TL;DR — Même enquête, même prompt, trois intelligences artificielles. Gemini a rendu le plus joli tableau de bord… avec des chiffres qui ne collent pas aux données réelles. ChatGPT a livré un dashboard rigoureux et filtrable par groupe, mais qui s’arrête sagement à la donnée. Claude est le seul à avoir transformé l’analyse en outil de travail : navigation par onglets, contradictions repérées, signaux faibles, et six recommandations directement transposables en modules de formation. La leçon n’est pas « Claude gagne toujours ». C’est que, sur cette tâche précise, tout s’est joué dans l’écart entre afficher une donnée et aider quelqu’un à décider quoi en faire.
Il y a deux façons de tester une IA. La première consiste à lui poser une colle, à attendre qu’elle se trompe, puis à publier une capture d’écran triomphante sur LinkedIn. La seconde, nettement moins virale, consiste à lui confier une vraie tâche, avec de vraies données, et un vrai destinataire derrière. C’est cette seconde voie qu’a empruntée André Gentit, formateur et fondateur de DeepDive, en menant l’expérience suivante.
Claude, ChatGPT, Gemini : le même prompt, trois analyses d’enquête radicalement différentes
Le point de départ : une enquête de terrain sur le rapport des jeunes à l’intelligence artificielle. Pas un sondage abstrait — des réponses brutes, désordonnées, parfois fantaisistes, comme la vraie vie en produit. Puis une question simple : et si on donnait exactement le même matériau, et exactement le même prompt, à Claude, à ChatGPT et à Gemini ? Spoiler : Si j’ai bien obtenu des tableaux de bord. .
Le prompt en question (en partie…)
Agis comme un expert en data analyse appliquée à la pédagogie et aux comportements des jeunes face à l’intelligence artificielle.
Tu analyses un ou plusieurs fichiers Excel issus d’enquêtes ou d’ateliers pédagogiques (type Wooclap, questionnaires, sondages).
Ta mission n’est PAS de faire une analyse brute par question, mais de produire une lecture stratégique, humaine et exploitable des données.
🎯 OBJECTIF
Comprendre comment les jeunes perçoivent, utilisent et ressentent l’IA, en mettant en évidence :
- leurs émotions
- leurs usages réels
- leur niveau de maturité
- leurs freins
- leurs contradictions
⚙️ MÉTHODOLOGIE D’ANALYSE
Commence par :
- Comprendre la structure des données :
- types de questions (choix multiples, échelle, texte libre…)
- nombre de participants
- cohérence des réponses entre fichiers si plusieurs
- Fusionner les données si plusieurs fichiers sont fournis :
- identifier les tendances globales
- détecter les variations entre groupes
📊 ANALYSE À PRODUIRE (TRÈS IMPORTANT)
Tu dois structurer ton analyse en blocs intelligents (PAS PAR NUMÉRO DE QUESTION).
1. 👥 PROFIL GLOBAL DES PARTICIPANTS
- Nombre total de jeunes interrogés
- Niveau global de familiarité avec l’IA
- Typologie des profils (débutants / explorateurs / utilisateurs avancés)
La suite si vous me le demandez en commentaire
Le prompt complet est idéal pour un formateur ou un responsable pédagogique qui souhaite adapté ses pratiques grâce aux résultats obtenus via l’IA
Le décor : une promotion, une enquête, et trois IA mises au défi
L’enquête « L’IA et Moi » a été administrée à une promotion de jeunes en formation, via un atelier Wooclap. Au total, 80 participants répartis en dix groupes (G1 à G11), interrogés sur leurs sentiments, leurs usages, leur maturité numérique et leur compréhension réelle de ce qu’est une IA. Score de connaissance moyen : environ 53 % sur 12 points. Sentiment dominant : « partagé ». Bref, ni technophobie, ni euphorie — la fameuse zone grise où se joue tout le travail pédagogique.
La consigne donnée aux trois IA était identique : analyser ces données et en produire un tableau de bord exploitable, lisible, qui privilégie les tendances humaines plutôt qu’une lecture froide, question par question. Même fichier, même demande, même ambition. À partir de là, les chemins divergent. Sérieusement.
Gemini : la plus belle vitrine… posée sur du sable
Disons-le d’emblée : le rendu de Gemini est agréable à regarder. Cartes colorées, typographie soignée, trois graphiques bien alignés. Si l’on jugeait un livrable au premier coup d’œil — ce que beaucoup font, soyons honnêtes — Gemini partirait avec une longueur d’avance.
