Votre demande de formation en IA est un problème de diagnostic
Mauvais diagnostic: Les demandes de formation en IA masquent souvent des résultats mal définis, des flux de travail défaillants, une expertise inutilisée ou une discipline de révision insuffisante.
Impact limité: 85 % des employés déclarent que la formation en IA ne les aide pas à appliquer efficacement les outils dans le cadre de leurs fonctions.
Responsabilité des flux de travail: Une adoption réussie de l'IA nécessite de repenser les processus et d'attribuer les responsabilités au-delà des équipes chargées de l'accompagnement.
Coûts cachés: Les résultats de l'IA qui ne sont pas vérifiés déplacent le travail d'évaluation vers les étapes suivantes, faisant perdre du temps aux destinataires et réduisant la confiance entre les équipes.
Rôle stratégique: Les RH devraient piloter la refonte des flux de travail liés à l'IA, car les changements technologiques transforment les rôles, les compétences, les budgets et les parcours professionnels.
Un manager frappe à la porte du directeur de l'habilitation. Le message est toujours plus ou moins le même : « mon équipe n'adopte pas les nouveaux outils comme je l'espérais, nous avons donc besoin de davantage de formation pour y remédier. »
Markus McKay-Fleisch travaille depuis vingt ans dans l'éducation des adultes et s'est concentré ces deux dernières années spécifiquement sur l'adoption de l'IA chez Smartsheet, où il dirige l'habilitation à l'IA des services professionnels.
Lors de sa récente intervention à AI4, il a décrit cette demande comme la plus fréquente qu'il reçoit et comme celle qui est le plus souvent mal interprétée. Sa réponse est une question plutôt qu'un catalogue de formations : quel résultat cherchez-vous à obtenir ?
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Une demande de formation est un symptôme. Elle arrive en portant déjà un diagnostic, et ce diagnostic est généralement erroné.
Les données dont disposent déjà les équipes d'habilitation le révèlent. Les taux de complétion semblent bons, souvent parce que la formation est obligatoire. L'utilisation raconte une autre histoire.
Dans certaines organisations, les employés touchent à peine aux outils. Dans d'autres, ils les utilisent constamment, choisissent par défaut les modèles les plus coûteux disponibles, puis les équipes financières arrivent en demandant une formation qui fera baisser la consommation. Ces deux tendances génèrent la même demande. Aucune des deux ne relève d'un problème de connaissances.
Il existe des exemples encourageants, mais ils restent souvent isolés. Les personnes qui reconstruisent leurs propres flux de travail et obtiennent des résultats véritablement transformateurs ? Trop souvent, ces connaissances restent là où elles ont été créées et ne circulent pas.
La formation est suivie, mais elle ne fonctionne pas
Le rapport 2026 sur l'écart de préparation à l'IA de Docebo, réalisé par Centiment auprès de 2 000 répondants aux États-Unis, au Royaume-Uni, au Canada, en France, en Allemagne et en Italie, a révélé que 85 % des employés estiment que la formation qu'ils reçoivent ne les aide pas à utiliser l'IA dans le cadre de leur fonction.
Docebo vend des logiciels de formation, ce qui mérite d'être souligné compte tenu de la direction dans laquelle va cette conclusion, mais pour les besoins de cette discussion, supposons que ce chiffre soit exact, car à en juger par l'ambiance dans la salle lors de l'intervention de McKay-Fleisch, je dirais qu'il ne semble pas très éloigné de la réalité.
Une personne sur cinq parmi ces répondants n'a reçu aucune formation à l'IA, ce qui signifie qu'une partie de ces 85 % décrit une absence plutôt qu'un échec. Si l'on met ce groupe de côté, le chiffre décrit toujours une majorité d'employés qui ont suivi quelque chose sans parvenir à le mettre en pratique.
Le chiffre le plus révélateur se trouve de l'autre côté de l'enquête. Parmi les responsables de la formation, 79 % déclarent utiliser l'IA pour des tâches telles que la génération de contenu. Seuls 9 % affirment que leur organisation a utilisé l'IA pour repenser un flux de travail.
Les fonctions de formation ont intégré l'IA comme accélérateur de production. Elles créent les mêmes cours plus rapidement. Le travail consistant à repenser la manière dont le travail lui-même est effectué reste presque entièrement inexistant, ce qui explique assez bien pourquoi les cours ne portent pas leurs fruits.
Le langage est l'interface
Pendant trente ans, la formation en entreprise a surtout servi à résoudre les problèmes de connaissance des plateformes. Les éditeurs de logiciels déplaçaient des boutons, ajoutaient des fonctionnalités, modifiaient la navigation, et quelqu'un devait apprendre aux utilisateurs où trouver les éléments. Microsoft, à lui seul, a généré toute une petite industrie autour de cela.
