Les IA génératives vont transformer les moteurs de recherche en moteurs de réponse. La chose peut paraître conceptuelle. Pour l’illustrer, voici un exemple d’usage simple et comparatif de Google Search comparé à Google Gemini, Microsoft Copilot et Le Chat de Mistral AI. J’ai voulu rédiger une critique de la série Dix Pour Cent. J’avais besoin de connaître la durée totale de la série, sur l’ensemble des quatre saisons. L’approche « classique » avec un moteur de recherche s’avère totalement dépassée grâce à l’IA générative. Mais attention, la réponse des IAGen n’est pas toujours pertinente. Il faut donc rester vigilent !
La méthode classique, laborieuse
Pour calculer la durée totale d’une série, il faut d’abord trouver la durée des épisodes. L’information est rarement disponible de manière brute sur le Web. Il faut donc rechercher différentes sources. Une requête dans un moteur de recherche revoie une liste de sites à visiter, dans lesquels on espère trouver l’information recherchée, à savoir la durée totale de la série.
Un coup d’œil rapide sur la liste de liens, fait comprendre que la tâche s’annonce ardue. L’idée d’ouvrir chaque lien, d’y trouver peut-être une partie de l’information recherchée (par exemple la durée de chaque épisode, sachant qu’il y en vingt-quatre !), de compiler les données dans un tableur, pour calculer finalement la durée totale (l’information qui m’intéresse, je vous le rappelle), me fait repenser aux travaux des moines bénédictins. Je renonce d’avance !
La méthode moderne, efficace
C’est alors que je me tourne vers les IA génératives en leur posant simplement cette question dans un prompt d’une simplicité enfantine : « Quelle est la durée totale de la série dix pour cent ? »
Réponse immédiate de Google Gemini : 22 heures et 48 minutes. En prime il exprime son raisonnement, exactement celui que j’aurais adopté :
Mais si on pose la même question à Microsoft Copilot, la réponse est tout autre. En clair il ne répond pas à la question et vous invite sans le dire, à vous débrouiller avec le peu d’informations qu’il a trouvées. Il n’applique aucun raisonnement, il se contente de restituer les données de base qui permettront de répondre à la question :
Quant à LeChat de Mistral AI, il apporte une réponse la plus efficace à cette question (20 heures 48 minutes), en donnant les données de base (sans citer ses sources), et en expliquant son raisonnement avec le mérite d’être synthétique :
Conclusion
Le lecteur averti aura remarqué que les deux IA génératives ayant répondu à la question posée, n’ont pas donné la même réponse. Quelle est la durée totale de la série Dix Pour Cent ? 22 heures 48 minutes selon Google Gemini, 20 heures 48 minutes selon Mistral AI. La vérité est probablement entre les deux, même si je dois admettre une préférence pour le raisonnement suivi par Google Gemini qui a pris en compte des données de base plus précises. En effet, la durée d’un épisode varie de 47 à 67 minutes, ce qui fait une moyenne de 57 minutes, et non 52 minutes comme retenu par Mistral AI.
Dans les deux cas, l’efficacité des IAGen est incomparable par rapport à un moteur de recherche. Les IA génératives sont donc, pour ce type de cas d’usage, de bien meilleurs outils. À condition de rester vigilent sur leurs limites et de contrôler leur « raisonnement ». En d’autres termes, les IA génératives, comme on le voit au travers de ce cas d’usage, améliorent l’efficacité des utilisateurs, tout en les amenant à mieux réfléchir, tant à la question qu’ils posent (leur prompt), qu’à l’analyse de la réponse. Ce qui suppose de ne pas prendre pour argent comptant une réponse apportée par une IA générative, et de continuer de faire travailler son cerveau.
Michaël Tartar 