Sommaire
📖 Définition : zero-shot vs few-shot prompting
Quand vous soumettez une tâche à un modèle IA, vous pouvez choisir de lui donner — ou non — des exemples pour l'orienter. C'est la différence entre le zero-shot et le few-shot prompting.
Zero-shot prompting : vous demandez directement au modèle de réaliser une tâche, sans lui donner le moindre exemple. Le modèle s'appuie uniquement sur ce qu'il a appris lors de son entraînement.
"Résume cet email en 3 points clés."
Few-shot prompting : vous donnez au modèle 1 à 3 exemples de ce que vous attendez, avant de lui soumettre votre vraie demande. Le modèle "calibre" sa réponse sur vos exemples.
"Voici comment je veux que tu résumes des emails :
Email A → Résumé A
Email B → Résumé B
Maintenant résume cet email."
Une analogie simple : c'est comme briefer un nouveau collaborateur. Soit vous lui expliquez la tâche en quelques mots et vous lui faites confiance (zero-shot), soit vous lui montrez deux ou trois exemples de ce que vous attendez avant qu'il commence (few-shot).
Quand utiliser l'un ou l'autre ?
Zero-shot — suffisant pour :
les tâches courantes et bien définies (résumé, traduction, classification simple)
les requêtes ponctuelles sans format particulier
les modèles récents très performants (GPT-4o, Claude 3.5+, Gemini) qui comprennent les instructions complexes sans exemple
Few-shot — indispensable pour :
obtenir un format de sortie très précis (un tableau dans un style particulier, une structure de rapport spécifique)
reproduire votre ton éditorial ou celui de votre entreprise
les tâches inhabituelles que le modèle ne "reconnaît" pas naturellement
3 exemples concrets :
Exemple 1 — RH (few-shot) : vous voulez que l'IA rédige des offres d'emploi dans le ton exact de votre entreprise. Donnez-lui 2 offres existantes comme exemples → elle reproduira le format, le ton et la structure automatiquement.
Exemple 2 — commercial (zero-shot) : vous voulez résumer un compte-rendu de réunion client en 5 points → une instruction claire suffit, pas besoin d'exemple.
Exemple 3 — marketing (few-shot) : vous voulez générer 10 accroches LinkedIn dans votre style personnel. Donnez 3 accroches que vous avez déjà publiées et qui ont bien performé → le modèle s'aligne sur votre voix.
📰 Actualité : Anthropic contraint de désactiver ses deux modèles les plus puissants
Ce qui s'est passé
Le 12 juin 2026, Anthropic a désactivé l'accès à ses deux modèles les plus avancés — Claude Fable 5 et Mythos 5 — pour l'ensemble des utilisateurs situés hors des États-Unis.
En cause : une directive de l'administration Trump invoquant la "sécurité nationale". Washington a exigé qu'Anthropic restreigne l'accès à ces modèles aux seuls ressortissants américains.
Anthropic a refusé de se conformer — non par principe, mais pour une raison très concrète : il est techniquement impossible de vérifier la nationalité de chaque utilisateur parmi les centaines de millions de personnes qui accèdent à ces modèles. Mettre en place un tel filtrage demanderait des mois de développement et une infrastructure légale inexistante.
La réponse d'Anthropic a été immédiate : désactivation totale pour les utilisateurs non-américains. Du jour au lendemain.
Ce que sont ces deux modèles
Claude Fable 5 est le modèle grand public le plus récent d'Anthropic — particulièrement performant pour l'analyse de documents complexes, le raisonnement long et la génération de contenus structurés. Mythos 5 est la version encore plus avancée, jusqu'ici réservée aux partenaires enterprise, et réputée pour ses capacités en cybersécurité. C'est précisément cette puissance qui a attiré l'attention de Washington.