L'IA générative a supprimé l'obstacle qui justifiait la majeure partie de ces programmes. L'interface est le langage. L'utilisateur décrit le résultat qu'il souhaite et le système assemble les étapes. La question « comment faire ? », qui constituait l'ossature de l'habilitation, peut désormais être posée directement à l'outil, dans l'application ou par l'intermédiaire d'un modèle polyvalent orienté vers la documentation d'aide publique.
Ce qui reste le véritable obstacle, selon l'analyse de McKay-Fleisch, ce sont la compréhension organisationnelle et le jugement humain.
Le problème de compréhension organisationnelle est clairement illustré par les propres données d'utilisation de son entreprise. En examinant les données des projets Claude de Smartsheet, il a dénombré plus de cinquante projets distincts créés par des employés des services financiers, du support client, des ventes et des RH, qui cherchaient tous à générer des contenus conformes à la marque. Présentations, supports commerciaux, tout ce qu'on peut imaginer.
Ce qui est remarquable, c'est qu'aucun de ces projets ne provenait de l'équipe marketing. La fonction qui est responsable de la marque n'avait rien créé, et les plus de cinquante personnes qui trouvaient des solutions autour d'elle n'avaient pas pensé à lui poser la question.
Chacun de ces employés avait identifié un problème réel et utilisé un outil performant pour y répondre. Ce qu'aucun d'entre eux n'a fait, c'est reconnaître que le problème relevait du domaine de quelqu'un d'autre, là où se trouvaient déjà l'expertise, les ressources de référence et la capacité à maintenir la solution dans le temps. Ce n'est pas une lacune en matière de formulation de requêtes. Aucun cours sur la rédaction de meilleures instructions ne fera naître le réflexe d'aller chercher le responsable.
Le jugement humain est la catégorie la plus vaste, et McKay-Fleisch la restreint au mode d'échec auquel la plupart des organisations sont confrontées aujourd'hui. Il l'appelle le « canon à contenu médiocre ». Les utilisateurs génèrent des contenus à un coût presque nul et les envoient sans les vérifier, ce qui reporte le travail d'évaluation sur ceux qui les reçoivent.
La tâche de discernement qui consiste à comprendre le résultat que vous obtenez, à vous assurer qu’il est exact et qu’il a de la valeur. Ce qui s’est passé avec cette mentalité du canon à contenu bâclé, c’est que cette tâche incombe aux personnes auxquelles ce contenu est envoyé, et ce n’est pas approprié.
BetterUp Labs et le Social Media Lab de Stanford ont chiffré ce transfert dans une étude publiée dans la Harvard Business Review en septembre dernier. Quarante pour cent des employés ont déclaré avoir reçu ce que les chercheurs ont appelé du « travail bâclé » au cours du mois précédent. Chaque incident mobilisait environ deux heures du temps du destinataire, que les chercheurs ont évaluées à environ $186 par employé et par mois.
L'étape de vérification n'a pas disparu. Elle a été déplacée en aval, vers une personne qui ne l'avait pas choisie, qui ne peut pas voir l'intention initiale et qui n'a aucun moyen de la renvoyer.
La refonte et la transformation relèvent de budgets différents
McKay-Fleisch établit une distinction que la plupart des financements consacrés à l'habilitation ignorent. La refonte des flux de travail permet d'atteindre un résultat. La transformation par l'IA englobe tout ce qui doit changer autour de ce résultat, c'est-à-dire les structures organisationnelles, les rôles et les compétences dont les personnes ont besoin pour assumer ces rôles.
La plupart des programmes d'habilitation à l'IA sont financés comme s'ils ne relevaient d'aucune de ces deux catégories. Ils sont financés comme des formations aux outils, ce qui était la bonne réponse à un obstacle qui n'existe plus.
L'étude sur l'impact de l'IA menée par Grant Thornton en 2026, qui couvre 950 dirigeants d'entreprise dans dix secteurs ainsi que le capital-investissement et qui a été réalisée entre le 23 février et le 18 mars de cette année, a révélé que seuls 12 % des dirigeants considèrent leur personnel comme totalement prêt pour l'IA. Par ailleurs, 81 % se situent dans les catégories « plutôt prêts » ou « majoritairement prêts », et 97 % reconnaissent l'existence de difficultés d'adoption d'une nature ou d'une autre.
Lorsqu'on leur a demandé pourquoi les initiatives liées à l'IA n'atteignaient pas leurs objectifs, ces dirigeants ont placé en tête les questions de gouvernance et de conformité, à 46 %. La formation insuffisante arrive en deuxième position, à 31 %. Environ 34 % citent la formation comme le domaine d'investissement le plus sous-financé de l'organisation.
