Désormais standard chez tous les grands LLM, le « projet » est cette fonctionnalité discrète qui fait passer l’usage d’une intelligence artificielle d’un gadget à un véritable outil de travail. Voici pourquoi elle mérite qu’on s’y arrête.
Le scénario familier
Vous ouvrez une nouvelle conversation avec une IA. Vous réexpliquez qui vous êtes, ce que fait votre organisation, pour quel public vous écrivez. Vous redéposez les mêmes trois fichiers que la semaine dernière. Vous rappelez le ton à adopter, le format attendu, ce qu’il faut éviter. Au bout de cinq minutes, vous arrivez enfin à poser votre vraie question.
Ce rituel a un coût. Multiplié par les conversations d’une semaine de travail, il finit par représenter plusieurs heures perdues à reposer les mêmes fondations. Plus subtilement, il révèle un défaut de design : par défaut, ces outils ont la mémoire d’un poisson rouge. Ils sont conçus pour des interactions ponctuelles, alors que la plupart d’entre nous les utilisons pour des sujets durables — un dossier client, une campagne, une matière enseignée, un projet de recherche.
Le « projet » est la réponse à cette friction. Tous les grands fournisseurs d’IA conversationnelle l’ont adopté : ChatGPT depuis fin 2024, Claude depuis la même période, et progressivement la plupart des autres. Derrière sa banalité apparente, cette fonctionnalité change la nature du rapport entre un humain et une IA.
Une rupture qui n’a pas l’air d’une rupture
Un projet, dans le vocabulaire des LLM contemporains, est un espace de travail dédié qui regroupe trois choses : des instructions permanentes (qui définissent qui vous êtes et ce que vous attendez), une base de documents de référence (sur lesquels l’IA peut s’appuyer), et un historique de conversations cohérent (limité à ce sujet précis).
Présenté comme cela, on dirait un dossier numérique de plus. C’est pourtant une rupture conceptuelle silencieuse. Avant les projets, la relation à une IA conversationnelle était transactionnelle : une question, une réponse, fin de l’échange. Aucune trace, aucun contexte, aucune accumulation. Chaque conversation repartait de zéro et s’évanouissait à la fermeture de l’onglet.
Avec les projets, on passe à une relation située. L’IA sait pour qui elle travaille, sur quoi, avec quelles règles. Elle dispose d’un fond documentaire qu’elle peut consulter. Elle bénéficie de la continuité d’un historique. La métaphore qui s’impose n’est plus celle du moteur de recherche, mais celle du collaborateur intégré. Là où la conversation isolée ressemble à interroger un consultant qui ne vous connaît pas, le projet ressemble à demander un service à quelqu’un qui travaille avec vous depuis trois mois.
Cette distinction n’est pas qu’esthétique. Elle change ce que l’on peut raisonnablement attendre de l’outil — et donc ce que l’on peut lui confier.
Quinze gabarits d’instructions IA, prêts à l’emploi
Configurez en quelques minutes des assistants IA qui parlent vraiment au nom de votre organisation. Quinze modèles testés, pour ChatGPT, Claude, Gemini, Le Chat et Copilot.
- Un gabarit par page, prêt à imprimer et à remplir
- Pour ASBL, ONG, fédérations et PME
- Compatible avec tous les grands assistants IA
Pourquoi c’est important
Trois enjeux justifient qu’on prête attention à cette évolution, au-delà de la simple commodité.
Le premier est celui de la productivité, mais pas au sens trivial du gain de minutes. C’est plutôt l’enjeu de la qualité constante. Une IA qui ignore votre contexte produit un travail générique : techniquement correct, mais qui sonne comme tout le monde. La même IA, bien briefée par un projet, produit un travail qui ressemble à ce que vous auriez produit vous-même, en mieux structuré et plus vite. La différence n’est pas dans la performance brute du modèle ; elle est dans la quantité de contexte qu’il a sous la main au moment de répondre.
Le deuxième enjeu est celui de la mémoire organisationnelle. La plupart des organisations souffrent d’une amnésie chronique : les analyses faites il y a six mois sont introuvables, les enseignements tirés d’une campagne ratée n’irriguent pas la suivante, les choix éditoriaux se renégocient à chaque nouveau document. Un projet bien tenu devient un dépôt de mémoire structurée. Pas un coffre-fort scellé — un dépôt vivant que l’IA peut interroger et qui s’enrichit conversation après conversation.
Le troisième enjeu, plus politique, est celui de l’autonomie. Avant les projets, créer un assistant sur-mesure exigeait des compétences techniques : programmer une API, configurer un système de récupération de documents, gérer une base vectorielle. Autant dire que c’était hors de portée d’une petite ASBL, d’un enseignant, d’un journaliste indépendant. Les projets démocratisent cette capacité. Il suffit de savoir écrire des instructions claires et de téléverser quelques fichiers. La barrière technique tombe, et avec elle l’inégalité d’accès à des outils sur-mesure entre les grandes structures dotées d’un service informatique et les petites qui n’en ont pas.
Trois principes universels
Quelle que soit la plateforme — ChatGPT, Claude, Gemini, Le Chat de Mistral, Copilot de Microsoft — un projet repose sur les mêmes briques. Comprendre ces briques permet de transférer ses compétences d’un outil à l’autre sans repartir à zéro à chaque changement.
