L’IA transforme le travail et les compétences à développer

Former à l’IA devient une priorité pour de nombreuses organisations.

Mais quels apprentissages faut-il réellement privilégier ?

Les publications récentes de Stanford et de l’OCDE invitent à regarder les transformations du travail avant de remplir les catalogues de formation.

Les usages avancent plus vite que nos repères

Le rapport AI Index 2026 de Stanford indique qu’une grande majorité des organisations interrogées déclarent utiliser l’IA et l’IA générative dans au moins une fonction.

Ces chiffres ne décrivent pas l’ensemble des entreprises françaises mais témoignent d’une diffusion importante dans les organisations étudiées.

L’OCDE observe également le développement des systèmes d’IA capables d’enchaîner des actions pour poursuivre un objectif.

Ces travaux nous invitent à déplacer le regard.

Lorsque l’outil prend en charge une partie d’une activité, le besoin de formation dépend de ce que la personne doit encore comprendre, décider et contrôler.

Les compétences utiles dépassent la maîtrise d’un outil

Les besoins ne se limitent pas à la programmation.

L’usage, l’analyse et l’interprétation des données comptent tout autant que :

• la résolution de problèmes ;
• l’esprit critique ;
• les compétences de management ;
• la capacité à expliquer une décision.

Une formation pertinente doit toujours être reliée à une situation de travail concrète.

L’expérience d’usage compte aussi

Les travaux récents montrent que les utilisateurs expérimentés abordent souvent des tâches plus complexes.

Ce constat suggère une piste importante pour les responsables formation :

• laisser le temps d'expérimenter ;
• encourager le retour d’expérience ;
• accompagner les usages réels.

Une démonstration convaincante ne suffit pas à créer une pratique professionnelle durable.

Partir du travail pour construire le plan de formation

Notre proposition est simple :

• identifier les situations où l’IA intervient déjà ;
• comprendre quelles tâches évoluent ;
• repérer les nouvelles vérifications nécessaires.

L’évaluation peut alors porter sur des capacités observables :

• sélectionner les bonnes informations ;
• vérifier un résultat ;
• justifier l’utilisation d’un outil ;
• reconnaître les limites de l’IA.

À mesure que les technologies évoluent, nous avons besoin de repères qui évoluent avec le travail.