Le diagnostic posé à grande échelle par les dirigeants est donc le même que celui qui arrive à la porte du directeur de l'habilitation. La formation n'est pas suffisante. Il faut en financer davantage.
La propre analyse de Grant Thornton à ce sujet mérite d'être retenue. La formation de sensibilisation produit de la familiarité plutôt que des compétences opérationnelles. Or la familiarité est précisément ce que la plupart des programmes d'IA sont conçus pour fournir, et c'est ce que décrivent 85 % des employés interrogés par Docebo lorsqu'ils disent que la formation ne les a pas aidés à accomplir leur travail. L'argent est bien dépensé quelque part. Il est consacré à l'intervention qui exige le moins de changements structurels de la part des personnes qui l'approuvent.
Les 9 % de Docebo constituent le même constat, vu sous un autre angle. Les fonctions de formation ont adopté l'IA avec enthousiasme pour créer du contenu, mais ont à peine touché à la refonte du travail. Je traduirais cela ainsi : les deux budgets sont dépensés du côté de la refonte de rien.
Ce que cette demande signifie en quatre points
Lorsqu'un dirigeant demande une formation, l'une de quatre situations se trouve généralement derrière cette demande. Chacune comporte un signal qui permet de l'identifier et appelle une réponse qui n'est pas un cours.
Le résultat n'a jamais été défini
Le signal est que le dirigeant ne peut pas répondre à la question de savoir à quoi ressemble la réussite sans décrire une activité. L'utilisation augmente ou diminue, mais personne ne peut dire ce que l'équipe est censée être capable de faire alors qu'elle ne le pouvait pas auparavant. Les personnes expérimentent sans objectif précis, et cette expérimentation est interprétée comme un échec de l'adoption.
L'intervention consiste à organiser une séance de travail avec le dirigeant afin de définir un résultat mesurable, puis à remonter jusqu'à la capacité qui permet de l'atteindre.
Le flux de travail n'a jamais été repensé
Le signal est que l'IA a été greffée sur un processus conçu autour d'une contrainte que l'IA a supprimée. Des chaînes d'approbation dimensionnées en fonction du temps que prenait auparavant la rédaction. Des transferts qui existaient parce que deux personnes utilisaient des outils différents. Des cycles de vérification calibrés sur les schémas d'erreur humains plutôt que sur ceux des modèles.
Les personnes utilisent l'outil dans le cadre d'un processus qui les pénalise pour la rapidité qu'il crée. L'intervention consiste à cartographier le processus avec la fonction responsable du flux de travail, et ce n'est pas à votre fonction d'habilitation de s'en charger seule.
L’expertise existe et reste inexploitée
Le signal est un écart de performance important au sein d’une même équipe utilisant les mêmes outils. Les utilisateurs avancés ont déjà résolu le problème. Leurs solutions se trouvent dans des fichiers de projet personnels et des onglets de navigateur.
L’intervention consiste à extraire et à distribuer ces connaissances, ce que McKay-Fleisch présente comme l’intégration du savoir des utilisateurs avancés directement dans tout ce que produit l’accompagnement, plutôt que d’organiser davantage de sessions pour des personnes qui ont déjà trouvé la solution.
La discipline de révision s’est effondrée
Le signal est le phénomène du « workslop », ces plaintes sur la qualité des résultats qui viennent des destinataires plutôt que des producteurs. Les indicateurs de l’équipe productrice semblent excellents. Le volume augmente, les délais de traitement diminuent et le coût a été reporté sur le service suivant.
L’intervention consiste à définir une norme précisant ce qui doit être révisé avant de poursuivre, norme appliquée par les managers, ainsi qu’à accepter le travail inconfortable qui consiste à dire aux producteurs à fort volume que leurs chiffres représentent en partie le problème de quelqu’un d’autre.
Aucun des quatre problèmes ne se résout avec un programme de formation. Trois d’entre eux ne relèvent pas de la seule responsabilité de l’accompagnement, ce qui explique précisément pourquoi ils continuent d’arriver jusqu’à sa porte.
La même requête, deux réponses et un programme de formation qui ne peut rien y changer
Il existe sous tout cela une couche technique que la plupart des responsables des collaborateurs ont été encouragés à ignorer, et l’ignorer produit un accompagnement de mauvaise qualité.
Les employés rencontrent l’IA sur plusieurs interfaces. Il y a l’assistant intégré à une application, entraîné à partir de la documentation de cette plateforme et fonctionnant sur les données réelles de l’utilisateur.
Il y a le modèle généraliste, qui accède à la même plateforme par l’intermédiaire d’un protocole de connexion. L’exemple de McKay-Fleisch consiste à demander la création d’un tableau de bord indiquant quels projets sont sur la bonne voie, à risque ou en retard, regroupés par portefeuille et par responsable.
