1. Vous avez recruté 100 génies, mais ils sont tous en salle de pause parce qu’aucun ordre de travail n’est arrivé
L’IA générative peut coder, rédiger, rechercher, traduire, comparer des options et exploiter d’immenses corpus de connaissances.
On pourrait croire que demain tout le monde dirigera dix entreprises individuelles.
Pourtant, beaucoup de projets s’arrêtent à une question :
« Qu’est-ce qu’on construit ? »
Une IA extrêmement puissante sans tâche reste une capacité inutilisée. Cent Ferrari sans destination ne forment qu’un parking très cher.
À l’ère de l’IA, la ressource rare n’est pas toujours la puissance du modèle.
Ce peut être la personne qui donne à cette puissance son premier travail.
2. La vraie force n’est pas forcément une invention révolutionnaire, mais la capacité à produire la première étincelle
On imagine facilement la créativité comme une illumination extraordinaire.
En pratique, de petites questions sont souvent plus puissantes :
- ceci est pénible
- peut-on relier ces deux choses ?
- cette fonction existante peut-elle servir ailleurs ?
- pourquoi cette étape existe-t-elle ?
- qu’apprendrait-on avec un prototype minimal ?
Ce sont des points d’allumage.
La première idée n’a pas besoin d’être finie. Elle doit produire quelque chose sur lequel réfléchir.
Une table vide est difficile à critiquer. Posez un prototype grossier : on voit immédiatement ce qui cloche, ce qui fonctionne, ce qui manque et ce qui pourrait venir ensuite.
Le premier geste n’est pas la réponse.
C’est une machine à produire les réponses suivantes.
3. La « capacité à avoir des idées » n’est pas une seule capacité
| Capacité | Fonction |
|---|---|
| Divergence | Générer plusieurs possibilités |
| Analogie | Importer une structure d’un autre domaine |
| Recombinaison | Transformer A+B en un nouveau C |
| Découverte du problème | Voir la friction avant le problème assigné |
| Recadrage | Redéfinir ce qu’il faut réellement résoudre |
| Convergence | Choisir ce qui mérite d’être construit |
| Décomposition | Diviser l’objectif en tâches traitables par l’IA |
| Démarrage | Produire le premier artefact visible |
| Réidéation | Utiliser l’artefact pour créer l’idée suivante |
L’APA décrit la pensée divergente comme une pensée créative qui s’écarte des stratégies habituelles ou apprises.[1]
Mais les tests de pensée divergente ne couvrent pas toute la créativité réelle.[2]
Produire beaucoup d’idées ne suffit pas.
Il faut recadrer, choisir, construire, observer puis réfléchir à nouveau.
4. La créativité ressemble à « générer→explorer→générer de nouveau »
Le modèle Geneplore de la cognition créative distingue processus génératifs et exploratoires et les organise en boucle.[3]
Dans le travail avec l’IA :
- une idée apparaît
- on la discute avec l’IA
- on en fait une spécification grossière
- on construit
- on exécute
- quelque chose ne va pas
- un nouvel angle apparaît
- on reconstruit
L’idée n’a pas besoin d’être terminée avant l’implémentation.
L’implémentation devient une partie de la pensée.
Quand un prototype prend trois mois, on essaie de résoudre beaucoup de choses dans sa tête.
Quand il apparaît en trente minutes, le prototype lui-même devient une note de réflexion.
5. « Je ne sais pas faire plusieurs choses à la fois » est vrai si l’humain doit tout faire
Le cerveau humain n’a pas à maintenir dix projets, dix spécifications, dix chemins de code et dix états de vérification simultanément.
Ce n’est pas une faiblesse humaine.
C’est une mauvaise architecture.
L’humain n’a pas besoin d’être multitâche. Le système peut exécuter des tâches en parallèle.
L’humain garde la direction, les priorités, les limites et la décision finale.
Recherche, spécification, implémentation, tests, traduction et audit peuvent être séparés selon leurs dépendances puis délégués.
Plus le multitâche vous coûte, plus il est utile de sortir le travail de votre tête et de le transformer en responsabilités explicites.
6. Un corpus gigantesque est un entrepôt de matériaux, pas un plan de construction
Une immense base de connaissances ressemble à un magasin contenant bois, acier, verre, outils et machines.
Impressionnant.
Mais si personne ne décide quoi construire, le magasin reste un magasin.
La capacité devient du travail quand quelqu’un dit :
« Je veux supprimer cette friction. » « Ces deux systèmes pourraient être reliés. » « Cette expérience peut monter d’un niveau. »
Il n’est pas nécessaire d’en savoir plus que l’IA.
Il faut savoir où lui demander de creuser.
7. Savoir refaire le problème peut devenir plus précieux que savoir seulement le résoudre
La recherche en design traite le cadrage et le recadrage comme des pratiques centrales pour les problèmes ouverts et complexes. Dorst insiste sur la création de nouveaux cadres pour rendre les situations problématiques plus traitables.[4]
Plus l’IA répond vite, plus cela compte.
Une mauvaise question peut produire très vite une excellente réponse au mauvais problème.
