Beaucoup de professionnels africains utilisent désormais l’IA — Claude, ChatGPT, Gemini — au quotidien. Mais utiliser un outil et le maîtriser sont deux choses différentes. La différence ne se voit pas dans le nombre de prompts envoyés. Elle se voit dans la qualité de ce qu’on produit avec, et surtout dans le jugement qu’on porte sur les résultats.

En 2025, deux universitaires ont publié un cadre conceptuel qui formalise précisément ce passage. Le Professeur Rick Dakan (Ringling College of Art and Design, Floride) et le Professeur Joseph Feller (Cork University Business School, University College Cork, Irlande) ont co-développé le Framework for AI Fluency — ce que l’on pourrait traduire par “cadre de l’aisance avec l’IA”. Le travail a été développé en collaboration avec Anthropic, l’entreprise créatrice de Claude, qui héberge gratuitement les cours en ligne associés sur la plateforme anthropic.com/ai-fluency. Nous le signalons explicitement par souci de transparence éditoriale : Sankoré n’a aucun lien commercial avec Anthropic, mais le framework présenté ici est le fruit d’un partenariat universitaire avec cette entreprise.

Le framework identifie quatre compétences fondamentales, qu’on appelle les 4D : Délégation, Description, Discernement, Diligence. Une précision importante de Feller lui-même : ce ne sont pas des étapes séquentielles d’un processus. Ce sont des zones de compétences qui se chevauchent, à développer en parallèle. Pour les professionnels et entrepreneurs africains qui utilisent quotidiennement l’IA, ce cadre offre quelque chose de précieux : un vocabulaire commun et une grille d’auto-évaluation pour progresser.

Cet article présente chacune des quatre compétences, donne une situation concrète africaine pour l’illustrer, et propose un exercice à faire cette semaine pour développer cette compétence.

1. Délégation — décider ce qui revient à l’IA et ce qui revient à l’humain

La première compétence pose une question préalable à toute interaction avec l’IA : est-ce une tâche que je devrais déléguer à une IA — et si oui, dans quelle mesure ? Toutes les tâches ne se prêtent pas à la délégation. Certaines exigent un jugement humain, une présence, une responsabilité morale ou juridique que l’IA ne peut porter. D’autres gagnent énormément à être déléguées entièrement.

Comme le résume Joseph Feller dans ses interventions publiques : Délégation et Diligence sont aussi importantes que Description et Discernement, parce qu’elles aident à répondre aux questions du “pourquoi” et du “pourquoi pas”. Une bonne délégation, c’est d’abord savoir dire non — savoir reconnaître les tâches qui ne devraient pas être confiées à l’IA, même si techniquement on pourrait.

Une situation concrète. Une responsable RH dans une ONG basée à Abidjan doit rédiger une note de licenciement pour un collaborateur après plusieurs mois de difficultés. La tentation est forte de demander à Claude de produire un brouillon. Mais réfléchir à cette délégation honnêtement amène une autre conclusion : la lettre elle-même peut être préparée avec l’IA, mais le cadrage, le ton, et surtout la décision de licencier doivent rester entièrement humains. Mieux encore : l’entretien préalable au licenciement, lui, ne se délègue pas — il appartient en propre au manager. Réussir cette délégation, c’est avoir clairement séparé ce qui relève de l’IA (mise en forme, vérification juridique formelle, traduction si nécessaire) de ce qui relève de l’humain (le cadrage de la décision, le contact avec la personne, l’accompagnement post-décision).

L’exercice à faire cette semaine. Identifiez trois tâches que vous avez accomplies cette semaine. Pour chacune, posez-vous explicitement la question : aurais-je pu la déléguer à l’IA ? Si oui, totalement ou partiellement ? Si non, pourquoi pas — qu’est-ce qui exigeait absolument ma présence humaine ? Faites cet exercice en écrivant les réponses, pas en y pensant en passant. L’objectif n’est pas de tout déléguer ni de tout garder — c’est de prendre l’habitude de poser la question consciemment. Au bout de quelques semaines, vous aurez développé une intuition fiable de ce qui doit être délégué et de ce qui ne doit pas l’être.

2. Description — formuler clairement ce que vous voulez

La deuxième compétence est celle qu’on associe le plus spontanément à “savoir utiliser l’IA” : la capacité à décrire avec précision ce qu’on attend de l’outil. C’est ce qu’on appelle communément le prompt engineering — mais le terme est trompeur, parce qu’il suggère une discipline technique réservée aux initiés. En réalité, la description efficace est avant tout une discipline d’expression : savoir formuler un besoin, un contexte, une intention.

