Formation IA en entreprise : pourquoi apprendre à utiliser les outils ne suffit pas

Les entreprises ont commencé par former leurs collaborateurs à l’intelligence artificielle comme elles les avaient formés à de nouveaux logiciels : découverte des fonctionnalités, démonstration de cas d’usage, apprentissage du prompt et prise en main de quelques outils. Cette première étape était nécessaire. Elle est désormais insuffisante. Savoir produire un compte rendu, résumer un document ou générer une présentation avec une intelligence artificielle ne signifie pas savoir intégrer l’IA dans son travail. Encore moins savoir améliorer durablement la performance d’une équipe ou d’une organisation.

L’enjeu d’une formation IA en entreprise ne consiste pas seulement à transmettre une nouvelle manière d’utiliser un outil. Il consiste à développer la capacité à décider :

• quelle tâche mérite réellement d’être assistée ;
• ce qui doit être confié à l’IA ;
• ce qui doit rester sous contrôle humain ;
• comment vérifier la qualité du résultat ;
• comment redistribuer le travail ;
• comment prévenir la dépendance et la perte de compétences ;
• comment apprendre des usages réels.

Une formation IA réussie ne se mesure pas à ce que les participants savent faire à la fin de la journée. Elle se mesure à ce que l’organisation sait durablement mieux faire quelques semaines ou quelques mois plus tard.

Former à l’IA n’est donc pas seulement un sujet pédagogique.

C’est un problème de transfert, de conception du travail et de développement organisationnel.

Acculturation, formation et transformation IA : trois niveaux différents

Le marché de la formation à l’intelligence artificielle mélange souvent trois objectifs.

L’acculturation vise à comprendre ce qu’est l’IA, ce qu’elle peut produire, ses principales limites et les transformations auxquelles elle pourrait contribuer.

La formation vise à développer des connaissances et des compétences mobilisables dans une activité.

La transformation vise à modifier durablement les processus, les rôles, les décisions et les capacités collectives de l’organisation.

Ces niveaux sont liés, mais ils ne sont pas interchangeables.

Une entreprise peut donc avoir acculturé des centaines de personnes sans avoir transformé un seul processus.

Elle peut également avoir formé ses équipes à des outils sans avoir défini les usages attendus, les règles de vérification, les responsabilités ou les critères de performance.

Dans ce cas, la formation produit principalement une capacité individuelle d’expérimentation. Elle ne produit pas encore une capacité organisationnelle.

Pourquoi les formations IA produisent-elles si peu de transformation ?

La difficulté n’est pas propre à l’intelligence artificielle.

Depuis plusieurs décennies, la psychologie du travail et des organisations étudie le transfert de la formation, c’est-à-dire la généralisation et le maintien, dans le contexte professionnel, des connaissances et compétences acquises pendant une intervention pédagogique.

Le modèle fondateur de Baldwin et Ford distingue trois familles de facteurs :

1. les caractéristiques de la personne formée ;
2. la conception de la formation ;
3. l’environnement de travail dans lequel la compétence doit être utilisée.

Une méta-analyse portant sur 89 études confirme notamment l’importance de la motivation, des caractéristiques de l’apprenant et du soutien offert par l’environnement professionnel. Autrement dit, la qualité pédagogique ne suffit pas. Ce que l’organisation autorise, encourage, récompense ou empêche après la formation influence directement son transfert.

Une revue plus récente de Ford, Baldwin et Prasad insiste également sur la généralisation, la rétention et les trajectoires de transfert. Les auteurs invitent à partir davantage des problèmes réels plutôt que de considérer la formation comme un événement isolé.

Appliquée à l’intelligence artificielle, cette littérature conduit à une conclusion simple :

Former l’individu sans transformer les conditions dans lesquelles il travaille revient à déposer une compétence nouvelle dans un système ancien.

Le collaborateur peut avoir compris l’outil et réussi les exercices proposés. De retour dans son activité, il retrouve pourtant :

• des données auxquelles il ne peut pas accéder ;
• des règles de sécurité imprécises ;
• des outils non homologués ;
• des processus conçus sans IA ;
• un manager qui ne sait pas évaluer le résultat ;
• des indicateurs valorisant uniquement la production immédiate ;
• aucune possibilité d’expérimenter ;
• aucune personne à qui signaler une erreur ;
• aucune règle claire concernant la responsabilité.