L’instruction permanente. C’est la fiche de poste que l’IA lit avant chaque conversation du projet. Elle définit qui vous êtes, pour qui vous travaillez, sous quel ton, dans quel format, avec quelles règles non négociables. C’est le levier le plus puissant et le plus négligé. La plupart des utilisateurs écrivent des instructions vagues du type « sois professionnel et utile », qui ne servent à rien parce qu’elles ne disent rien que l’IA ne fasse déjà. Les bonnes instructions sont précises, donnent des contre-exemples, posent des règles concrètes : « phrases courtes, voix active, jamais d’anglicismes, toujours citer la source d’un chiffre ».
La base de connaissances. Ce sont les documents que vous téléversez dans le projet pour que l’IA puisse s’y référer. Charte éditoriale, rapport d’activité, glossaire interne, modèles de courriers, anciens écrits dont vous voulez reproduire le style. La règle d’or, ici, est moins-mais-mieux : cinq à dix documents bien choisis valent mieux que cent fichiers déversés en vrac. L’IA ne lit pas linéairement votre base ; elle y pioche par fragments. Une base désordonnée donne des réponses désordonnées.
L’isolation. Chaque projet est étanche. Ce que vous faites pour le client A ne déteint pas sur ce que vous faites pour le client B. Les instructions ne se contaminent pas, les documents ne fuitent pas, l’historique reste cantonné. Cette propriété, qui paraît évidente, est en réalité l’innovation la plus utile pour quiconque jongle entre plusieurs dossiers. Elle permet d’avoir, dans la même fenêtre de navigateur, une dizaine d’assistants spécialisés qui ne se marchent pas sur les pieds.
À ces trois briques fondatrices, certains fournisseurs ajoutent une couche de mémoire automatique : l’IA retient progressivement ce qui semble utile et le rappelle à propos. Les modalités varient — chez Claude, cette mémoire est cloisonnée par projet ; chez ChatGPT, elle est globale au compte mais auditable — mais le principe est le même : capitaliser dans le temps, sans effort de l’utilisateur.
Bien s’en servir, c’est aussi savoir ce qu’on n’y met pas
L’arrivée des projets ne résout pas tout. Elle ouvre même quelques pièges qu’il vaut mieux connaître avant d’y tomber.
Le premier est le projet « fourre-tout ». Tentation naturelle : créer un projet « Travail », y déverser tous les fichiers, et l’utiliser pour tout. C’est le meilleur moyen d’obtenir un assistant médiocre partout. Un projet ne fonctionne bien que s’il a un périmètre clair. Mieux vaut six projets précis qu’un seul projet généraliste.
Le second piège, plus sournois, concerne la confidentialité. Téléverser un document dans un projet, c’est l’envoyer sur les serveurs du fournisseur. Selon votre plan et vos réglages, ces données peuvent ou non être utilisées pour entraîner les futurs modèles. Pour une organisation qui manipule des données nominatives — bénéficiaires d’une association, patients, dossiers sociaux — la question n’est pas anodine. Elle relève du RGPD pour les structures européennes, et plus largement d’une éthique professionnelle. Avant de charger quoi que ce soit qui ne soit pas strictement public, il faut vérifier deux choses : son plan (les offres professionnelles ou Enterprise excluent généralement l’entraînement par défaut) et ses réglages de confidentialité (souvent désactivables sur les plans individuels).
Le troisième piège est culturel : croire que l’IA dans un projet est devenue « experte » de votre sujet. Elle ne l’est pas. Elle a un meilleur accès à votre contexte, ce qui rend ses réponses plus pertinentes en apparence. Mais ses limites de raisonnement, ses biais, ses hallucinations occasionnelles restent. Un projet bien configuré rend les sorties plus convaincantes, ce qui peut paradoxalement les rendre plus dangereuses pour qui baisse la garde. La vérification reste indispensable, surtout sur les faits, les chiffres et les noms propres.
Une fonctionnalité qui en dit long
Au-delà de son utilité immédiate, le projet est intéressant pour ce qu’il révèle de la trajectoire de l’IA conversationnelle. Ces outils, conçus initialement comme des oracles à requête, sont en train de devenir des collaborateurs à contexte. Le glissement est silencieux, mais il est massif. Il signe la sortie de l’enfance gadgétaire de l’IA générative et son entrée dans l’âge des outils professionnels.
Ce mouvement est aussi un appel adressé à l’utilisateur. Bien utiliser un projet suppose un effort en amont : clarifier ce qu’on attend, structurer ce qu’on sait, écrire ce qui jusque-là restait implicite. C’est un travail de formalisation qui dépasse l’IA elle-même. Une organisation capable de rédiger les bonnes instructions de projet est une organisation qui sait dire ce qu’elle fait, comment et pour qui. Le simple exercice de configurer ses projets oblige à expliciter son identité, sa ligne, ses règles. Beaucoup de structures découvrent à cette occasion qu’elles ne les avaient jamais vraiment écrites.
Pour le secteur non marchand en particulier — ASBL, ONG, fédérations, services publics — la nouvelle est plutôt bonne. La sophistication d’un assistant IA ne dépend plus d’un budget de développement informatique, mais d’une capacité à clarifier sa pratique et à organiser sa mémoire. Ce sont précisément des terrains sur lesquels ces structures, souvent mal outillées techniquement, peuvent rivaliser à armes égales avec les acteurs marchands. À condition de s’y mettre.
Le projet n’est pas une fonctionnalité parmi d’autres dans le menu des LLM contemporains. C’est le mécanisme par lequel ces outils, jusque-là cantonnés à la performance ponctuelle, deviennent enfin capables de s’inscrire dans la durée d’un travail réel. La brique manquante était là. Elle s’appelle « projet », et il serait temps qu’on apprenne tous à s’en servir.
