Méthode des trois couches pour un travail fiable avec l'IA
Enjeu
Une IA générative produit rapidement du texte, du code ou des analyses, sans que cette vitesse garantisse ni la pertinence du résultat, ni son exactitude, ni son adéquation au besoin réel. Le problème n'est pas seulement de savoir formuler une consigne : il consiste à construire un système où l'objectif est explicité, où le résultat peut être évalué, et où l'environnement de travail conserve les connaissances et les méthodes utiles d'une tâche à l'autre.
Un exemple illustre la limite en cause, rapporté comme tiré d'une intervention publique de Karpathy : une personne veut laver sa voiture dans une station à 50 mètres et demande si elle doit y marcher ou conduire. Une IA qui ne retient que le critère de distance recommande la marche — une réponse logique en apparence, mais qui manque le fait décisif que la voiture doit être présente au lavage. L'erreur ne vient pas d'un manque de capacité générale du modèle, mais de l'absence d'un signal contextuel essentiel que l'utilisateur seul détient.
Notions
Trois couches interdépendantes structurent la réponse à ce problème. La spécification définit ce qui doit être produit et pourquoi — voir Construire une spécification exploitable pour l'IA. Le vérificateur détermine si le résultat obtenu est acceptable — voir Vérifier le résultat produit par une IA. L'environnement stabilise et améliore le fonctionnement dans la durée, en conservant les règles, connaissances et méthodes utiles — voir Construire un environnement de travail cumulatif pour l'IA. Une autre présentation de cette même architecture la désigne sous l'acronyme ARC (Architect-Run-Critique) : l'architecte correspond à la spécification, l'exécution à la production du résultat, la critique à la vérification — les trois fonctionnant en boucle plutôt qu'en séquence unique.
Mécanisme et relations
| Couche | Fonction | Risque traité |
|---|---|---|
| Spécification | Définir l'objectif, le périmètre et le résultat attendu | Production hors sujet ou fondée sur des hypothèses non vérifiées |
| Vérification | Contrôler le résultat à partir de critères et de signaux | Résultat incorrect accepté sans examen |
| Environnement | Conserver les règles, connaissances et méthodes | Répétition des mêmes erreurs, absence d'amélioration cumulative |
Les trois couches ne fonctionnent pas indépendamment : une spécification sans vérification peut produire un résultat conforme en apparence mais incorrect ; une vérification sans spécification ne dispose d'aucune définition claire de la réussite ; un environnement construit sans spécification ni contrôle ne fait qu'automatiser des pratiques instables. Le système complet enchaîne compréhension de l'objectif, transformation en spécification, découpage en unités contrôlables, définition des critères avant l'exécution, production, confrontation aux critères et à un signal externe, correction, puis conservation des règles réutilisables dans l'environnement.
Implications
La méthode conclut sur une distinction entre pensée produite et compréhension : une IA peut proposer une structure, poser des questions, produire rapidement, comparer un résultat à des critères, rechercher des incohérences et exécuter une méthode documentée — mais elle ne peut pas déterminer seule, de façon fiable, ce qui compte réellement dans une situation dont elle ne possède pas le contexte. Quatre fonctions restent de la responsabilité de l'utilisateur : définir la finalité, fournir le contexte décisif, valider les choix importants, déterminer le coût acceptable d'une erreur. La production de pensée peut être externalisée à l'IA ; la compréhension ne peut pas l'être.
Deux cadres tiers sont mobilisés pour étayer cette conclusion, dans une présentation de la même méthode sous le nom de système ARC. Dan Shipper est cité pour une idée jugée convergente : un humain doit fixer le cadre — l'objectif, ce qui compte comme un bon résultat — l'IA exécute en une passe, puis un humain juge et prolonge le résultat ; une IA ne pourrait que choisir et rechoisir des cadres, mais seulement en poursuite d'un objectif qui lui a été donné. La distinction entre pensée produite et compréhension est également reliée aux quatre modes de connaissance décrits par John Vervaeke — propositionnel, procédural, perspectival, participatif — l'IA étant présentée comme forte sur le premier mode mais structurellement plus faible sur les trois autres, ce qui situerait plus précisément où se loge la limite déjà identifiée.
Cette architecture recoupe partiellement d'autres approches de fiabilisation d'un travail assisté par IA sans s'y confondre : l'environnement décrit ici (fichier de règles, base de connaissances, compétences réutilisables) partage des éléments avec le Principe du coffre orienté IA et obsidian-second-brain, mais vise la fiabilité d'une tâche ponctuelle plutôt que la maintenance d'une base de connaissances persistante.
Limites
La méthode est présentée comme attribuée à Andrej Karpathy, mais le document qui la rapporte initialement reconnaît lui-même que plusieurs formulations, analogies et instructions sont explicitement celles du narrateur d'une vidéo, et non nécessairement des propos formulés tels quels par Karpathy — l'origine exacte de chaque composant reste incertaine. Ce premier document ne fournissait aucune URL ; une seconde vidéo, cette fois tracée par une URL et un présentateur identifié (Ethan Nelson), porte un titre strictement identique mais un contenu détaillé substantiellement différent : ni l'événement « AISN 2026 », ni la citation attribuée à Boris Churnney, ni le modèle de spécification en dix éléments n'y apparaissent, tandis que le système ARC, Dan Shipper et John Vervaeke n'apparaissent pas dans le premier document. Il n'est pas établi si les deux décrivent la même intervention de Karpathy rapportée différemment, ou deux vidéos distinctes portant un titre proche — signalé comme question ouverte plutôt que tranché arbitrairement. Un chiffre cité en lien avec la méthode dans le premier document — un gain de qualité multiplié par deux ou trois grâce à une boucle de retour, attribué à un tiers — n'est accompagné d'aucun protocole de mesure. La seconde vidéo renvoie par ailleurs explicitement vers une formation payante, à traiter comme un contenu à visée commerciale.
Synthèse
Trois couches — spécification, vérification, environnement — répondent chacune à un risque distinct : produire hors sujet, accepter un résultat incorrect, répéter les mêmes erreurs faute de mémoire cumulative. La méthode correcte les articule en système plutôt que de les traiter isolément ; l'erreur la plus documentée consiste à chercher la fiabilité dans la formulation d'un meilleur prompt, alors qu'elle dépend d'abord de la structure du système dans lequel l'IA opère.