Le non-usage n’est alors pas nécessairement un problème de résistance, de motivation ou de compétence.

Il peut être une réponse rationnelle à un environnement qui ne permet pas d’utiliser ce qui a été appris.

Une formation IA en entreprise ne devrait pas commencer par l’outil

La plupart des formations commencent par la question : « Que peut faire cet outil ? »

Une approche orientée vers le travail commence par une autre question : « Quelle activité cherchons-nous à améliorer, et selon quels critères ? »

Cette inversion paraît modeste. Elle change pourtant toute la démarche.

Partir de l’outil conduit à chercher des tâches auxquelles appliquer une fonctionnalité. Partir du travail conduit à examiner les difficultés réelles, les régulations déjà mises en place par les salariés, les erreurs fréquentes, les goulots d’étranglement et les conséquences d’une transformation.

Une tâche prescrite peut sembler simple :

• rédiger une proposition commerciale ;
• analyser une candidature ;
• préparer une décision ;
• répondre à une demande client ;
• produire une synthèse ;
• organiser un planning.

L’activité réelle est généralement plus complexe. Elle comprend des exceptions, des arbitrages, des informations manquantes, des relations de confiance, des contraintes implicites et des ajustements que la procédure ne décrit pas.

Une formation basée sur un exercice générique apprend à produire un résultat dans un environnement simplifié. Elle ne prépare pas nécessairement à reconnaître les situations dans lesquelles cette méthode devient inadaptée.

La bonne unité d’analyse n’est donc pas le prompt.

C’est la tâche inscrite dans un processus, un contexte et un système de responsabilité.

Les gains observés sur une tâche ne prouvent pas la performance de l’organisation

Les expériences consacrées à l’intelligence artificielle générative montrent des gains significatifs sur certaines tâches.

Noy et Zhang observent, dans une expérience portant sur des activités professionnelles de rédaction, une diminution moyenne de 40 % du temps nécessaire et une amélioration de 18 % de la qualité des productions.

L’étude conduite auprès de consultants du Boston Consulting Group montre également des gains importants lorsque les tâches se situent à l’intérieur des capacités de l’IA. Elle montre cependant que l’usage de l’outil peut dégrader la performance sur une tâche située en dehors de cette frontière technologique.

Ces résultats n’ont rien de contradictoire.

Ils rappellent que la performance dépend de l’ajustement entre une technologie, une tâche, un utilisateur et un contexte.

Une formation qui présente uniquement les cas dans lesquels l’IA réussit produit une représentation déformée de sa fiabilité. Le participant apprend à utiliser l’outil, mais pas à identifier la frontière de son utilité.

Une formation sérieuse doit donc permettre d’éprouver :

• les situations dans lesquelles l’IA apporte un gain ;
• celles dans lesquelles elle ne change rien ;
• celles dans lesquelles elle déplace simplement la charge ;
• celles dans lesquelles elle produit une erreur détectable ;
• celles dans lesquelles elle produit une erreur difficile à détecter ;
• celles dans lesquelles il vaut mieux ne pas l’utiliser.

L’apprentissage du non-usage fait partie de la compétence.

Former les équipes à l’IA suppose de travailler sur des situations réelles

Une formation générique permet d’acquérir un vocabulaire et des gestes initiaux. Le transfert nécessite ensuite de travailler sur des objets qui appartiennent réellement à l’organisation.

Cela peut inclure :

• un document produit régulièrement ;
• une décision récurrente ;
• une activité à forte charge cognitive ;
• un processus comprenant de nombreuses reprises ;
• une tâche exposée à des erreurs coûteuses ;
• un flux de travail dépendant de plusieurs métiers ;
• une situation dans laquelle l’information circule mal.

Le cas réel révèle ce que le cas pédagogique laisse de côté :

• la qualité variable des données ;
• la confidentialité ;
• les différences de pratiques ;
• les critères implicites de qualité ;
• les dépendances entre équipes ;
• les conséquences d’une erreur ;
• la nécessité de rendre le résultat explicable ;
• les zones dans lesquelles personne ne sait exactement qui décide.

