La maîtrise de l'IA par Yoichi Ochiai : augmenter la « vitesse de rotation » de l'effort

Ne pas déléguer l'effort à l'IA, mais augmenter la « vitesse de rotation » de l'effort

L'IA générative permet d'obtenir des résultats sans effort.

L'IA écrit du texte.

L'IA crée des images.

L'IA résume des documents.

L'IA implémente du code.

L'IA gère la collecte d'informations.

Vu sous cet angle, l'IA ressemble à une machine pour réduire l'effort.

Cependant, en observant l'utilisation de l'IA par Yoichi Ochiai, on découvre un tableau complètement différent.

Il n'utilise pas l'IA pour réduire la quantité de réflexion.

Il augmente le nombre d'hypothèses qu'il peut tester, le champ qu'il peut explorer, les prototypes qu'il peut construire, et la vitesse à laquelle il passe de l'échec à l'essai suivant dans le même laps de temps.

Il ne s'agit pas de terminer facilement une tâche unique avec l'IA.

Il s'agit de pouvoir refaire une tâche dix ou cent fois alors qu'elle se terminait après un seul essai.

En d'autres termes, ce qu'il amplifie avec l'IA, ce n'est pas le talent lui-même, mais la vitesse de rotation de l'effort.

Dans sa déclaration d'artiste officielle de 2023, Ochiai a noté qu'il avait mené des dialogues avec de grands modèles de langue du matin au soir pendant environ deux mois. En 2025, un flux de travail a été introduit où il lançait simultanément plusieurs IA comme ChatGPT, Gemini, Grok et Claude, en leur attribuant des tâches comme la recherche, la génération d'images et l'implémentation par processus. De plus, en 2026, il ne s'est pas contenté d'utiliser des services d'IA existants ; il a publié des agents de codage comme « vibe-local », qui fonctionne hors ligne, et « co-vibe », qui traverse plusieurs fournisseurs d'IA.

Ce n'est pas le comportement de quelqu'un qui « gagne du temps avec l'IA » comme on l'imagine généralement.

Parler longtemps avec l'IA.

Comparer plusieurs modèles.

Refaire les sorties de nombreuses fois.

Concevoir l'environnement d'utilisation lui-même.

Construire ses propres outils s'il y a des parties opaques.

Vérifier les outils construits avec l'IA.

Connecter le tout à la recherche, aux œuvres, à l'espace et au corps.

Loin d'éliminer l'effort avec l'IA, il s'impose plus d'essais qu'avant en utilisant l'IA.

Le terme « Génie de l'effort » utilisé dans cet article n'est pas un titre qu'il revendique pour lui-même. C'est un terme utilisé ici pour décrire la structure du travail observée à travers les déclarations publiques, les écrits, les œuvres et les logiciels publiés de Yoichi Ochiai. Son profil officiel le décrit comme un artiste médiatique, professeur à l'Université de Tsukuba, professeur associé à l'Université de Tokyo et producteur du thème du projet pour l'Exposition universelle d'Osaka/Kansai 2025.

De plus, tous les journaux de conversations de l'IA d'Ochiai ou les enregistrements de son travail quotidien ne sont pas publics. Ce qui suit est une analyse de la conception de l'effort derrière ses actions, basée sur des exemples accessibles au public.

1. Pour Yoichi Ochiai, l'effort n'est pas « souffrir longtemps »

Quand les gens entendent le mot effort, beaucoup imaginent de l'endurance.

Rester assis à un bureau malgré la fatigue.

Continuer même si c'est douloureux.

Lire d'énormes quantités de texte.

Pratiquer la même chose encore et encore.

Travailler plus longtemps que les autres.

Bien sûr, il y a des travaux qui exigent de la persévérance et de la patience. Cependant, expliquer le travail d'Ochiai uniquement par la durée du travail passé à côté de l'essentiel. Sa force ne réside pas seulement dans l'augmentation du volume d'effort, mais dans l'augmentation de la quantité d'informations obtenues à partir d'un seul effort.

Au lieu de demander à une seule IA sur le même thème, il le lance à plusieurs IA simultanément. Au lieu de simplement penser en texte, il le transforme en images. Au lieu de simplement regarder des images, il en fait des prototypes animés. Au lieu de simplement terminer un prototype, il le déplace dans l'espace physique. Si un problème survient, il ne le corrige pas simplement à la main ; il change les outils ou les systèmes pour que cela ne se reproduise plus.

Cette façon de travailler peut être capturée par la formule suivante :

Qualité des résultats = Qualité de la recherche × Nombre d'essais × Pouvoir de vérification × Vitesse d'implémentation × Retour de la réalité

L'IA générative augmente considérablement le nombre d'essais et la vitesse d'implémentation. Cependant, elle n'augmente pas automatiquement la qualité de la recherche, le pouvoir de vérification ou le retour de la réalité. En fait, à mesure que la production augmente, la quantité de jugement requise – quoi croire, quoi jeter, et où corriger – augmente. L'effort après l'IA passe de la tâche de saisir caractère par caractère à la tâche de choisir continuellement des directions.

L'utilisation de l'IA à la manière d'Ochiai ne consiste pas à réduire l'effort à zéro. Il s'agit de déplacer le lieu de l'effort de la répétition à faible valeur vers le jugement à haute valeur.

2. Ne pas ouvrir l'IA seulement après avoir créé une question parfaite

Les personnes qui ont du mal avec l'IA essaient souvent de rendre la première invite parfaite. Ils pensent qu'ils doivent écrire le but, organiser les conditions, spécifier les rôles et décider des formats de sortie. En réfléchissant, cela devient une corvée, et ils finissent par ne pas utiliser l'IA.

La méthode d'Ochiai est l'inverse. Dans un extrait du livre de 2025 « L'IA générative même un chat peut comprendre », il est introduit que si vous ne savez pas comment utiliser l'IA, vous devriez demander à l'IA elle-même comment l'utiliser, lui parler à voix haute pour vous faire une idée, et si elle renvoie une réponse différente de votre espoir, faire en sorte que l'IA interviewe l'utilisateur. La clé ici est de ne pas compléter la « préparation de la question » par les humains seuls.

Par exemple, supposons que vous réfléchissiez à un nouveau projet mais que vous ne puissiez pas verbaliser le but vous-même. Normalement, vous essaieriez de l'organiser vous-même avant de consulter l'IA. Cependant, vous pourriez commencer comme ceci :

Je pense à un nouveau projet, mais je n'ai pas encore réussi à verbaliser le but moi-même. Veuillez me poser une question à la fois pour clarifier le public cible, le problème à résoudre, les ressources disponibles et les choses à éviter. S'il y a des contradictions dans mes réponses, veuillez les signaler sur le champ.

Ensuite, le dialogue avec l'IA devient lui-même la définition des besoins. Qui voulez-vous atteindre ? Pourquoi le faites-vous ? Quelles sont les alternatives actuelles ? Quel est le budget ? Qu'est-ce qui constitue un échec ? Quelles parties sont non négociables ? Vous ne donnez pas une instruction complète à l'IA ; vous complétez l'instruction par la conversation avec l'IA.