Le problème surgit dès qu’on regarde les chiffres. Gemini annonce 55 participants. L’enquête en comptait 80. Il affiche un sentiment « partagé » à 45 %, un « indifférent » à 20 %, des craintes à 15 %… des valeurs rondes, propres, qui tombent pile à 100 %. Trop pile. Là où les données réelles donnent des pourcentages biscornus (35,9 %, 25,0 %, 20,3 %…), Gemini a livré des estimations plausibles plutôt que des calculs fidèles. La « confiance IA » est figée à 2,1/5, alors que les vraies moyennes oscillent entre 1,74 et 2,44 selon ce qu’on mesure.
Autrement dit : Gemini a produit une maquette convaincante d’un tableau de bord qui aurait pu exister, plutôt que le tableau de bord de cette enquête-là. Pour un brouillon de mise en page, c’est utile. Pour prendre une décision pédagogique, c’est un piège — celui du chiffre qui a l’air vrai. Et c’est précisément ce genre de piège que DeepDive passe son temps à désamorcer en formation : un livrable IA n’est jamais « beau donc juste ».
📊 Observatoire IA & Jeunesse
Analyse consolidée des groupes G1 à G11
Sentiment Global
« Partagé »
Usage Principal
Assistant
Confiance IA
2.1 / 5
Maturité
Explorateur
💭 États d’esprit face à l’IA
L’ambivalence est le trait dominant du groupe.
🛠️ Types d’usages déclarés
Forte dépendance à l’IA comme béquille en cas de difficulté.
⚖️ Radar de Perception (Moyennes)
ChatGPT : l’analyste sérieux qui s’arrête au bord du quai
Changement d’ambiance avec ChatGPT, qui, lui, a fait ses devoirs. Les 80 participants sont bien là. Le score moyen tombe juste (6,37/12). Et surtout, ChatGPT a construit un véritable moteur de données : un objet structuré contenant le détail groupe par groupe, de G1 à G11, avec sentiments, profils, fréquences, capacités attribuées à l’IA et taux de non-réponse.
Mieux : son tableau de bord est interactif au bon endroit. Un menu déroulant permet de filtrer l’affichage par groupe, et un paragraphe d’analyse se recalcule dynamiquement à chaque sélection. On y trouve aussi un tableau comparatif propre et une lecture stratégique honnête, qui pointe l’« exploration non stabilisée » des jeunes. C’est du travail d’analyste compétent, et il faut le dire clairement : sur la fidélité aux données et la mécanique de filtrage, ChatGPT fait mieux que correctement.
Là où le bât blesse, c’est sur la dernière marche — celle qui sépare un bon dashboard d’un outil de décision. Les recommandations pédagogiques de ChatGPT tiennent en trois encadrés d’une phrase chacun : « structurer l’usage », « renforcer l’esprit critique », « rassurer sur les données ». Justes, mais génériques. On vous dit quoi regarder ; on ne vous dit pas vraiment quoi faire lundi matin devant la promotion. ChatGPT vous dépose à quai. À vous de trouver le bateau.
Le tableau de bord vu par ChatGPT
Dashboard IA & Jeunes
Analyse comportementale, cognitive et pédagogique consolidée à partir de 10 fichiers Excel. Le tableau de bord privilégie les tendances humaines plutôt qu’une lecture froide question par question.
Lecture stratégique du groupe
Vue globaleMaturité numérique
Échelle 1 à 5Sentiments face à l’IA
Profils d’usage
Fréquence d’utilisation
Usages réels déclarés
IA invisible déjà identifiée
Capacités attribuées à l’IA
Zones de friction
Comparaison des groupes
score + confiance + aisance| Groupe | Participants | Score moyen | Aisance info. | Aisance IA | Appréhension | Confiance réponses | Confiance données |
|---|
Recommandations pédagogiques concrètes
Structurer l’usage
Le groupe connaît l’IA, mais l’usage reste opportuniste. Il faut passer de “je teste quand j’y pense” à “je sais quand, pourquoi et comment l’utiliser”.
Renforcer l’esprit critique
La moitié seulement identifie correctement que l’IA ne comprend pas réellement ce qu’elle dit. C’est le point dur à travailler sans dramatiser.
Rassurer sur les données
La confiance dans le respect des données est faible. C’est une porte d’entrée idéale pour parler confidentialité, traces numériques et bons réflexes.
Claude : quand le tableau de bord devient un outil de décision
C’est ici que l’écart se creuse. Et c’est ici, pour être tout à fait transparent, que la conclusion d’André Gentit a été sans appel : sur cette tâche, Claude n’a pas rendu un graphique de plus, il a rendu un instrument de travail.