La formation devient alors un espace de conception et d’expérimentation.

Les participants ne se contentent plus de reproduire une démonstration. Ils examinent leur activité, formulent une hypothèse d’amélioration, testent une configuration humain-IA et observent ce qu’elle produit réellement.

Trois capacités à développer : spécifier, éprouver et gouverner

Une formation IA en entreprise devrait permettre aux participants de maîtriser trois gestes complémentaires.

1. Spécifier

Spécifier ne consiste pas seulement à rédiger un meilleur prompt.

Il faut être capable de définir :

• la tâche à accomplir ;
• le résultat attendu ;
• le destinataire ;
• les informations utilisables ;
• les contraintes ;
• les critères de qualité ;
• le niveau d’incertitude acceptable ;
• les éléments qui nécessitent une validation humaine.

Un prompt bien formulé dans un processus mal défini produit plus rapidement un résultat dont personne ne sait exactement s’il est bon.

La spécification relie donc l’utilisation de l’IA à une finalité professionnelle observable.

2. Éprouver

Éprouver consiste à confronter la production au réel.

Il faut vérifier les faits, rechercher les omissions, tester les cas limites, comparer avec une méthode sans IA et observer les conséquences indirectes.

Cette étape est indispensable car la qualité formelle d’une réponse peut masquer ses fragilités.

Une étude menée auprès de 319 travailleurs de la connaissance suggère que l’IA générative réduit l’effort de pensée critique perçu et que la confiance accordée à l’outil influence cet effort. L’enjeu ne consiste donc pas simplement à demander aux utilisateurs de « rester vigilants ». Il faut organiser concrètement les moments et les méthodes de vérification.

3. Gouverner

Gouverner consiste à déterminer les droits de décision, les règles d’usage et les responsabilités.

Les participants doivent savoir :

• quelles données peuvent être utilisées ;
• quels outils sont autorisés ;
• quelles tâches peuvent être automatisées ;
• quelles décisions exigent une validation ;
• qui doit contrôler le résultat ;
• comment signaler un incident ;
• quand interrompre l’usage ;
• qui répond de la décision finale.

Le NIST recommande précisément de clarifier les rôles et responsabilités dans les configurations humain-IA, de former les personnes impliquées et d’organiser la supervision tout au long du cycle de vie des systèmes.

Ces trois gestes transforment l’objet de la formation.

L’objectif n’est plus de savoir « faire avec l’IA ». Il est de savoir produire une configuration de travail dans laquelle l’IA peut être utilisée de manière performante, contrôlable et responsable.

Les conditions du transfert d’une formation IA

Le transfert se prépare avant la formation, se construit pendant celle-ci et se soutient après son achèvement.

Cette continuité change également le rôle du formateur.

Il ne transmet plus seulement un contenu. Il contribue à concevoir un environnement dans lequel la compétence pourra être mobilisée, discutée et perfectionnée.

Le rôle déterminant des managers après une formation IA

Un salarié peut avoir envie d’expérimenter et ne pas savoir si son manager l’autorise.

Il peut également utiliser l’IA pour gagner du temps, puis voir ce temps immédiatement absorbé par une augmentation des objectifs. Le message organisationnel devient alors clair : l’IA n’est pas un moyen d’améliorer le travail, mais une manière d’en intensifier le rythme.

Le manager influence directement le transfert en décidant :

• du temps consacré à l’expérimentation ;
• des tâches sur lesquelles l’IA peut être testée ;
• du droit à l’erreur ;
• des critères de qualité ;
• de la manière dont les gains seront utilisés ;
• des incidents qu’il est possible de signaler ;
• des apprentissages qui seront partagés.

Il doit également être capable d’évaluer une production assistée par l’IA. Sans cette compétence, il peut soit interdire par prudence, soit accepter par défaut.

Former les salariés sans préparer les managers crée donc une asymétrie. Les premiers apprennent à produire avec l’IA. Les seconds restent responsables de résultats qu’ils ne savent pas nécessairement examiner.

