Si vous avez du mal à obtenir les résultats escomptés avec les outils d’IA, le problème vient peut-être du fait que vous les abordez trop comme des logiciels traditionnels.
C’est ce que Matt Hastings a constaté lorsqu’il a commencé à s’intéresser aux LLM il y a un an. Il créait des sites Web et des applications avec l’IA, mais sans recourir à une approche agentique, une méthode qu’il a rapidement trouvé limitante. Il devait s’appuyer uniquement sur sa propre analyse du travail produit par un seul agent de codage, ce qui représentait un défi, puisqu’il ne possède aucune formation technique.
Résultat : des progrès plus lents et davantage de projets relancés à zéro. Avec une approche basée sur des agents, ceux-ci peuvent vérifier leur propre travail et mettre en place des flux de travail plus complexes. Par exemple, un agent chargé de la planification peut interagir avec un agent plus sceptique qui remet en question le plan initial. Cette dynamique crée des itérations entre les agents et aboutit à un résultat plus satisfaisant.
« Trop souvent, les gens testent un outil d’IA, n’obtiennent pas le résultat escompté après une ou deux tentatives, et abandonnent », explique Matt Hastings. « Nous sommes habitués à des expériences numériques fluides qui fonctionnent parfaitement dès le premier coup : je clique sur un bouton, j’obtiens un résultat. Les LLM ne fonctionnent jamais parfaitement du premier coup. Nous n’avons pas une maîtrise totale et les résultats sont aléatoires ; ce qui signifie que nous devons développer une nouvelle relation avec ces outils. »
« Les LLM ne fonctionnent jamais parfaitement du premier coup. Nous n’avons pas une maîtrise totale et les résultats sont aléatoires ; ce qui signifie que nous devons développer une nouvelle relation avec ces outils. »
Une grande partie des conseils en matière d’IA se concentre sur les résultats produits, mais dans des flux de travail de marketing autonome, il est tout aussi crucial de soigner ce que vous fournissez au départ. La relation ne ressemble plus à celle d’un utilisateur face à un outil, mais plutôt à celle d’un responsable qui travaille avec une équipe.
« Dès que vous commencez à raisonner de cette manière, vous réalisez que votre rôle consiste à créer les conditions pour que l’IA ait plus de chances de produire un résultat au-dessus de la moyenne, car par défaut, on obtient des résultats moyens », explique Matt Hastings. « Comment lui donner suffisamment d’informations, de contexte, de directives et de retours pour qu’elle converge vers le résultat escompté ? »
Autrement dit, il faut la préparer à réussir, comme vous le feriez avec un nouveau collaborateur dans votre équipe. Cette approche a permis à Matt Hastings de développer de nouvelles méthodes de travail autonomes, et c’est désormais une approche qu’il à d’autres cadres via son entreprise, Club MVP. Bien appliquée, cette méthode permet de bénéficier des avantages d’une bonne gestion : prendre du recul par rapport aux tâches quotidiennes, consacrer plus de temps à la stratégie et avancer sur plusieurs projets en parallèle. Cela deviendra probablement encore plus vrai à mesure que l’IA devient plus introspective (en anglais).
« Il faut la préparer à réussir, comme vous le feriez avec un nouveau collaborateur dans votre équipe. »
Graphique du MVP Club expliquant la différence entre les logiciels traditionnels et l’IA.
Voici quelques-unes des meilleures pratiques que Matt Hastings a identifiées pour former une équipe d’agents IA et devenir un meilleur responsable d’IA.
Constituer votre équipe IA : apprentissage via une documentation approfondie
Il s’agit d’un flux de travail « imagine » dans le modèle de la Triade (en anglais).
Vous n’attendriez pas d’un nouveau collaborateur qu’il produise des résultats parfaits dès son premier jour sans aucune induction préalable, et vous ne devriez pas l’exiger d’une IA non plus.
