Aller au contenu

Les quinze questions

Chaque duo suit une question, du 6 novembre au 8 janvier. Le 8 janvier, il dit ce qu'il a trouvé et ce qu'il conseille à quelqu'un qui débute dans le métier du web, comme vous dans un an. Vous pouvez aussi travailler seul.

Deux duos n'ont jamais la même question. S'il ne reste plus de question libre, proposez un autre sujet au professeur. Inscrivez la vôtre dans le fichier Excel d'inscription, sur Teams. Le premier duo inscrit garde la question, et le professeur confirme les choix le 13 novembre.

Votre question reste entière, telle qu'elle est écrite ici. Vous ne la réduisez pas : vous choisissez où vous creusez, avec le test que vous ferez vous-mêmes et l'affirmation que vous vérifierez le 20 novembre.

Chaque question a trois repères :

  • Où les avis s'opposent : sur quoi les chercheurs, les entreprises d'IA et les médias ne sont pas d'accord. C'est là que vous irez vérifier.
  • Ce que vous testerez vous-mêmes : un chiffre que vous recalculez ou un essai que vous faites, pas une citation.
  • Ce que ce lecteur pourrait décider : trois choix possibles pour quelqu'un qui débute dans le métier. Votre conseil final en retient un, et les deux autres deviennent vos autres choix. Ce sont des exemples : vous pouvez en trouver d'autres.

Les thèmes « programmation » et « design » disent le domaine de la question, pas qui a le droit de la prendre. Un duo de designers peut prendre le vibe coding.

Pour tout le monde

N° La question Où les avis s'opposent Ce que vous testerez vous-mêmes Ce que ce lecteur pourrait décider
1 Énergie et eau : combien d'électricité et d'eau pour une question posée à une IA, et pour tout un pays ? Chercheurs, entreprises et médias ne comptent pas la même chose : pas le même périmètre, pas la même unité, moyenne ou médiane. Refaire vous-mêmes le calcul pour une question, avec les chiffres publiés par l'Agence internationale de l'énergie (AIE, « Energy and AI », avril 2025), Mistral (juillet 2025) et Google (août 2025). Choisir un modèle plus petit pour les tâches simples, limiter certains usages (images, vidéos), ou ne rien changer.
2 Emploi : l'IA supprime-t-elle déjà des emplois, surtout chez les débutants ? Les prévisions (« des millions d'emplois ») contre ce qui est mesuré (les chiffres de l'emploi des débutants). Lire les données vous-mêmes (Stanford, Yale, Statbel) et dire ce qu'elles montrent et ce qu'elles ne montrent pas. Viser un poste junior classique, se spécialiser dans ce que l'IA fait mal, ou viser un poste où l'on travaille avec l'IA.
3 Apprentissage : apprendre avec un assistant, est-ce apprendre moins ? Ce qui est mesuré, la solidité de la preuve, la façon d'utiliser l'assistant. Lire une étude de première main, puis faire un petit test en classe. Apprendre un nouveau langage avec un assistant, sans assistant, ou d'abord sans puis avec.
4 Hallucinations : les assistants IA se trompent-ils souvent ? Ce qu'on appelle une erreur, sur quelle tâche, avec quelle mesure. Poser la même question à trois assistants et comparer. Vérifier chaque réponse, réserver l'assistant aux tâches qu'on peut vérifier, ou lui faire confiance sur ce qu'on peut tester.
5 Contenu généré : quelle part du web est écrite par l'IA ? L'unité de mesure, ce qu'on appelle « écrit par l'IA », la fiabilité des détecteurs. Tester un détecteur de texte généré. Se former avec ce qu'on trouve sur le web, préférer les sources signées par une personne, ou passer les textes dans un détecteur.
6 Droit d'auteur : une IA a-t-elle le droit d'apprendre sur des œuvres protégées ? Se procurer les œuvres ou entraîner le modèle, selon le pays. Les modèles recrachent-ils les œuvres ? Lire un texte de loi ou une décision de justice de première main. Utiliser des images et des textes générés pour un client, les réserver aux maquettes, ou n'utiliser que des outils entraînés sur des œuvres autorisées.
7 Recherche IA : les réponses d'IA dans Google font-elles perdre des visiteurs aux sites ? Les données de clics contre le discours des plateformes. Lire les données vous-mêmes (Pew, Similarweb). Continuer à miser sur le référencement Google pour le site d'un client, viser les réponses des IA, ou chercher d'autres canaux (newsletter, réseaux).
8 Agents navigateurs : est-ce risqué de laisser une IA se promener sur le web et cliquer à votre place ? L'injection de consignes cachées dans une page, les données personnelles. Tester un agent sur un faux document piégé, fourni par le cours. Laisser un agent remplir des formulaires à sa place, le limiter à la lecture, ou ne pas l'utiliser.