Des onglets, pas un mur de graphiques
Premier choix structurant : Claude n’empile pas les visualisations sur une seule page interminable. Il organise l’analyse en six onglets thématiques — Sentiments, Usages, Maturité, Frictions, Comparaison par groupe, Recommandations. On ne scrolle pas, on navigue. Cette architecture en chapitres n’est pas cosmétique : elle transforme une masse de données en parcours de lecture. Pour une responsable pédagogique qui veut isoler la question des usages sans se noyer dans les scores, c’est la différence entre un rapport et un classeur bien rangé. Détail qui ne trompe pas : la chose est même brandée « Version Claude · André GENTIT », avec un mode sombre. L’outil se prend pour un livrable. Il a raison.
Trois contradictions que les chiffres bruts cachaient
Là où les deux autres affichent des pourcentages, Claude les fait parler. Il identifie noir sur blanc trois contradictions structurelles que personne ne voit en lisant un camembert. Un : 55 % des jeunes déclarent utiliser plusieurs outils d’IA, mais la moitié ne s’en servent en réalité que rarement, voire jamais — l’usage est plus aspirationnel que réel. Deux : ils utilisent l’IA au quotidien tout en lui accordant une confiance de 2,44/5, et seulement 1,74/5 sur leurs données — ils s’en servent sans y croire. Trois : plusieurs jeunes qui déclarent « refuser » l’IA répondent pourtant correctement aux questions techniques et citent des outils par leur nom. Ils ne l’ignorent pas : ils la rejettent en connaissance de cause.
Ces trois constats valent à eux seuls la séance d’analyse. Ils déplacent le diagnostic : le problème de cette promotion n’est pas l’ignorance, c’est l’absence de structure.
Les signaux faibles : ce qu’un formateur pressé n’aurait pas vu
Claude pousse l’analyse jusqu’aux marges du jeu de données — précisément là où la pédagogie se joue vraiment. Douze participants ont un score de zéro : Claude refuse d’y voir un échec et le requalifie en absence (décrochage, problème de connexion, désengagement) à traiter individuellement. Quatorze jeunes utilisent l’IA comme « confident émotionnel », pour se confier sans être jugés — un usage que Claude signale comme bien réel, ni à condamner ni à ignorer, mais à encadrer. Et il repère que plusieurs jeunes citent Claude, Mistral, Perplexity ou DeepSeek : des profils avancés disséminés dans chaque groupe, candidats parfaits au rôle de pairs-ressources. C’est de l’analyse de second degré, celle qu’on attend d’un consultant, pas d’un grapheur.
Six recommandations, six modules potentiels
Le clou du spectacle. Là où ChatGPT proposait trois intentions, Claude livre six recommandations actionnables, chacune adossée à une donnée précise et formulée comme une brique de formation : travailler la représentation mentale de l’IA avant les usages, transformer le rapport « béquille » en rapport « levier », encadrer l’usage confident par une séquence sur l’éthique et les données, mobiliser les profils avancés en binôme, traiter les douze scores à zéro comme des cas individuels, et sécuriser la question des données personnelles (le point le plus bas de toute l’enquête à 1,74/5).
Lisez cette liste comme une responsable pédagogique : ce ne sont pas des conseils, ce sont des modules complémentaires prêts à être planifiés. Un formateur peut ouvrir l’onglet, lire la reco, et construire sa séance dans la foulée. C’est très exactement ce qui manquait aux deux autres rendus.
L’IA et Moi —
portrait d’une promotion
Sentiments face à l’IA
Comment les jeunes ressentent-ils l’intelligence artificielle ? Non pas ce qu’ils savent, mais ce qu’ils éprouvent.
Répartition des sentiments
Sentiments par groupe
L’IA ne fait pas peur — c’est une bonne nouvelle
Contrairement à ce qu’on pourrait craindre avec un public novice, la peur intense (« Effrayé ») est marginale (5%). La résistance n’est pas émotionnelle — elle est cognitive. Ces jeunes ne fuient pas l’IA, ils ne savent pas encore quoi en faire.
Le « Partagé » est un signal de potentiel non activé
36% dans un état de suspension émotionnelle. Ce n’est pas un blocage : c’est une attente. Ces jeunes sont en train de se former une opinion. L’atelier tombe au bon moment — mais il doit lever l’incertitude, pas juste présenter des outils.
