L’un des usages les plus sous-estimés de ChatGPT consiste à en faire un tuteur. Les utilisateurs le découvrent d’abord pour les e-mails et les feuilles de calcul, passent un temps à ignorer cette possibilité, puis ne reviennent plus en arrière une fois qu’ils l’ont essayé pour apprendre.
L’IA est, par sa nature même, bien adaptée au tutorat. Elle est patiente, ne se lasse jamais, reste disponible à 2 heures du matin, peut expliquer la même chose une cinquième fois sans montrer d’impatience et accepte de vous interroger pendant une heure. Elle a seulement besoin que vous structuriez l’échange au moyen d’un cycle de quatre prompts, qui transforme une simple conversation en cours particulier.
Cet article présente ce cycle et explique comment l’utiliser.
Pourquoi l’approche évidente ne fonctionne pas
Le réflexe consiste à écrire « expliquez les intérêts composés », puis à lire la réponse. Cette approche fonctionne pendant les trente premières secondes, mais ne permet pas vraiment d’apprendre. Vous lisez un paragraphe, acquiescez, puis l’oubliez.
Il manque les éléments qui permettent réellement d’apprendre : des exemples résolus, le rappel actif et des commentaires sur vos réponses. Le cycle de quatre prompts s’articule autour de ces éléments.
Le cycle de quatre prompts
Prompt 1 — Obtenir l’explication.
Prompt 2 — Obtenir des exemples résolus.
Prompt 3 — Se faire poser des questions.
Prompt 4 — Identifier ce à quoi revenir.
Faites les quatre dans une seule conversation. Chacun s’appuie sur le précédent.
Prompt 1 : obtenir trois explications différentes
Choisissez un sujet. N’importe quel sujet que vous avez toujours voulu comprendre. Commencez par :
Je veux apprendre [sujet]. Voici quelques informations sur mon niveau : [ce que vous savez déjà, votre objectif et la raison pour laquelle le sujet vous intéresse].
Expliquez-le de trois façons différentes, chacune en environ 150 mots :
- À une personne sans aucune connaissance préalable (niveau d’un enfant curieux de 12 ans).
- À un professionnel de métier différent — précis mais accessible.
- À moi, en tenant compte de ce que je vous ai dit sur mon niveau, selon l’angle le plus utile au regard de mon objectif.
Incluez un exemple concret dans chacune. Dites-moi si l’une d’entre elles est trop simplifiée au point d’être trompeuse.
Trois points sont à noter. Vous ne demandez pas une définition, mais trois explications. Vous indiquez votre niveau afin que la troisième version soit adaptée. Enfin, vous invitez le modèle à signaler les limites d’une analogie, ce qu’il fera étonnamment souvent si vous le lui demandez.
La troisième version provoque généralement le déclic qui manquait à la première. Si ce n’est pas le cas, demandez : « Réessayez la version 3, mais avec une autre analogie et un autre exemple. »
Prompt 2 : obtenir des exemples résolus
Comprendre un concept et savoir l’appliquer sont deux choses différentes. Les exemples résolus font le lien entre les deux : ils présentent un problème et en expliquent la solution étape par étape. Voici un prompt fiable :
Maintenant, donnez-moi trois exemples résolus qui montrent comment l’appliquer en pratique. Pour chacun :
- Décrivez la situation en une ou deux phrases.
- Expliquez la solution étape par étape.
- Soulignez l’étape décisive, celle qui bloquerait une personne ne maîtrisant pas le concept.
Commencez par un exemple facile. Faites le deuxième de difficulté moyenne. Faites le troisième avec une subtilité réelle.
C’est ici que l’IA surpasse nettement la plupart des manuels : elle peut générer des exemples adaptés à votre niveau. Si un exemple est trop facile ou trop difficile, dites-le. « Rendez le troisième exemple plus difficile : montrez-moi un cas où l’approche évidente donne une mauvaise réponse. »
Après trois exemples résolus, vous devriez comprendre à quoi ressemble l’application du concept en pratique, et pas seulement ce qu’est ce concept.
Prompt 3 : se faire interroger
Vient ensuite le rappel actif. C’est le prompt le plus important et celui que la plupart des gens omettent. Le rappel actif — répondre à une question, retrouver une réponse en mémoire, puis recevoir un commentaire — est la méthode d’apprentissage la plus fiable que nous connaissions. La simple lecture est beaucoup moins efficace. L’IA facilite cette pratique :
Maintenant, posez-moi des questions. Posez-moi dix questions sur ce que nous avons couvert, en mélangeant les faciles et les difficiles. Règles :
- Une question à la fois. Attendez ma réponse avant de passer à la suivante.
- Après ma réponse, dites-moi si elle est correcte, ce que j’ai oublié et, si je me trompe, quel concept précis je devrais revoir.
