Former n’est qu’un point de départ

Pendant deux ans, de nombreuses entreprises se sont posé la même question :

Comment former nos collaborateurs à l’intelligence artificielle générative ?

Cette question était nécessaire. Elle ne suffit plus.

Une entreprise peut avoir formé 500 collaborateurs tout en restant incapable de répondre à des questions essentielles :

• Qui utilise réellement l’IA ?
• Pour quelles tâches ?
• Avec quel niveau d’autonomie ?
• Les résultats produits sont-ils correctement vérifiés ?
• Quels usages permettent véritablement de gagner du temps ?
• Où de nouveaux risques apparaissent-ils ?
• Quelle valeur l’entreprise retire-t-elle de ses investissements ?

Le sujet se déplace donc progressivement : il ne s’agit plus seulement de former, mais de développer une véritable maîtrise opérationnelle de l’IA.

La compétence IA ne se résume pas au prompting

Savoir rédiger un bon prompt est utile. Mais, dans un environnement professionnel, la maîtrise de l’IA repose sur des compétences beaucoup plus larges.

Un collaborateur doit notamment être capable de :

• identifier les tâches pour lesquelles l’IA est pertinente ;
• fournir le contexte nécessaire pour obtenir un résultat exploitable ;
• choisir l’outil le plus adapté à la situation ;
• évaluer la qualité, la pertinence et la fiabilité d’une réponse ;
• repérer une erreur ou une hallucination ;
• protéger les informations sensibles et confidentielles ;
• savoir quand reprendre la main ;
• mesurer le bénéfice réellement obtenu.

La compétence IA devient ainsi une compétence métier augmentée par l’intelligence artificielle.

Passer de la formation à la mesure

Cette évolution transforme profondément la manière de concevoir les programmes de montée en compétences.

Le premier indicateur ne peut plus être uniquement :

Combien de personnes ont suivi la formation ?

Il faut également répondre à une question plus opérationnelle :

Qu’est-ce qui a changé dans leur manière de travailler ?

Pour y parvenir, plusieurs dimensions doivent être observées.

1. L’adoption

Quels collaborateurs utilisent effectivement les outils d’IA mis à leur disposition ?

La mise à disposition d’un outil ne garantit pas son utilisation. Il est donc essentiel de distinguer l’accès théorique de l’usage réel.

2. La maîtrise

Les collaborateurs savent-ils obtenir, contrôler et améliorer un résultat produit avec l’IA ?

L’enjeu n’est pas seulement de produire rapidement une réponse, mais de savoir l’évaluer, la corriger et l’intégrer dans un processus professionnel.

3. Les usages

Sur quels métiers et quels processus l’IA est-elle réellement mobilisée ?

Cette analyse permet d’identifier les usages les plus fréquents, mais aussi ceux qui présentent le plus fort potentiel de transformation.

4. La valeur créée

L’utilisation de l’IA permet-elle :

• de réduire le temps nécessaire à une tâche ;
• d’améliorer la qualité d’un livrable ;
• d’accélérer la prise de décision ;
• de réaliser une tâche auparavant impossible ou trop coûteuse ;
• de libérer du temps pour des activités à plus forte valeur ajoutée ?

L’adoption n’est pas une finalité. Elle doit contribuer à des résultats concrets.

5. La maîtrise des risques

Les collaborateurs savent-ils identifier les situations qui nécessitent :

• une vérification humaine ;
• une attention particulière à la confidentialité ;
• une validation juridique ou réglementaire ;
• une utilisation plus prudente de l’outil ?

La maturité IA implique autant de savoir utiliser l’IA que de savoir quand et comment en limiter l’usage.

Le prochain enjeu des dirigeants : rendre la maturité IA observable

C’est probablement l’un des changements majeurs des prochains mois.

Les organisations vont devoir progresser :

de l’acculturation à l’usage,
de l’usage à la maîtrise,
et de la maîtrise à la valeur mesurable.

Cette évolution suppose de disposer d’une vision plus fine des compétences et des usages.

Pas uniquement à l’échelle de l’entreprise, mais aussi par :

• métier ;
• équipe ;
• population ;
• niveau d’autonomie ;
• cas d’usage ;
• processus métier.

Une vision globale de l’adoption ne permet pas de comprendre suffisamment où se trouvent les progrès, les blocages et les opportunités.

Mesurer pour décider, pas pour surveiller

Cette distinction est essentielle.

Mesurer la maturité IA ne doit pas devenir un outil de surveillance individuelle. L’objectif est de permettre aux dirigeants et aux équipes de prendre de meilleures décisions.

La mesure doit notamment aider à identifier :

• où renforcer l’accompagnement ;
• quelles pratiques diffuser ;
• quels cas d’usage industrialiser ;
• où renforcer la gouvernance ;
• quels investissements génèrent réellement des résultats ;
• quelles compétences développer en priorité.

La mesure devient alors un outil de transformation, et non un simple dispositif de contrôle.

Passer à une logique de création de valeur

Chez Pivotal Skills AI, c’est précisément l’articulation entre compétences, usages et mesure qui nous semble déterminante.

Lorsque le contexte le justifie, le Digital Skills Analyzer peut aider à objectiver la progression à l’échelle :

• d’un collaborateur ;
• d’une équipe ;
• d’un métier ;
• d’un projet.

L’objectif n’est pas de produire un score supplémentaire.

Il s’agit de pouvoir répondre à une question beaucoup plus stratégique :

Notre investissement dans l’IA transforme-t-il réellement notre capacité à travailler et à créer de la valeur ?

C’est probablement là que commence la véritable maturité IA.

Références

• Commission européenne, ressources de mise en œuvre de l’AI Act et lignes directrices relatives à son application.
• AI Act, dispositions relatives à la maîtrise de l’intelligence artificielle.