25% d’indifférents : le vrai défi pédagogique
L’indifférence est plus difficile à travailler que la peur. Un jeune effrayé est au moins engagé. Un jeune indifférent n’a pas encore trouvé de raison personnelle de s’intéresser à l’IA. Ces profils nécessitent une entrée par le concret et l’utilité immédiate.
Usages réels de l’IA
Ce que les jeunes font vraiment avec l’IA — entre usage déclaré, usage imaginé, et usage structuré.
Comment ils utilisent l’IA
Fréquence d’utilisation
Outils IA connus et cités
L’IA comme béquille, pas comme levier
L’usage dominant est réactif : on consulte l’IA quand on est bloqué, pas pour anticiper ou structurer. C’est l’IA comme bouée de secours. Ce rapport est fonctionnel mais superficiel — il ne génère pas de montée en compétence réelle.
Usage « confident » : 14 mentions — signal à ne pas ignorer
14 jeunes utilisent l’IA comme confident émotionnel, pour se confier sans être jugés. C’est un usage réel, pas anecdotique. Il révèle une dimension relationnelle que la pédagogie doit aborder : les limites éthiques et les risques de dépendance affective à un outil.
ChatGPT domine, mais l’écosystème est déjà diversifié
ChatGPT reste la référence (39 mentions), mais Gemini (18), Siri (12), Claude (8) et Grok (6) montrent une culture d’outils déjà présente. Plusieurs jeunes connaissent des outils avancés comme DeepSeek, Mistral ou Perplexity — c’est bien au-dessus du niveau attendu.
Maturité numérique
Analyse croisée : aisance déclarée, confiance réelle, appréhension et rapport aux données personnelles.
Échelles d’auto-évaluation (Q5 — moyenne /5)
62 répondants · Échelle de Likert 1 (pas du tout) → 5 (complètement d’accord)
Le paradoxe numérique
Distribution des scores de connaissance
Confiance données personnelles : 1.74/5 — le chiffre le plus bas de l’enquête
Les jeunes ne font pas confiance à l’IA pour protéger leurs données. Ce scepticisme est sain, mais il peut devenir un frein à l’adoption s’il n’est pas travaillé. C’est aussi un sujet pédagogique essentiel : comprendre ce que l’IA collecte et comment se protéger.
L’écart informatique ↔ IA est le vrai indicateur de départ
3.16 pour l’informatique générale vs 2.63 pour l’IA. L’aisance numérique existe — elle ne se transfère pas automatiquement vers l’IA. Ces jeunes ont des bases, mais l’IA reste un territoire à part entière. La formation ne repart pas de zéro, mais elle ne peut pas s’appuyer aveuglément sur leurs compétences numériques.
Frictions, contradictions & signaux faibles
Ce que les données révèlent au-delà de la surface — zones floues, incohérences et comportements à décoder.
Q9 — L’IA « comprend-elle vraiment » ce qu’elle dit ?
50% ont la bonne réponse (FAUX) — mais 27% sont dans le flou total
La moitié de la promotion comprend que l’IA ne « comprend » pas au sens humain. C’est un bon départ. Mais 27% répondent « Bonne question » — ils n’ont pas de représentation mentale de ce qu’est une IA. C’est le cœur du travail pédagogique à mener.
Contradictions structurelles détectées
55% déclarent utiliser plusieurs outils IA. Pourtant, la fréquence révèle que 43% les utilisent rarement et 9% jamais. Il y a un écart entre l’image de soi (« je suis quelqu’un qui utilise l’IA ») et la réalité des pratiques. L’usage est plus aspirationnel que réel.
Les jeunes utilisent l’IA comme assistant au quotidien, mais lui accordent une confiance très faible : 2.44/5 pour les réponses, 1.74/5 pour les données. Ils s’en servent sans vraiment y croire. C’est une relation utilitaire sous tension — comparable à utiliser un GPS dont on doute de la fiabilité.
9 jeunes déclarent ne « pas vouloir utiliser l’IA » — mais plusieurs d’entre eux ont correctement répondu aux questions techniques (Q9, Q10) et citent des outils par leur nom. Ils connaissent mais résistent. Ce n’est pas de l’ignorance : c’est une posture identitaire ou une forme de méfiance consciente.
Signaux faibles
12 participants avec score 0 — Ce n’est pas de l’échec, c’est de l’absence. Ces jeunes n’ont pas répondu ou ont répondu de façon non valide. Profils à identifier individuellement : décrochage précoce, problème de connexion, ou désengagement actif.
