Idée principale

Un product manager qui explique une opportunité produit à un assistant part d'un interlocuteur qui n'en sait rien, et qui ne comblera aucun trou par politesse. Il faut donner le but, les contraintes, ce qui a déjà été décidé, ce qui reste ouvert — puis recommencer quand le résultat n'est pas celui qu'on attendait, reformuler, préciser.

C'est là que le dispositif se retourne. Réexpliquer met à l'épreuve ce qu'on croyait avoir compris : ce qui restait implicite doit s'écrire, et une part de ce qu'on tenait pour acquis ne survit pas à l'écriture. Là où un collègue aurait rattrapé une approximation avec son propre contexte, la machine la prend au mot et rend un résultat approximatif — sans erreur visible, simplement à côté.

L'assistant ne compense donc pas le flou, il l'amplifie : si le contexte est flou dans la tête de celui qui le décrit, le résultat sera flou, et la qualité de la sortie devient un indicateur de la clarté de l'entrée.

Pourquoi c'est important

Cela transforme un travail perçu comme une corvée d'entrée en un exercice de vérification. Le temps passé à cadrer n'est pas seulement le prix à payer pour obtenir quelque chose : c'est le seul moment où l'on constate ce qu'on ne sait pas encore formuler.

Cela donne aussi une lecture différente d'un mauvais résultat. Avant d'incriminer le modèle, il y a un diagnostic à faire sur ce qui lui a été donné — et ce diagnostic est souvent plus instructif que la correction du prompt.

Nuances et limites

Le miroir ne renvoie pas tout. Un contexte parfaitement clair et parfaitement faux produit un résultat net, et l'exercice ne dit rien de sa justesse.

Et un assistant complaisant brouille le signal : s'il produit quelque chose de plausible à partir d'une consigne vague, la confusion de départ ne se voit plus.

Questions ouvertes

• Comment distinguer un résultat médiocre dû à un contexte flou d'un résultat médiocre dû aux limites du modèle ?