Le fossé des compétences en IA : comment les organisations et les dirigeants le comblent
Changement culturel: Combler le fossé des compétences en IA suppose de résoudre les problèmes culturels, et pas seulement de proposer de la formation.
Mandats précis: Des initiatives efficaces en matière d’IA exigent une clarté opérationnelle, détaillant les flux de travail et la responsabilité pour une adoption réussie.
Apprentissage sur mesure: Une formation adaptée à chaque rôle, axée sur les applications immédiates, favorise l'adoption de l'IA et le changement de comportement des équipes.
Accent sur l’accompagnement: L’IA doit être considérée comme une fonction d’accompagnement qui améliore l’efficacité, plutôt que comme un remplacement des rôles existants.
Mesure des résultats: L’évaluation de l’adoption de l’IA doit privilégier la qualité du travail produit, et non seulement des indicateurs d’utilisation.
Dans tous les secteurs, les organisations sont confrontées à une réalité inconfortable : elles ont investi dans des outils d’IA, imposé des directives pour les utiliser, et observé que l’adoption de l’IA stagne malgré tout.
Le problème ne vient pas de la technologie. Il s’agit de l’écart entre l’accès et la véritable capacité — et de la reconnaissance croissante que le combler nécessite bien plus qu’un simple ordre.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Les dirigeants en première ligne repensent la façon dont les compétences se construisent, la manière de mesurer l’adoption, et ce que signifie réellement intégrer l’IA dans le mode de fonctionnement des équipes. Pour comprendre comment les organisations s’y prennent concrètement, j'ai discuté avec des responsables des opérations et de la gestion de projet de leurs approches pour combler cet écart inédit de préparation des équipes.
Le véritable problème, c’est la culture, pas seulement la formation
L’instinct de considérer l’écart de compétences en IA comme un problème de savoir est compréhensible, mais selon les praticiens, il ne s’attaque pas à la cause profonde. Moe Rosenfeld, DSI chez eCopier Solutions, le dit sans détour : « L’adoption est fondamentalement un problème de culture déguisé en problème de formation. »
Ce qui ressemble à un manque de compétences est souvent un manque de sécurité psychologique, des attentes floues, ou un climat managérial qui envoie des signaux contradictoires. Rosenfeld poursuit : « Les entreprises qui peinent avec cela imposent généralement l’IA du haut vers le bas tout en rendant les gens nerveux à l’idée de l’employer. Vous ne pouvez pas faire les deux à la fois. » Quand l’adoption devient un indicateur de performance avant d’être une pratique accompagnée, les gens apprennent à faire semblant d’être occupés plutôt qu’à réellement changer leur façon de travailler.
Graham Mann, fondateur de SEOTakeoff, appuie ce constat : « Le fossé de connaissances sur l’IA s’aggrave quand les organisations n’en font qu’une question de formation sur les outils. La formation utile porte sur les processus de travail. » Apprendre à utiliser une plateforme n’est pas la même chose qu’apprendre où et comment elle s’intègre dans l’activité professionnelle quotidienne.
Le fossé de connaissances sur l’IA s’aggrave quand les organisations n’en font qu’une question de formation sur les outils. La formation utile porte sur les processus de travail.
Pourquoi les consignes vagues sur l’IA échouent — et à quoi ressemblent les directives opérationnelles
Même les organisations sincèrement engagées dans l’adoption de l’IA se tirent souvent une balle dans le pied avec des directives trop larges pour être efficacement appliquées. Mann met en garde contre cette pratique : « J’éviterais les consignes d’IA générales du type ‘Tout le monde doit utiliser l’IA’. Elles entraînent des usages purement décoratifs. » Meta a d’ailleurs rendu ce phénomène visible lorsque son "tableau de classement interne de jetons" concernant l’utilisation de l’IA a récemment fuité et fait le tour du web.
Quand la norme est vague, les gens remplissent le minimum requis sans opérer de changement réel. Ilya Margolin, consultant en workflow stratégique IA et données, définit ce que doit constituer une véritable directive : « Les consignes en matière d’IA doivent utiliser un langage opérationnel. ‘Utilisez l’IA’ est trop vague. Une vraie directive nomme les processus concernés, les outils autorisés, les données restreintes, le standard de revue, et la personne responsable. » Ce niveau de précision transforme une consigne en action concrète.
