Oui, on peut faire un planning avec ChatGPT (ou Claude, Gemini, Le Chat) : en lui donnant la liste des personnes, leurs disponibilités et vos règles, il propose en quelques secondes un tableau convaincant. Mais ce tableau est un brouillon : une IA générative oublie régulièrement une règle, place deux séances dans la même salle ou répartit mal la charge, sans le signaler. La méthode ci-dessous limite ces erreurs, et indique à quel moment un solveur de contraintes devient plus sûr.
Ce que ChatGPT fait bien pour un planning
Un modèle de langage est remarquable sur tout ce qui touche au texte autour du planning.
- Mettre en forme des disponibilités reçues en vrac (« dispo mardi après 17 h sauf le 14 ») dans un tableau propre.
- Proposer un premier jet pour un petit cas : cinq bénévoles, trois permanences, deux règles.
- Reformuler des règles floues en phrases précises (« pas trop tard pour les petits » devient « aucune séance des 6-8 ans après 18 h 30 »).
- Rédiger l'annonce du planning, la relance de ceux qui n'ont pas répondu, le message de remplacement.
Pour ces usages, il fait gagner un temps réel.
Ce qui casse, et pourquoi
Un modèle de langage produit le texte le plus plausible, pas une solution vérifiée. Sur un planning, cela donne quatre défauts récurrents.
Les contraintes oubliées
Avec dix règles, le modèle en respecte souvent huit ou neuf. La dixième (« Karim jamais le mercredi ») disparaît sans avertissement, surtout si elle figurait au milieu d'un long message. Plus la liste est longue, plus le risque augmente.
Les conflits invisibles
Une salle utilisée deux fois le jeudi à 17 h, une bénévole placée sur deux permanences simultanées : le tableau a l'air parfait, la collision se découvre le jour J. Le modèle ne fait pas de contrôle systématique, case par case, comme le ferait un programme.
L'équité approximative
Demandez « répartis équitablement » : le résultat paraît équilibré, mais un recomptage montre souvent qu'une personne a deux heures de plus que les autres. Le modèle ne calcule pas la charge, il l'estime. Voir l'équité de charge entre intervenants pour la mesurer.
L'instabilité
Redemandez le même planning : il change. Demandez de déplacer une seule séance : trois autres bougent. Pour une équipe qui a déjà noté ses créneaux, c'est vite ingérable.
Le piège n'est pas que l'IA se trompe, c'est qu'elle se trompe avec assurance. Si vous lui demandez « as-tu respecté toutes les règles ? », elle peut répondre oui alors qu'une règle est violée.
La méthode en six étapes pour limiter les erreurs
1. Anonymiser avant de coller
N'envoyez ni noms de famille, ni téléphones, ni motifs d'absence. Des prénoms ou des initiales suffisent. La CNIL conseille, dans son affiche « IA générative et vie privée » publiée en mai 2026, d'éviter de partager des informations personnelles, de vérifier les paramètres qui limitent l'utilisation des données pour l'entraînement et d'utiliser si possible le mode temporaire. Chez OpenAI, le réglage d'amélioration du modèle (« Improve the model for everyone » dans la FAQ de l'éditeur) se désactive dans les paramètres de contrôle des données ; les conversations temporaires peuvent néanmoins être conservées jusqu'à 30 jours pour des raisons de sécurité, selon la FAQ de l'éditeur. Plus largement, voir planning et RGPD en association.
2. Donner des données structurées
Une ligne par personne, une ligne par séance, des horaires au même format. Le modèle se trompe beaucoup moins sur une liste nette que sur un paragraphe.
3. Numéroter les règles et séparer obligatoire et souhaitable
« R1 obligatoire », « R2 souhaitable ». Cela permet ensuite de vérifier règle par règle. Notre guide pour écrire des règles de planning aide à les formuler sans ambiguïté.
4. Exiger un tableau et une liste de contrôle
Demandez le planning sous forme de tableau (jour, heure, séance, personne, salle), puis, pour chaque règle, la ligne qui prouve qu'elle est respectée. Cela ne garantit rien, mais rend les erreurs plus faciles à repérer.
5. Vérifier vous-même
Copiez le tableau dans un tableur. Triez par personne puis par heure : un doublon saute aux yeux. Triez par salle : même contrôle. Comptez les heures par personne. Relisez chaque règle obligatoire.