- Ne me donnez pas la réponse si j’écris « sauter ».
- Vers la sixième question, insérez une question qui exige de combiner deux choses, pas seulement de rappeler une seule.
- À la fin, résumez les deux ou trois concepts que je devrais revoir le plus.
L’instruction « une question à la fois » est importante. Sans elle, le modèle posera les dix questions d’un coup ; vous les lirez ensemble et sauterez l’étape du rappel. Lorsqu’elles arrivent une par une, vous devez réellement réfléchir à chacune.
Après dix questions, le résumé à la fin est là où l’apprentissage réel se produit. Vous verrez clairement ce que vous ne comprenez toujours pas.
Prompt 4 : déterminer ce qu’il faut revoir
C’est la passe de consolidation. Après le quiz, poursuivez ainsi :
En fonction de mes erreurs et des questions auxquelles j’ai répondu « sauter », donnez-moi un court plan de révision :
- Les deux concepts que je devrais revoir, et pourquoi je les ai manqués.
- Pour chacun, un court exemple résolu qui cible précisément l’étape sur laquelle j’ai buté.
- Un quiz de trois questions, uniquement sur ces deux concepts.
Ne revenez pas sur les éléments que j’ai manifestement compris.
Il est impossible de le faire seul de manière fiable : vous ne pouvez pas toujours repérer ce que vous ne comprenez pas. Le modèle le peut, car il dispose de l’historique de vos erreurs. Le plan de révision est adapté à vos lacunes, et non à des difficultés générales.
Répétez les prompts 3 et 4 le lendemain, en demandant au modèle de vous poser des questions sur ce que vous avez couvert la veille. Vous serez surpris par la quantité de choses qui restent ancrées par rapport à la simple lecture.
Là où ce cycle fonctionne le mieux
Le cycle est général. Les gens l’ont utilisé pour apprendre :
- Une nouvelle compétence technique (Python, statistiques, comptabilité, apprentissage automatique, un framework ou un outil spécifique)
- Un vocabulaire ou un point de grammaire d’une langue étrangère
- Un régime réglementaire (RGPD, le règlement européen sur l’IA, les bases fiscales d’un pays, un type spécifique de contrat)
- Un nouveau poste qu’ils viennent d’occuper (que signifie « Series A », qu’est-ce qu’un processus commercial, qu’est-ce qu’un OKR)
- Un sujet médical ou scientifique qu’ils veulent comprendre à un niveau amateur sérieux
- Un nouveau produit ou une base de code, en collant la documentation et en demandant au modèle de les interroger
Le modèle est le même. Explication, exemples, quiz, révision.
Quelques petites variations
Répétition espacée. Demandez au modèle de répartir vos révisions sur plusieurs jours. « Interrogez-moi d’abord sur le contenu d’hier, puis sur celui d’aujourd’hui. »
Apprendre en enseignant. Après le quiz, demandez au modèle de jouer le rôle d’un étudiant curieux, puis expliquez-lui le sujet. Faire semblant d’enseigner est l’une des méthodes les plus fiables pour découvrir ses propres lacunes.
Comparer et contraster. Une fois que vous comprenez un sujet, demandez : « Quelle est la confusion la plus courante entre X et Y ? » L’analyse des erreurs apprend souvent plus sur le concept que l’explication originale.
Version fondée sur les principes premiers. Pour les sujets ayant une longue histoire ou beaucoup de jargon, essayez : « Expliquez ce sujet à partir des principes premiers, en partant de notions que tout adulte instruit comprend déjà, puis progressez jusqu’à l’état actuel des connaissances sans employer de jargon. Introduisez chaque terme technique uniquement lorsque nous en avons besoin. »
Une subtilité à connaître
Le modèle n’est pas infaillible sur le fond. Il est fiable sur les sujets bien connus, mais peut inventer des informations sur des sujets spécialisés, des domaines de recherche qui évoluent rapidement ou des détails précis comme une date ou une citation. La solution reste la même : lorsqu’un détail précis compte, demandez au modèle d’utiliser la recherche, fournissez-lui la source ou vérifiez sa réponse auprès d’une autre source.
Mais pour le processus d’apprentissage — expliquer, structurer, poser des questions, calibrer — il est excellent. Même quand il est légèrement faux sur un fait spécifique, la structure de la leçon qu’il génère est solide, et vous pouvez corriger le fait et continuer.
Le cycle complet, en une seule ligne
Explication → exemples → quiz → révision. Essayez ce cycle demain sur un sujet que vous avez toujours voulu comprendre. Vingt minutes plus tard, vous mesurerez la différence apportée par un professeur patient : c’était cela qui manquait, et non un sujet plus facile.
