, une association s'attaque à la racine du problème : convaincre les collégiennes et lycéennes que la tech est faite pour elles. Dans cet épisode de Digital Feeling, j'ai reçu Gaëlle Maurujon, vice-présidente de Technovation Girls France, pour tout comprendre de ce programme unique en son genre.

Technovation Girls France, c'est quoi exactement ?

Technovation Girls est une association internationale née en 2006 dans la Silicon Valley. Son objectif : initier les jeunes filles de 13 à 17 ans à l'entrepreneuriat technologique, à travers un programme de six mois intensif et entièrement gratuit.

Le chapitre français a été cofondé par Gaëlle Maurugeon et plusieurs femmes engagées dans le numérique, unies par un même constat : malgré vingt ans de transformation digitale, les femmes restent massivement sous-représentées dans les métiers de la tech.

"Ça fait vingt ans que je suis dans le digital et ça ne change pas. Pourquoi on n'a pas plus de filles qui s'engagent dans ces formations ?"
Gaëlle Maurugeon, vice-présidente Technovation Girls France

Le chiffre qui fait mal : moins de 20 % de filles en informatique

En France, les femmes représentent moins de 20 % des étudiants en informatique. Un chiffre qui n'étonne pas celles qui évoluent dans le secteur depuis des années, mais qui méritait d'être documenté pour légitimer l'action associative.

Ce déséquilibre ne se corrige pas seul. Il se creuse dès le collège, quand les stéréotypes de genre détournent les filles des matières scientifiques et des ambitions technologiques. C'est précisément là que Technovation Girls intervient.

6 mois pour devenir une mini-entrepreneuse du numérique

Le programme Technovation Girls est conçu comme une immersion dans le monde réel de l'entrepreneuriat tech. Voici ce que vivent concrètement les participantes :

1. Identifier un problème du quotidien

Les jeunes filles partent d'une problématique qu'elles observent autour d'elles — dans leur école, leur quartier, leur famille. Elles sont encouragées à relier cette problématique aux 17 Objectifs de Développement Durable (ODD) de l'ONU, pour inscrire leur projet dans une vision d'impact global.

2. Analyser le marché (comme des pros)

Avant de se lancer, elles apprennent à valider leur hypothèse avec des données : chiffres, sondages, analyse de l'existant. Un réflexe d'entrepreneur que peu d'adultes maîtrisent vraiment.

3. Développer une application mobile en no code

Au cœur du programme : la création d'une application mobile no code. Les participantes apprennent les bases du code, comprennent la logique algorithmique, et intègrent progressivement des briques d'intelligence artificielle dans leur application (chatbot, reconnaissance d'images, exploitation de données…).

4. Interroger de vrais utilisateurs

Pour s'assurer que leur solution répond à un vrai besoin, elles envoient des questionnaires à des utilisateurs potentiels. L'approche "user-centric" , centrale dans le développement produit professionnel — est inculquée dès le départ.

5. Créer un plan marketing (ou un business plan)

Les collégiennes élaborent une stratégie marketing pour faire adopter leur produit. Les lycéennes vont plus loin avec un Lean Business Canvas, le même outil utilisé par les startups en phase d'amorçage.

6. Pitcher en public

Pour conclure, chaque équipe réalise une vidéo de pitch et présente son projet à un jury. Les meilleures équipes peuvent aller jusqu'à pitcher en Californie, au niveau international.

L'IA dans le programme : un usage raisonné et encadré

Technovation Girls ne se contente pas d'évoquer l'intelligence artificielle, elle l'intègre concrètement dans les pratiques des participantes. Dès le début du programme, elles sont sensibilisées à :

• Ce que l'IA peut apporter : gain de temps, génération de contenu, analyse de données
• Ses limites et risques : biais, hallucinations, nécessité de vérifier les sources
• Des usages guidés : prompts pour générer un questionnaire utilisateur, améliorer un pitch, réaliser une analyse de marché

L'enjeu est clair : former des utilisatrices critiques de l'IA, pas des consommatrices passives.

"On les sensibilise très vite aux limites. On veut qu'elles aient un usage raisonnable de l'IA."
Gaëlle Maurugeon

Des projets qui prouvent la maturité des participantes

En quatre ans, Technovation Girls France a vu émerger des projets d'une qualité et d'une pertinence remarquables :

• Une app pour faire des dons sécurisés aux sans-abri via mobile
• Sophia, une application pour aider les jeunes à croiser les sources d'information et développer leur esprit critique
• Des outils d'entraide scolaire pour lutter contre le décrochage au collège
• Une app sur l'alimentation de saison, pour consommer mieux et plus local

Ces projets ne sont pas anecdotiques. Certains anticipaient des sujets devenus aujourd'hui des priorités sociétales. La preuve que, bien accompagnées, les adolescentes peuvent produire des solutions à la hauteur des enjeux contemporains.