C’est pourquoi Matt Hastings affirme que la première étape pour créer un bon agent IA est une documentation exhaustive. On peut considérer cela comme l’étape d’apprentissage : il s’agit de rédiger un document détaillé expliquant précisément à l’agent quel est son rôle, et de lui fournir toutes les ressources et le contexte nécessaires pour qu’il puisse produire le résultat escompté.
« La première étape pour créer un bon agent IA est une documentation exhaustive. »
« Créer un agent, c’est un peu comme créer un personnage de film ou de littérature », explique Matt Hastings. « On peut lui donner une description, un passé, des procédures à suivre systématiquement, ou, au contraire, des choses à ne jamais faire, préciser comment il doit aborder une tâche et interagir avec d’autres agents, etc. »
Matt Hastings s’appuie fortement sur des LLM pour l’aider à rédiger la documentation destinée à ses agents IA.
« Une activité que j’aime particulièrement au début d’un projet, avant même de mettre en place la structure agentique ou la documentation, consiste simplement à demander au LLM de me poser des questions sur mon objectif », explique-t-il. Cela l’aide à débusquer des hypothèses qu’il aurait pu oublier de formuler explicitement à l’IA.
Une fois qu’il estime que lui et le LLM ont une vision claire de l’objectif, il lui demande d’effectuer des recherches en ligne pour voir comment d’autres ont structuré leurs agents afin d’atteindre un objectif similaire. Ensuite, il va encore plus loin : il demande au LLM quels documents il devrait créer et lui fait même rédiger et structurer ces documents de manière à ce qu’un agent IA, en les lisant, comprenne exactement ce qu’il doit faire. « C’est une relation de travail très bidirectionnelle, totalement différente de celle que l’on a avec un logiciel traditionnel », ajoute Matt Hastings.
Considérer l’IA comme un membre de l’équipe plutôt que comme un outil change tout. Le spécialiste du marketing autonome propose des cadres pour la création, la gestion et le perfectionnement d’agents IA, envoyés toutes les deux semaines, sans superflu.
Recherche et mise en place d’un répertoire de projet avec Claude.
Récupération de la documentation du projet pour les agents auprès de Claude.
Ensuite, muni d’une documentation claire, il peut importer tout ce contexte pour créer votre nouvel assistant IA. Il procède généralement via des fichiers et des dossiers dans VS Code, mais précise que cela revient au même que d’ajouter ces informations dans la fonction « Projet » de ChatGPT ou Claude.
Gestion de la performance : affiner grâce aux retours
Il s’agit d’un flux de travail « valider » dans le modèle de la Triade (en anglais).
Même avec un apprentissage poussé, on ne peut pas s’attendre à ce que l’IA fonctionne parfaitement du premier coup, tout comme on ne s’attendrait pas à ce qu’un nouveau collaborateur ne fasse jamais d’erreur. C’est pourquoi l’étape suivante consiste à laisser votre agent IA faire le travail, puis à l’améliorer grâce aux retours.
« Il faut déléguer, faire confiance et s’appuyer sur les retours comme principal outil pour rectifier le tir », explique Matt Hastings. « Votre contrôle s’exerce surtout au début et à la fin, ainsi que sur le rythme des itérations. »
« On ne peut pas s’attendre à ce que l’IA fonctionne parfaitement du premier coup, tout comme on ne s’attendrait pas à ce qu’un nouveau collaborateur ne fasse jamais d’erreur. »
C’est pourquoi, selon lui, il est important d’agir vite et de fournir de nombreux retours lorsqu’on construit des agents d’IA. Mettez en place une première version de votre documentation, laissez l’agent faire son travail, puis utilisez les résultats obtenus pour affiner la documentation.
On peut presque comparer ces séances de retours à des évaluations de performance. Matt Hastings se tourne de nouveau vers le LLM qui l’a aidé à rédiger la documentation initiale et lui présente les résultats obtenus, ainsi que ce qui n’a pas fonctionné. Parfois, il demande même au LLM de s’auto-évaluer.
« Je vérifie qu’il se souvient bien de mes objectifs, puis je demande : "Est-ce que cela correspond à l’objectif ?" » Parfois, c’est le cas, parfois non. Mais dans tous les cas, cela ouvre la discussion sur les points à améliorer.
