Cadre RGI™
Les premiers principes de la collaboration humain-IA
La méthodologie universelle définissant comment les humains travaillent avec l’IA générative dans toutes les industries et tous les cas d’utilisation
L’IA générative : La percée des transformeurs
L’IA moderne est alimentée par des modèles de fondation utilisant la technologie des transformeurs. Cette percée permet quelque chose de sans précédent : les humains peuvent désormais communiquer directement avec des systèmes informatiques avancés en utilisant le langage naturel, pas du code.
Avant les transformeurs, seuls les programmeurs pouvaient dire aux ordinateurs quoi faire. Maintenant, vous pouvez décrire ce dont vous avez besoin en langage courant, et l’IA peut écrire le code, créer le contenu et produire les résultats.
*Le cadre RGI est conçu pour la collaboration productive humain-IA dans des contextes professionnels et d’entreprise. Nous reconnaissons qu’un faible pourcentage des interactions humain-IA implique l’expression personnelle, la conversation informelle ou l’échange socio-émotionnel qui se situe en dehors de cette portée productive.
Les trois piliers de la collaboration humain-IA
Récupérer
Demander • Trouver • Rechercher
Interrogez l’IA comme votre moteur de connaissances. Accédez instantanément, résumez et extrayez l’information de vastes ensembles de données, documents et sources de connaissances avec des commandes en langage naturel.
Générer
Rédiger • Concevoir • Créer
Dirigez l’IA pour produire du contenu, des solutions et des idées à grande échelle. Des rapports et communications aux stratégies et concepts créatifs, générez des résultats de haute qualité sur demande.
Interagir
Instruire • Questionner • Collaborer • Agir
Engagez l’IA comme votre partenaire de flux de travail et agent autonome. Du raffinement itératif à l’orchestration complexe, l’IA peut collaborer et agir de manière indépendante au sein de vos systèmes.
Évolutivité universelle
Professionnel individuel
RGI permet à chaque professionnel d’améliorer son travail grâce à la collaboration avec l’IA. Que vous soyez analyste, gestionnaire, consultant ou spécialiste, le cadre fournit des orientations claires pour l’intégration de l’IA dans les flux de travail quotidiens.
« Que puis-je récupérer, générer et interagir pour améliorer mon travail? »
Leadership d’entreprise
Pour les organisations, RGI fournit le cadre stratégique pour développer les capacités d’IA à travers les systèmes et les flux de travail. Des gains de productivité à l’orchestration autonome des processus, RGI s’adapte des outils individuels à la transformation de l’entreprise.
« Comment architecturer les capacités d’IA à travers nos systèmes et flux de travail? »
Communication de précision
Une collaboration humain-IA efficace nécessite une communication structurée. Maîtrisez l’art du prompting pour obtenir des résultats de qualité professionnelle de tout système d’IA.
Objectif + Contexte + Format + Référence + Affiner = Résultats professionnels
Des objectifs clairs, un contexte pertinent, des formats définis, des références à l’appui et un raffinement itératif transforment les interactions de base avec l’IA en outils professionnels puissants.
Un défi académique ouvert
Nous sommes aux premières manches de l’ère moderne de l’IA. Nous sommes tous des pionniers explorant ensemble cette technologie transformatrice. Il n’existe pas d’experts profondément expérimentés ni de cadres de connaissances largement acceptés qui méritent d’être enfermés dans les archives du savoir humain.
Dans cet esprit d’innovation et de collaboration, nous invitons un examen académique rigoureux du cadre RGI. Peut-il être réduit à des éléments plus fondamentaux? Existe-t-il des modes de collaboration humain-IA qui échappent à ces trois piliers?
Comment 700 millions de personnes utilisent réellement l’IA
La plus grande étude sur l’utilisation de l’IA par les consommateurs jamais réalisée
Équipe de recherche économique d’OpenAI et Université Harvard
Document de travail NBER nº 34255 • Publié en septembre 2025
Échelle et croissance sans précédent
L’adoption technologique la plus rapide de l’histoire
Usage professionnel vs personnel
Usage personnel
L’usage personnel croît plus rapidement que l’usage professionnel. Remet en question l’hypothèse que l’IA est principalement un outil de productivité au travail.
Usage professionnel
L’usage professionnel est plus courant chez les utilisateurs diplômés dans des professions libérales. La rédaction domine à 40 % de tous les messages de travail.
Les 3 principaux cas d’utilisation
Conseils pratiques
Conseils personnalisés, tutorat, orientation produit, décisions financières, instructions pratiques
Rédaction
Édition de documents, brouillons de courriels, assistance à la communication. 67 % modifient du texte existant vs créer du nouveau
Recherche d’information
Recherche, vérification des faits, actualités, comparaisons de produits, aide à la décision
Intention de l’utilisateur : Demander vs Faire vs S’exprimer
Demander
Recherche d’information, conseils, aide à la décision
Croissance la plus rapide • Qualité mieux évaluée
Faire
Achèvement de tâches, génération de résultats, exécution du travail
Domine l’usage professionnel à 56 %
S’exprimer
Réflexion personnelle, conversation informelle
Interaction socio-émotionnelle
Conclusions clés pour les professionnels
Aide à la décision plutôt qu’automatisation
81 % des messages de travail impliquent la collecte/interprétation d’information et la prise de décision/résolution de problèmes. L’IA fonctionne comme outil d’aide à la décision, pas comme remplacement de tâches.
La rédaction domine l’usage professionnel
40 % des messages professionnels impliquent la rédaction. Les deux tiers demandent de modifier du texte existant plutôt que de créer du nouveau contenu.