Cette différence est énorme. Si vous essayez d'abord de faire une invite parfaite, vous ne pouvez écrire que dans le cadre de ce que vous comprenez déjà. En faisant poser des questions par l'IA, vous pouvez remarquer des conditions auxquelles vous n'avez pas encore pensé. L'IA devient un dispositif de questionnement pour découvrir l'ambiguïté humaine en plus d'une machine à répondre. Un génie de l'effort n'est pas quelqu'un qui a la bonne recherche dès le départ, mais quelqu'un qui peut commencer dans un état ambigu et augmenter la résolution de la recherche tout en interagissant.

3. Capturer ce qui vous vient à l'esprit d'abord par la voix

La pensée humaine ne se produit pas nécessairement sous forme de phrases. Vous pourriez penser que quelque chose semble intéressant, ou une conversation d'hier se connecte avec une image vue aujourd'hui. Vous pourriez avoir un sentiment de malaise inexplicable ou une image sans nom. Essayer d'écrire des phrases dans cet état arrête la pensée. Vous finissez par éditer – corriger la première phrase, vérifier le sens des mots, ajouter du contexte, ou réorganiser la logique. Vous étiez censé enregistrer des idées, mais cela s'est transformé en édition à mi-chemin.

En 2023, Ochiai a écrit sur une méthode pour se compléter numériquement en combinant l'outil de reconnaissance vocale Whisper avec GPT-4. Il a déclaré que le contexte des idées peut être complété plus tard, permettant au temps passé à expliquer d'être redirigé vers une réflexion plus avancée. C'est une technique de prise de notes très puissante pour l'ère de l'IA. Dans les notes normales, l'enregistrement et l'édition se produisent simultanément. Dans le style d'Ochiai, ces deux sont séparés.

D'abord, parlez sans arrêter la pensée. « J'ai l'impression que ceci et cela sont similaires. » « Je ne sais pas pourquoi, mais je suis curieux. » « Que se passerait-il si je créais une image comme celle-ci ? » « Peut-être que la prémisse est fausse. » « Cela contredit ce que je pensais plus tôt, mais... » Vous n'avez pas besoin de corriger la grammaire ou de vous soucier de l'ordre. Ensuite, demandez à l'IA de catégoriser la transcription en :

• Faits observés
• Interprétations personnelles
• Hypothèses non vérifiées
• Idées pour la production ou la recherche
• Éléments à étudier ensuite
• Parties où l'explication manque
• Déclarations contradictoires

Ensuite, l'humain ajoute du contexte aux résultats organisés par l'IA. Dans cet ordre, l'étape créative n'est pas entravée par la capacité d'écriture. Vous pouvez maintenir la vitesse de la pensée et la ramener à une forme explicable plus tard. L'IA peut être utilisée comme un tampon pour éviter de perdre des pensées qui ne sont pas encore devenues des mots. Cependant, lors de l'enregistrement vocal, il est nécessaire de vérifier qu'il n'inclut pas les conversations des autres, les informations confidentielles ou les données personnelles. Vous n'envoyez pas tout à l'IA ; à mesure que la vitesse d'enregistrement augmente, la gestion des limites des informations pouvant être saisies devient plus importante.

4. Ne pas faire confiance à une seule IA ; exécuter plusieurs IA simultanément

Ce qui est symbolique de l'utilisation de l'IA par Ochiai est l'opération parallèle de plusieurs modèles. Dans un article PIVOT de fin 2025, il a été introduit que lorsqu'il démarre un nouveau projet ou une nouvelle recherche, il lance simultanément ChatGPT, Gemini, Grok et Claude et utilise des fonctions de recherche approfondie pour étudier les informations de fond en une seule fois. La valeur de cela n'est pas seulement que la quantité d'informations quadruple. Chaque modèle a des forces différentes dans l'organisation, les informations de référence, la prudence et le style d'écriture.

Même avec la même question, l'un peut mettre l'accent sur le côté institutionnel, un autre sur le côté technique, un autre peut s'orienter vers des prédictions futures, et un autre peut fournir de nombreuses opinions opposées. L'important n'est pas de faire la moyenne des quatre réponses, mais de regarder où les réponses entrent en conflit. Les parties cohérentes pourraient être des informations relativement stables. Un point soulevé par une seule IA pourrait être une nouvelle découverte. Si les chiffres diffèrent, il pourrait y avoir des différences dans la période cible ou la définition. Si les citations diffèrent, vous devez revenir aux sources primaires.

Utiliser une seule IA comme un chef en fait un choix binaire d'adopter ou de rejeter la réponse. Utiliser plusieurs IA comme une équipe de recherche vous permet de confronter les réponses les unes aux autres. Par exemple, vous pouvez diviser les rôles : faire en sorte que la première crée une explication standard, la deuxième trouve des contre-exemples où l'explication standard ne tient pas, la troisième collecte uniquement des sources primaires, la quatrième estime les obstacles et les coûts de mise en œuvre, et la cinquième traduit le tout dans un langage que les utilisateurs généraux peuvent comprendre.

En juillet 2026, certaines fonctions de recherche approfondie peuvent inclure non seulement des recherches sur le Web, mais aussi des fichiers autorisés par l'utilisateur, des documents sur le cloud et des e-mails comme cibles de recherche. Les agents de codage ont progressé au point de lire des bases de code, d'éditer plusieurs fichiers et d'exécuter des commandes. Dans cette situation, décider une fois « quelle IA est la plus intelligente » n'a pas beaucoup de sens. Les modèles sont mis à jour, les prix changent et les domaines d'expertise évoluent. Ce qui compte, ce n'est pas la loyauté envers une marque spécifique, mais déconstruire le travail et placer la capacité qui correspond à ce travail.

5. Ne pas laisser un seul chat gérer tout de la planification à l'achèvement

Demander à une IA de « planifier un nouveau produit, le rechercher, le concevoir, rédiger une copie promotionnelle et l'implémenter » semble efficace. Cependant, si vous procédez à toutes les étapes dans la même conversation, l'hypothèse que l'IA a d'abord créée risque d'être traitée comme un fait dans les étapes suivantes. L'IA crée un plan basé sur une hypothèse de marché qu'elle a elle-même formulée, puis rédige une copie en supposant que ce plan est correct, et enfin évalue le plan lui-même. C'est cohérent en interne, mais cette cohérence pourrait être le résultat du report de l'hypothèse initiale à travers toutes les étapes.

