Rechercher avec l'IA

Objectifs

À l’issue de cette leçon, vous serez capable de :

• Utiliser les compétences de Description pour formuler des prompts efficaces qui dirigent l’IA pour collecter et synthétiser des informations pertinentes à votre travail associatif
• Utiliser les compétences de Discernement pour évaluer la recherche générée par l’IA en termes de précision, pertinence et adéquation à votre contexte

La boucle Description-Discernement en action : scénario de recherche

La recherche d’informations est probablement l’usage de l’IA le plus immédiatement utile pour une association : veille réglementaire, prospection de financements, compréhension d’un nouveau public. C’est aussi l’usage où les erreurs coûtent le plus cher si elles passent inaperçues. Prenons l’exemple de Maria, directrice exécutive d’une association de logement à Portland, qui souhaite étendre ses activités à Seattle. Elle utilise l’IA pour explorer le paysage réglementaire, les opportunités de financement et les exigences de conformité de ce nouveau territoire. Son cas illustre trois principes qui valent pour toute recherche assistée par IA.

Le premier principe relève de la Description : ne posez pas de questions générales. « Quelles sont les aides au logement à Seattle ? » produira une réponse d’encyclopédie. Maria obtient bien mieux en expliquant qui elle est, qui elle sert et ce qu’elle a besoin de savoir spécifiquement : une association de logement de telle taille, servant tel public, qui doit comprendre les exigences d’enregistrement et les sources de financement locales avant de s’implanter. Ce contexte permet à l’IA de trier, hiérarchiser et fournir des informations exploitables plutôt qu’un panorama générique.

Le deuxième principe relève du Discernement, et il n’est pas optionnel. Quand la précision compte — et pour une décision d’implantation, elle compte —, vous devez évaluer les productions de l’IA de manière critique : signaler les affirmations spécifiques à vérifier auprès des sources officielles, repérer les lacunes (que manque-t-il que l’IA n’a pas mentionné ?), et questionner l’actualité des informations, car une réglementation citée peut avoir changé depuis.

Le troisième principe est l’itération. Votre premier prompt donne rarement tout ce dont vous avez besoin, et ce n’est pas un échec : c’est le fonctionnement normal de la boucle. Chaque évaluation d’une réponse vous apprend quelque chose — un angle oublié, un terme plus précis, une contrainte à ajouter — qui nourrit une meilleure question de suivi.

Exercice 1 : suivi de politiques et de législation

Choisissez un domaine de politique publique pertinent pour votre travail — par exemple, une réforme qui touche vos bénéficiaires ou votre modèle de financement. Formulez un prompt de recherche qui inclut la politique ou législation spécifique que vous voulez comprendre, le contexte de votre association (qui vous servez et pourquoi ce sujet compte pour vous), ce que vous avez précisément besoin de savoir (impact sur les bénéficiaires, implications de financement, exigences de conformité) et le cadre temporel ou géographique.

Partagez ensuite ce prompt avec l’IA et passez en mode Discernement : identifiez au moins deux affirmations nécessitant vérification, notez les perspectives manquantes pertinentes pour vos communautés, et signalez toute information qui semble obsolète ou trop générale. Terminez par un retour sur votre pratique : votre prompt initial donnait-il assez de contexte pour être utile ? Que réviseriez-vous pour un deuxième essai ? Et surtout, quelles étapes de vérification prendriez-vous avant d’utiliser ces informations dans une vraie décision ?

Si vous voulez aller plus loin, demandez à l’IA de retrouver la source originale d’une affirmation clé, puis comparez : la source dit-elle vraiment ce que l’IA lui fait dire ?

Exercice 2 : prospection de donateurs ou de subventions

Choisissez maintenant votre axe de recherche : subventions publiques, mécénat d’entreprise, fondations… Formulez un prompt incluant la mission de votre organisation et le programme spécifique qui cherche un financement, les caractéristiques de votre association (budget, zone géographique, populations servies), vos paramètres de financement (fourchette recherchée, dépenses éligibles, calendrier) et — point souvent négligé — ce qui ferait un « bon ajustement » au-delà de la simple correspondance thématique : un financeur peut travailler sur votre thème sans jamais financer des structures de votre taille.

Appliquez ensuite le Discernement avec la rigueur d’un responsable de collecte : vérifiez si les financeurs suggérés financent réellement des organisations de votre taille et de votre type, contrôlez les dates limites actuelles et les critères d’éligibilité, traquez les informations obsolètes (programmes fermés, priorités qui ont changé) et notez quels prospects s’alignent avec vos valeurs, pas seulement avec votre budget. Puis prenez du recul : l’IA a-t-elle compris ce qui rend un financeur « aligné » avec votre mission plutôt que simplement lié thématiquement ? Quels détails critiques faudrait-il vérifier avant d’investir des heures dans une candidature ? Et qu’est-ce qui manque à cette recherche que seuls vous et votre réseau pouvez savoir — la réputation d’un financeur, une relation existante, un historique de refus ?

Questions de réflexion

• Comment le fait de fournir du contexte sur votre association a-t-il changé la qualité des résultats de recherche IA ?
• Quelles habitudes de vérification intégrerez-vous à votre workflow quand vous utilisez l’IA pour la recherche ?

Points clés à retenir

• Une Description efficace fournit du contexte : ne posez pas de questions larges, expliquez qui vous êtes et ce que vous avez spécifiquement besoin de savoir
• Le Discernement n’est pas optionnel : évaluez les productions IA de manière critique, surtout quand la précision compte
• La boucle Description-Discernement est itérative : chaque évaluation affine la question suivante
• L’IA accélère la recherche mais ne remplace pas l’expertise : vous restez le décideur qui applique son jugement professionnel