Formation Claude : par où commencer dans une entreprise

Une formation Claude utile commence par les tâches réelles d’une équipe, pas par une présentation de l’outil. La progression qui fonctionne tient en trois paliers : savoir formuler une demande, savoir vérifier une réponse, savoir choisir quand ne pas s’en servir. Le troisième palier est celui qu’on saute le plus souvent, et c’est celui qui détermine si l’usage tient dans le temps.

Ce qu’il faut savoir avant de former

Claude n’est pas un produit unique mais une famille de modèles. La documentation d’Anthropic distingue notamment Claude Opus, Claude Sonnet et Claude Haiku, positionnés différemment sur l’axe capacité et rapidité. Les modèles Opus et Sonnet actuels disposent d’une fenêtre de contexte d’un million de jetons, là où Haiku travaille sur une fenêtre plus courte.

Cette distinction a une conséquence pratique immédiate pour une formation. La fenêtre de contexte détermine la quantité de matière qu’on peut soumettre en une fois : un long rapport, un jeu de comptes rendus, une base documentaire réduite. Une équipe qui ignore cette notion découpe ses documents inutilement, ou au contraire soumet des ensembles trop gros et s’étonne du résultat.

Le second point à poser avant toute manipulation est que le modèle produit une réponse plausible, ce qui n’est pas la même chose qu’une réponse exacte. Toute la suite de la formation découle de cette phrase.

La progression en trois paliers

Le premier palier est la formulation. Il s’agit d’apprendre à donner du contexte et une intention plutôt qu’à empiler des consignes impératives. C’est le palier le plus rapide à franchir et celui qui produit le gain le plus visible. Une demi-journée suffit généralement, à condition de travailler sur les documents réels de l’équipe et non sur des exercices génériques. Le détail de la méthode mérite un temps dédié, que couvre l’apprentissage de l’écriture d’un prompt pour Claude.

Le deuxième palier est la vérification. Il consiste à installer un réflexe : savoir quelles affirmations doivent être contrôlées, et comment. Ce palier est plus lent, parce qu’il ne s’agit pas d’une technique mais d’une habitude. Il se travaille en faisant relire par les participants des réponses qui contiennent une erreur volontaire, jusqu’à ce qu’ils la trouvent sans qu’on les prévienne.

Le troisième palier est le discernement : reconnaître les tâches où l’outil n’apporte rien, ou bien celles où il apporte quelque chose mais où le coût de vérification annule le gain. C’est le palier qui distingue une équipe formée d’une équipe enthousiaste, et il ne s’atteint qu’après plusieurs semaines d’usage réel.

Combien de temps faut-il prévoir ?

La partie en salle est courte. L’essentiel se joue dans les semaines qui suivent, quand les participants rencontrent leurs propres cas et n’ont plus de formateur à côté d’eux. Une formation qui s’arrête à la fin de la session produit un pic d’usage puis un retour à l’état antérieur.

Deux dispositifs simples changent le résultat. Le premier est un point de reprise à quelques semaines, consacré uniquement aux cas rapportés par les participants. Le second est un endroit où l’équipe dépose ce qui a marché, afin que chacun ne redécouvre pas seul ce que son voisin a déjà trouvé. Ce travail d’appropriation collective relève de l’acculturation à l’IA autant que de la formation elle-même.

Choisir le bon modèle selon la tâche

Le réflexe le plus utile à transmettre est qu’il n’y a pas de modèle par défaut correct pour tout. Les tâches courtes et répétitives, la reformulation, le classement, gagnent à passer par un modèle rapide. Les tâches d’analyse, de rédaction longue ou de raisonnement sur un dossier volumineux justifient un modèle plus capable.

Sur le détail des caractéristiques, mieux vaut renvoyer les participants à la documentation officielle d’Anthropic plutôt que de figer des chiffres dans un support de cours. Ces informations changent, et un support daté fait plus de dégâts qu’un support qui apprend à aller chercher la source.

Mesurer si la formation a servi

Le nombre de connexions ne mesure rien. Trois indicateurs plus honnêtes.

Le premier est la proportion de participants qui ont intégré l’outil dans une tâche récurrente, pas dans un essai. Une seule tâche par personne suffit à considérer que le premier palier est franchi.

Le deuxième est le nombre d’erreurs détectées par les participants eux-mêmes. Une équipe qui ne signale jamais d’erreur ne vérifie pas.

Le troisième est le nombre de cas où quelqu’un a décidé de ne pas utiliser l’outil et peut expliquer pourquoi. C’est le signe le plus fiable du troisième palier, et le plus difficile à obtenir.

Ces mesures ne demandent aucun outillage particulier, seulement une question posée à intervalle régulier. Elles s’inscrivent naturellement dans un dispositif de formation IA en entreprise par AI Makers, où l’objectif n’est pas l’adoption de l’outil mais la capacité de l’équipe à s’en passer quand il le faut.