La qualité favorise la recherche d’information
Les messages « Demander » sont systématiquement évalués de meilleure qualité que les messages « Faire ». Les bonnes interactions sont 4x plus fréquentes que les mauvaises en juillet 2025.
Valeur économique massive créée
Estimation de 97+ milliards $ annuellement en surplus du consommateur aux États-Unis seulement. Gains de productivité substantiels dans les rôles à forte intensité de connaissances.
L’éducation stimule l’adoption
L’éducation supérieure est corrélée à l’usage professionnel : 37 % (< baccalauréat) vs 48 % (diplôme d'études supérieures). Les professions libérales affichent l’adoption la plus élevée.
La programmation est un cas d’utilisation mineur
Seulement 4,2 % des messages concernent la programmation informatique. Bien inférieur aux attentes, démontrant une large adoption non technique.
Qui utilise l’IA
Parité des genres atteinte
Utilisatrices en juillet 2025, contre ~20 % au début de 2023. L’écart entre les genres s’est comblé.
Les jeunes stimulent l’adoption
Des messages adultes proviennent d’utilisateurs de moins de 26 ans. Les jeunes clients sont natifs de l’IA.
Croissance mondiale en accélération
Croissance plus rapide dans les pays à revenu faible à moyen vs élevé. Devient accessible mondialement.
Lire l’article de recherche complet
Accédez au document de travail NBER complet avec la méthodologie détaillée, les résultats et les implications. 64 pages d’analyse approfondie de l’équipe de recherche économique d’OpenAI et des chercheurs de Harvard.
Télécharger l’article complet (PDF)L’essentiel
Cette recherche révèle une adoption de l’IA à une échelle sans précédent, avec des modèles d’utilisation qui mettent l’accent sur les fonctions de conseil et d’aide à la décision plutôt que sur l’automatisation des tâches. Une cohérence remarquable entre les professions montre que les mêmes activités de travail dominent quel que soit le type d’emploi — l’IA fonctionne principalement comme un outil d’aide à la décision plutôt qu’une technologie de remplacement.
Le cadre RGI™ trouve une preuve convergente
La plus grande étude sur l’utilisation de l’IA valide indépendamment l’architecture fondamentale
Les chercheurs d’OpenAI et Harvard ont analysé 1,5 million de conversations de 700 millions d’utilisateurs et ont développé indépendamment une taxonomie avec un chevauchement substantiel avec la structure à trois opérations du cadre RGI — fournissant un appui empirique aux modèles découverts par la pratique opérationnelle.
L’étude OpenAI/Harvard (septembre 2025)
Découverte convergente : Deux approches indépendantes
Recherche d’information
Étude : Comportements « Demander »
RGI : Opérations Récupérer
Génération de contenu
Étude : Comportements « Faire »
RGI : Opérations Générer
Hors portée
Étude : « S’exprimer » (social)
RGI : Usage non productif
Validité convergente : Malgré un développement indépendant et des méthodologies différentes — l’une empirique (1,5 M de conversations), l’autre basée sur la pratique (découverte opérationnelle) — les deux approches ont convergé vers des architectures tripartites où la recherche d’information domine la génération de contenu.
Comment les résultats de l’étude s’alignent avec les opérations RGI
Les trois principaux cas d’utilisation de l’étude correspondent à l’architecture compositionnelle du cadre RGI, validant l’accent mis par le cadre sur les flux de travail « Récupérer d’abord ».
| Cas d’utilisation (% d’usage) | Alignement avec le modèle RGI | Preuves clés à l’appui |
|---|---|---|
|
Conseils pratiques
29 % de tout l’usage
|
Récupérer Interagir | Les conseils personnalisés nécessitent d’extraire des connaissances puis d’itérer par la conversation. L’étude note que ceux-ci sont « hautement personnalisés et peuvent être adaptés selon les suivis » — correspondant au modèle séquentiel Récupérer→Interagir. |
|
Rédaction
24 % de tout l’usage
|
Récupérer Générer | 67 % des demandes de rédaction modifient du texte existant. L’étude valide le modèle compositionnel du cadre RGI : Récupérer le contexte d’abord, Générer le résultat ensuite. La génération pure à partir de zéro est rare. |
|
Recherche d’information
24 % de tout l’usage
|
Récupérer | Comportement Récupérer pur. Cas d’utilisation classique de recherche. Fondation de tous les autres flux de travail productifs. L’usage autonome de 24 % valide Récupérer comme opération indépendante. |
La catégorie « S’exprimer » de l’étude (11 %) capture les interactions sociales/émotionnelles en dehors de la portée de collaboration productive du cadre RGI. Lorsque filtré aux messages professionnels (30 % du total), « S’exprimer » tombe à ~9 %, les opérations RGI couvrant les 91 % productifs.
La thèse de l’aide à la décision
Le cadre RGI et l’étude OpenAI/Harvard convergent vers une conclusion critique : la valeur économique principale de l’IA provient de l’aide à la décision (Récupérer + Interagir) plutôt que de l’automatisation des tâches (Générer seul).
L’étude a révélé que 81 % des messages professionnels impliquent la collecte/interprétation d’information et la prise de décision/résolution de problèmes. Les comportements « Demander » (49 %) dominent les comportements « Faire » (40 %), croissent plus rapidement et reçoivent des évaluations de qualité supérieures.
Cette preuve empirique valide le principe architectural du cadre RGI : Récupérer sert de fondation, Générer suit, et Interagir orchestre les flux de travail productifs.
Powered by AVA