Commencer par des résultats que vous accepteriez encore aujourd’hui
Rassemblez d’abord de douze à vingt textes qui ont réellement servi : une réponse à un client, une description de produit, une invitation, un compte rendu ou une courte publication. Choisissez la version finale approuvée, pas le premier brouillon. Un exemple utile montre ce que votre organisation considère comme assez exact, assez clair et assez humain pour être envoyé. Écartez les textes choisis seulement parce qu’ils viennent d’une personne importante ou parce qu’ils ont bien performé dans un contexte impossible à reproduire. Cherchez de la variété à l’intérieur d’une même famille de tâches. Pour des courriels, gardez une demande simple, une plainte, un retard, une réponse négative et un cas où il manque de l’information. Pour des descriptions de produits, variez la longueur, le public et le niveau de détail technique. Une bibliothèque composée de vingt messages chaleureux ne dira pas à l’IA comment annoncer une limite. Notez enfin pourquoi chaque exemple mérite d’être conservé en une phrase concrète, comme explique le délai dès le début ou refuse sans ton défensif.
Nettoyer les exemples avant de les confier à un outil
Une bonne réponse peut contenir de mauvaises données à réutiliser. Faites une copie de travail et retirez les noms, adresses, numéros de dossier, prix négociés, renseignements médicaux, détails financiers et secrets commerciaux. Remplacez-les par des repères explicites, par exemple nom du client, date promise ou montant autorisé. Cette méthode protège mieux les personnes et apprend aussi à l’IA quels éléments doivent varier. Ne vous contentez pas de changer un prénom si le reste du message permet encore d’identifier la personne. Vérifiez ensuite les droits et la durée de vie. Un texte fourni par un partenaire, un pigiste ou une agence n’est pas automatiquement libre d’être versé dans tous vos outils. Une politique qui date de trois ans peut enseigner une règle maintenant fausse. Inscrivez pour chaque exemple sa provenance, sa date d’approbation et la personne responsable de sa révision. Si vous ne pouvez pas expliquer pourquoi le document peut être utilisé ou s’il contient des données que l’outil ne devrait pas recevoir, gardez seulement sa structure abstraite ou retirez-le de la collection.
Classer par intention plutôt que par auteur
Créez un tableau simple avec une ligne par exemple. Ajoutez six colonnes : tâche, public, résultat recherché, ton, contraintes et piège évité. Un courriel peut ainsi être décrit comme confirmer une réception, fournisseur pressé, réduire l’incertitude, direct et courtois, moins de 120 mots, ne pas promettre une date. Ces étiquettes rendent la bibliothèque consultable et évitent une catégorie vague comme textes de Marie, qui oblige tout le monde à connaître le contexte dans la tête de Marie. Conservez aussi le texte complet dans un dossier lié au tableau et donnez-lui un identifiant stable, comme REP-07. Il n’est pas nécessaire d’installer une base de données : un chiffrier et un dossier partagé avec des accès appropriés suffisent pour commencer. Limitez le vocabulaire des étiquettes afin que service à la clientèle et soutien ne deviennent pas deux catégories identiques. Tous les mois, cherchez les dossiers sans exemple. Cette absence indique un besoin de rédaction ou de validation, pas une permission d’inventer un modèle à partir d’un document médiocre.
Montrer peu d’exemples, mais expliquer ce qu’il faut reproduire
Au moment d’utiliser l’IA, sélectionnez deux ou trois exemples qui correspondent à la tâche actuelle. Présentez d’abord l’objectif et les faits, puis les exemples, puis les critères de réussite. Une instruction pratique peut dire : rédige une réponse de 100 à 140 mots; reprends la clarté de REP-07, la façon de refuser de REP-12 et le format de REP-03; n’emprunte aucun nom, chiffre ni détail propre à ces textes. Demandez ensuite une vérification séparée des faits et des contraintes avant la version finale. Évitez de verser les vingt documents dans chaque demande. Trop d’exemples peuvent se contredire, diluer le cas pertinent et augmenter le coût de vérification. Évitez aussi les consignes comme écris dans notre voix, qui ne disent pas ce que cette voix fait. Nommez les comportements observables : phrases courtes, réponse principale dans le premier paragraphe, une seule prochaine étape et aucune formule promotionnelle. Les exemples illustrent ces règles; ils ne remplacent ni les faits à jour ni l’approbation requise pour une décision sensible.
Tester à l’aveugle et entretenir la collection
Préparez cinq demandes représentatives qui ne figurent pas dans la bibliothèque. Pour chacune, produisez une version avec vos anciennes instructions et une version avec les exemples sélectionnés. Cachez leur origine, puis demandez à deux personnes de noter quatre éléments sur cinq : exactitude, adéquation du ton, respect du format et temps de correction. Additionnez séparément les erreurs factuelles graves; une phrase élégante ne compense pas une date inventée. Si les exemples réduisent les retouches sans augmenter les erreurs, la méthode apporte une valeur mesurable. Traitez enfin la bibliothèque comme un outil vivant. Ajoutez un exemple lorsqu’un nouveau cas est approuvé, retirez ceux qui enseignent une pratique abandonnée et conservez un court historique des changements. Répétez le test après un changement de modèle, de politique ou de public. N’utilisez jamais la collection comme pilote automatique : une personne reste responsable des faits, des renseignements sensibles et de l’envoi. En une après-midi, une petite équipe peut bâtir une première version utile. Sa force ne vient pas du nombre de documents, mais de la qualité des choix et de la raison écrite derrière chacun.