14 participants sans réponse à Q9 — La question sur la nature de l’IA est celle qui concentre le plus d’abandons. C’est un sujet abstrait qui génère de l’inconfort cognitif. Le non-engagement ici est un signal d’alarme pédagogique.
Réponses à Q11 (privilèges humains) souvent décalées — Plusieurs jeunes citent des capacités biologiques (manger, dormir, procréer) plutôt que des attributs cognitifs ou émotionnels. Ils ne savent pas encore formuler ce qui distingue l’humain de la machine sur le plan de la pensée.
Plusieurs participants ont répondu plusieurs fois ou avec des noms fantaisistes — Signe d’un manque d’engagement sérieux vis-à-vis du protocole. À prendre en compte dans l’animation des prochains ateliers (rituel d’entrée, consignes renforcées).
Plusieurs jeunes citent Claude, Mistral, Perplexity, DeepSeek — Un sous-groupe de profils avancés existe dans chaque groupe. Ces jeunes peuvent devenir des relais pédagogiques si le formateur les identifie et les valorise.
Ces jeunes ne sont pas en retard sur l’IA. Ils sont en phase d’exploration non structurée. Le vrai enjeu n’est pas de leur faire découvrir l’IA — beaucoup la connaissent déjà. C’est de leur apprendre à l’utiliser intelligemment, consciemment, et sans crainte aveugle ni confiance naïve.
Comparaison par groupe
Vue d’ensemble des 10 groupes — niveaux de connaissance, taille et performances relatives.
Scores moyens par groupe
| Groupe | Participants | Score moyen | Min | Max | Niveau |
|---|---|---|---|---|---|
| G10 | 7 | 76.4% | 58% | 100% | 🏆 Leader |
| G7 | 6 | 61.7% | 42% | 75% | Bon |
| G1 | 7 | 55.6% | 42% | 67% | Moyen |
| G3 | 10 | 53.7% | 0% | 83% | Moyen |
| G2 | 6 | 51.7% | 25% | 67% | Moyen |
| G4 | 8 | 51.2% | 0% | 92% | Moyen · Très hétérogène |
| G5 | 11 | 49.2% | 0% | 83% | Moyen · Très hétérogène |
| G11 | 7 | 50.0% | 0% | 83% | Moyen |
| G6 | 7 | 45.8% | 17% | 75% | À renforcer |
| G9 | 11 | 45.0% | 0% | 100% | À renforcer · Très hétérogène |
G4, G5, G9 : hétérogénéité maximale — de 0% à 80%+ dans le même groupe
Ces groupes contiennent à la fois des participants en décrochage complet (score 0) et des apprenants très solides. La différenciation pédagogique est indispensable : une même séquence ne peut pas servir ces deux profils en même temps.
G10 : le cas d’école — homogénéité et niveau élevé
76.4% de moyenne avec un minimum à 58% : c’est le seul groupe sans participant en difficulté sévère. Ce qui différencie G10 mérite d’être analysé : taille du groupe, profils, dynamique de séance ou contexte d’animation.
Recommandations pédagogiques
Ce que les données demandent concrètement — actions prioritaires pour les formateurs.
Travailler la représentation mentale de l’IA
27% des jeunes ne savent pas si l’IA comprend vraiment. Avant d’aller sur les usages, il faut construire un modèle mental juste — ce qu’est un LLM, comment il « prédit » sans comprendre. Sans cette base, tout usage reste superficiel.
Transformer le rapport béquille → levier
L’IA est utilisée en réactif (« quand j’ai un problème »). Travailler la posture proactive : comment utiliser l’IA pour préparer, anticiper, structurer. Exercices pratiques d’usage proactif obligatoires.
Adresser l’usage « confident » avec les outils
14 jeunes utilisent l’IA comme confident émotionnel. Ce n’est pas à condamner, mais à encadrer. Une séquence sur les limites éthiques, la protection des données personnelles et les risques de dépendance affective est nécessaire.
Activer les profils avancés comme ressources
Dans chaque groupe, des jeunes connaissent Claude, DeepSeek, Mistral. Ce sont des pairs-ressources potentiels. Les identifier, les valoriser, les mobiliser en binôme avec des profils débutants — c’est une stratégie de différenciation efficace.
Traiter les 12 scores à zéro comme cas individuels
Ces participants ne sont pas « en échec sur le contenu » — ils n’ont pas été présents dans la séance. Identifier les raisons (décrochage, connexion, désengagement) et prévoir un rattrapage ciblé ou un re-test dans les conditions appropriées.
