Que se passe-t-il quand vous cliquez « Envoyer » ? Les 7 étapes d'une conversation avec une IA

Vous tapez une phrase, vous cliquez « Envoyer », une réponse arrive deux secondes plus tard. Entre les deux, il se passe sept choses très précises — et chacune porte un nom que vous entendez dans les réunions, les articles et les argumentaires commerciaux : token, contexte, RAG, agent, MCP.

Ces mots ne sont pas de la décoration technique. Ils expliquent pourquoi votre IA oublie ce que vous lui avez dit il y a dix messages, pourquoi elle invente parfois une référence avec un aplomb parfait, et pourquoi la même demande coûte dix fois plus cher selon la façon dont vous la formulez. Les voici dans l'ordre où ils se produisent.

Vous préférez les manipuler plutôt que les lire ? Les mêmes sept étapes existent en parcours interactif, avec des démos à trafiquer vous-même — six minutes.

1. Votre message est découpé en tokens

Votre texte quitte le navigateur et part vers les serveurs du modèle. On appelle prompt tout ce que vous transmettez : votre question, mais aussi les fichiers que vous avez glissés dans la conversation.

Avant d'être lu, ce texte est découpé en tokens — des fragments de mots. Le modèle ne voit ni lettres ni phrases : il voit une suite de numéros. Un mot courant vaut souvent un token ; un mot rare, un nom propre ou un numéro de facture en valent plusieurs. En français, comptez environ 750 mots pour 1 000 tokens.

Retenez surtout ceci : le token est l'unité de facturation, à l'entrée comme à la sortie. Un pavé de trois pages renvoyé à chaque message coûte trois pages, à chaque message. C'est la première raison pour laquelle cinq lignes de consigne précise battent une page d'explications floues.

2. Un dossier complet s'assemble : la fenêtre de contexte

Votre message n'arrive jamais seul. Entre votre clic et le modèle, un logiciel assemble un dossier : les règles de la maison (le system prompt, écrit par l'éditeur), vos instructions permanentes, l'historique complet de la conversation, les documents joints — et, tout en bas, votre question.

Ce dossier doit tenir dans la fenêtre de contexte : ce que le modèle peut lire d'un seul coup. Chez Claude, elle est de 200 000 tokens, soit l'équivalent de plusieurs centaines de pages.

Et voici le point qui surprend tout le monde : ce dossier est renvoyé en entier à chaque message. Le modèle n'a aucune mémoire propre. Ce qu'on appelle « mémoire » dans les interfaces grand public est un texte stocké ailleurs, que le logiciel rajoute au dossier à chaque tour.

L'image juste : à chaque message, un nouveau consultant entre dans la salle. Il ne se souvient de rien. On repose devant lui tout le dossier, puis on pose la question. D'où le réflexe qui améliore le plus la qualité des réponses au quotidien : une conversation par sujet. Une discussion qui traîne sur dix dossiers devient lente, chère et confuse.

3. Le modèle prédit — il ne cherche pas

Un LLM (grand modèle de langage) ne va pas chercher une réponse rangée quelque part. Il reconstruit sa réponse morceau par morceau, en prédisant à chaque fois le fragment suivant le plus probable, compte tenu de tout ce qui précède.

C'est la même mécanique qui produit ses deux visages :

• Sa fluidité — il enchaîne naturellement, dans votre langue, dans votre registre.
• Ses hallucinations — quand il ne sait pas, il ne s'arrête pas : il produit quand même ce qui ressemble le plus à une bonne réponse. Un numéro d'article de loi inventé a exactement la même allure qu'un vrai.

C'est pour cette raison qu'on ne demande jamais à un modèle un chiffre ou une référence de mémoire. On lui fournit la source — ce qui nous amène directement aux étapes suivantes.

4. Répondre… ou agir : ce qu'est vraiment un agent

Face à votre demande, deux chemins. « Rédige-moi un mail de relance » : le modèle répond, tout est déjà dans le dossier. « Quelles factures sont échues depuis plus de 30 jours ? » : l'information n'est pas dans le dossier, et aucune prédiction ne la fera apparaître.