À l’opposé, Alexander Debelov, fondateur et PDG de Go X, décrit une organisation ayant réduit la directive à sa version la plus limpide : « la seule consigne est simple : si une tâche peut être effectuée par un agent, elle doit l’être. » Tandis que certaines organisations débattent encore de l’opportunité d’adopter l’IA, d’autres considèrent son usage comme la norme de base et construisent leur fonctionnement à partir de là.
Les consignes en matière d’IA doivent utiliser un langage opérationnel. ‘Utilisez l’IA’ est trop vague.
Le danger du compromis — là où il y a encouragement sans structure — réside, selon Margolin, dans le risque discret d’expérimentation non maîtrisée : « L’expérimentation cachée et individuelle engendre une qualité irrégulière et une exposition des données. Des normes partagées transforment l’IA en une capacité reproductible. »
Apprentissages adaptés au rôle et proches de la prise de décision
L’un des traits les plus nets chez les dirigeants ayant constaté le succès de la formation à l’IA est sa spécificité : adaptée au rôle, à la prise de décision, et au processus de travail.
Stein Janssen, Chief Operating Officer, Poki, décrit ce que cela donne en pratique : « Par exemple, ce qu’un chef de projet a besoin de savoir, c’est comment appliquer l’IA à la définition du périmètre, aux processus de transfert et au suivi des problèmes ; alors qu’un responsable des opérations doit savoir comment utiliser l’IA pour garantir la cohérence dans la conception des processus d’escalade. »
Les programmes génériques d’acculturation à l’IA peuvent sensibiliser, mais ils changent rarement les comportements car ils ne sont pas ancrés dans les problèmes que les personnes cherchent réellement à résoudre. Janssen explique directement pourquoi la proximité est importante : « Ce type d’apprentissage doit être très proche de l’endroit où les décisions sont prises, car s’il est trop éloigné de ces processus décisionnels, l’apprentissage deviendra théorique et pourra ne se traduire par aucun changement de comportement. »
Le vrai test de toute formation est de savoir si elle se manifeste dans la façon dont une personne travaille le lundi suivant — ce qui est bien plus probable lorsque la formation est construite autour des décisions qu’elle prend déjà.
Comment les organisations structurent leurs programmes de formation à l’IA
Les organisations adoptent différentes approches pour développer à grande échelle les compétences en IA, et les plus efficaces tendent à superposer l’acculturation de base à un développement plus approfondi et autonome.
Aniket Ghonge, Senior Supply Chain Manager chez Amazon, décrit le socle : « À chaque niveau de l’organisation, il existe une forme de formation basée sur l’IA. Il s’agit d’une formation très basique, comme expliquer ce que sont les différents types d’IA. Elle est accessible à tous et obligatoire. » Ce socle de compréhension partagée est important — il crée un vocabulaire commun et assure que personne n’aborde les discussions sur l’IA en partant de zéro.
À chaque niveau de l’organisation, ils ont une forme de formation basée sur l’IA. Il s’agit d’une formation très basique, telle qu’expliquer quels sont les différents types d’IA. Celle-ci est accessible à tous et obligatoire.
Pour ceux qui souhaitent aller plus loin, Amazon a tracé une voie : « Amazon propose également des certifications et des cours universitaires en apprentissage automatique gratuits pour les Amazoniens, » note Ghonge. « Je suis moi-même inscrit à l’un de ces cours, et il s’agit d’un environnement en autonomie où l’on peut vraiment apprendre sur l’apprentissage automatique et divers concepts. »
Au niveau de l’équipe, les responsables bâtissent aussi leurs propres structures. Jeff Chamberlain, Manager of Broadband Services and PMO au gouvernement du comté de Frederick, a adopté une approche ascendante : « J’ai même lancé une petite task force IA dans mon équipe, un groupe mondial de chefs de projet passionnés par l’évolution de nos méthodes d’IA. » Ce type de communautés internes — des personnes motivées à faire avancer les choses sans y être forcées — ont tendance à progresser plus vite et avec plus de crédibilité que les seuls programmes imposés d’en haut.