Sécuriser le sujet « données personnelles »
Confiance données personnelles à 1.74/5 — le chiffre le plus bas. C’est un signal fort d’inquiétude légitime. Une séquence dédiée à la confidentialité, au RGPD, et aux bonnes pratiques de protection est attendue par les jeunes, même implicitement.
Ce groupe ne manque pas de curiosité. Il manque de structure. L’IA est déjà dans leur quotidien — souvent à leur insu. La formation n’est pas une porte d’entrée vers l’IA : c’est une mise en ordre de ce qui existe déjà, avec des repères éthiques, des usages conscients, et une vraie montée en puissance des compétences.
Le vrai enseignement : afficher n’est pas aider à décider
Il serait paresseux — et malhonnête — de conclure « Claude est la meilleure IA ». Une expérience, un prompt, un jeu de données : c’est une observation, pas un verdict. Sur une autre tâche, avec un autre objectif, la hiérarchie pourrait s’inverser. ChatGPT a montré ici une vraie solidité d’analyste, et son moteur de filtrage par groupe est, sur le plan technique, ce que les trois ont produit de plus propre.
Le vrai enseignement est ailleurs, et il est plus dérangeant. Le prompt était identique. La variance ne vient donc pas de la consigne, mais du modèle. C’est un contrepoint piquant à ce que DeepDive martèle d’habitude — « la qualité de votre sortie dépend de la qualité de votre prompt ». C’est vrai. Mais ce test rappelle l’autre moitié de la phrase : à prompt égal, le choix de l’outil reste un acte de jugement professionnel. On ne demande pas la même chose à un GPS et à un copilote.
Et la ligne de fracture qui a compté n’était ni la beauté, ni même la fidélité des chiffres. C’était la capacité à passer de « voici les données » à « voici quoi en faire ». Deux outils ont décrit une promotion. Un seul a tendu un plan d’action à la personne chargée de la former.
Conclusion : le point de vue de DeepDive
Pour André Gentit, cette expérience résume toute la philosophie de DeepDive : l’IA n’est pas là pour remplacer le jugement du professionnel, elle est là pour le démultiplier. Gemini a rappelé qu’un livrable séduisant peut être faux. ChatGPT a prouvé qu’une analyse rigoureuse peut rester inerte si elle ne va pas jusqu’à la décision. Et Claude a illustré ce que DeepDive appelle, depuis le début, « passer de l’usage superficiel à la maîtrise » : non pas afficher l’IA, mais l’orienter pour qu’elle produise quelque chose qu’un humain pourra réellement utiliser dès le lendemain.
La morale n’est donc pas de couronner un modèle. C’est de comprendre que le savoir-faire se déplace : il ne s’agit plus de savoir lancer un prompt — les trois IA l’ont reçu sans broncher — mais de savoir évaluer ce qui en revient, repérer le joli mensonge, distinguer le dashboard de l’outil de décision, et choisir l’instrument adapté à la personne qui se trouve au bout de la chaîne.
Et maintenant ? La prochaine étape, autrement plus intéressante, ne consiste pas à refaire ce match entre trois IA, mais à inverser la question : que se passe-t-il quand on donne aux jeunes eux-mêmes les moyens d’analyser leur propre rapport à l’IA, plutôt que de le faire à leur place ? C’est sans doute là que se cache le vrai module complémentaire — et c’est un terrain que DeepDive compte bien explorer.
André Gentit Formateur & Consultant en Stratégie Web et IA générative
Vous souhaitez bâtir une stratégie de communication efficace, booster la performance de votre site internet ou mieux comprendre les dynamiques des réseaux sociaux ?
👉 Avec DeepDive, je vous accompagne grâce à une expertise terrain (ex-dirigeant d’agence digitale depuis 2011) et une veille continue sur les nouvelles pratiques numériques.
👉 J’interviens auprès de TPE, PME et collectivités, mais aussi en écoles et organismes (CNAM, CCI, écoles de commerce) pour rendre le numérique accessible et opérationnel.
👉 Mes formations couvrent le webmarketing, l’e-commerce, l’IA générative appliquée et incluent également une sensibilisation aux risques liés aux usages du web en général, sans oublier les bonnes pratiques à mettre en œuvre avec l’intelligence artificielle.
Mon objectif : transmettre des savoirs concrets pour que chaque apprenant — étudiant, salarié, entrepreneur ou institution — puisse transformer le numérique et l’IA en véritable levier de réussite.
Découvrez mon petit robot PromptyBot qui vous propose des centaines de prompts optimisés
