Vos équipes utilisent déjà l'IA. La question, c'est comment.

Des formations sur mesure au prompting et aux outils d'IA générative (Copilot, ChatGPT, Claude, Gemini pour Google Workspace), du socle jusqu'à la création d'agents IA, en intra-entreprise et calées sur votre métier.

Aucun prérequis technique. Ces formations s'adressent aux équipes métier, RH, finance, communication, direction, pas aux développeurs.

Oui, sur les quatre : Copilot (Microsoft 365 et Copilot Studio), ChatGPT, Claude, et l'IA dans Google Workspace (Gemini, Gems, NotebookLM), selon l'environnement déjà déployé chez le client.

Oui, chaque programme est bâti sur des cas d'usage et des jeux de données propres au métier, santé animale, logement social, distribution, industrie, jamais des exemples génériques.

Les deux formats, principalement en intra-entreprise. Basé à Paris, intervention partout en France.

Il précise le rôle confié à l'IA, le contexte, la tâche exacte et le format attendu (méthode RCTF). La qualité d'une réponse ne dépend pas de l'outil, mais de la clarté de l'intention.

En cadrant la demande, en fournissant les bonnes sources et en vérifiant systématiquement, un réflexe intégré à chaque formation.

Pour une demande simple, la méthode RCTF suffit. Pour une requête plus complexe, qui doit convaincre un public précis avec un style et un ton précis, la méthode CO-STAR ajoute des dimensions utiles.

• Contexte : donnez la situation de départ ou l'arrière-plan du problème.
• Objectif : définissez la tâche précise ou le but exact de la demande.
• Style : indiquez la manière d'écrire (par exemple : journalistique, académique ou direct).
• Ton : précisez l'attitude ou l'émotion (par exemple : formel, bienveillant, enthousiaste ou neutre).
• Audience : nommez le public cible pour adapter le vocabulaire et le niveau de détail.
• Réponse (ou Résultat) : explicitez le format de sortie attendu (liste à puces, tableau, paragraphe ou code JSON).

Les deux méthodes se complètent : RCTF cadre la demande, CO-STAR affine la forme attendue pour les cas les plus exigeants.

Agents autonomes, fiabilité des modèles, efficacité et sobriété, IA multimodale et gouvernance : cinq axes qui structurent aujourd'hui la recherche.

Non. Des performances élevées ne garantissent ni l'exactitude ni la robustesse. Les résultats importants doivent être vérifiés.

Une IA peut produire une réponse plausible mais erronée. Sources, comparaison des réponses et validation humaine restent nécessaires selon le niveau d'enjeu.

L'IA peut désormais planifier, utiliser des outils et enchaîner des actions. Le contrôle doit donc porter aussi sur le processus, pas seulement sur le résultat.

Elle permet de traiter texte, image, audio, vidéo et documents. Elle élargit les usages, mais aussi les possibilités d'erreur et les besoins de vérification.

Au-delà du prompting, savoir décomposer, contextualiser, vérifier, comparer et évaluer les productions de l'IA, tout en conservant la décision humaine.

Un outil à qui l'on délègue une tâche cadrée : il enchaîne des actions selon des règles définies, pas seulement une conversation. Deux familles : réactif et proactif.

Le mode réactif intervient à la demande de l'utilisateur : l'humain prend l'initiative, formule une requête et l'IA produit une réponse ou réalise une tâche.

Exemples :

• Interroger un assistant Teams sur une procédure RH : « Quelle est la politique de télétravail ? »
• Demander à Gemini de résumer un long compte-rendu qui vient d'être partagé.
• Demander à Copilot de générer une formule Excel complexe.

Le mode proactif intervient sans nouvelle sollicitation de l'utilisateur. L'agent surveille un événement, une condition ou une échéance, puis déclenche une action prévue par son fonctionnement.

Exemples :

• Gemini Spark (Google), agent connecté à Gmail et à l'agenda : détecte l'annulation d'un vol dans un e-mail et prépare un itinéraire alternatif dans le calendrier.
• Suivi de projet : constater qu'un livrable n'a pas été déposé à l'échéance et préparer un e-mail de relance.
• Préparation de réunion : rassembler automatiquement les documents pertinents avant un rendez-vous et générer une synthèse.

Ce que cela change en matière de risque

Réactif/proactif décrit l'origine du déclenchement, tandis que l'autonomie décrit ce que l'agent est autorisé à faire une fois déclenché : ce sont deux axes différents, à ne pas confondre.

En mode réactif, l'utilisateur contrôle principalement le déclenchement : il pose la question, examine le résultat et décide généralement de la suite.

En mode proactif, l'agent peut prendre l'initiative. Le principal enjeu devient donc le périmètre d'autonomie qui lui est accordé.

On peut distinguer trois niveaux :

• Notifier : l'agent détecte une situation et alerte l'utilisateur.
• Préparer : l'agent analyse la situation et produit un brouillon ou une recommandation que l'humain valide.
• Exécuter : l'agent réalise automatiquement l'action autorisée.

À retenir : proactif ne signifie pas nécessairement autonome. Un agent peut être proactif mais fortement supervisé, par exemple lorsqu'il détecte un événement et prépare une action qui nécessite une validation humaine.

Cette distinction est importante pour la gouvernance : plus l'agent peut agir sans validation humaine, plus il faut maîtriser ses permissions, ses conditions de déclenchement, son périmètre d'action, sa traçabilité et les mécanismes d'arrêt.

Par le réactif, presque toujours : service immédiat, risque faible. Le proactif vient une fois le cas d'usage stabilisé et les garde-fous posés.

Oui, avec Copilot Studio ou des GPT personnalisés, souvent le meilleur rapport valeur/effort. TEGAMi forme précisément à cette étape.

En le figeant dans un assistant configuré une fois, GPT personnalisé ou Skill/projet Claude, réutilisé chaque jour et partagé à l'équipe, plutôt que réécrit à chaque fois. C'est l'objet du programme « Automatiser vos tâches avec Skills & GPT ».

Trois questions à trancher : le rôle exact de l'agent, où l'humain intervient, comment garder le contrôle. Tant qu'elles ne sont pas claires, on reste au stade du test.

Un état des lieux des usages en place, du niveau des équipes, des cas d'usage prioritaires et des risques (données, conformité), débouchant sur une feuille de route concrète.

La formation monte les équipes en compétence sur les outils et la méthode. Le conseil intervient en amont, audit, choix d'outils, passage POC vers production. Les deux se combinent souvent.

Oui. Le GEO (Generative Engine Optimization) consiste à rendre une marque repérable et citée par les assistants IA. TEGAMi propose une formation dédiée aux professionnels de la communication et des médias.