Former chaque métier à l’IA : pourquoi un programme unique ne suffit pas

Déployer l’intelligence artificielle dans l’entreprise ne consiste pas à apprendre la même suite de prompts à tous les salariés. Un commercial, une responsable RH, un contrôleur de gestion et un chef de projet peuvent utiliser le même assistant génératif sans poursuivre le même résultat, manipuler les mêmes données ni prendre les mêmes risques. Une formation IA par métier part donc du travail réel : décisions à préparer, documents à produire, contrôles à effectuer et limites à respecter.

Le socle commun reste indispensable. Chaque participant doit comprendre ce qu’un modèle génératif sait faire, pourquoi il peut produire une réponse fausse mais plausible, quelles données ne doivent pas être saisies et quand une validation humaine est obligatoire. Mais ce socle ne suffit pas à rendre les équipes autonomes. L’autonomie apparaît quand l’apprenant sait appliquer l’outil à une situation professionnelle précise, vérifier le résultat et l’intégrer dans un processus maîtrisé.

Pour les DRH et les responsables L&D, le bon objectif n’est donc pas de choisir entre un programme commun et des parcours entièrement séparés. Il faut construire une architecture en deux étages : une culture IA partagée, puis des ateliers et des critères d’évaluation adaptés à chaque famille de métiers. C’est le prolongement opérationnel de la formation IA en entreprise.

Pourquoi un programme IA unique échoue

Un outil commun ne crée pas une compétence commune

Savoir ouvrir un outil, joindre un fichier et rédiger une consigne ne constitue pas encore une compétence professionnelle. La compétence se mesure à la capacité de produire un résultat utile dans une situation donnée. Pour une équipe RH, il peut s’agir de préparer une grille d’entretien sans introduire de critère discriminatoire. Pour la finance, l’enjeu consiste à expliquer un écart budgétaire en conservant la traçabilité des chiffres. Pour les ventes, l’IA peut aider à préparer un rendez-vous, mais elle ne doit ni inventer une information sur le prospect ni transformer une hypothèse en promesse commerciale.

Un programme identique traite souvent l’outil comme le sujet principal. Les participants apprennent quelques fonctions, testent des exemples génériques et repartent avec une impression positive. Deux semaines plus tard, ils ne savent pas quand utiliser l’IA, quelles données fournir ni comment juger une réponse. Le problème ne vient pas nécessairement du niveau des participants. Il vient de l’absence de lien entre l’exercice et le travail attendu.

Les risques changent selon la fonction

La criticité d’une erreur varie fortement. Une formulation maladroite dans un brouillon interne n’a pas le même effet qu’un chiffre erroné dans un reporting, une clause contractuelle mal résumée ou une décision RH prise à partir d’une analyse biaisée. Les règles d’usage doivent donc suivre le contexte métier. Certaines tâches autorisent un brouillon rapide avec relecture. D’autres imposent une source, un recalcul dans l’outil d’origine, l’anonymisation des données ou l’interdiction d’automatiser la décision.

La CNIL recommande de partir d’un besoin concret, de définir les usages autorisés et interdits, de tenir compte des limites des systèmes et de conserver une intervention humaine adaptée. Cette logique confirme qu’une formation utile doit différencier les situations, et pas seulement les niveaux de maîtrise de l’outil.

Le socle commun à conserver

Différencier les parcours ne signifie pas fragmenter toute la formation. Un socle commun court crée un vocabulaire partagé et installe les réflexes qui doivent s’appliquer dans chaque service.

• Comprendre le fonctionnement général des modèles génératifs et la différence entre génération, recherche, analyse et automatisation.
• Repérer les hallucinations, les biais de cadrage, les calculs fragiles et les réponses trop confiantes.
• Appliquer les règles internes sur les données personnelles, confidentielles, contractuelles ou stratégiques.
• Distinguer aide à la production, aide à la décision et automatisation d’une action réelle.
• Formuler une demande à partir de la situation, de la décision attendue, des données disponibles, du livrable et des contrôles à effectuer.
• Vérifier les faits, les sources, les chiffres, les hypothèses et les limites avant de réutiliser une réponse.

