Les modèles généralistes répondent à tout, avec la même assurance quand ils savent et quand ils inventent. Sur un programme d’examen précis, cette assurance devient un défaut. Des éditeurs français prennent le chemin inverse : moins de connaissances mais bornées et vérifiables. Cas pratique dans un secteur comme l’équitation qui compte 635 000 licenciés et un examen fédéral à sept niveaux.
À retenir
- Un corpus fermé et verrouillé sur un référentiel officiel produit des réponses fiables, tandis qu’un modèle généraliste mélange les niveaux de programme et invente des règles plausibles mais fausses faute d’avoir lu le référentiel en tant que tel.
- L’historique des erreurs et du temps passé par question devient le contexte que l’assistant injecte pour personnaliser ses explications, fermant la boucle entre l’explication conversationnelle et la mesure de progression, ce qu’un chatbot généraliste ne peut faire.
- Le modèle reste viable sur les marchés de taille moyenne avec référentiel stable, format d’évaluation automatisable et public récurrent. La propriété du corpus indexé par l’éditeur constitue l’avantage défendable face à la copie d’interface.
Interrogé sur les points à connaître pour un examen fédéral précis, un assistant généraliste répond en trois secondes. Le texte est fluide, structuré, et faux sur le détail qui compte. Il mélange deux niveaux du programme, invente une règle plausible, cite une obligation qui n’existe plus depuis deux ans. Le problème ne vient pas de la taille du modèle. Il vient de ce qu’on lui demande : produire une réponse sur un corpus qu’il n’a jamais lu autrement que dilué dans des forums et des blogs recopiés.
Une partie des éditeurs français a tranché dans l’autre sens : restreindre le domaine, verrouiller la source, et accepter que l’assistant réponde « je n’ai pas cette information ». Le secteur équestre en donne un exemple lisible. La plateforme Equirider fait tourner un assistant IA pour les cavaliers, qui répond à partir des données du compte de l’utilisateur et d’un référentiel de formation fermé, plutôt que depuis la mémoire générale du modèle. L’application sert aussi de support de révision aux jeunes cavaliers qui préparent le Galop 1, l’examen d’entrée du système fédéral français. Le terrain est étroit, et c’est le sujet : l’étroitesse fait la fiabilité.
1. Un corpus fermé fait mieux qu’un modèle plus gros
Générer du contenu coûte de moins en moins cher. Vérifier qu’il a été compris reste le point difficile.
C’est là que le quiz corrigé automatiquement change de statut : il cesse d’être une animation pour devenir la seule donnée fiable de la session. La question ratée, celle qu’on rate deux fois, celle qu’on met vingt secondes à trancher, tout cela se stocke et se compare.
Le format s’adapte au public visé. Sur le Galop 1, dont le public est majoritairement composé d’enfants, Equirider découpe la préparation en 35 rendez-vous mêlant des quiz galops, jeux et histoires, plutôt qu’en chapitres à lire.
La différence n’est pas cosmétique : un enfant de neuf ans ne relit pas une fiche, il refait un jeu. Le même contenu servi sous forme de texte ne serait pas consommé.
3. La progression remplace la note
Une note dit où on en est un jour donné. Un historique dit dans quelle direction on va, et sur quoi on bloque. Les applications d’apprentissage qui tiennent dans la durée stockent la seconde chose. L’intérêt technique est direct : cet historique devient le contexte que l’assistant injecte dans sa réponse. La même question posée par deux utilisateurs ne reçoit pas la même explication, parce que le système sait lequel des deux a déjà échoué trois fois sur ce point.
Ce mécanisme ferme la boucle entre les deux briques. L’assistant conversationnel apporte l’explication, le quiz apporte la mesure, la mesure réoriente l’explication. Un chatbot généraliste branché sur rien reste au premier tiers de cette chaîne, et il y restera même avec un modèle deux fois plus gros.
4. Les données du compte valent mieux qu’un prompt bien tourné
La personnalisation vendue par les assistants grand public repose sur ce que l’utilisateur pense à écrire dans sa demande. Une application métier n’a pas ce problème : elle connaît déjà le profil, l’historique, les échéances. Sur Equirider, l’assistant s’appuie sur le carnet de santé du cheval, les rappels de vaccination, les résultats de concours synchronisés avec la fédération. Il répond donc à « quand dois-je vacciner » sans que la question ait besoin de contenir une date.