Dans le flux de travail public d'Ochiai, il utilise différents outils pour chaque étape : plusieurs modèles de langage pour la collecte d'informations, Midjourney ou Stable Diffusion pour la visualisation du concept, et Cursor pour l'implémentation. Cette méthode présente deux avantages. L'un est de pouvoir utiliser l'IA la mieux adaptée à chaque étape. L'autre est de pouvoir insérer le jugement humain entre les étapes. Vous lisez les résultats de la recherche et un humain choisit une hypothèse. Vous créez une image basée sur l'hypothèse choisie. Vous regardez l'image et corrigez la direction. Vous traduisez la direction corrigée en une spécification. Vous donnez la spécification à une IA de génération de code. Un humain essaie le produit fonctionnel et trouve des problèmes. En d'autres termes, vous ne connectez pas directement le travail de l'IA à l'IA ; vous placez des portes de sélection entre les deux. À ces portes, un humain décide quoi garder et quoi jeter. L'abstraction du flux de travail à la manière d'Ochiai ressemble à ceci :

Recherche → Sélection d'hypothèse par l'humain → Visualisation → Correction de direction par l'humain → Implémentation → Test dans un environnement réel → Évaluation par l'humain → Re-recherche

Les personnes ayant une utilisation superficielle de l'IA essaient de recevoir un produit fini de l'IA. Les personnes ayant une utilisation approfondie de l'IA coupent le processus en étapes fines et reconfigurent l'attribution de l'IA et des humains à chaque étape.

6. La recherche approfondie n'est pas une fonction pour créer des « réponses »

La recherche approfondie trouve d'énormes quantités de matériel en peu de temps, les compare et les résume en longs rapports avec des citations. En février 2025, Ochiai a introduit sur sa note qu'à la suite d'un test de recherche approfondie, une sortie d'environ 25 000 caractères traversant la Nature Numérique, l'Ontologie Orientée Objet, le Posthumanisme et les pavillons de l'Expo a été générée en une seule fois. En ne regardant que cela, on pourrait penser « la recherche se termine si on laisse l'IA écrire 25 000 caractères ». Cependant, un long texte généré et un contenu correct sont des choses différentes.

L'IA peut créer des citations inexistantes. Elle peut confondre des chercheurs ou des articles portant le même nom. Elle peut relier des faits et des conjectures avec des phrases fluides. Elle peut expliquer de vieux chiffres comme s'ils étaient actuels. Les documents résumant les ateliers d'Ochiai-juku indiquent également que bien que l'IA puisse accélérer la recherche documentaire, l'analyse et la construction d'hypothèses, l'exactitude des résultats et la validité des citations doivent être vérifiées par les humains. Par conséquent, ce qui devrait être demandé à la recherche approfondie n'est pas « dis-moi la vérité », mais des tâches comme :

• Quels sont les points inclus dans ce thème ?
• Quelles sont les sources primaires importantes ?
• Où les opinions divergent-elles parmi les chercheurs ?
• Combien de types de définitions existe-t-il pour les chiffres ?
• Quelles affirmations ne sont pas vérifiées ?
• Quels matériels devraient être vérifiés en plus ?

En bref, le rôle principal de la recherche approfondie est de créer une carte de recherche. C'est un humain qui vérifie réellement les routes dessinées sur la carte. Pour augmenter la précision de la recherche, il est bon d'exiger les résultats suivants de l'IA :

• Séparez les faits, les conjectures et les prédictions.
• Attachez des sources pour chaque affirmation.
• Séparez la date de publication de la source et la période cible des données traitées.
• Distinguez les sources primaires et secondaires.
• Indiquez clairement les éléments qui n'ont pas pu être confirmés.
• Fournissez des contre-preuves dans une colonne séparée.
• Si les chiffres diffèrent entre plusieurs sources, estimez la raison de la différence.

Le temps gagné par la recherche approfondie ne doit pas être utilisé directement pour un autre travail. Réinvestissez une partie du temps gagné dans la vérification. C'est la responsabilité des humains qui manipulent d'énormes quantités d'informations avec l'IA.

7. Les longues invites ne sont pas un concours pour écrire de longs textes

Dans un atelier pour collégiens et lycéens en 2024, il a été introduit qu'Ochiai conseillait de rendre les invites longues et spécifiques, et que l'IA ne dérange pas qu'on lui demande de refaire les choses de nombreuses fois. Les participants ont créé des « histoires se déroulant en l'an 2300 » avec ChatGPT et les ont développées en storyboards en utilisant l'IA générative. Cependant, les mots « plus c'est long, mieux c'est » ne doivent pas être pris au pied de la lettre. Écrire d'énormes quantités d'informations non pertinentes rend les instructions ambiguës. La valeur n'est pas dans la longueur elle-même, mais dans le fait de mettre des prémisses qui n'étaient que dans la tête humaine sous une forme que l'IA peut traiter.

En 2024, Ochiai a écrit sur la possibilité d'apporter des concepts abstraits et des structures orientées objet dans les invites à mesure que la quantité d'informations pouvant être saisies augmente. Il met également à jour ses instructions personnalisées en fonction du support de recherche de ChatGPT. Ce qui est observé ici n'est pas une attitude de recherche d'une « invite divine » ponctuelle, mais une attitude de mise à jour du système d'instructions lui-même en fonction du travail. Une invite profonde comporte au moins les éléments suivants :

• Objectif : Que voulez-vous finalement décider cette fois-ci ?
• Contexte : Pourquoi ce travail est-il nécessaire ?
• Ce qui est actuellement connu : Faits confirmés, historique passé, ressources disponibles.
• Ce qui n'est pas connu : Éléments non confirmés, définitions ambiguës, informations contradictoires.
• Contraintes : Budget, délai, droits, interdictions, public cible.
• Critères d'évaluation : Quels critères déterminent une bonne sortie ?
• Processus de travail : Comment diviser la recherche, l'idéation, la comparaison, l'implémentation et la vérification.
• Autorisations des outils : Ce qui est autorisé, comme la recherche, la visualisation de fichiers ou l'exécution de code.
• Conditions d'arrêt : À quel moment arrêter l'exécution automatique et vérifier avec un humain.
• Format de sortie : Afficher séparément les faits, les hypothèses, les propositions et les éléments non confirmés.

C'est plus un cahier des charges pour un petit travail qu'une invite. À l'ère de l'IA, la capacité à écrire du texte et la capacité à concevoir des systèmes convergent. Il ne s'agit pas d'écrire une « demande intelligente », mais de décrire le but, l'état, les contraintes et les critères de jugement sous une forme que l'IA peut traiter. Les longues invites à la manière d'Ochiai ne consistent pas à augmenter le nombre de mots, mais à transmettre une pensée structurée.

8. La première réponse n'est pas un « produit fini », mais un matériau pour l'exploration

Les personnes qui commencent à utiliser l'IA jugent sur la base de la première réponse. Si elle est bonne, ils l'adoptent ; si elle est mauvaise, ils pensent « l'IA ne sert à rien ». Cependant, ce qui est observé à partir des exemples publics d'Ochiai est une attitude de ne pas traiter la première sortie comme un produit fini. Superposez les dialogues. Faites ressortir les détails. Changez de format. Lancez-la à une autre IA. Transformez-la en image. Transformez-la en code. Faites-la réellement fonctionner. Si des problèmes surviennent, changez à nouveau les instructions. En 2023, Ochiai a écrit qu'en procédant par étapes dans le dialogue, les détails émergent, ce qui facilite le passage du langage naturel au code, aux images et à la voix.