L’article consacré à l’intelligence artificielle et au management développe précisément cette nouvelle responsabilité : décider ce qui peut être délégué, organiser la vérification et rester capable d’assumer l’arbitrage final.

La formation doit aussi préserver les compétences

Toute automatisation modifie ce que les personnes continuent d’exercer.

Lorsqu’une IA produit les premières hypothèses, rédige les arguments, construit le plan et propose la conclusion, l’utilisateur peut devenir très performant dans la sélection d’un résultat sans continuer à développer sa capacité à le produire lui-même.

Cette évolution n’est pas nécessairement problématique. Les organisations ont toujours utilisé des outils pour externaliser certaines opérations cognitives.

Elle le devient lorsque la compétence externalisée reste nécessaire pour :

• détecter une erreur ;
• gérer une situation exceptionnelle ;
• contrôler la qualité ;
• reprendre la main en cas d’indisponibilité ;
• former de nouveaux collaborateurs ;
• contester la recommandation du système.

Une formation responsable doit donc distinguer trois catégories de compétences.

Former à l’IA ne signifie donc pas rendre son usage permanent.

Dans certains cas, le meilleur exercice pédagogique consiste à retirer momentanément l’outil afin de vérifier ce que les participants savent encore observer, raisonner et décider sans assistance.

De la compétence individuelle à la capacité organisationnelle

Une compétence appartient à une personne. Une capacité organisationnelle appartient à un système capable de reproduire une performance au-delà d’une personne ou d’une circonstance particulière.

Pour qu’une formation IA produise une telle capacité, plusieurs transformations doivent avoir lieu.

Les pratiques efficaces doivent être documentées sans devenir des procédures rigides.

Les erreurs doivent pouvoir être partagées sans être immédiatement interprétées comme des fautes individuelles.

Les équipes doivent disposer d’un langage commun pour qualifier les usages, les niveaux de risque et les formes de contrôle.

Les règles doivent évoluer à partir de l’expérience.

Les personnes qui expérimentent doivent pouvoir faire remonter ce qu’elles découvrent.

C’est notamment le rôle que peuvent jouer les ambassadeurs IA en entreprise, à condition qu’ils disposent d’un mandat, d’un accès aux décisions et d’une véritable boucle de retour avec les fonctions métier, RH, IT, juridique et transformation.

La formation n’est alors plus un événement situé en amont du changement. Elle devient une composante d’un système d’apprentissage distribué.

Comment concevoir une formation IA réellement transférable ?

Une démarche robuste peut être structurée en six étapes.

1. Diagnostiquer les conditions de départ

Avant de former, il faut examiner les usages existants, les besoins, les contraintes, les compétences disponibles et les niveaux de risque.

Un AI readiness assessment permet de distinguer un déficit de compétences d’un problème de gouvernance, de données, d’organisation du travail ou de capacité d’apprentissage.

Former davantage ne corrigera pas nécessairement chacun de ces problèmes.

2. Sélectionner des situations de travail

Les cas doivent être suffisamment fréquents pour justifier l’apprentissage, suffisamment concrets pour être testés et suffisamment importants pour produire une valeur observable.

La sélection ne doit pas reposer uniquement sur le temps théoriquement économisé. Elle doit aussi considérer :

• la qualité attendue ;
• la variabilité de la tâche ;
• le coût des erreurs ;
• la disponibilité des données ;
• les besoins de vérification ;
• l’effet sur les autres acteurs du processus.

3. Définir les comportements cibles

« Savoir utiliser l’IA » n’est pas un objectif comportemental suffisamment précis.

Il faut pouvoir observer ce que le participant saura faire :

• cadrer une tâche ;
• sélectionner les informations pertinentes ;
• produire une première réponse ;
• identifier une affirmation non vérifiée ;
• comparer plusieurs options ;
• documenter son contrôle ;
• reconnaître une situation exigeant une escalade.

Ce qui est observable peut être évalué. Ce qui peut être évalué peut être entraîné.

4. Concevoir une pratique délibérée

Les participants doivent rencontrer des niveaux de difficulté progressifs, recevoir un feedback et pouvoir recommencer.