Pourquoi cet épisode est historique
C'est la première fois qu'un gouvernement ordonne la désactivation d'un modèle d'IA commercial pour des raisons géopolitiques. Ce n'est pas un bug. Ce n'est pas une panne. C'est une décision politique qui a coupé l'accès à des outils de travail pour des millions de professionnels à travers le monde — sans préavis, sans compensation.
Des équipes entières ont découvert que leurs workflows basés sur Claude ne fonctionnaient plus. Des projets ont été interrompus. Des clients ont attendu des livrables qui ne pouvaient plus être produits.
Ce que ça change concrètement pour vous
La question n'est plus théorique.
👉 si vous utilisez principalement des outils IA américains : votre accès peut être restreint demain par décision géopolitique. Ce n'est pas de la paranoïa — c'est ce qui vient de se passer.
👉 si vous managez une équipe : auditez vos dépendances IA. Pour chaque outil critique, posez-vous la question : quel est notre plan B ? Mistral AI, hébergé en France et soumis au droit européen, offre une alternative souveraine pour les usages critiques.
👉 si vous êtes dirigeant : la continuité de vos opérations ne peut plus dépendre d'un seul fournisseur, quel que soit sa réputation. La diversification de votre stack IA est désormais un enjeu de résilience opérationnelle — pas une option.
🔍 Analyse IA : l'emploi à l'heure de l'IA : la Chine comme laboratoire du futur du travail
Ce qui se passe actuellement en Chine ressemble à ce que nous vivrons tous dans les 12 à 24 prochains mois. Comprendre ce phénomène, c'est se donner une longueur d'avance.
Ce qui change concrètement
Avant... une entreprise qui voulait réduire ses coûts devait attendre des plans sociaux, des négociations, des procédures. L'adoption technologique prenait des années. Les postes de traitement de données, de support client ou de gestion documentaire semblaient stables et durables.
Maintenant... une entreprise peut déployer un agent IA en quelques semaines pour gérer des centaines de demandes clients simultanément, analyser des milliers de contrats ou produire des rapports automatisés. La vitesse d'adoption a radicalement changé la donne.
Pourquoi c'est important — 3 points clés
1. La vitesse du changement est inédite
Les révolutions industrielles précédentes se déployaient sur des décennies. Celle-ci se compte en mois. Les entreprises chinoises qui adoptent l'IA en 2026 réduisent déjà leurs effectifs — discrètement, mais réellement. Des réductions d'effectifs discrètes émergent dans plusieurs secteurs, tandis que certains outils promettent de remplacer des services entiers.
2. Les postes "intellectuels répétitifs" sont les premiers touchés
Contrairement aux révolutions précédentes qui automatisaient les tâches physiques, l'IA s'attaque d'abord aux tâches cognitives standardisées : rédaction de rapports, analyse de données, traitement d'emails, gestion de tickets. C'est un changement de paradigme majeur.
3. Le signal politique confirme l'urgence
Le ministre de l'Enseignement supérieur français Philippe Baptiste a estimé le 8 juin que les étudiants devraient peut-être pouvoir accéder à des modules de formation IA dans leur cursus — quelle que soit leur filière — tout en reconnaissant l'autonomie des universités. Ce signal confirme ce que nous observons sur le terrain : l'IA n'est plus réservée aux informaticiens.
🧭 Pour aller plus loin – Formation MaCertif
"Maîtriser Claude, ChatGPT, Mistral, Gemini et autres modèles"
La formation la plus complète en français pour comprendre et maîtriser l'IA Générative dans un contexte professionnel.
🎓 Une certification reconnue pour renforcer votre CV
À l'issue de la formation, vous passez la certification RS6776 : "Création de contenus par l'usage responsable de l'IA générative"
✅ Reconnue par France Compétences (État français)
✅ Valorisable sur CV et LinkedIn
✅ Financement CPF possible (en France)
✅ Paiement fractionné sans frais (facilité de paiement sans frais)
✅ Recherchée par les recruteurs en 2026
À la semaine prochaine ! 🚀
Grégoire SEMELET
Ou copiez le lien pour LinkedIn : {{live_url}}