Utiliser l’IA en conscience demande quatre compétences, selon le modèle des 4D de Rick Dakan et Joseph Feller. Après plusieurs mois de pratique quotidienne avec Claude (prompts, instructions, projets, skills), je relis ce modèle à la lumière de la slow tech : moins de friction, plus de qualité, et l’humain qui garde la main.
Pourquoi parler d’IA sur un site slow tech ?
On associe souvent l’IA à la vitesse : produire plus, plus vite, avec moins d’effort. Sur hu-tech.ch, je défends une autre idée. Je ne cherche pas à en faire plus. Je cherche à travailler avec le moins de friction possible, pour garder mon énergie pour ce qui compte et profiter du reste.
L’IA peut servir ce projet ou le trahir. Tout dépend de la manière dont on s’en sert. J’utilise Claude depuis plusieurs mois, pour mes articles, pour de petits outils et également dans le cadre professionnel. J’ai appris, souvent par erreur, à écrire des consignes claires, à organiser mon travail en projets et à créer des skills réutilisables.
Pour mettre des mots sur cette expérience, je m’appuie sur un modèle simple : les 4D de la maîtrise de l’IA. Il ne parle pas d’outils ou d’astuces. Il parle de compétences humaines.
Au début, je posais à l’IA des questions que je croyais simples, comme comprendre un document médical (j’utilise Lumo pour ce genre de démarche liée à mes données personnelles).
Ces questions en apparence simples touchaient en fait à mes données les plus sensibles.
Tout ce que je confie à une IA en ligne quitte mon appareil et, selon le service et ses réglages, peut être conservé ou servir à entraîner de futurs modèles. J’ai donc appris à choisir l’outil d’après la sensibilité de la donnée, avant même de regarder ce qu’il sait faire.
Puis, à mesure que je me documentais sur l’IA, des idées ont commencé à germer : réparer du code, créer du code (pour mon projet d’appareil photo low-tech sur mon Light Phone III), améliorer le SEO de mes sites… jusqu’à oser créer une skill très spécifique et à la faire progresser.
Plus ma découverte de son potentiel avance, plus des idées me viennent pour limiter la friction dans mon quotidien.
Le modèle des 4D en bref
Le modèle a été développé par le professeur Rick Dakan (Ringling College of Art and Design) et le professeur Joseph Feller (University College Cork). Les cours qui en découlent ont été produits avec Anthropic, l’entreprise qui développe Claude, et sont diffusés sous licence Creative Commons BY-NC-SA 4.0 (aifluencyframework.org).
Les auteurs définissent la maîtrise de l’IA (AI Fluency) comme la capacité d’interagir avec ces systèmes de manière efficace, efficiente, éthique et sûre (Anthropic, AI Fluency). Le terme « fluency » compte : on parle d’une aisance qui se cultive, comme dans une langue, et pas d’un mode d’emploi.
Les quatre compétences :
- Délégation : décider ce que l’on confie à l’IA et ce que l’on garde.
- Description : communiquer clairement avec l’IA.
- Discernement : évaluer d’un œil critique ce que l’IA produit et la manière dont elle se comporte.
- Démarche responsable (Diligence en anglais) : assumer la responsabilité de ce que l’on fait avec l’IA.
Ces compétences ne forment pas une procédure en quatre étapes. Joseph Feller les décrit comme des zones qui se recouvrent (Disco, 2025). On décrit, on évalue, on reprend la description, et ainsi de suite.
Le modèle distingue aussi trois manières de travailler avec l’IA :
- Automatisation : l’IA exécute une tâche précise sur instruction.
- Augmentation : l’humain et l’IA réfléchissent et produisent ensemble.
- Agentivité (Agency) : on configure l’IA pour qu’elle agisse de manière autonome, en façonnant ses connaissances et son comportement plutôt qu’en lui donnant des tâches.
Délégation : choisir ce que je garde
La délégation commence avant d’ouvrir l’outil. Le modèle y range trois savoirs : comprendre son propre objectif, connaître les forces et les limites de l’IA utilisée, puis répartir les tâches (Anthropic, lexique AI Fluency).
Pour moi, la question slow tech se pose ici. Je ne délègue pas ce qui me fait grandir ni ce qui porte ma voix. Je délègue ce qui m’use sans rien m’apprendre : reformater un texte, vérifier une syntaxe, écrire un bout de code que je ne saurais pas écrire seule mais dont je comprends le rôle.
Quelques questions que je me pose avant de déléguer :
- Est-ce que je sais déjà ce que je veux obtenir ?