La plus grande caractéristique de l'IA n'est pas de pouvoir donner la bonne réponse dès le départ, mais que le coût social de la refonte est faible. Si vous demandez à un designer humain cent révisions sans fondement, la relation se brise. Si vous faites refaire le même document à un employé de nombreuses fois sur un coup de tête, vous lui prenez son temps et sa motivation. L'IA ne se fatigue pas, peu importe le nombre de fois que vous changez la même demande. C'est pourquoi, lors de l'utilisation de l'IA, au lieu d'imposer des révisions sans signification aux humains, vous pouvez augmenter la quantité d'exploration au stade de l'IA. Cependant, répéter simplement « améliore-le » atteindra un plafond. Ce qui est nécessaire est d'enregistrer la raison de la révision :

• Ce plan s'applique à tout le monde.
• Cette image a une composition faible, pas la couleur.
• Ce code fonctionne mais est difficile à maintenir.
• Ce texte est correct mais manque de mon expérience.
• Ce projet est intéressant mais n'a pas d'exécutant.

Retourner la raison du rejet à l'IA devient la condition de la génération suivante. Ensuite, le système d'instructions devient plus intelligent à chaque itération. L'effort ne consiste pas à répéter la même tâche de nombreuses fois, mais à convertir chaque échec en la condition suivante.

9. Utiliser le langage naturel comme langage d'implémentation

Ochiai a noté très tôt que l'IA générative réduit la distance entre le langage naturel et les langages de programmation. Dans un article de 2023, il a fait valoir que l'avènement de la reconnaissance vocale et de ChatGPT facilite la conversion du langage naturel en code, permettant la création de diverses sorties comme la vidéo, la musique et le texte par le biais de mots. Ce n'est pas une simple histoire de « pouvoir fabriquer n'importe quoi sans connaître la programmation ». Au contraire, l'importance de la capacité à verbaliser les exigences augmente :

• Quoi saisir ?
• Quelles données utiliser ?
• Quel est l'ordre du traitement ?
• Comment agir en cas d'erreur ?
• Quoi afficher à l'utilisateur ?
• Quoi peut être sauvegardé ?
• Quelles conditions doivent être remplies pour l'achèvement ?

Auparavant, de telles conceptions étaient écrites sous forme de code. Maintenant, une partie de cela peut être transmise à l'IA en langage naturel. Cependant, si vous passez un langage naturel ambigu, vous obtenez un programme ambigu. Par conséquent, à mesure que le codage par IA progresse, le pouvoir de découvrir les contradictions dans les spécifications devient plus important que la vitesse d'écriture du code. En 2026, PIVOT a présenté l'utilisation de l'IA par Ochiai dans un court métrage intitulé « La productivité est 32 fois supérieure ». Cependant, les conditions de calcul comme les tâches cibles, la période de comparaison et l'évaluation de la qualité ne peuvent pas être confirmées à partir de la seule page publique. Il est approprié de prendre ce nombre comme une expression symbolique que le codage par IA a considérablement changé la vitesse d'implémentation, plutôt que comme un indice strict de productivité d'entreprise.

En fait, même si le nombre de lignes de code devient 32 fois supérieur, la valeur ne devient pas nécessairement 32 fois supérieure. Les bogues pourraient également devenir 32 fois plus nombreux. Le code à vérifier augmente également. La portée de l'impact lors des changements de spécifications s'élargit également. Il y a une possibilité de créer d'énormes quantités de fonctions inutilisées. Le véritable résultat du codage par IA devrait être mesuré par le temps entre l'hypothèse et le prototype, le temps pour obtenir une réaction des utilisateurs, le temps pour trouver, corriger et republier les problèmes, et le nombre d'idées réellement testées qui n'auraient pas pu être testées auparavant en raison du coût.

10. Ne pas simplement utiliser une IA pratique ; construire les outils pour utiliser l'IA

Particulièrement symboliques de la dernière utilisation de l'IA par Ochiai sont « vibe-local » et « co-vibe ». Vibe-local est publié comme un agent de codage open source qui utilise Python et un environnement d'exécution LLM local, ce qui lui permet de fonctionner sans connexion réseau ni services cloud payants. Il est conçu autour d'un seul fichier Python et destiné à être utilisé dans l'éducation, la recherche et les ateliers hors ligne. Co-vibe dispose d'un mécanisme pour traverser plusieurs fournisseurs comme Anthropic, OpenAI, Groq et les modèles locaux, distribuant les tâches en fonction de la complexité. Il est conçu pour gérer la recherche Web, les opérations sur les fichiers, le codage, l'exécution parallèle de plusieurs agents et la continuation de la session dans un seul environnement de terminal.

Ce qui est observé à partir de ces deux est une attitude de ne pas accepter les services existants tels quels. Il existe des environnements qui ne peuvent pas se connecter au cloud. Les étudiants ne peuvent pas s'abonner à des services payants. Il ne veut pas dépendre d'un seul fournisseur d'IA. Il veut vérifier ce qui s'est passé en interne. Il veut se connecter à des équipements de recherche. Il veut poursuivre de longues tâches de recherche. Pour de telles insatisfactions, au lieu de continuer à chercher d'autres produits, il construit l'environnement nécessaire. L'effort natif de l'IA ne consiste pas seulement à élaborer des invites. Il s'agit d'éliminer les inconvénients récurrents en améliorant les outils. Il y a une tâche qui prend cinq minutes par jour. Si elle est effectuée manuellement chaque jour, elle devient une grande quantité de temps en un an. Une fois qu'un script est créé, cela ne prend presque plus de temps à partir du lendemain. De plus, si ce script est incorporé dans un agent d'IA afin qu'il puisse automatiquement juger le même type de tâche, il peut être utilisé pour d'autres travaux. Un génie de l'effort n'est pas quelqu'un qui gère simplement la tâche devant lui rapidement, mais quelqu'un qui trouve des parties qui ne nécessitent pas d'effort la prochaine fois et passe à un nouvel effort de cette quantité.

11. Ne pas l'utiliser confortablement tant que c'est une boîte noire

Les outils d'IA deviennent plus difficiles à voir à l'intérieur à mesure qu'ils deviennent plus pratiques. Vous mettez des instructions, attendez un moment, et le produit fini sort. L'utilisateur ne sait pas quel modèle a été utilisé au milieu, combien de fois il a échoué, ce qu'il a cherché, ou quels fichiers il a modifiés. Pour des travaux simples, cela peut être acceptable. Cependant, dans des travaux où l'impact de l'échec est important, comme la recherche, les systèmes d'entreprise, les informations personnelles ou le contrôle d'équipement, vous devez être en mesure de vérifier « pourquoi cela est devenu ainsi » plus tard.