Ce socle répond aussi à un enjeu réglementaire. Dans sa version consolidée, l’article 4 du règlement européen sur l’intelligence artificielle demande aux fournisseurs et aux déployeurs de systèmes d’IA de prendre des mesures pour développer la culture IA des personnes concernées, en tenant compte de leurs connaissances, de leur expérience et du contexte d’utilisation. La Commission européenne précise dans ses questions-réponses qu’il n’existe pas un format unique de formation et qu’une approche différenciée peut être appropriée. Ce cadre est détaillé dans notre article sur les obligations de formation IA imposées par l’AI Act, et sa traduction interne dans celui consacré à la charte IA en entreprise.

Construire une formation IA par métier en six étapes

1. Cartographier les situations de travail

Commencez par les tâches, pas par les outils. Demandez aux managers et aux collaborateurs quels documents ils produisent, quelles décisions leur prennent du temps, quelles informations ils doivent synthétiser et où se trouvent les erreurs coûteuses. Une cartographie utile décrit une situation concrète : entrée disponible, résultat attendu, destinataire, fréquence, délai et niveau de risque.

Par exemple, « utiliser ChatGPT pour les RH » reste trop vague. « Transformer des notes d’entretien en synthèse factuelle, sans ajouter d’évaluation absente des notes et sans conserver de données personnelles dans un outil non autorisé » donne une base de formation et d’évaluation exploitable.

2. Prioriser les cas d’usage

Tous les cas d’usage ne méritent pas une séquence pédagogique. Le programme gagne en pertinence quand l’entreprise retient les situations à la fois fréquentes, utiles et maîtrisables. Une scorecard simple évite de choisir un cas uniquement parce qu’il produit une démonstration spectaculaire.

3. Définir des compétences observables

Un objectif comme « maîtriser l’IA » ne permet ni de concevoir un exercice ni de mesurer un progrès. Utilisez un verbe et un livrable : extraire les décisions d’un compte rendu, comparer trois options, détecter les informations manquantes, produire un premier brouillon conforme au ton de l’entreprise, ou construire une procédure de contrôle. Ajoutez les conditions de réussite : sources citées, données minimisées, calculs vérifiés, hypothèses visibles et validation humaine réalisée.

4. Assembler le socle et les modules métiers

L’architecture la plus lisible associe un socle commun, des ateliers par fonction et une activité de transfert. Le socle traite les capacités, les limites, la sécurité et la méthode de demande. Les ateliers utilisent les documents et décisions de chaque métier. L’activité de transfert oblige ensuite le participant à appliquer la méthode sur une tâche réelle, avec un retour du manager ou du formateur.

5. Travailler sur des supports proches du réel

Les programmes internes Marmignon Brothers privilégient des mises en situation, des livrables réutilisables et une validation humaine systématique. Le principe peut être appliqué sans exposer les données de l’entreprise : utilisez des documents anonymisés, des jeux de données simulés ou des versions nettoyées. L’exercice doit néanmoins conserver les contraintes du poste, par exemple un délai court, plusieurs options, une information manquante ou un destinataire exigeant.

6. Évaluer puis accompagner le transfert

Une bonne production pendant la formation ne garantit pas l’usage au travail. Prévoyez une seconde mesure sur une tâche réelle. Le manager peut vérifier si le collaborateur choisit le bon cas d’usage, prépare correctement ses données, repère une réponse douteuse et sait expliquer ce qu’il a contrôlé. Cette observation vaut davantage qu’un questionnaire de satisfaction.

Exemples de parcours selon les fonctions

Cette matrice n’est pas un catalogue figé. Deux équipes portant le même intitulé peuvent avoir des responsabilités et des outils différents. Le diagnostic doit donc vérifier les situations, les risques et le niveau d’autonomie attendu dans l’entreprise.