- Est-ce que je perdrais quelque chose d’important en ne le faisant pas moi-même ?
- Est-ce que l’outil est fiable pour ce type de tâche ?
- Est-ce que les données que je vais lui confier peuvent sortir de chez moi ?
Par exemple, je ne délègue d’habitude pas à l’IA la rédaction de mes articles pour hu-tech.ch. L’idée et le brouillon viennent de moi, puis je m’appuie sur l’IA pour améliorer la syntaxe et pour découvrir de nouvelles sources, que je vérifie ensuite. Pour cet article, j’ai en revanche tenté l’expérience inverse : Claude a rédigé un premier jet à partir de mes idées, que j’ai ensuite repris, corrigé et complété avec mes propres exemples. Cette inversion m’a obligé à relire chaque phrase avec encore plus d’exigence.
Description : du prompt au skill
La description ne se limite pas au prompt. Le modèle en distingue trois facettes : décrire le résultat attendu (format, public, style), décrire la démarche que l’IA doit suivre, et décrire le comportement qu’on attend d’elle pendant l’échange (Anthropic, lexique AI Fluency).
Mon apprentissage avec Claude suit presque exactement ce chemin. J’ai commencé par des prompts isolés. J’ai ensuite écrit des préférences générales, puis des projets avec leurs propres consignes, et enfin des skills.
Outil dans Claude | Ce que je décris | Facette du modèle |
|---|---|---|
Prompt | Ce que je veux maintenant, pour cette tâche | Résultat |
Préférences personnelles | Ma manière d’écrire, le ton, ce que je refuse (par exemple les effets de style creux) | Comportement |
Projet et ses instructions | Le contexte d’un domaine : mon site, ma ligne éditoriale, mes documents de référence | Comportement et démarche |
Skill | Une méthode réutilisable, avec ses étapes et ses modèles | Démarche |
Chaque niveau m’évite de répéter ce que j’ai déjà bien dit une fois. La friction baisse, et la qualité monte, parce que l’effort de clarté a été fait à froid, au calme, et pas dans l’urgence d’une tâche.
Ce travail ressemble beaucoup à l’écriture d’une bonne consigne pour un humain. Il oblige à savoir ce qu’on veut. Souvent, c’est en écrivant les instructions d’un projet que j’ai clarifié ma propre ligne éditoriale.
Avec les projets et les skills, on glisse vers le troisième mode du modèle, l’agentivité : on ne donne plus seulement des tâches, on configure un comportement durable. Ce glissement demande plus de discernement, pas moins.
Voici un extrait des préférences générales que j’ai données à Claude (dans Paramètres > Compte) :
STYLE (toutes les réponses)
• Réponds en français avec la typographie française, sauf si je demande une autre langue. Pas d’emojis.
• Remplace le tiret cadratin (—), dans toutes les langues, par une virgule, deux-points ou des parenthèses.
• Livre chaque idée directement, sans phrase qui l’annonce (« Voyons maintenant… », « Point important: »).
• Écris des phrases simples, sujet-verbe-complément, sans effet rhétorique. En particulier:
◦ pas de pseudo-clivée ni de présentatif emphatique : « X compte » plutôt que « Ce qui compte, c’est X » ou « C’est X qui compte »…
[…]
Ces consignes très précises éliminent les tics d’écriture typiques des IA, comme les tirets cadratins en série ou les emojis (inutiles !). Le texte gagne en sobriété et se rapproche de ma propre manière d’écrire.
Discernement : relire comme un éditeur exigeant
Le discernement consiste à juger ce que l’IA produit : l’exactitude et la pertinence du résultat, la logique du raisonnement qui y mène, et le comportement de l’IA pendant l’échange (Anthropic, lexique AI Fluency).
Une IA s’exprime toujours avec aplomb, même quand elle se trompe. Le ton sûr de lui ne prouve rien. Je relis donc ses réponses comme je relirais le texte d’un stagiaire brillant mais pressé.
Mes réflexes :
- Je vérifie chaque chiffre, date ou citation à sa source, en ouvrant la page et pas seulement le lien.
- Je me méfie d’une réponse qui va exactement dans mon sens.
- Je demande à l’IA ce qui pourrait être faux dans sa propre réponse.
- Je teste le code dans un environnement sans risque avant de l’utiliser.
- Quand le résultat déçoit, je reviens à ma description plutôt que de régénérer au hasard.
Ce dernier point relie discernement et description. Une mauvaise réponse révèle souvent une consigne floue. Chaque correction améliore mes instructions, et la boucle se resserre avec le temps.