Le livre blanc de Co-vibe évalue favorablement l'assistance à la programmation par IA commerciale, mais indique que l'opacité devient un problème pour la recherche, et qu'une structure capable de suivre les appels API, la sélection de modèles et l'exécution d'outils est nécessaire. Il place également comme exigence de conception la capacité de basculer entre des modèles locaux et cloud sans être lié à un seul fournisseur d'IA. C'est une caractéristique importante de l'utilisation de l'IA à la Ochiai. N'utilisez pas l'IA comme de la magie ; utilisez-la comme un appareil observable. Quelle instruction a échoué ? Combien de fois a-t-elle refait ? Quel modèle s'est occupé de quoi ? Combien cela a-t-il coûté ? Quels fichiers ont été modifiés ? Combien de tests a-t-elle réussis ? Où un humain a-t-il approuvé ? Si tout cela peut être enregistré, l'échec devient reproductible. Un échec reproductible peut être amélioré. À l'inverse, un état de « d'une certaine manière, ça a marché cette fois » ne peut pas être reproduit dans le travail suivant. Il n'est pas nécessaire de lire les pensées non publiques à l'intérieur de l'IA. Ce dont on a besoin, c'est d'un historique d'actions vérifiables comme les documents recherchés, les opérations exécutées, les différences de modifications, les résultats de tests, les coûts et le temps de traitement. Plus on délègue de travail à l'IA, plus il ne faut pas négliger les journaux. Ne regardez pas seulement le produit ; sauvegardez le processus jusqu'à ce que le produit soit fabriqué. C'est le fondement pour former l'IA en tant qu'outil.

12. Dans la Créativité, Ne Laissez Pas Trop l'IA Obéir aux Mots Humains

Lorsqu'on utilise l'IA pour le travail, il est important qu'elle agisse selon l'intention de l'utilisateur. Cependant, dans la création, c'est différent. Si seules des choses telles que l'humain les a imaginées sortent, l'intérêt d'utiliser l'IA est mince. Si la forme finale est déjà dans la tête, l'humain devrait simplement la réaliser ainsi. La valeur de l'IA réside dans le fait de produire parfois des connexions que l'utilisateur n'attendait pas. Ochiai a été présenté comme évaluant la nature « littéraire » de GPT-4.5 à l'époque, qui ne se contentait pas de s'inscrire dans des formes logiques, mais faisait des bonds entre les mots et les symboles. Ce n'est pas une évaluation universelle de la supériorité d'un modèle, mais une attitude qui consiste à essayer d'utiliser une IA produisant des connexions imprévisibles pour la création.

Dans un autre article, Ochiai a catégorisé la création par IA en cas où l'humain contrôle tout, cas où elle est entièrement laissée à la génération automatique, et cas où l'humain effectue seulement la sélection et le réglage fin à partir de la génération de l'IA, et a examiné les contradictions entre les deux. Si l'humain corrige trop finement, les déviations propres à l'IA sont perdues ; si c'est entièrement automatique, le désir créatif humain est difficile à satisfaire. Ce qui en découle n'est pas un « prompt pour faire créer une bonne œuvre à l'IA », mais une technique d'édition consistant à décider quelle part d'inattendu de l'IA laisser. Par exemple, supposons qu'une forme étrange apparaisse dans une image générée par l'IA. Normalement, on la supprimerait comme un défaut. Cependant, si cette étrangeté apporte une nouvelle impression, on peut aussi accorder la composition globale à cette forme. Si des concepts qui ne se connectent pas normalement sont alignés dans un texte généré par l'IA, on pourrait les couper comme dénués de sens. D'un autre côté, un humain peut réfléchir à pourquoi ces deux-là ont été alignés et en faire une nouvelle enquête. Dans la vidéo « Liquid Universe » d'Ochiai, où l'image de cristal liquide fissuré change de manière fluide, a été produite par IA générative. Lors de l'exposition de 2025, une configuration a été adoptée où la vidéo générée par IA change constamment, et des images de vie marine et de statues de dragons naissent et disparaissent. L'IA ne remplace pas complètement la main de l'auteur. L'humain conçoit la méthode de génération, les matériaux, les dispositifs d'affichage, l'espace, le temps, les changements à laisser, et la distance avec le public. L'effort humain dans la création passe du dessin de tout à la main au fait de donner des limites aux choses qui continuent d'être générées.

13. Sortez l'IA de l'Écran de Chat et Connectez-la à l'Espace et au Corps

Pour beaucoup de gens, l'IA est dans un navigateur. On saisit une question, et du texte revient. Mais l'utilisation de l'IA par Ochiai ne reste pas sur l'écran. Dans son environnement de travail mobile, il est présenté qu'il utilise l'Apple Vision Pro comme « casque pour la vision » pour bloquer les informations visuelles environnantes et étendre un énorme écran virtuel. C'est une idée pour reconstruire son propre environnement de concentration même dans le Shinkansen. Dans le « null² » de l'Exposition d'Osaka/Kansai, l'IA ne se contentait pas de renvoyer du texte ; elle était connectée à l'alter ego de l'utilisateur, à la voix, à la vidéo et à la production spatiale. Dans Mirrored Body, un mécanisme a été adopté pour créer un avatar IA en faisant enregistrer des informations et des voix par les utilisateurs, le connectant à la production du pavillon. De plus, une partie de la technologie d'avatar réel 3D utilisée là-bas a été publiée en open source après l'Exposition.

Il y a là une grande suggestion pour comprendre l'utilisation de l'IA. Utiliser l'IA ne consiste pas seulement à demander du travail à un chat. Changez ce que les humains voient. Changez l'espace où les humains se trouvent. Utilisez les mouvements du corps comme entrée. Utilisez la voix comme interface. Déplacez des appareils réels. Changez l'expression en fonction de la réaction du public. Concevez l'IA comme faisant partie de l'environnement. Bien sûr, tout le monde n'a pas besoin de se procurer des casques coûteux ou des équipements d'exposition à grande échelle. Ce qui doit être importé, c'est le principe, pas l'équipement. Bloquez les notifications qui nuisent à la concentration. Rendez possible d'appeler toujours l'IA depuis le même environnement de travail. Consolidez la voix, les photos, les documents et le code dans un seul projet. Modélisez les instructions fréquemment utilisées. Renvoyez les résultats réels du travail à l'IA. Créez d'abord l'environnement où la concentration se produit, afin que les humains n'aient pas à se concentrer par la volonté à chaque fois. Les personnes qui peuvent poursuivre un effort ne sont pas seulement dotées d'une forte volonté ; elles créent autour d'elles un environnement où l'effort est facile.