J’ai effectivement mis en place une petite task force IA dans mon équipe, un groupe mondial de chefs de projet qui sont réellement passionnés par le fait de continuer à faire évoluer nos méthodes d’IA.
L’IA comme vecteur d’efficacité, pas de remplacement — et ce que cela signifie concrètement
L’un des recadrages les plus fréquents de la part des praticiens est une évolution de la façon dont l’IA est catégorisée. Chamberlain exprime bien ce à quoi son groupe de travail revient toujours : « L’IA n’est pas un outil. Ce n’est pas une méthode. C’est une fonction de facilitation. Au fond, c’est un levier pour nous permettre d’agir plus vite, mieux et de façon plus performante. Elle n’est pas destinée à remplacer quoi que ce soit, mais à accélérer et à améliorer la qualité. Mais cela nécessite toujours l’intervention des personnes. »
Ce cadrage est important car il change l’objectif des organisations : il ne s’agit pas de remplacer, mais d’amplifier. Debelov donne un exemple concret de ce à quoi cela ressemble lorsque la permission d’utiliser pleinement l’IA est réellement accordée. Son organisation a déployé neuf agents numériques pour passer des appels vocaux automatisés à plus de 100 entreprises locales : « Ils [les agents] ont pris 15 rendez-vous partenaires, et 15 de ces rendez-vous se sont transformés en nouveaux partenaires sur le terrain. Le coût total des appels des agents s’est élevé à environ 50 $. La dernière fois que nous avons fait la même opération avec des humains, cela nous a coûté environ 1 500 $ pour obtenir le même nombre de rendez-vous. »
La technologie n’était pas nouvelle. Ce qui était nouveau, c’était la décision de l’utiliser. L’analyse de Debelov sur ce qui freine réellement la plupart des organisations est sans équivoque : « Le fossé n’est pas technique. Il s’agit d’une question d’autorisation. »
Mesurer l’adoption de la bonne manière
Si l’objectif est d’obtenir une véritable capacité et non une conformité de façade, la mesure doit en tenir compte. Margolin décrit sa propre norme : « Je mesure l’adoption de l’IA selon la qualité du travail produit, et non par le nombre de requêtes ou de connexions aux outils. » Les nombres de connexions et les métriques d’utilisation sont faciles à manipuler et n’en disent pas beaucoup sur la réelle amélioration du travail par l’IA.
Je mesure l’adoption de l’IA selon la qualité du travail produit, et non par le nombre de requêtes ou de connexions aux outils.
Mann propose un test similaire axé sur les résultats : « Le processus est-il devenu plus rapide, plus clair ou moins sujet aux erreurs sans baisse de qualité ? Sinon, la couche d’IA n’est probablement que du bruit. » La question n’est pas de savoir si l’IA a été utilisée. Ce qui compte, c’est l’amélioration du travail. Les organisations qui mesurent le premier point tout en affirmant se préoccuper du second continueront d’obtenir le même résultat : une adoption superficielle qui ne devient jamais une véritable compétence.
Combler le fossé de la bonne manière
Combler le fossé des compétences en IA n’est pas d’abord un défi technique ni même un défi de formation. C’est un défi de leadership. Les organisations qui avancent vraiment ne sont pas celles qui ont les outils les plus sophistiqués ou des obligations fortes : ce sont celles qui ont été honnêtes sur les conditions culturelles nécessaires à une adoption effective, précises quant à ce que signifie l’usage de l’IA dans chaque rôle, et rigoureuses dans la mesure des résultats – et non de l’activité.
Le fossé est réel, mais le chemin à suivre l’est aussi. La décision d’utiliser l’IA est déjà prise. Ce qui reste, c’est le travail le plus difficile : bâtir la culture, la précision et les standards de mesure qui transformeront cette décision en une réalité durable. Vous souhaitez davantage d’analyses comme celles-ci ? Inscrivez-vous gratuitement à un compte DPM pour découvrir d’autres avis d’experts.