Les mentors : un rôle clé, une expérience transformatrice

Chaque équipe de cinq filles est accompagnée par deux mentors bénévoles. Le rôle ne requiert pas d'être expert en tech : il s'agit avant tout d'accompagner un groupe, de créer de la cohésion, de faire émerger les idées.

Les profils recherchés :

• Des personnes à l'aise en digital, design ou marketing
• Ou à l'inverse, des profils business, entrepreneuriat, conseil
• Et surtout : des personnes qui croient à la cause et ont envie de transmettre

Les retours des mentors sont unanimes : ils repartent autant enrichis que les participantes. Gestion des émotions, posture de coach, remise en perspective de leurs propres métiers, le mentorat Technovation Girls est une expérience à part entière.

Le programme 2026-2027 se déroule de novembre 2026 à avril 2027. Les inscriptions sont ouvertes sur le site Technovation Girls France.

Un programme 100 % en visio, accessible partout en France

C'est un point souvent méconnu : tout le programme se déroule en visioconférence. Que vous habitiez Paris, Lyon ou une zone rurale, vos filles peuvent participer. L'association travaille activement à toucher des territoires moins connectés aux opportunités numériques, convaincue que la fracture géographique ne doit pas s'ajouter à la fracture de genre.

Des partenaires engagés : Oracle, Shopify, Snowflake…

Technovation Girls France s'est entourée de partenaires technologiques de premier plan, déjà impliqués en interne sur les sujets de mixité. Ces entreprises participent au jury, organisent des visites de leurs locaux, et intègrent leurs outils directement dans le programme (comme la plateforme data Snowflake).

L'association est également présente sur des événements majeurs comme VivaTech et les France Digital Days, offrant aux participantes une immersion dans l'écosystème tech français.

Pourquoi ce programme mérite votre attention

Technovation Girls ne fait pas dans le symbole. Elle forme concrètement, sur six mois, des adolescentes à :

✔ L'entrepreneuriat et la pensée produit
✔ Le développement no code et les bases du code
✔ L'usage raisonné de l'intelligence artificielle
✔ Le marketing, le business plan, le pitch
✔ La confiance en soi et le travail en équipe

Tout cela, gratuitement, par des bénévoles passionnés.

Si vous avez une fille entre 13 et 17 ans, renseignez-vous sur le site Technovation Girls France.
Si vous travaillez dans le numérique, devenez mentor pour la prochaine session.
Si vous dirigez une entreprise tech, explorez un partenariat.

💡 Soutenez le podcast :

✅ Abonnez-vous à DigitalFeeling sur LinkedIn

✅ Rejoignez ma newsletter : substack.com/@elodiechenol

✅ Laissez 5 ⭐ sur Apple Podcasts ou Spotify

✅ Partagez cet épisode à un dirigeant qui en aurait besoin

Dans ce 160 ème épisode de Digital Feeling, j'ai le plaisir de recevoir Éric Hazan, ancien senior partner en conseil stratégique, investisseur et co-auteur avec Olivier Sibony du livre Faut-il encore décider ? Un ouvrage aussi philosophique que pragmatique, qui interroge notre rapport à la décision à l'ère de l'intelligence artificielle.

De quoi parle ce livre ?

Structuré en trois parties : l'histoire de l'IA, l'IA ou moi, qui décide ? et dans quelle société voulons-nous vivre ?

le livre d'Éric Hazan et Olivier Sibony ne traite pas uniquement d'intelligence artificielle. Il place la décision humaine au cœur du sujet, et utilise la puissance de l'IA pour nous forcer à reconsidérer nos propres processus de jugement.

Quand l'algorithme surpasse l'humain

Éric Hazan cite une étude saisissante : en radiologie, un médecin seul pose un bon diagnostic dans 74 % des cas, l'IA dans 90 %… mais lorsqu'on donne l'IA au médecin en assistant, on retombe à 76 %. En d'autres termes, l'humain dégrade les performances de la machine par excès de confiance en son propre jugement. Une leçon d'humilité qui questionne nos réflexes décisionnels.

La cartographie des décisions : conquises, co-décidées, interdites

Éric Hazan propose un cadre concret : certaines décisions peuvent et doivent être déléguées à l'IA (logistique, détection de fraude, certains diagnostics), d'autres doivent rester en co-décision (recrutement, médecine complexe), et d'autres encore appartiennent au domaine interdit, notamment la décision judiciaire, où un être humain doit juger un autre être humain, les yeux dans les yeux.