La plupart des utilisateurs occasionnels de l’IA s’arrêtent à des prompts pauvres en information. “Rédige-moi un rapport”. “Fais-moi un résumé”. “Explique-moi le sujet”. Ces formulations produisent des résultats génériques précisément parce que la demande est générique. Une bonne description, au contraire, précise : qui est le destinataire, dans quel contexte, dans quel objectif, avec quel ton, à quelle longueur, en évitant quoi, en s’appuyant sur quels documents joints.

Une situation concrète. Un entrepreneur basé à Dakar prépare une proposition commerciale pour un client institutionnel sénégalais. La demande pauvre serait : “Aide-moi à écrire une proposition commerciale pour un client public.” La description riche, elle, ressemble à ceci : “Je dois rédiger une proposition commerciale de 4 pages maximum pour un ministère sénégalais qui cherche un prestataire de formation en gestion de projet. Le marché est en gré-à-gré, le budget est de 8 millions FCFA, le délai de livraison souhaité est de 3 mois. Le destinataire est un Directeur de la formation, francophone, attaché aux formulations administratives classiques. Je veux un ton professionnel sobre, structuré en cinq parties : contexte, méthodologie, livrables, calendrier, budget. Je veux que tu valorises notre expérience locale plutôt que des références internationales.” Cette description prend deux minutes de plus à écrire — elle économise une demi-journée de retravail.

L’exercice à faire cette semaine. Reprenez les trois derniers prompts que vous avez envoyés à Claude ou à un autre assistant. Pour chacun, identifiez ce qui manquait dans votre description : le destinataire ? Le contexte ? Le ton attendu ? Les contraintes de format ? Les choses à éviter ? Réécrivez ces prompts en version riche, et envoyez la nouvelle version. Comparez les résultats. La différence est en général impressionnante, et c’est cette différence qui vous installera durablement dans l’habitude de bien décrire avant de demander.

3. Discernement — évaluer ce que l’IA vous renvoie

La troisième compétence est probablement la plus sous-développée chez les utilisateurs occasionnels de l’IA. Elle consiste à évaluer activement la qualité, l’exactitude et la pertinence des réponses produites — au lieu de les accepter telles quelles.

Claude, ChatGPT et leurs équivalents produisent des textes qui semblent toujours crédibles. C’est leur force et leur danger. Un chiffre inventé, une référence inexistante, une affirmation approximative sortiront avec le même aplomb qu’une donnée parfaitement exacte. Sans discernement, on relaie sans le savoir des informations fausses. Comme l’observe Joseph Feller : Discernement est une réalité vécue. Nous évaluons constamment le comportement des systèmes IA — y a-t-il des hallucinations, les résultats sont-ils utiles. Ce changement, où les professionnels deviennent éditeurs plutôt que simples créateurs, est réel.

Pour les professionnels africains, cette compétence est d’autant plus critique que les modèles d’IA généralistes ont été entraînés majoritairement sur des données occidentales et anglophones. Quand on leur demande des informations sur des sujets africains spécifiques — un dispositif réglementaire local, un acteur du marché continental, des chiffres précis sur un secteur — la probabilité d’imprécision ou d’erreur est significativement plus élevée que sur un sujet général. Le discernement africain doit donc être particulièrement aiguisé.

Une situation concrète. Un journaliste indépendant basé à Yaoundé rédige un article sur l’évolution du paiement mobile en Afrique centrale. Il demande à Claude un état des lieux avec des chiffres récents. La réponse arrive : nombre d’utilisateurs par pays, parts de marché des opérateurs, taux de croissance. Tout semble cohérent. Le journaliste sans discernement publie. Le journaliste avec discernement fait quelque chose de différent : il prend chaque chiffre cité et le vérifie auprès d’une source primaire — rapport GSMA, communiqué d’opérateur, étude récente. Il découvre alors que deux chiffres sur six étaient soit obsolètes, soit légèrement inexacts. Il corrige avant publication. Sa crédibilité de journaliste vient précisément de cette discipline.

