Construire une spécification exploitable pour l'IA
Résultat visé
Une spécification qui définit, avant toute exécution par l'IA, le résultat recherché, sa fonction, son périmètre, ses contraintes et les critères qui permettront de dire si le travail est terminé — première couche de la méthode des trois couches.
Prérequis
Distinguer la production demandée de sa finalité. Une demande comme « crée un rapport de fin de mois » décrit une tâche, pas un objectif : elle ne précise ni la décision que le rapport doit permettre de prendre, ni les données importantes, ni le destinataire, ni le niveau de détail attendu, ni les critères d'acceptation. Sans ces éléments, l'IA doit faire des hypothèses, et chaque hypothèse non vérifiée augmente le risque d'écart entre le résultat produit et le résultat réellement utile.
Étapes
- Faire émerger l'objectif. Distinguer tâche, objectif, décision permise, public et critère de réussite — au besoin en demandant à l'IA d'interroger l'utilisateur avant l'exécution plutôt que de deviner. Une formulation concrète de cette consigne : demander à l'IA d'interviewer l'utilisateur en lui posant autant de questions que nécessaire pour clarifier l'objectif réel du projet et la direction poursuivie. Cette phase ne délègue pas la définition de l'objectif à l'IA : elle l'utilise pour extraire et formaliser une compréhension que l'utilisateur détient déjà, dans un enchaînement décrit comme un « sandwich humain-IA-humain » — l'humain fixe l'objectif, l'IA exécute, l'humain vérifie.
- Découper en unités contrôlables. Un fonctionnement en cascade confie l'ensemble du travail à l'IA puis n'examine le résultat qu'à la fin — une interprétation initiale incorrecte peut alors affecter toute la production. Un fonctionnement par cycles courts délimite une petite partie du travail, définit un résultat observable, le fait produire, l'examine, corrige la direction, puis passe à l'unité suivante. Le découpage doit éviter un périmètre trop large, qui multiplie les hypothèses non vérifiées, et un morcellement excessif, qui fait perdre la cohérence générale du projet.
- Documenter la spécification. Un modèle minimal réunit dix éléments : objectif réel, décision ou action attendue, public ou utilisateur final, périmètre, exclusions, entrées disponibles, contraintes, livrable observable, critères d'évaluation, points de contrôle.
- Faire valider les décisions essentielles. Une spécification produite avec l'aide de l'IA n'est pas acceptée automatiquement : l'utilisateur examine explicitement objectif réel, périmètre, contraintes, exclusions, dépendances, critères de réussite et conséquences des principaux choix.
Contrôles
La spécification indique à l'IA ce qu'elle doit faire ; elle ne prouve pas que le résultat produit est correct — c'est le rôle de la couche suivante, voir Vérifier le résultat produit par une IA. La validation explicite des décisions essentielles réduit les dérives sans les éliminer : une spécification précise reste une représentation du besoin, à confronter ensuite au résultat obtenu.
Erreurs et récupération
Accepter une spécification produite par l'IA sans l'examiner comme un ensemble de décisions revient à déplacer le problème d'interprétation d'un endroit à un autre, sans le résoudre. Un périmètre trop large dans le découpage rend les erreurs coûteuses à corriger ; un morcellement excessif dilue la cohérence du projet — les deux défauts se corrigent en resserrant ou en élargissant la taille des unités jusqu'à ce que chacune produise un résultat observable et vérifiable en un temps raisonnable.