Une démonstration réussie montre ce que l’outil peut faire. Une pratique délibérée développe la capacité du participant à agir lorsque le contexte devient moins favorable.

Il faut donc intégrer :

• des données imparfaites ;
• des consignes ambiguës ;
• des résultats plausibles mais faux ;
• des cas limites ;
• des conflits entre critères ;
• des situations dans lesquelles le non-usage est la meilleure décision.

5. Organiser l’expérimentation en situation réelle

La formation doit déboucher sur une expérimentation limitée, observable et réversible.

Pour chaque usage, l’équipe précise :

• l’hypothèse de gain ;
• le périmètre ;
• la durée ;
• les personnes concernées ;
• les contrôles ;
• les indicateurs ;
• les conditions d’arrêt.

Cette expérimentation produit des données sur le travail réel plutôt que des promesses générales sur la technologie.

6. Institutionnaliser l’apprentissage

Les résultats doivent alimenter les décisions de l’organisation.

Un usage concluant peut être étendu. Un usage fragile peut être corrigé. Un usage sans valeur peut être abandonné.

Cette dernière possibilité est essentielle. Une organisation capable d’arrêter un usage inutile apprend davantage qu’une organisation cherchant à justifier toutes ses expérimentations.

Comment mesurer l’efficacité d’une formation IA en entreprise ?

Le taux de participation et le questionnaire de satisfaction ne mesurent pas le transfert.

Le nombre de prompts produits ou de comptes activés ne mesure pas davantage la performance.

L’évaluation doit suivre une chaîne allant de l’apprentissage jusqu’aux effets sur l’organisation.

La temporalité compte également.

Une mesure réalisée immédiatement après la formation renseigne sur l’acquisition. Elle ne permet pas de savoir si la compétence sera encore mobilisée après plusieurs semaines, dans un autre contexte ou face à une situation imprévue.

Une évaluation sérieuse doit donc être différée et répétée.

Comment choisir une formation IA pour son entreprise ?

La sophistication apparente d’une démonstration ne garantit pas la qualité d’un dispositif.

Avant de choisir une formation, une organisation devrait poser plusieurs questions.

La formation part-elle d’outils génériques ou de situations professionnelles ?

Les objectifs sont-ils formulés en comportements observables ?

Les participants travaillent-ils sur leurs propres tâches ?

Rencontrent-ils volontairement des erreurs et des limites ?

Apprennent-ils quand ne pas utiliser l’IA ?

Les managers sont-ils impliqués dans le transfert ?

Un temps d’expérimentation est-il prévu après la formation ?

Les effets sur la qualité du travail sont-ils mesurés ?

Les règles de vérification et de responsabilité sont-elles explicites ?

Existe-t-il une boucle permettant d’ajuster les usages ?

Une formation peut être excellente pour découvrir un outil sans être suffisante pour transformer une organisation. Le choix dépend donc de la finalité recherchée.

Si l’objectif est l’adoption durable, la formation doit être intégrée à une démarche plus large d’intégration de l’IA dans l’entreprise.

Former à l’IA, c’est développer une nouvelle capacité d’adaptation

Les outils continueront d’évoluer. Les fonctionnalités enseignées aujourd’hui deviendront ordinaires, seront déplacées ou disparaîtront.

Une formation conçue autour d’un outil précis risque donc une obsolescence rapide.

Les capacités les plus durables se situent ailleurs :

• analyser le travail ;
• cadrer un problème ;
• choisir le bon niveau de délégation ;
• vérifier une production ;
• raisonner sous incertitude ;
• organiser un retour d’expérience ;
• réviser les règles ;
• préserver la responsabilité humaine.

Ces capacités permettent de s’adapter aux prochaines générations d’outils sans recommencer entièrement l’apprentissage.

C’est pourquoi la formation IA rejoint le change enablement et le développement organisationnel.

Elle ne prépare pas seulement des individus à utiliser une technologie. Elle prépare l’organisation à absorber une évolution, à expérimenter sans se désorganiser et à transformer l’expérience en capacité collective.