L'aversion algorithmique : pourquoi on pardonne l'erreur humaine mais pas celle de la machine

Un paradoxe troublant que j'ai souhaité mettre en lumière dans cet épisode : nous tolérons l'erreur humaine parce qu'elle nous semble compréhensible. Mais une seule erreur algorithmique suffit à faire s'effondrer la confiance. Pourtant, si la machine se trompe 20 % moins souvent que nous… ne devrait-on pas la suivre davantage ?

Compass, l'algorithme discriminant des tribunaux américains

J'aborde avec Éric ce cas emblématique : un outil de prédiction de récidive utilisé dans le système judiciaire américain, qui reproduisait les biais racistes contenus dans les données historiques. Paradoxe révélateur : l'algorithme n'a pas créé les discriminations, il les a rendues visibles. Ce qui pose une question essentielle : qui audite ? Selon quels critères ? À quelle fréquence ?

Gouvernance, démocratie et souveraineté numérique

Peut-on faire confiance aux grandes entreprises technologiques américaines qui détiennent les infrastructures de l'IA mondiale ? Mistral est-il à la hauteur de l'enjeu européen ? J'interroge Éric Hazan sur la fracture IA, le retard technologique de l'Europe, et la nécessité d'une gouvernance démocratique, pas seulement réglementaire, où les citoyens participent à la définition des objectifs que l'IA est chargée d'optimiser.

La recommandation actionnable pour les dirigeants

Cartographiez vos 20 décisions les plus importantes. Pour chacune, posez-vous trois questions : est-ce que l'IA pourrait faire mieux ? Qui porte la responsabilité ? Est-ce une décision interdite ? Cet exercice, avant même tout déploiement technologique, transforme déjà la façon dont une organisation pense et pilote ses décisions.

Ma question personnelle à Éric

Une décision qu'il ne confierait jamais à une machine ? Le pardon. Parce qu'il y a des actes qui engagent notre humanité et qui ne se réduisent pas à une optimisation.

Le livre

Faut-il encore décider ? — Éric Hazan & Olivier Sibony Disponible sur Amazon, à la Fnac et dans toutes les bonnes librairies indépendantes.

🔗 Retrouvez Éric Hazan sur LinkedIn.

Vous avez aimé cet épisode ?

Partagez-le, laissez un avis et abonnez-vous à Digital Feeling pour ne rater aucune conversation sur l'IA, le numérique et leurs impacts sur notre société.

IA Générative et normalisation : ce que les marketeurs doivent savoir

Dans ce 159 ème épisode de DigitalFeeling, j'ai le plaisir de recevoir Thierry Coulmain pour un échange sur le Marketing, l'IA & la Pensée Critique.

Et si l'intelligence artificielle ne nous remplaçait pas, mais nous rendait… tous pareils ?

C'est la question au cœur de ce nouvel épisode de Digital Feeling, une discussion avec Thierry Coulmain, marketeur et communicant expérimenté, passionné de sémantique et d'IA, Responsable communication et RSE de LEA Partners.

Loin des discours techno-optimistes habituels, cette conversation aborde sans détour les risques réels de la générative pour les professionnels du marketing et de la communication — normalisation, perte d'esprit critique, dépendance aux outils mais aussi les opportunités concrètes offertes par les agents IA.

L'IA Générative ne nous remplacera pas, mais elle nous normalise

C'est la thèse centrale de l'épisode, empruntée à une philosophe invitée sur France Inter : l'IA ne prend pas notre place, elle remodèle notre façon de penser.

Thierry Coulmain l'explique avec clarté : les modèles de langage sont probabilistes. Ils favorisent la réponse la plus probable, donc la plus commune. À force de déléguer notre réflexion à ces outils, nous risquons de nous adapter à leur logique, et non l'inverse.

Ce n'est pas l'IA qui prend les rênes. C'est nous qui les lui donnons.

Pour les marketeurs et communicants, la conséquence est directe : si tout le monde utilise les mêmes prompts pour générer les mêmes types de contenus, les stratégies de marque finissent par se ressembler. La différenciation, pierre angulaire du marketing, s'érode.

Trois risques identifiés

1. La normalisation des contenus et des stratégies marketing

Élodie Chenol pointe un phénomène qu'elle observe sur le terrain : des professionnels qui utilisent les mêmes méthodes de prompting, qui obtiennent des résultats similaires, et dont les communications finissent par converger. En design, en copywriting, en stratégie éditoriale : le risque d'uniformisation est réel.

2. La sur-confiance des clients envers les LLM

Phénomène inattendu : certains clients arrivent désormais chez les commerçants armés de réponses générées par ChatGPT, qu'ils opposent aux recommandations des professionnels. Ils font davantage confiance au modèle qu'à l'expert en face d'eux.