Quand j’utilisais ChatGPT, je persistais à lui demander de mettre en page des PDF, alors que les résultats restaient mauvais. J’ai mis du temps à admettre que mes consignes n’étaient pas en cause : l’outil atteignait ses limites sur cette tâche. Depuis que je suis passé à Claude, la création de PDF fait partie de ce que je lui confie volontiers, avec une confiance relative, bien entendu : je garde un œil critique sur chaque résultat.
Démarche responsable : assumer ce que je publie
Le quatrième D s’appelle Diligence en anglais. Il couvre la responsabilité de ce que l’on fait avec l’IA, en trois volets (Anthropic, Diligence) :
- Au moment de créer : choisir avec soin quel système on utilise et comment on s’en sert.
- Dans la transparence : dire honnêtement le rôle de l’IA à toutes les personnes qui ont besoin de le savoir.
- Au moment de diffuser : vérifier et se porter garant de ce que l’on partage.
Le premier volet rejoint directement la souveraineté numérique. Choisir un outil, c’est aussi choisir où partent ses données. Je ne confie jamais à une IA en ligne des informations sur d’autres personnes, des mots de passe ou des documents confidentiels (sauf avec Lumo). Je lis les paramètres de confidentialité, notamment l’option qui autorise ou non l’usage de mes conversations pour l’entraînement des modèles.
Le deuxième volet me concerne directement sur ce site. Je précise en fin d’article quand l’IA m’a aidée, et pour quoi faire.
Le troisième volet tient en une phrase : mon nom est sur l’article, la responsabilité est donc la mienne, pas celle de l’outil.
J’ai par exemple désactivé l’utilisation de mes conversations pour l’entraînement des modèles.
Le modèle des 4D me semble solide et utile. Je le lis pourtant avec quelques réserves.
Son origine. Le cadre vient de deux universitaires, mais les cours ont été produits avec Anthropic, qui vend Claude. La licence ouverte et l’origine académique rassurent. Il reste sain de garder en tête qu’un fournisseur d’IA a intérêt à ce qu’on l’utilise davantage.
La question du « si ». La délégation inclut bien la décision d’utiliser ou non l’IA (Anthropic, The AI Fluency Framework). Dans la pratique, les exemples des cours portent surtout sur le « comment ». Pour une démarche slow tech, renoncer à l’IA reste une option à part entière.
Le coût matériel. Les supports que j’ai consultés n’abordent pas directement la consommation d’énergie et d’eau des centres de données. Pour moi, ce coût fait partie de la démarche responsable.
L’atrophie des compétences. Déléguer une tâche, c’est aussi cesser de l’exercer. Le modèle invite à réfléchir à ce qu’on délègue, sans insister sur ce qu’on risque de désapprendre.
Les agents autonomes. Une analyse indépendante note que le modèle a été pensé surtout pour des personnes qui travaillent avec l’IA en dialogue, et qu’il s’applique moins directement aux agents qui agissent seuls (Envisioning). Or les outils évoluent vite dans cette direction.
Garder la main
Les 4D m’ont donné un vocabulaire pour ce que j’apprenais déjà par la pratique. Maîtriser l’IA demande d’abord de savoir ce qu’on veut, de le dire clairement, de relire avec exigence et d’assumer le résultat. Ces compétences restent humaines, et elles servent bien au-delà de l’IA.
Utilisée ainsi, l’IA peut devenir un outil slow tech : elle retire de la friction sans prendre la place de la réflexion. Utilisée sans ces garde-fous, elle accélère tout, y compris les erreurs.
Pour aller plus loin, les cours AI Fluency sont gratuits et ouverts (aifluencyframework.org, ou en français sur Anthropic Academy).
Transparence : cet article a été structuré avec l’aide de Claude (Anthropic). Le texte, les exemples et les avis sont les miens, et j’ai vérifié chaque source.
Sources
- Rick Dakan et Joseph Feller, The AI Fluency Framework, site officiel du modèle et des cours ouverts.
- Anthropic, AI Fluency : vue d’ensemble, définitions des 4D et des trois modes, 2025.
- Anthropic, AI Fluency : Diligence, les trois volets de la démarche responsable, 2025.
- Anthropic, AI Fluency : Key Terminology Cheat Sheet (PDF), sous-compétences, 2025.
- Anthropic, The AI Fluency Framework (PDF), fiche de synthèse, 2025.
- Disco, Lessons from Professor Joseph Feller and the 4D Framework, novembre 2025.
- Envisioning, 4D AI Fluency Framework, analyse indépendante.