Comparaison : IA généraliste vs IA de niche en éducation
| Critère | IA généraliste | IA de niche (corpus fermé) |
|---|---|---|
| Source de connaissances | Forums, blogs, données massives diluées | Référentiel officiel verrouillé et indexé |
| Fiabilité sur un programme précis | Mélange les niveaux, invente des règles plausibles mais fausses | Réponses vérifiables ou refus explicite |
| Personnalisation | Basée sur ce que l’utilisateur écrit | Basée sur l’historique, le profil et les données du compte |
| Mesure de progression | Absence de suivi fiable entre les sessions | Historique des quiz injecté comme contexte de réponse |
| Adaptation au public enfant | Format textuel peu engageant | Format ludique : 35 rendez-vous quiz, jeux, histoires |
| Coût de maintenance | Minimal | Maintenance manuelle du corpus à chaque évolution réglementaire |
| Transposabilité | D’un secteur à l’autre | Code transposable, corpus non transposable |
| Avantage concurrentiel | Aucun face à la copie d’interface | Historique utilisateur de trois ans non duplicable |
Ce tableau met en évidence pourquoi un corpus fermé, verrouillé sur un référentiel officiel, produit des réponses fiables pour la préparation aux examens fédéraux (Galops de l’équitation), tandis qu’un modèle généraliste mélange les niveaux de programme et invente des règles plausibles mais fausses. Equirider illustre cette approche en exploitant l’historique des quiz comme contexte pour personnaliser les explications.
Pour un éditeur, c’est la partie la plus défendable de l’édifice. Un concurrent copie une interface en un mois. Il ne copie pas trois ans d’historique déposé par les utilisateurs eux-mêmes.
Ce que ce choix coûte
La verticalisation a une facture, et elle est rarement présentée. Le corpus se maintient à la main : un référentiel de formation évolue, les règlements changent, et chaque modification oblige à rejouer l’indexation.
Le domaine fermé implique aussi d’assumer les refus de réponse, ce que les utilisateurs habitués aux assistants bavards prennent d’abord pour une panne. Enfin, le modèle ne se duplique pas d’un secteur à l’autre : le code est transposable, le corpus jamais.
Il reste que le rapport coût/résultat penche du bon côté sur les marchés de taille moyenne.
La Fédération française d’équitation revendique environ 635 000 licenciés et plus de 9 600 clubs affiliés, avec une majorité de mineurs. Assez grand pour financer un produit, trop petit pour qu’un acteur généraliste construise un corpus spécifique.
Où le modèle se transpose
Le schéma se retrouve partout où un référentiel écrit sert de vérité de référence et où l’échec à un examen a un coût. Code de la route, permis bateau, secourisme, habilitation électrique, solfège, certifications professionnelles : même structure, même corpus borné, même besoin de mesure. Trois conditions rendent l’exercice viable : un référentiel stable et accessible, un format d’évaluation automatisable, et un public qui revient assez souvent pour laisser une trace exploitable.
Rentrée des classes : quel forfait téléphonique choisir pour son enfant pour la rentrée scolaire ?
La question qui se posera aux éditeurs dans les mois qui viennent porte moins sur le modèle retenu que sur la propriété du corpus. Ceux qui ont indexé une documentation qu’ils ne possèdent pas dépendent d’un tiers qui finira par la fermer ou la facturer. Ceux qui ont construit leur base avec leurs utilisateurs tiennent une position que le prochain palier de puissance des modèles ne rendra pas caduque.
Galops est une marque déposée de la Fédération française d’équitation. Equirider est un service indépendant, non affilié à la FFE : la plateforme prépare aux examens fédéraux, elle ne les délivre pas. Chiffres FFE : environ 635 000 licenciés et 9 600 clubs affiliés.
Questions fréquentes
Pourquoi un assistant IA généraliste échoue-t-il sur un programme d’examen précis ?
Un assistant généraliste répond avec la même assurance qu’il connaisse ou invente. Sur un corpus dilué dans des forums et blogs recopiés, il mélange les niveaux du programme, crée des règles plausibles mais fausses, et cite des obligations obsolètes. Le problème ne vient pas de la taille du modèle, mais du fait qu’il n’a jamais lu le référentiel officiel en tant que tel.
Comment Equirider améliore-t-il la fiabilité de l’IA pour la préparation aux Galops ?
Equirider restreint le domaine à un corpus fermé et verrouillé, en s’appuyant sur les données du compte de l’utilisateur et un référentiel de formation officiel, plutôt que sur la mémoire générale du modèle. L’IA reconnaît aussi ses limites et répond « je n’ai pas cette information » plutôt que d’inventer. Pour les enfants, la plateforme découpe la préparation en 35 rendez-vous mêlant quiz, jeux et histoires au lieu de chapitres à lire.
Quel avantage apporte l’historique des quiz par rapport à une simple note ?
Une note indique le résultat d’un jour. Un historique montre la direction prise et les points de blocage. Cet historique devient le contexte que l’assistant injecte dans ses réponses. Deux utilisateurs qui posent la même question reçoivent des explications différentes selon leurs échecs antérieurs. Le quiz ferme ainsi la boucle entre l’explication de l’assistant et la mesure de progression.
