Qu'est-ce que la boucle Delegation-Diligence et quel est son objectif principal ?	C'est une méthode pour valider systématiquement les capacités analytiques de l'IA en testant d'abord sur des données passées dont on connaît déjà les réponses correctes.
Pourquoi faut-il tester l'IA contre des données qu'on comprend déjà ?	Pour construire la confiance et vérifier que l'IA peut reproduire les résultats connus avant de l'utiliser sur de nouvelles analyses.
Qu'est-ce que la "Discernement" dans l'analyse de données avec l'IA ?	C'est l'identification des lacunes dans le raisonnement de l'IA et des contextes importants qu'elle manque.
Quel est le rôle de la "Description" dans l'interaction avec l'IA pour l'analyse ?	Fournir des informations et du contexte supplémentaires à l'IA pour améliorer la qualité de son analyse.
Comment peut-on utiliser l'IA pour l'analyse de données si on n'est pas à l'aise avec les données ?	L'IA peut aider à générer des idées, écrire des formules Excel et reformater les données désordonnées, à condition de demander des clarifications.
Qu'est-ce que l'exercice 1 propose d'analyser ?	Les communications publiques de l'organisation (posts réseaux sociaux, sujets d'emails, titres de newsletters) pour identifier les modèles de contenu performant.
Quels types de modèles l'IA doit-elle identifier dans l'exercice 2 sur les dons ?	Les taux de rétention des donateurs, les modèles de dons récurrents vs ponctuels, l'efficacité des campagnes et les tendances par montants.
Quel est le risque principal à considérer dans l'analyse des modèles de dons ?	Que l'IA se concentre uniquement sur la valeur monétaire en oubliant les facteurs relationnels et l'impact communautaire à long terme.
Qu'est-ce que l'exercice 3 (stretch goal) propose de faire ?	Combiner plusieurs sources de données pour pratiquer l'analyse prédictive et anticiper les besoins émergents de la communauté.
Qui reste responsable des résultats de l'analyse effectuée par l'IA ?	L'utilisateur reste responsable de vérifier que les résultats ont du sens et d'être transparent sur le rôle de l'IA.