Un agent, c'est un modèle à qui on a donné des outils — lire un fichier, interroger une base, chercher sur le web, appeler un logiciel — et le droit de décider lui-même quand s'en servir. La différence avec un chatbot n'est pas l'intelligence du modèle : c'est la capacité d'agir au lieu de seulement répondre.

5. Le RAG : lui mettre vos documents sous les yeux

RAG (retrieval-augmented generation) est le nom de la manœuvre la plus utile en entreprise : aller chercher les passages pertinents dans vos documents, puis les glisser dans la fenêtre de contexte avant que le modèle réponde.

L'IA ne « connaît » pas vos procédures, vos contrats ou votre catalogue. On les lui met sous les yeux, au bon moment, en petits morceaux choisis. C'est ce qui permet de répondre sur des données internes sans réentraîner de modèle — et c'est aussi ce qui rend une réponse vérifiable : on peut exiger la citation du passage utilisé.

6. La boucle agentique : décider, agir, observer, recommencer

Une tâche réelle tient rarement en un aller-retour. La boucle agentique, c'est le cycle : décider → agir → observer le résultat → redécider, répété jusqu'à un point d'arrêt.

C'est ce qui transforme une réponse unique en tâche menée à son terme : lire les 60 candidatures, écarter les hors-critères, produire une liste courte argumentée. C'est aussi pour cette raison qu'un agent doit toujours avoir une limite explicite — nombre de tours, plafond de budget, validation humaine avant tout ce qui sort de l'entreprise. Un agent sans point d'arrêt est un agent qui vous surprendra sur la facture.

7. Le MCP : brancher vos logiciels

Reste la dernière marche, celle qui sépare une démo d'un outil de travail : donner à l'assistant l'accès à vos vrais systèmes. Le MCP (Model Context Protocol) est un standard ouvert qui joue le rôle de prise universelle entre un assistant IA et vos outils — fichiers, messagerie, CRM, base de données — sans développement spécifique pour chacun.

L'analogie de l'USB est exacte : une fois le connecteur en place, l'assistant peut lire et agir dans l'outil, dans la limite des droits que vous lui donnez. Cette dernière précision n'est pas un détail juridique, c'est la partie la plus importante du branchement.

Les trois réflexes qui découlent de tout ça

Comprendre la mécanique n'est utile que si ça change quelque chose lundi matin. Ce que ces sept étapes impliquent, en pratique :

1. Une conversation par sujet. Le dossier repart en entier à chaque message : un fil qui mélange dix sujets vous fait payer — et diluer — les neuf autres à chaque tour.
2. Fournir la source, ne jamais la demander de mémoire. Un chiffre, une référence, une clause : on les joint. Le modèle est excellent pour raisonner sur un document, mauvais pour s'en souvenir.
3. Un point d'arrêt pour tout ce qui agit. Dès qu'un assistant fait autre chose que répondre, il lui faut une limite et une validation humaine sur ce qui engage l'entreprise.

Ces trois réflexes ne demandent aucune compétence technique. Ils suffisent à vous placer devant l'immense majorité des utilisateurs — ceux qui « utilisent l'IA » sans savoir ce qu'ils font avec.

Pour aller plus loin

• Voir les sept étapes en action : le parcours interactif « Anatomie d'un chat Claude » reprend chacune de ces notions avec une démo manipulable — vous découpez vos propres phrases en tokens, vous remplissez la fenêtre de contexte, vous faites tourner une boucle agentique — puis rejoue le tout dans une vraie conversation professionnelle, au choix en transport, comptabilité, juridique ou RH.
• Le vocabulaire complet : notre glossaire IA définit les termes que vous croiserez ensuite.
• Le mettre en pratique sur vos dossiers : c'est l'objet de nos formations Claude, qui sont live et appliquées à votre métier.

Une question sur votre cas précis ? Écrivez-nous sur WhatsApp — on vous répondra franchement, y compris si votre besoin ne demande pas d'IA du tout.