L’exercice à faire cette semaine. Choisissez une question importante dans votre métier dont vous connaissez bien la réponse — quelque chose que vous maîtrisez. Posez cette question à Claude ou à ChatGPT. Lisez attentivement la réponse. Identifiez : qu’est-ce qui est exact ? Qu’est-ce qui est partiellement vrai mais imprécis ? Qu’est-ce qui est carrément faux ou inventé ? Notez par écrit ces trois catégories. Cet exercice — fait sur un sujet où vous êtes expert — vous donne une calibration personnelle : vous mesurez concrètement où l’outil se trompe, comment, et avec quel degré d’apparence de crédibilité. Cette calibration se transpose ensuite aux sujets où vous êtes moins expert, et c’est elle qui constitue votre discernement.

4. Diligence — agir avec responsabilité éthique et professionnelle

La quatrième compétence est la moins technique mais peut-être la plus importante. Elle pose une question fondamentale : est-ce que j’utilise l’IA de manière éthique et responsable ? Cela couvre plusieurs dimensions : la confidentialité des données que je lui confie, la transparence vis-à-vis de mes clients et collègues sur l’usage que j’en fais, le respect des règles professionnelles et juridiques qui s’appliquent à mon métier, et plus largement la conscience de l’impact de mes choix.

La diligence n’est pas une couche optionnelle qu’on ajouterait pour faire bien. C’est une compétence quotidienne. Chaque fois qu’on colle un document dans Claude, on fait — ou on évite de faire — un choix de confidentialité. Chaque fois qu’on présente un livrable produit avec l’IA, on fait — ou on évite de faire — un choix de transparence. Ces choix s’accumulent et finissent par dessiner une éthique professionnelle, qu’on l’ait formalisée ou non.

Une situation concrète. Un consultant en stratégie travaillant à Conakry reçoit d’un client un document interne confidentiel — une étude de marché commandée à grands frais, contenant des données sensibles sur les concurrents. Le consultant veut utiliser Claude pour produire rapidement une synthèse stratégique. La question diligente est : ai-je le droit de coller ce document dans Claude ? La réponse dépend de plusieurs choses : le contrat avec le client, le paramètre Anthropic concernant l’entraînement (activé ou non), la sensibilité réelle des données, les obligations de confidentialité qui s’appliquent. Le consultant diligent prend deux minutes pour vérifier ces points avant de coller. Il peut décider de poursuivre, ou décider d’anonymiser le document d’abord, ou décider d’utiliser le mode incognito de Claude, ou décider de faire le travail sans l’IA. Quel que soit son choix, il l’a fait consciemment.

L’exercice à faire cette semaine. Rédigez en une page votre propre charte d’usage de l’IA dans votre travail. Trois questions à traiter : Quelles données je m’interdis de coller dans une IA ? Comment je communique à mes clients ou collègues sur le fait que j’utilise l’IA ? Quelles règles éthiques ou déontologiques s’appliquent à mon métier et comment elles s’articulent avec l’usage de l’IA ? Vous n’avez pas besoin que cette charte soit parfaite ou définitive. Vous avez besoin qu’elle existe, écrite, pour pouvoir la consulter et la faire évoluer. C’est précisément ce qui distingue une pratique professionnelle responsable d’une pratique improvisée.

Ce que le framework apporte — et ce qui reste à inventer

Le cadre développé par Dakan et Feller a une vertu rare : il transforme une intuition vague (savoir bien utiliser l’IA) en quatre compétences nommables, observables et exerçables. C’est précieux à un moment où l’industrie de la formation à l’IA est saturée de promesses creuses et de “techniques secrètes”. Avoir un vocabulaire commun pour parler de la maîtrise de l’IA, c’est avoir une base pour progresser collectivement.

Pour autant, comme tout framework conçu dans un contexte particulier — ici, principalement l’enseignement supérieur américain et européen — les 4D demandent une certaine adaptation pour les réalités du travail en Afrique francophone. Le Discernement, on l’a vu, doit y être particulièrement vigilant face aux biais des données d’entraînement. La Diligence, elle, doit composer avec des cadres juridiques et déontologiques parfois moins formalisés que ceux qui prévalent en Europe ou aux États-Unis. Et la Délégation est traversée par des questions culturelles spécifiques : dans des contextes où l’oralité et la relation interpersonnelle restent centrales, certaines tâches qui semblent techniquement délégables ne le sont pas vraiment sur le plan humain.

Cette adaptation locale du framework est précisément le type de travail collectif que Sankoré veut contribuer à mener. Si vous mettez ces 4D en pratique dans votre métier — et que vous découvrez des nuances, des ajustements, ou des limites propres à notre contexte — écrivez-nous. C’est en croisant les retours d’expérience que naîtra une véritable culture africaine de l’aisance avec l’IA.