IA et recherche d’emploi : les 6 paliers pour passer de l’outil basique à l’allié stratégique

J’ai assisté récemment en replay à un webinaire d’une heure d’Oreegami, "L’IA coéquipier : comment reprendre la main sur sa trajectoire professionnelle". Intéressant bien que pas forcément original sur les outils, avec des parties un peu trop techniques à mon goût. Normal puisqu’Oreegami est un organisme de formation spécialisé dans les domaines de l’IA, du no-code – ces nouveaux outils et plateformes permettant de concevoir des applications web ou mobiles sans écrire une seule ligne de code - et du marketing digital.

Pour ma part, j’en ai retiré deux points qui m’ont paru particulièrement importants : les 6 paliers de l’IA générative et une nouvelle façon d’aborder la lettre motivation.

6 paliers d'IA générative

Oreegami définit en effet 6 niveaux d’utilisation de l’IA générative :

1. Le chatbot traditionnel : c’est le premier palier, utilisé par 95 % des personnes qui recourent à l’IA générative. Vous vous rendez sur ChatGPT et vous lui demandez : "Trouve-moi une idée de cadeau pour ma fille de 15 ans". C’est déjà très utile et efficace. Dans un cadre professionnel, si vous savez l’utiliser, un chatbot vous fait gagner un temps considérable : ce qui vous prenait 30 minutes ne vous en prend plus que 5. Vous créez des contenus, optimisez vos tâches, etc. 
2. Le chatbot spécialisé comprend des outils comme NotebookLM de Google, conçus pour analyser des informations, créer des podcasts, etc. Cet outil, gratuit, présente un avantage majeur : il travaille uniquement sur les sources que vous lui fournissez. Vous y chargez des documents sur un projet, puis vous pouvez interroger ceux-ci, croiser les informations, générer un podcast résumant l’ensemble, rédiger un article, créer des fiches de révision, des infographies, etc. D’autres outils entrent dans cette catégorie, comme Julius, spécialisé dans l’analyse statistique et capable de remplacer certaines tâches d’un data analyst. Si vous avez besoin d’une analyse de données ponctuelle, il la réalisera mieux que GPT, car il a été entraîné spécifiquement pour cela. On y trouve aussi des outils de création d’images ou de vidéos, comme Midjourney.
3. Le chatbot personnalisé est un chatbot sur mesure. Avez-vous déjà utilisé les "GPTs", ces assistants personnels que vous installez dans ChatGPT et qui excellent dans une tâche précise, comme écrire des paroles de chanson ? Dans Gemini, leurs équivalents s’appellent les "Gems", et chez Claude (Anthropic), on les nomme "Skills". Ces outils, intégrés à votre chatbot, disposent de leurs propres données, d’instructions spécifiques et, par conséquent, d’un comportement unique.
4. Le chatbot agentique, lui, a accès à un ordinateur, comme Claude Cowork ou Manus. Vous discutez toujours avec une machine, mais celle-ci peut ouvrir un navigateur ou un système, remplir des formulaires, etc. On parle alors de chatbot agentique. Ces quatre premiers niveaux relèvent d’une conception centrée sur l’utilisateur : l’interaction reste au cœur de l’expérience.
5. L’automatisation : au cinquième niveau, on passe d’une approche centrée sur l’utilisateur à une approche centrée sur le processus. On entre dans l’automatisation grâce à des outils comme Make.com, n8n ou Zapier. Pour ceux qui veulent aller plus loin (ou qui ont déjà franchi le pas), je vous invite à découvrir la chaîne de Shubham Sharma sur You Tube.
6. Avec l’agent autonome, on change de dimension. On n’est même plus dans le cadre d’une IA coéquipière, mais dans celui d’une IA employée. Vous lui confiez une mission et un objectif, par exemple : "Génère-moi des clients pour telle entreprise". Elle va se prompter elle-même et, si elle dispose des bons outils et d’un paramétrage adapté (avec un bon prompt système), elle sera capable de prendre des décisions. Récemment, un outil a fait beaucoup parler de lui : OpenClaw. Cet agent IA open source s’installe sur votre machine pour agir directement dans votre environnement (fichiers, e-mails, scripts, navigation web) via vos messageries habituelles. Il offre une mémoire persistante, des automatisations proactives et permet de gérer des boîtes mail, négocier par e-mail, déployer du code, automatiser des processus métiers ou piloter des objets connectés. Cependant, il nécessite des compétences techniques assez poussées, soulève des enjeux de sécurité importants et peut engendrer des coûts élevés d’API (Application Programming Interface, ces interfaces logicielles qui permettent de connecter un logiciel ou un service à un autre afin d’échanger des données et des fonctionnalités). Sauf si vous êtes un virtuose de l’informatique, mieux vaut vous abstenir pour l’instant !