Conversation d’amélioration avec Claude.
À partir de là, il demande au LLM comment mettre à jour la documentation afin de corriger les problèmes identifiés.
« Ensuite, on relance le système, et on répète l’opération jusqu’à obtenir un résultat optimal et cohérent », explique Matt Hastings. « Je pense que la meilleure façon d’utiliser ces outils est d’itérer le plus rapidement possible, car il faut souvent cinq ou six cycles avant d’obtenir un système vraiment performant. »
Matt Hastings souligne également l’importance de créer un agent orchestrateur. « Cet agent reçoit des instructions pour activer différents agents en fonction des tâches à accomplir. L’orchestrateur interprète une commande ou un message de ma part, puis détermine quels agents doivent être mobilisés », explique-t-il. « Ces sous-agents disposent de leur propre fenêtre de contexte et reçoivent des instructions de l’orchestrateur pour exécuter leurs tâches. »
Oui, cela demande du temps au départ, mais c’est l’investissement nécessaire pour construire une équipe agentique qui vous facilitera la vie à long terme. Matt Hastings ajoute qu’il faut faire preuve de persévérance et garder confiance en la capacité de l’outil à atteindre vos objectifs, à condition de travailler avec lui de manière structurée.
Pour commencer : les compétences de leadership en IA que vous pouvez acquérir
Le principal avantage de cette nouvelle approche du travail avec l’IA ? Contrairement à des compétences techniques complexes qui peuvent sembler inaccessibles, ce type de gestion s’apprend sans problème.
Le meilleur point de départ ? Une pratique continue, basée sur l’expérimentation répétée.
« Utilisez l’outil quotidiennement, fixez-vous un objectif et travaillez avec le LLM pour déterminer comment l’atteindre. » Vous pouvez commencer par la plus petite tâche possible au sein d’un flux de travail (rédiger du contenu, analyser la performance de différentes campagnes publicitaires) et voir si vous parvenez à faire accomplir cette tâche par un agent IA.
Prêt à passer du rôle opérateur à celui d’orchestrateur ? Rejoignez Le spécialiste du marketing autonome et découvrez comment construire des équipes IA qui démultiplient votre impact, grâce à des tactiques concrètes proposées toutes les deux semaines.
Graphique du MVP Club expliquant la nouvelle dynamique d’équipe IA.
Si vous avez le sentiment d’être bloqué, demandez de l’aide au LLM.
« Vous devriez avoir le sentiment de ne plus jamais vous sentir bloqué, car vous avez à disposition l’outil ultime pour vous débloquer », explique-t-il. « Vous pouvez toujours lui demander : "Comment je fais ça ?" »
Enfin, il suggère de rejoindre une communauté de personnes avec qui apprendre et échanger.
« L’IA va bouleverser nos carrières professionnelles, et il vaut mieux traverser cette transformation ensemble, plutôt que seul », affirme Matt Hastings. « C’est en partageant une adoption enthousiaste de ces outils que nous apprendrons le plus. »
Avec l’IA, « Vous pouvez toujours lui demander : "Comment je fais ça ?" »
Cessez de considérer l’IA comme un logiciel. Commencez à la gérer comme une équipe.
L’approche de Matt Hastings prouve que le secret de la réussite avec l’IA ne réside pas dans de meilleures invites, mais dans une meilleure gestion. Le spécialiste du marketing autonome vous propose :
- Des cadres de référence pour construire et encadre des équipes d’agents IA
- Des exemples concrets de flux de travail de spécialistes du marketing passant du rôle d’opérateur à celui d’orchestrateur
- Des stratégies pour consacrer moins de temps à l’exécution et plus de temps à la réflexion stratégique
« Les LLM ne fonctionnent jamais du premier coup. », mais avec la bonne approche, ils peuvent transformer votre manière de travailler. Abonnez-vous à la newsletter Le spécialiste du marketing autonome (en anglais) →