Ne demandez pas seulement :
« Comment accélérer cette tâche ? »
Demandez aussi :
« Cette tâche doit-elle exister ? » « L’utilisateur veut-il travailler plus vite, ou ne plus avoir à faire ce travail ? » « Peut-on résoudre le besoin par une autre entrée ? »
8. Une implémentation plus rapide génère plus d’idées, pas seulement plus de production
Dans une expérience preregistrée de Noy et Zhang sur des tâches professionnelles de rédaction, l’accès à ChatGPT a réduit le temps moyen de 40 % et augmenté la qualité évaluée de 18 % pour les tâches étudiées.[5]
Cela ne signifie pas que tout travail devient 40 % plus rapide.
Le point important est :
quand le coût d’essai baisse, on peut essayer davantage.
Les artefacts réels fournissent de nouvelles informations : est-ce utile, plus laid que prévu, meilleur pour un autre usage, connectable à une autre fonction, ou confus pour l’utilisateur ?
Ainsi, plus la boucle
idée→implémentation→observation→nouvelle idée
est courte, plus les idées deviennent une réaction en chaîne.
9. Mais si l’IA produit toutes les idées, tout le monde peut gravir la même montagne
Doshi et Hauser ont constaté que des idées de récit fournies par l’IA amélioraient en moyenne l’évaluation des œuvres individuelles, mais que les œuvres assistées par IA devenaient plus similaires entre elles, réduisant la diversité collective.[6]
Si tout le monde demande au même modèle « dix idées créatives », tout le monde peut monter dans le même bus touristique.
D’où la valeur des apports humains singuliers :
- frictions réellement vécues
- détails étranges du terrain
- contraintes particulières d’un système existant
- analogies venues d’un autre domaine
- combinaisons inhabituelles
- la question « tout le monde fait comme ça, mais pourquoi ? »
L’humain jette une pierre étrange.
L’IA amplifie les vagues.
10. La boucle pratique est simple : étincelle→phrase→découper→déléguer→inspecter→nouvelle étincelle
- Étincelle — « Ce ne serait pas utile si cela fonctionnait ainsi ? »
- Phrase — Qui doit passer de quel état à quel état.
- Découpage — Recherche, conception, implémentation, vérification.
- Délégation — Ne gardez pas tout en tête ; confiez-le à l’IA.
- Artefact — Texte, interface, code ou données visibles.
- Relecture — Vérifiez que l’état visé existe réellement.
- Réidéation — Demandez ce qui devient possible maintenant.
A rend B visible. A+B suggère C. C permet de redéfinir le service entier comme D.
Une petite étincelle peut finir en centrale électrique.
11. Le piège apparaît lorsque la vitesse des idées dépasse celle de l’organisation
Idées rapides plus implémentation rapide égalent couches d’extensions successives.
Un jour, vous ouvrez le câblage :
« Qui a construit ça ? »
Vous, hier.
La solution n’est pas de supprimer les idées.
Il faut renforcer la structure :
- éviter de multiplier les sources de vérité
- ne pas créer un second mécanisme pour la même responsabilité
- intégrer à l’existant quand c’est possible
- paralléliser uniquement le travail vraiment indépendant
- relire et vérifier après implémentation
- placer des contrôles qualité sur les changements importants
- distinguer « on peut le construire » de « on doit le construire maintenant »
Ne réduisez pas l’accélérateur.
Améliorez le volant et les freins.
12. Conclusion : l’avantage se déplace de « savoir utiliser l’IA » vers « savoir créer du travail pour l’IA »
Les modèles vont progresser.
Davantage de connaissances, du code plus rapide, de la rédaction plus rapide, davantage d’agents.
La valeur humaine monte alors d’un niveau :
repérer ce qui devrait exister,
créer la première étincelle,
recadrer le problème,
découper le travail,
le déléguer,
observer le résultat réel,
puis produire l’idée suivante à partir du réel.
L’IA est une capacité énorme.
Mais une capacité attend une tâche.
Dans une entreprise composée de cent IA géniales, le premier manque n’est peut-être pas le génie numéro 101.
C’est peut-être la personne qui écrit la première ligne de l’ordre de travail.
Sources
- APA Dictionary of Psychology, “divergent thinking. dictionary.apa.org
- American Psychological Association, “The science behind creativity” — notes that divergent-thinking measures are useful but do not map cleanly onto real-world creativity as a whole apa.org
- Ward, T. B., Smith, S. M., & Finke, R. A., “Creative Cognition,” in Handbook of Creativity; see also Geneplore descriptions of iterative generative and exploratory processes cambridge.org
- Dorst, K. (2011). “The core of ‘design thinking’ and its application.” Design Studies, 32(6), 521–532 doi.org
- Noy, S., & Zhang, W. (2023). “Experimental evidence on the productivity effects of generative artificial intelligence.” Science, 381(6654), 187–192 doi.org
- Doshi, A. R., & Hauser, O. P. (2024). “Generative AI enhances individual creativity but reduces the collective diversity of novel content.” Science Advances, 10(28), eadn5290 doi.org