Le conseil en développement organisationnel d’UNREST accompagne cette transformation des tâches, des processus, des rôles et des conditions d’apprentissage.

L’objectif n’est pas de multiplier les utilisateurs d’IA.

Il est de construire une organisation capable de décider où l’IA apporte une valeur, d’en vérifier les effets et de modifier son fonctionnement lorsque le réel contredit les promesses.

Conclusion : la formation commence avec l’outil, mais sa valeur se joue dans le travail

Une formation IA peut susciter de l’intérêt, réduire l’appréhension et donner envie d’expérimenter.

Elle échoue pourtant à produire une transformation lorsqu’elle s’arrête au moment où les participants retournent travailler.

Le transfert dépend de ce qui se passe ensuite : les occasions d’utiliser la compétence, le soutien managérial, les règles, les données disponibles, les critères de qualité, les possibilités de retour d’expérience et la manière dont l’organisation traite les erreurs.

La bonne question n’est donc pas : « Combien de salariés avons-nous formés à l’IA ? »

Elle est : « Que savent-ils désormais mieux accomplir, dans quelles conditions, avec quels résultats et sans perdre quelles capacités ? »

Apprendre à utiliser un outil est une étape.

Apprendre à transformer le travail sans renoncer au jugement constitue la véritable compétence.

Questions fréquentes sur la formation IA en entreprise

Qu’est-ce qu’une formation IA en entreprise ?

Une formation IA en entreprise développe les connaissances et compétences nécessaires pour utiliser l’intelligence artificielle dans un contexte professionnel. Elle peut porter sur l’acculturation, les outils, les cas d’usage, la vérification, les risques ou la transformation des processus.

Comment former les salariés à l’intelligence artificielle ?

Il faut partir de situations de travail réelles, définir des comportements cibles, organiser une pratique avec feedback, tester les usages dans l’activité et accompagner leur transfert après la formation.

Une formation au prompt engineering est-elle suffisante ?

Non. Le prompt engineering peut améliorer la formulation d’une demande, mais il ne traite ni la qualité des données, ni la vérification, ni la responsabilité, ni l’intégration de l’IA dans le processus de travail.

Quelle différence entre acculturation IA et formation IA ?

L’acculturation développe une compréhension générale de l’intelligence artificielle. La formation vise l’acquisition d’une compétence mobilisable. Aucune des deux ne garantit à elle seule une transformation durable de l’organisation.

Comment évaluer une formation IA ?

Il faut mesurer l’acquisition, le transfert dans le travail, la qualité des résultats, les effets sur l’activité et la capacité de l’équipe à apprendre de ses usages. La satisfaction immédiate des participants ne suffit pas.

Faut-il former tous les collaborateurs de la même manière ?

Non. Les besoins varient selon les tâches, les responsabilités, le niveau de risque et le rôle joué dans la gouvernance. Un dirigeant, un manager, un expert métier et un ambassadeur IA n’ont pas les mêmes décisions à prendre ni les mêmes compétences à développer.

À propos de l’auteur

Maxime Rabéchault est président-fondateur d’UNREST et enseignant vacataire à l’IAE Paris-Sorbonne Business School. Il intervient dans l’Executive Programme « Manager la performance des organisations avec l’intelligence artificielle », proposé en partenariat avec Neocognition. Ses travaux portent sur l’intégration organisationnelle de l’IA, le change enablement et les conditions comportementales de la performance adaptative.

Références

Blume, B. D., Ford, J. K., Baldwin, T. T., et Huang, J. L. (2010). Transfer of Training: A Meta-Analytic Review. Journal of Management, 36(4), 1065-1105.

Ford, J. K., Baldwin, T. T., et Prasad, J. (2018). Transfer of Training: The Known and the Unknown. Annual Review of Organizational Psychology and Organizational Behavior, 5, 201-225.

Noy, S., et Zhang, W. (2023). Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence. Science, 381(6654), 187-192.

Salas, E., Tannenbaum, S. I., Kraiger, K., et Smith-Jentsch, K. A. (2012). The Science of Training and Development in Organizations: What Matters in Practice. Psychological Science in the Public Interest, 13(2), 74-101.

‍