Programmation

N° La question Où les avis s'opposent Ce que vous testerez vous-mêmes Ce que ce lecteur pourrait décider
9 Vibe coding (faire coder une appli par une IA) : ces applis sont-elles pleines de failles ? Combien d'applis on regarde, et lesquelles. Tester une appli générée. Mettre en ligne une appli générée telle quelle, la faire relire avant, ou ne s'en servir que pour des prototypes.
10 Classements : peut-on croire qu'un modèle « est numéro un » ? Quels modèles sont comparés, des tests saturés, des graphiques trompeurs. Comparer des modèles dans une arène, avec une grille et deux personnes qui notent. Choisir son modèle d'après un classement, d'après ses propres essais, ou d'après le prix.
11 Agents : sont-ils prêts à travailler à la place d'un humain ? Une tâche ou un emploi entier, une prévision ou une mesure. Tester un agent sur une tâche précise. Confier une tâche entière à un agent, le garder comme aide qu'on surveille, ou attendre.
12 Productivité : les assistants de code rendent-ils les développeurs plus rapides ? Ce qui est mesuré (l'étude METR) contre ce qui est promis (« dix fois plus vite »). Faire un test chronométré. Payer un assistant de code, rester sur une version gratuite, ou coder sans.
13 Modèles ouverts : ceux qu'on peut télécharger rattrapent-ils les autres ? L'écart mesuré contre le discours. Faire la même tâche avec un modèle ouvert et un modèle fermé. Installer un modèle qu'on peut télécharger pour un client, payer un modèle fermé, ou mélanger les deux.

Design

N° La question Où les avis s'opposent Ce que vous testerez vous-mêmes Ce que ce lecteur pourrait décider
14 Images : peut-on encore reconnaître une image générée, et une marque cachée dans l'image (C2PA, SynthID) règle-t-elle le problème ? Les études contre les vendeurs de détecteurs. Faire un test de détection en classe. Passer chaque image dans un détecteur avant de publier, exiger une marque d'origine, ou ne publier que ses propres images.
15 Métiers créatifs : la génération d'images remplace-t-elle illustrateurs et designers ? Le volume produit contre la nouveauté (Science Advances, 2025). Produire un jeu d'icônes en suivant un protocole. Se former à la génération d'images, se spécialiser dans ce qu'elle fait mal, ou mélanger les deux.

Pour démarrer

Pour chaque question, trois sources ouvertes et vérifiées le 1er novembre, une par voix quand c'était possible. Une source de première main est l'étude, le rapport ou l'annonce elle-même, pas un article qui la raconte. Ce sont des points de départ : remontez à la source, et cherchez les autres voix vous-mêmes.

1. Énergie et eau

2. Emploi

3. Apprentissage

4. Hallucinations

5. Contenu généré

6. Droit d'auteur

7. Recherche IA

8. Agents navigateurs

9. Vibe coding

10. Classements

11. Agents

12. Productivité

13. Modèles ouverts

14. Images

15. Métiers créatifs

Note

Vous préférez suivre une technologie plutôt qu'une controverse, par exemple les passkeys (la connexion sans mot de passe) ? Proposez votre sujet au professeur pendant l'atelier, avant de vous inscrire.