6. Corriger une chose à la fois
Pour une modification, demandez explicitement de ne rien changer d'autre, puis revérifiez la totalité. Gardez la version précédente sous la main.
Un exemple de prompt
Voici un exemple de demande, à adapter. Il concerne une petite association de soutien scolaire.
Tu es coordinateur d'une association de soutien scolaire. Propose le planning de la semaine sous forme de tableau avec les colonnes : jour, heure de début, heure de fin, séance, professeur, salle.
Séances à placer : S1 maths 4e, 1 h 30, deux fois par semaine. S2 français 3e, 1 h, deux fois par semaine. S3 aide aux devoirs primaire, 1 h, deux fois par semaine.
Professeurs : Inès (maths, physique) disponible lundi et jeudi de 17 h à 19 h 30. Karim (maths, français) disponible lundi, mardi et vendredi de 16 h 30 à 19 h. Léa (primaire, français) disponible mardi et jeudi de 16 h 30 à 18 h 30.
Salles : A (8 places), B (6 places), ouvertes du lundi au vendredi de 16 h 30 à 19 h 30.
Règles obligatoires : R1, personne n'est à deux endroits en même temps. R2, une salle n'accueille qu'une séance à la fois. R3, les deux séances d'une même matière ne sont pas le même jour. R4, aucune séance de primaire après 18 h.
Règle souhaitable : R5, éviter plus de 3 h par semaine pour un même professeur.
Après le tableau, liste chaque règle de R1 à R5 et indique les lignes qui la concernent. Si une séance ne peut pas être placée, dis-le au lieu d'inventer un créneau.
La dernière phrase compte : sans elle, le modèle préfère souvent inventer un créneau impossible plutôt que d'avouer un échec.
Quand passer à un solveur
Un assistant conversationnel reste raisonnable tant que le problème tient sur une page. Les signaux qui doivent vous faire changer d'outil :
| Situation | ChatGPT suffit | Un solveur devient préférable |
|---|---|---|
| Nombre de personnes | Moins de 10 | Au-delà de 10 à 15 |
| Règles | Moins de 5, indépendantes | Nombreuses et croisées |
| Salles ou équipements | Une seule ressource | Plusieurs salles, équipements spécifiques |
| Mise à jour | Planning fixe pour l'année | Absences et changements chaque semaine |
| Conséquence d'une erreur | Faible | Familles qui se déplacent pour rien |
Un solveur de contraintes ne « devine » pas : il vérifie chaque règle, dit ce qu'il n'a pas pu placer et pourquoi, et conserve les séances verrouillées d'une version à l'autre. Notre guide sur le solveur de contraintes explique la différence, et celui sur les façons de générer un planning automatiquement compare toutes les approches.
Certains outils combinent les deux : le langage pour comprendre, le calcul pour décider. C'est le choix fait dans Accord, où les règles s'écrivent en français mais où le placement est confié à un moteur de contraintes qui note le résultat sur 100. Vous pouvez comparer avec votre essai ChatGPT sur la démo.
Questions fréquentes
ChatGPT peut-il faire un planning de travail ?
Il peut proposer un brouillon de planning de travail pour une petite équipe, à vérifier entièrement. Il ne contrôle pas de façon fiable les règles du Code du travail (repos, durées maximales) ni les doublons : la vérification reste à votre charge.
Quel est le meilleur prompt pour faire un planning avec une IA ?
Un bon prompt donne des données structurées (une ligne par personne et par séance), numérote les règles en séparant obligatoire et souhaitable, exige un tableau, puis demande une vérification règle par règle et l'aveu explicite des séances impossibles.
Pourquoi ChatGPT fait-il des erreurs dans mon planning ?
Parce qu'un modèle de langage génère le texte le plus probable, sans vérifier mécaniquement chaque contrainte. Plus il y a de règles et de combinaisons, plus il en oublie. C'est une limite de conception, pas un défaut de formulation.
Peut-on donner les noms des bénévoles à ChatGPT ?
Mieux vaut l'éviter : utilisez des prénoms ou des initiales, sans coordonnées ni motif d'absence, et désactivez l'utilisation des conversations pour l'entraînement. C'est le conseil de minimisation que donne la CNIL pour les services d'IA générative.