Exemple de programme modulaire

Voici une architecture indicative pour une organisation qui souhaite lancer plusieurs parcours IA pour les entreprises sans multiplier les formations indépendantes.

• Socle commun : principes de l’IA générative, limites, confidentialité, usages autorisés, méthode de formulation et grille de vérification.
• Atelier métier : deux ou trois situations prioritaires avec documents anonymisés, contraintes réelles et critères de réussite.
• Production guidée : création d’un livrable immédiatement réutilisable, par exemple une note de décision, une matrice de risques ou une synthèse structurée.
• Mise en situation : traitement d’un cas incomplet ou contradictoire afin de vérifier que l’apprenant questionne les données au lieu de laisser l’outil inventer.
• Transfert : application sur une tâche du poste, retour du manager et amélioration du modèle de travail.
• Capitalisation : bibliothèque de canevas, règles d’usage, exemples validés et procédure de mise à jour.

Le temps doit rester majoritairement consacré à la pratique. Dans les supports Marmignon Brothers, un repère de 70 % de pratique pour 30 % de cadre est utilisé pour transformer les principes en livrables. Ce ratio n’est pas une règle universelle, mais il évite qu’un parcours consacré à des usages opérationnels devienne une conférence sur l’IA.

Lorsque la reconnaissance des compétences compte, ce programme peut déboucher sur une formation IA certifiante.

Évaluer une compétence IA au travail

L’évaluation doit porter sur le résultat et sur la méthode de contrôle. Une réponse élégante peut rester inutilisable si elle s’appuie sur un fait inventé, masque une hypothèse ou expose une donnée sensible.

Pour suivre le transfert, retenez peu d’indicateurs et reliez-les à une tâche définie : temps nécessaire pour produire le livrable, taux de productions validées sans reprise majeure, nombre d’erreurs détectées avant diffusion, respect des règles de données, et autonomie observée par le manager. Un volume élevé de prompts ou de connexions ne prouve pas une montée en compétence.

Déployer les parcours en quatre-vingt-dix jours

Phase de diagnostic

Sélectionnez deux ou trois familles de métiers exposées à des situations fréquentes et mesurables. Interrogez les managers, observez les documents produits et qualifiez les risques. À la fin de cette phase, chaque métier doit disposer d’une courte liste de cas d’usage, d’usages interdits et d’un livrable pilote. Cette étape s’inscrit naturellement dans le plan de développement des compétences.

Phase de pilote

Formez un petit groupe par fonction. Utilisez le même socle commun, puis des exercices différents. Mesurez un état initial sur la tâche cible avant la formation. Pendant le pilote, recueillez les erreurs récurrentes : informations inventées, consigne trop large, contrôle absent, donnée sensible ou livrable mal adapté au destinataire.

Phase de généralisation

Corrigez les exercices et les règles d’usage avant d’élargir. Les premiers participants peuvent devenir référents de proximité, à condition que leur rôle reste clair : aider à appliquer les méthodes validées et remonter les problèmes, pas approuver seuls les cas sensibles.

Phase de transfert et de mise à jour

Organisez un retour sur les productions réelles, mettez à jour les canevas et retirez les usages qui ne créent pas de valeur. Les outils évoluent vite, mais la fréquence de mise à jour doit suivre les changements observés dans les risques, les processus et les décisions. Une veille sur les fonctionnalités ne remplace pas une revue du travail réel.

Les erreurs qui réduisent la valeur du programme

• Former tout le monde au même outil sans définir les tâches à améliorer.
• Confondre aisance à rédiger un prompt et capacité à produire un livrable fiable.
• Utiliser des données réelles sensibles dans un exercice sans environnement validé.
• Évaluer uniquement la satisfaction ou la connaissance de fonctions.
• Automatiser un processus avant d’avoir stabilisé le contrôle humain et le traitement des erreurs.
• Multiplier les cas d’usage sans choisir ceux qui seront soutenus par les managers.