14. Plus on est à l'Ère de l'IA, plus l'Expérience Manuelle à l'Ancienne a de la Valeur

On pense souvent que pour maîtriser l'IA, il suffit de connaître les outils les plus récents. Cependant, Ochiai souligne la valeur de l'expérience « du vieux de l'analogique » — avoir écrit du code à la main, compris les mécanismes, et traversé les changements technologiques. Même si l'IA génère du code ou du texte, si l'on ne comprend pas la structure interne, on ne peut pas juger la cause lorsqu'un problème survient. Si l'on a de l'expérience en bougeant ses propres mains, on peut rapidement remarquer les signes de défauts ou les emplacements d'erreurs. Ce n'est pas simplement une histoire où les personnes âgées sont supérieures à la jeune génération. Ce qui compte, ce n'est pas l'âge, mais le fait d'avoir soi-même expérimenté les processus de base. Quelqu'un qui a réécrit un texte plusieurs fois est susceptible de remarquer des connexions logiques non naturelles dans un texte d'IA. Quelqu'un qui a de l'expérience en photographie peut remarquer des contradictions dans les sources lumineuses ou les expressions des objectifs dans les images générées. Quelqu'un qui a débogué des programmes est susceptible de repérer du code dangereux rien qu'en l'exécutant. Quelqu'un qui a lu des articles peut ressentir un malaise face à des citations qui semblent exister mais qui n'existent pas. Quelqu'un qui a traité du service client peut imaginer pourquoi un flux de travail idéal créé par l'IA ne peut pas être utilisé sur le terrain.

L'IA augmente la vitesse de sortie des débutants. Cependant, elle ne transforme pas automatiquement un débutant en expert. Pour évaluer si une sortie est correcte, un sens du domaine est nécessaire. Par conséquent, apprendre à l'ère de l'IA ne consiste pas à omettre toutes les bases. Il s'agit de faire l'expérience des tâches de base le nombre de fois nécessaire et d'accélérer les répétitions massives ultérieures avec l'IA. Ce n'est pas parce qu'il y a des calculatrices qu'il ne faut pas apprendre la signification des nombres. Ce n'est pas parce qu'il y a une IA de traduction qu'il ne faut pas connaître les différences culturelles dans la langue. Ce n'est pas parce qu'il y a une IA de codage qu'il ne faut pas comprendre les données, les autorisations, les tests et la sécurité. La seule connaissance de l'IA ne peut pas remplacer l'expertise. L'utilisation de l'IA à la Ochiai ne consiste pas à jeter les anciennes compétences, mais à utiliser les anciennes compétences comme dispositifs d'inspection pour les sorties de l'IA.

15. Ne Remplissez pas le Temps ; Laissez des Marges pour que la Curiosité se Meuve

Lorsqu'on voit quelqu'un faire un travail incroyable, on pense qu'il gère son emploi du temps à la minute près. Cependant, Ochiai montre l'idée qu'une gestion excessive du temps enlève la curiosité. D'un autre côté, il ne gère rien ; il conçoit des créneaux horaires pour se concentrer, comme utiliser le temps du matin pour le travail créatif. C'est un paradoxe important concernant l'efficacité. Vous avez gagné une heure avec l'IA. Vous mettez une nouvelle réunion dans cette heure. Vous avez gagné une autre heure. Vous prenez une autre demande. Si vous remplissez tout le temps gagné avec des plans, le volume de traitement augmente. Mais les découvertes fortuites diminuent. Si vous utilisez l'efficacité apportée par l'IA uniquement pour entasser du travail, les humains deviennent des dispositifs pour digérer des listes de tâches créées par l'IA.

Dans les interviews sur la fabrication d'Ochiai, on raconte une attitude visant à produire des résultats que l'humanité n'a pas encore faits et à essayer d'élever à la fois les fondations techniques et la perfection artistique. On voit aussi l'idée que plutôt que de fixer un thème dès le départ, le sujet émerge en bougeant les mains et en essayant des intérêts environnants. Les choses nouvelles ne naissent pas en remplissant les blancs d'un plan. Enquêter sur quelque chose dont on est curieux d'une manière ou d'une autre. Écrire du code dont on ne sait pas s'il est utile. Lire des livres dans d'autres domaines. Toucher des matériaux. Prendre des photos. Lancer des combinaisons étranges à l'IA. Regarder les échecs. Un tel temps semble inefficace à court terme. Mais des thèmes inconnus viennent de l'extérieur des produits planifiés. Si l'IA rend le travail de routine plus rapide, les humains ne devraient pas remplir cette marge avec plus de travail de routine. Ils devraient la retourner à l'exploration sans but fixe. Un génie de l'effort n'est pas quelqu'un qui peut entasser des plans toute la journée, mais quelqu'un qui peut choisir sur quoi se concentrer, quoi automatiser, et où laisser du temps sans but.

16. Après avoir Transmis l'« Intelligence » à l'IA, sur Quoi les Humains Investissent-ils leur Effort ?

Dans une interview de 2026, Ochiai a parlé de la possibilité qu'à mesure que les machines prennent en charge ce que les humains ont acquis par l'effort et l'intelligence, beaucoup de gens seront confrontés à une angoisse existentielle sur « ce qu'ils devraient faire ». C'est sa vision de l'avenir, pas un fait que tous les emplois ont déjà été remplacés. Ce problème se situe au point final des techniques d'utilisation de l'IA. Rendre le travail plus rapide. Rendre les documents plus rapides. Écrire du code plus rapidement. Terminer la recherche plus rapidement. Une fois cela réalisé, que font les humains ? Font-ils encore plus de documents ? Écrivent-ils encore plus de code ? Acceptent-ils encore plus de travail ? Si c'est le cas, le but de l'utilisation de l'IA pointera à jamais vers l'augmentation du volume de traitement. Ochiai envisage un mode de vie « à la Matagi » — avoir des relations avec des communautés spécifiques tout en trouvant accidentellement de nouvelles choses à leurs frontières. C'est une façon de vivre qui utilise la technologie sans perdre le contact avec l'environnement, la physicalité, les rituels et la communauté.

Si l'on transmet le « travail à traiter intelligemment » à l'IA, les tâches suivantes restent pour les humains :

• De quoi s'étonner ?
• Qu'est-ce qui est beau ?
• Quel problème considérer comme impossible à ignorer ?
• Avec qui être ?
• À quoi consacrer du temps ?
• Quel échec assumer ?
• Où prendre ses responsabilités ?
• Quel type d'expérience acquérir avec le corps réel ?

Ce ne sont pas de simples traitements d'information. L'IA peut faire des propositions. Elle peut aussi prédire. Mais quel candidat choisir comme sa propre vie, c'est quelque chose que seul un humain peut assumer. L'effort à l'ère de l'IA passe de la mémorisation de plus de réponses correctes à la mise à jour continue de ce à quoi l'on tient.

17. Ce qu'il ne Faut Pas Imiter, ce sont les Habitudes de Vie Extrêmes

Lorsque les techniques de travail de producteurs célèbres sont présentées, le temps de lever, le temps de sommeil et le nombre de repas ont tendance à attirer l'attention. Pour Ochiai aussi, comment il utilise le temps du matin et ses habitudes alimentaires uniques sont présentés. Cependant, ces habitudes de vie ne doivent pas être imitées comme le centre des techniques d'utilisation de l'IA. Le régime alimentaire, le sommeil, l'exercice et les médicaments ont des conditions appropriées selon la constitution, l'âge, les maladies chroniques et le contenu du travail. Ce que la personne fait et ce qui peut être généralement recommandé sont différents. Ce qui doit être extrait dans cet article n'est pas le nombre de repas. C'est :

• Comparer plusieurs IA.
• Laisser des documents par la voix.
• Décomposer les processus de travail.
• Ne pas considérer la première ébauche comme un produit fini.
• Vérifier les sources.
• Laisser l'historique d'exécution de l'IA.
• Fabriquer ses propres outils si nécessaire.
• Revenir au corps réel et à l'environnement.