Ce glissement de confiance soulève une question fondamentale pour tous les consultants, formateurs et agences : comment préserver sa valeur ajoutée humaine dans ce contexte ?

3. Le déficit d'acculturation à grande échelle

Des étudiants qui soumettent des KPI inventés par l'IA sans les vérifier. Des enseignants dépassés. Des managers de middle management laissés pour compte dans les transformations IA des entreprises.

Les deux interlocuteurs s'accordent : le problème majeur n'est pas l'IA elle-même, c'est le manque de formation et d'esprit critique de ceux qui l'utilisent.

Comment bien utiliser l'IA : la posture de Thierry Coulmain

Thierry Coulmain propose une approche qui tranche avec l'usage courant :

"Utiliser l'IA, ce n'est pas l'utiliser pour gagner du temps. C'est l'utiliser pour qu'elle nous apporte une contradiction ou une connaissance."

Sa méthode :

• Partir d'une expertise solide avant de consulter l'IA
• Utiliser l'IA comme garde-fou, pas comme oracle
• Challenger les réponses plutôt que de les accepter passivement
• Se servir de l'outil pour affiner sa réflexion, pas la remplacer

Cette posture, celle du professionnel qui sait ce qu'il cherche, est la seule qui permette de tirer un vrai bénéfice de ces technologies sans se laisser "écraser par une normalisation".

La position d'Élodie Chenol : l'IA dans le champ de sa maîtrise

Formatrice, Élodie Chenol a développé une règle simple mais puissante :

"J'utilise l'IA dans ce que je maîtrise."

Pourquoi ? Parce que si vous demandez à l'IA ce que vous ne maîtrisez pas, vous n'avez aucun moyen d'évaluer la qualité de la réponse. Vous acceptez alors implicitement d'être remplacé par elle.

À l'inverse, utilisée dans son domaine d'expertise, l'IA devient un amplificateur de compétences : elle permet d'aller plus loin, plus vite, tout en gardant le contrôle critique.

Les Agents IA : la prochaine frontière du marketing digital

La deuxième partie de l'épisode s'ouvre sur un sujet d'avenir : les agents IA.

Qu'est-ce qu'un agent IA ?

Un agent c'est un système capable d'exécuter une séquence d'actions de façon quasi-autonome, en suivant une logique définie par l'utilisateur : recherche d'informations, qualification de prospects, envoi de messages personnalisés, clustering de données…

Le Marketing One-to-One à grande échelle

Thierry Coulmain voit dans les agents la réalisation d'une promesse ancienne du marketing digital : le one-to-one à grande échelle. Concrètement :

1. Vous définissez l'ADN de votre entreprise (valeurs, offre, positionnement)
2. L'agent identifie les profils susceptibles d'être intéressés
3. Il construit un message personnalisé, adapté à chaque cible
4. Il orchestre les relances selon le comportement du prospect

Fini le message générique "Je suis sûr que ça vous intéressera." Place à une approche réellement contextualisée.

La vision d'Élodie : des agents sur-mesure pour une vraie souveraineté

Élodie Chenol, formée sur N8n et Zapier, défend une position nuancée : les agents développés sur des plateformes grand public présentent des risques (RGPD, hallucinations, dérive des processus). Sa conviction : pour une efficacité maximale et une vraie sécurité des données, un agent doit être développé sur mesure, avec du code, par un professionnel.

Un point de vue courageux à l'heure où tout le monde promet des agents "en trois clics".

Le middle management : l'oublié de la transformation IA

Un point souvent négligé dans les déploiements IA en entreprise : le management intermédiaire.

Ni décideurs (qui poussent la transformation), ni exécutants (qui la vivent au quotidien), les managers de proximité se retrouvent dans une position inconfortable : ils doivent accompagner leurs équipes sans avoir eux-mêmes été formés.

Les deux invités s'accordent : toute stratégie de déploiement IA en entreprise doit inclure une formation spécifique du middle management, pour qu'il puisse jouer son rôle d'interface et de relais humain.

Si vous travaillez en marketing, communication ou formation, cet épisode vous invite à trois prises de conscience :

1. L'IA n'est pas neutre : elle influence la façon dont vous pensez si vous ne la questionnez pas
2. Votre valeur professionnelle réside dans votre esprit critique, pas dans votre capacité à générer du contenu rapidement
3. Les agents IA représentent un saut qualitatif majeur et nécessitent une approche rigoureuse pour être déployés de façon responsable

👉 Abonnez-vous pour ne manquer aucune conversation sur l'IA, le marketing digital et la transformation des métiers.

Digital Feeling est le podcast animé par Élodie Chenol, formatrice en Intelligence Artificielle et Marketing Digital. Chaque épisode explore, sans complaisance, comment l'IA transforme les pratiques professionnelles.