Alors, quel est l’intérêt de connaître ces différents niveaux, surtout quand on n’a pas la prétention (ni l’envie !) de devenir développeur ? Pourtant, demander quelque chose à l’IA et travailler avec elle sont deux approches radicalement différentes. 

Pour mieux comprendre la nuance, essayez ceci avec ChatGPT : "Donne-moi une idée de cadeau pour ma mère de 70 ans passionnée de généalogie" (c’est bientôt la fête des Mères !). Un prompt aussi basique génère des réponses… moyennes ! Par exemple, un cadre d’arbre généalogique ou un livre à compléter. On en conviendra, le résultat est limité. 

Néanmoins, c’est souvent ainsi que l’IA est utilisée : "Rédige-moi une lettre de motivation pour ce poste", "Écris-moi un post LinkedIn sur tel sujet", etc. C’est déjà très bien… mais on peut aller plus loin !

Essayez maintenant : "Je dois offrir un cadeau à à ma mère de 70 ans ans. Ne me propose rien. Pose-moi d’abord cinq questions pour mieux m’aider". L’IA vous aidera alors à réfléchir aux critères influençant les idées de cadeaux. Vous pourrez repérer ce qu’elle n’a pas demandé, mais qu’elle aurait dû, et formuler de nouvelles questions. Elle peut aussi suggérer des pistes intéressantes, comme de considérer ce que la personne n’aime pas ou ne peut pas faire (boire de l’alcool, par exemple). L’IA vous aide ainsi à enrichir le contexte de la prédiction statistique.

Si vous commencez à lui répondre et à lui poser d’autres questions, qu’elle vous répond et vous pose des questions supplémentaires, de manière interactive, vous obtiendrez finalement une liste d’idées. Demandez-lui alors : « Donne-moi trois idées évidentes et trois idées absolument décalées ».

Vous l’incitez ainsi à explorer des prédictions statistiques moins conventionnelles, et vous y trouverez peut-être l’idée que vous cherchiez depuis le début. Vous voyez donc la différence entre :

• Demander à l’IA de faire quelque chose (approche passive).
• Lui demander de collaborer avec vous pour atteindre un résultat (approche active).

Pensez à stimuler l’IA : une fois que vous avez des réponses, donnez-lui un feedback, comme si vous travailliez avec un stagiaire, en lui expliquant ce qui ne va pas et comment il devrait faire !

Application concrète : la lettre de motivation

Appliquez ce principe pour rédiger une lettre de motivation (ou un e-mail) qui se distingue. Plutôt que de demander à l'IA de rédiger la lettre parfaite – inutile, car vous obtiendrez la même que tout le monde –, fournissez-lui des informations supplémentaires. Par exemple : "Par rapport à cette offre, pose-moi 5 (ou 10) questions qui t’aideront à rédiger la lettre de motivation parfaite". L’IA vous posera des questions sur votre parcours, votre motivation ou votre histoire, en les adaptant à ce qu’elle connaît de l’offre. Aujourd’hui, les LLM (Large Language Models) ont cette capacité intégrée dans leur prompt système et leurs paramètres de base.

Ensuite, demandez-lui un plan : "Maintenant que tu as les réponses, propose-moi un plan pour la lettre". Une fois le plan établi, vous passez à la rédaction. Cela vous permet d’adopter une approche intelligente et différenciante pour votre lettre de motivation et peut-être de marquer des points. N’hésitez pas à lui partager des informations sur le ton, la forme ou des éléments qui vous ressemblent et vous sont propres.

Essayez et racontez votre expérience dans les commentaires !