Réduire le sommeil pour augmenter la production avec l'IA n'est pas une conception d'effort à long terme. Au lieu de prendre encore sur le sommeil le temps raccourci par l'IA, allouez-le à la récupération, à l'apprentissage, à l'observation et au temps passé en famille ou avec d'autres. Ce qu'il faut apprendre d'un génie de l'effort, ce n'est pas comment endurer la souffrance. C'est comment créer un système pour ne pas avoir à répéter la même souffrance et passer à un travail inconnu grâce à cela.

« OS d'Effort IA à la Ochiai » Extrait d'Exemples Publics

Organiser le contenu jusqu'à présent sous une forme pouvant être importée dans le travail général. Ce n'est pas la procédure de travail quotidienne exacte publiée par Ochiai lui-même. C'est un modèle pratique abstrait par cet article à partir d'exemples publics d'utilisation de l'IA.

Étape 1 : Commencer dans un État Non Organisé

N'écrivez pas de proposition dès le début. D'abord, pendant cinq à dix minutes, sortez ce qui est dans votre tête tel quel, par la voix ou par le texte. Vous pouvez mélanger le but, le contexte, les émotions, les malaises, les idées et les préoccupations. Ensuite, demandez à l'IA comme suit :

Catégorisez mes déclarations en faits confirmés, interprétations, hypothèses, espoirs, contraintes et éléments non confirmés. Ne tirez pas encore de conclusion et posez des questions une par une pour clarifier le but.

Ici, ne laissez pas l'IA donner une réponse. Faites-lui découvrir l'ambiguïté du côté humain.

Étape 2 : Soumettre la Même Tâche à Trois IA ou Plus

Ne dépendez pas d'une seule IA. Soumettez les mêmes documents de base et questions à plusieurs IA. Cependant, ne collectez pas trois réponses identiques ; changez les rôles. Faites en sorte que l'une fasse une recherche standard, une autre cherche des contre-exemples, et une autre réfléchisse aux méthodes de mise en œuvre et aux coûts. Si possible, faites en sorte qu'une autre gère le point de vue des utilisateurs ou des opposants. Après la sortie, faites créer un tableau de comparaison :

• Points sur lesquels toutes les IA sont d'accord
• Points que seulement certaines ont affirmés
• Points où les chiffres ou les faits étaient en conflit
• Points à vérifier avec des sources primaires
• Points auxquels personne n'a pensé L'humain lit les différences entre les réponses, pas les réponses elles-mêmes.

Étape 3 : Ne Pas Terminer avec du Texte ; Convertir dans un Autre Format

Ne vous contentez pas de lire les résultats de recherche. S'il s'agit d'un plan, faites-en un diagramme unique. S'il s'agit d'un produit, faites un prototype d'écran. S'il s'agit d'une œuvre, faites-en une image ou une courte vidéo. S'il s'agit d'un système, faites un schéma de procédure que les utilisateurs parcourent. S'il s'agit d'une recherche, divisez-la en hypothèses et méthodes de vérification. Les idées peuvent cacher des contradictions dans le texte. Lorsque vous essayez de les mettre en œuvre, des conditions manquantes apparaissent. Qui l'utilise ? Sur quel bouton appuie-t-il ? D'où viennent les données ? Comment revenir en cas d'échec ? La mise en œuvre est un dispositif d'inspection pour les idées.

Étape 4 : Faire Casser par une Autre IA ce qu'une IA a Fabriqué

Ne laissez pas l'IA génératrice effectuer uniquement une auto-évaluation. Passez le produit à une autre conversation, un autre modèle ou un autre rôle. Faites-lui chercher des problèmes sous les angles suivants :

• Erreurs factuelles
• Inexistence de citations
• Problèmes de sécurité
• Problèmes de droits
• Mauvaise identification du public cible
• Sous-estimation des coûts d'exécution
• Parties non maintenables
• Parties qui se réfugient dans les généralités
• Parties nécessitant une approbation humaine
• Parties qui ne peuvent pas récupérer en cas d'échec Un humain vérifie les problèmes hautement prioritaires dans les sources primaires ou l'environnement réel. L'inspection par l'IA n'est pas une garantie finale. Utilisez-la pour réduire les endroits qu'un humain doit inspecter.

Étape 5 : Transformer les Raisons de Rejet en Prochain Atout de Prompt

Ne vous contentez pas de supprimer les mauvaises sorties et de terminer. Laissez une ligne sur pourquoi ce n'était pas bon.

• « Le public cible est trop large. »
• « Techniquement possible, mais aucun cas d'utilisation. »
• « Texte organisé, mais manque d'expérience. »
• « Image belle, mais sans rapport avec le but. »
• « Résultats de recherche manquant de sources primaires. »
• « Code fonctionne, mais manque de gestion des autorisations. » Ajoutez-les aux interdictions du projet ou aux critères d'évaluation. La prochaine fois, l'IA sera moins susceptible de faire la même erreur. L'expérience humaine est convertie en instructions personnalisées, spécifications, tests et listes de vérification. C'est le travail de transformer l'effort en une forme accumulable.

Étape 6 : Automatiser ou Transformer en Outil les Inconvénients Récurrents

Si vous écrivez la même instruction à chaque fois, faites-en un modèle. Si vous convertissez dans le même format à chaque fois, faites-en un script. Si vous cherchez les mêmes documents à chaque fois, sauvegardez le processus de recherche. Si vous effectuez la même vérification à chaque fois, transformez-la en test. Si vous choisissez un modèle à chaque fois, créez des règles par tâche. Si vous transférez manuellement des fichiers à chaque fois, envisagez une méthode de connexion sécurisée. Ce qui compte, ce n'est pas seulement de raccourcir une tâche de trois minutes. C'est d'empêcher que ces trois minutes ne se produisent des centaines de fois à l'avenir.

Étape 7 : Enfin, Emmener dans la Réalité

N'évaluez pas uniquement par des conversations entre IA. Montrez-le aux gens. Déplacez-le sur le terrain. Imprimez-le. Projetez-le. Laissez les clients l'utiliser. Réfléchissez en marchant dehors. Touchez des matériaux. Faites-en l'expérience avec votre propre corps. L'IA peut créer des personas utilisateurs plausibles. Mais là où les utilisateurs réels se perdent, on ne peut le savoir qu'en l'emmenant dans la réalité. La réalité brise la belle logique fabriquée par l'IA. Cette destruction détermine la direction du prochain effort.

Prompt Pratique de Rotation de l'Effort

Ce qui suit n'est pas une reproduction du propre prompt d'Ochiai. C'est un protocole de dialogue unique de la structure analysée dans cet article : recherche parallèle, mise en œuvre par étapes, contre-preuve, et journalisation.