Choisir un prestataire de formation IA par métier

Le cahier des charges doit demander davantage qu’un programme et une liste d’outils. Vérifiez que le prestataire sait transformer une activité en compétence observable, construire des cas adaptés, protéger les données et fournir des critères d’évaluation. Demandez également quels livrables les participants produiront et comment ils seront réutilisés après la session. Notre guide pour choisir une formation IA adaptée complète ces critères.

• Le diagnostic porte-t-il sur les situations de travail et les décisions attendues ?
• Le socle commun est-il séparé des modules métiers ?
• Les exercices utilisent-ils des données simulées ou anonymisées proches du réel ?
• Les critères de qualité, de sécurité et de validation humaine sont-ils explicites ?
• Le parcours prévoit-il une application au poste et un retour après la formation ?
• Les supports peuvent-ils être mis à jour quand les outils et les règles internes évoluent ?

Questions fréquentes

Faut-il former tous les salariés à l’IA ?

Il faut définir le périmètre à partir des outils réellement utilisés et des personnes amenées à les utiliser pour le compte de l’organisation. Tous les salariés n’ont pas besoin de la même profondeur. Un socle de culture IA peut être large, tandis que les ateliers avancés ciblent les fonctions qui produisent, analysent ou automatisent avec ces systèmes.

Combien de parcours métiers faut-il créer ?

Commencez par des familles de situations plutôt que par chaque intitulé de poste. Les fonctions qui manipulent des documents, des décisions et des risques comparables peuvent partager un atelier. La segmentation doit rester assez fine pour rendre les exercices crédibles, mais assez simple pour maintenir les supports.

Peut-on utiliser le même socle pour les RH, la finance et les ventes ?

Oui. Les principes de fonctionnement, de confidentialité, de vérification et de formulation sont transversaux. Les cas pratiques, les données, les critères de réussite et le niveau de validation doivent ensuite changer selon la fonction.

Comment éviter que les exercices exposent des données confidentielles ?

Utilisez des jeux de données simulés, anonymisés ou nettoyés, et définissez les informations interdites avant la session. Le participant doit apprendre à réduire les données à ce qui est nécessaire et à choisir l’environnement autorisé.

Comment mesurer le retour d’une formation IA ?

Choisissez une tâche cible et mesurez avant et après le temps de production, les reprises, les erreurs et l’autonomie. Ajoutez un contrôle de sécurité et de traçabilité. Le retour se mesure sur un processus défini, pas sur une impression générale de productivité.

Une formation IA par métier suffit-elle pour être conforme ?

Non. La formation contribue à la culture IA et à la maîtrise des usages, mais l’entreprise doit également définir ses règles, ses responsabilités, ses outils autorisés, ses contrôles et sa documentation. Pour les questions juridiques, faites valider le dispositif par les fonctions compétentes.

Construire un parcours qui change le travail

Une formation IA par métier devient utile quand elle part d’un résultat professionnel et se termine par une preuve d’autonomie. Le socle commun sécurise les usages. Les ateliers métiers transforment ces règles en gestes concrets. L’évaluation vérifie enfin que le collaborateur sait produire, contrôler et expliquer son travail.

Vous souhaitez segmenter vos usages, vos risques et vos niveaux d’autonomie avant de former les équipes ? Marmignon Brothers peut construire un programme IA sur mesure à partir de vos métiers, de vos documents et des résultats attendus. Recevoir un programme IA sur mesure.

Sources et références

Sources publiques

• Commission européenne — Questions-réponses sur la culture IA et l’article 4
• EUR-Lex — Règlement européen sur l’intelligence artificielle, version consolidée
• CNIL — Comment déployer une IA générative
• CNIL — Utiliser l’IA générative dans les TPE et PME

Ressources pédagogiques créées par Marmignon Brothers

• Support de formation « IA appliquée au pilotage de programmes SI ».
• Support « Atelier Direction Agent IA ».
• Programme personnalisé « IA appliquée au pilotage de programmes SI ».