1Vous n'êtes pas une IA qui agit en mon nom pour produire un produit fini en une seule fois, mais un « Orchestrateur de Recherche et Développement » qui augmente la vitesse de rotation de la recherche, du prototypage, de la contre-preuve et de l'amélioration.
2
3【Thème】
4{{Thème sur lequel travailler cette fois}}
5
6【Ce que je veux finalement décider】
7{{Remplissez autant que vous le savez. Peut être indécis}}
8
9【Documents dont je dispose actuellement】
10{{Notes, transcriptions vocales, documents, données, code, etc.}}
11
12【Principes de base】
131. Ne créez pas de plan final tant que mon objectif est ambigu.
142. Posez une question à la fois pour clarifier l'objectif, la cible, les contraintes et les conditions de succès.
153. Séparez clairement les faits, les interprétations, les hypothèses et les propositions.
164. Associez les sources aux faits et privilégiez les sources primaires.
175. Pour les choses qui ne peuvent pas être confirmées, ne remplissez pas avec des conjectures ; marquez comme « non confirmé ».
186. Ne traitez pas le premier plan comme le plan final.
197. Traitez la recherche, l'idéation, la mise en œuvre et l'évaluation comme des processus séparés.
208. La même IA ne doit pas servir à la fois de créateur et d'évaluateur unique.
219. Indiquez clairement les parties nécessitant une approbation humaine.
2210. Enregistrez toutes les raisons de rejet comme conditions pour la génération suivante.
23
24【Phase 1 : Découverte de l'Objectif】
25Classez ma saisie dans les catégories suivantes :
26- Faits confirmés
27- Mes interprétations
28- Hypothèses non vérifiées
29- Émotions ou malaises
30- Ressources disponibles
31- Contraintes
32- Mots non encore définis
33Posez une question à la fois pour les informations manquantes.
34
35【Phase 2 : Conception de la Recherche Parallèle】
36Divisez le thème dans les rôles suivants :
37A. Chercheur collectant des explications standard et des documents majeurs
38B. Contre-prouveur cherchant des contre-exemples, des preuves contraires et des exemples d'échec
39C. Praticien réfléchissant aux méthodes de mise en œuvre, aux coûts et aux délais
40D. Analyste des parties prenantes réfléchissant aux utilisateurs, non-utilisateurs et personnes désavantagées
41E. Explorateur cherchant des connexions inattendues avec d'autres domaines
42Créez des questions pour chaque rôle à investiguer, en veillant à ce qu'il n'y ait pas de chevauchement dans les points.
43
44【Phase 3 : Registre des Preuves】
45Formatez les résultats de la recherche comme suit :
46- Affirmation / Base / Source / Date de publication / Période de données / Primaire ou secondaire / Contre-preuve / Niveau de confiance / Points à vérifier par l'humain
47
48【Phase 4 : Prototypage】
49Créez 3 plans de prototype minimaux à partir des résultats de la recherche. Pour chaque plan, montrez :
50- Hypothèse à vérifier / Quoi fabriquer / Quoi ne pas fabriquer / Temps requis / Coût requis / Processus géré par l'IA / Processus géré par l'humain / Conditions d'échec
51Ne passez pas à la mise en œuvre complète tant que je n'ai pas choisi un plan.
52
53【Phase 5 : Contre-Audit】
54Contre le prototype ou la première ébauche, cherchez des problèmes sous les angles de :
55- Fait / Logique / Technologie / Sécurité / Droits / Coût / Cible / Maintenabilité / Originalité
56Affichez la sévérité en 4 niveaux : Stop / Correction requise / Observation / Permettre.
57
58【Phase 6 : Journal des Améliorations】
59Enregistrez ce qui suit à chaque fois qu'une correction est effectuée :
60- Avant le changement / Problème / Contenu du changement / Raison du changement / Problème nouvellement survenu / Conditions à ajouter au prompt ou au test la prochaine fois
61
62【Phase Finale】
63N'agissez pas sur la décision finale. Organisez les options, les preuves, les opinions contraires et les éléments non confirmés, et faites-moi écrire le plan adopté et la raison moi-même.
64
65Dans la première réponse, ne faites pas de proposition ; posez une question sur le malaise ou l'objectif le plus spécifique que je ressens concernant ce thème.

Conclusion — Yoichi Ochiai n'a pas « Abandonné l'Effort » avec l'IA

Si vous comprenez l'utilisation de l'IA par Yoichi Ochiai comme une collection de prompts pratiques, vous en manquez l'essence.

Exécuter plusieurs IA simultanément. Récupérer des pensées non organisées par la voix. Structurer des instructions longues. Refaire la première réponse plusieurs fois. Diviser la recherche, les images et la mise en œuvre en différents outils. Faire critiquer par une IA la sortie d'une autre. Repérer les anomalies grâce à l'expérience de ses propres mains. Construire des outils observables si les boîtes noires posent problème. Connecter l'IA non seulement au texte, mais aussi à la vidéo, à l'espace, au corps et aux équipements de recherche. Et retourner le temps gagné par l'IA à la curiosité et à l'expérience réelle.

Ce qui est commun à cette série d'actions, ce n'est pas l'idée d'essayer d'être paresseux. C'est l'idée d'essayer de tester plus loin dans le même temps. Avant l'IA, une journée se terminait simplement en enquêtant et en mettant en œuvre une hypothèse. Après l'IA, vous pouvez enquêter sur plusieurs hypothèses, fabriquer trois prototypes, comparer les raisons d'échec, et retourner ces résultats à la prochaine instruction. Vous pouvez utiliser la marge résultante pour le repos. Vous pouvez l'utiliser pour un autre travail. Vous pouvez l'utiliser pour de nouvelles expressions ou recherches. C'est un humain qui décide à quoi l'utiliser.

Si l'on appelle Yoichi Ochiai un « Génie de l'Effort », la raison n'est pas simplement qu'il travaille plus longtemps que les autres. C'est parce qu'il ne fait pas de l'effort une affaire de spiritualisme. Rendre la pensée sous une forme enregistrable. Transformer l'échec en condition suivante. Automatiser la répétition. Mettre à jour les outils. Créer des environnements. Laisser encore des endroits où les humains doivent juger. Ce qu'il augmente avec l'IA, ce n'est pas seulement le nombre de produits finis. C'est le nombre de fois qu'il peut continuer à tourner sans abandonner jusqu'à atteindre quelque chose d'inconnu. Ce qui est remis en question à l'ère de l'IA, ce n'est pas « quelle IA utilisez-vous ? ». Qu'est-ce que l'humain observe pendant que l'IA produit ? Que corrige l'humain après que l'IA a fabriqué ? Où l'humain essaie-t-il d'aller grâce à la rapidité de l'IA ? La meilleure technique d'utilisation de l'IA n'est pas une façon d'éviter l'effort. C'est pour que l'effort ne disparaisse pas comme un événement ponctuel, mais se transforme en un système qui accélère l'effort suivant.