Selon lui, le résultat devrait être identique, quel que soit l’endroit où l’utilisateur saisit la requête. Sur de nombreuses plateformes, ce n’est actuellement pas le cas.
Cette différence relève de l’architecture du système, et la formation aux requêtes ne peut pas la combler. Ce que l’accompagnement peut faire, c’est savoir quelle interface produit quel résultat et dire clairement aux utilisateurs : pour cette tâche, allez ici.
Si vous négligez cet aspect, vous apprenez aux employés que les outils ne sont pas fiables, une leçon qu’ils appliqueront largement et retiendront plus longtemps que tout ce qui figure dans le programme de formation.
La deuxième variable technique est la quantité de contexte que la plateforme fournit au nom de l’utilisateur. Un modèle généraliste connecté aux données de l’entreprise ne comprend pas intrinsèquement ce que ces données signifient, comment elles sont structurées ni ce que l’application en fait. Les meilleures plateformes chargent cette compréhension côté serveur, sous la forme d’ensembles d’instructions réutilisables dont bénéficient tous les utilisateurs connectés sans même savoir qu’ils existent. Smartsheet le fait avec ce que McKay-Fleisch appelle des « compétences natives ».
La conséquence pour l’accompagnement est directe et budgétaire. Lorsque la plateforme fournit le contexte, la quantité d’instructions de requête dont les utilisateurs ont besoin diminue fortement. Lorsqu’elle ne le fournit pas, la conception des requêtes et du contexte devient une compétence essentielle, et la formation doit la couvrir correctement.
Les responsables de l’accompagnement devraient demander aux fournisseurs dans lequel de ces deux mondes ils se situent. La réponse détermine une part importante du programme de formation.
Deux lectures de la même organisation
Le chiffre de 12 % de collaborateurs totalement prêts dissimule une fracture. Parmi les DSI et les directeurs techniques, 39 % décrivent leur personnel comme totalement prêt. Parmi les directeurs des opérations, ce chiffre est de 7 %.
Les responsables technologiques mesurent l’adoption au niveau des systèmes : licences déployées, intégrations opérationnelles, utilisation enregistrée. Les responsables des opérations mesurent si le travail s’est amélioré. L’écart de trente-deux points représente un travail considérable pour répondre à ces deux questions.
La répartition des besoins d’accompagnement le montre encore plus clairement. Les employés de première ligne représentent 37 % des situations dans lesquelles les responsables estiment que l’accompagnement est le plus nécessaire. Les managers intermédiaires en représentent 30 %. Les cadres dirigeants en représentent 8 %.
Les personnes qui prennent les décisions concernant l’IA se sentent soutenues. Les deux tiers de l’organisation qui vivent avec ces décisions ne le sont pas.
C’est le schéma qui sous-tend la demande de formation. Un responsable qui se sent suffisamment équipé observe une équipe qui ne l’est pas et se tourne vers l’intervention qui n’exige rien de sa part. Demander davantage de formation est une demande que l’on peut accepter sans que son auteur ne change quoi que ce soit à la structure du travail, à la personne responsable de chaque décision ou à ce que l’équipe doit produire.
Presque personne dans cet échantillon ne conteste le fait qu’un problème existe. Le désaccord porte sur l’endroit où il se situe.
More Articles
- « Prêt pour l’IA » est une expression, pas une stratégie
- Le vice-président des personnes et de l’organisation d’une licorne de l’IA affirme que les dirigeants RH doivent devenir les architectes d’une main-d’œuvre humain-machine
- Une experte en intégration IA révèle le guide pour une adoption confiante et réussie
- La règle 70-20-10 pour la transformation par l’IA s’applique-t-elle à toutes les tailles d’entreprise ?
- L’IA dans les opérations commerciales : transformer les nouvelles technologies en avantage stratégique
Les RH doivent s’en saisir avant que cela ne leur échoie par défaut
La recommandation finale de McKay-Fleisch à l’assistance était de repartir et d’identifier qui, dans l’organisation, est responsable de la refonte des flux de travail liés à l’IA. Il a précisé que cette responsabilité lui avait incombé pendant un certain temps, jusqu’à ce que Smartsheet recrute quelqu’un pour ce rôle.
Dans la plupart des entreprises, la réponse honnête est : personne. Et lorsque personne ne s'en charge, le travail ne disparaît pas. Il revient à ceux qui sont les plus proches du sujet, généralement les équipes L&D ou d'accompagnement, sous la forme d'une demande de formation à la fois, sans mandat ni autorité sur les processus qui ont pourtant besoin d'être repensés.
En hériter de cette manière est la pire façon d'en être responsable. Les RH devraient prendre délibérément en charge la refonte des processus de travail, avec le budget et l'autorité nécessaires, car l'autre option consiste à assumer la responsabilité sans disposer de l'un ni de l'autre.
La raison pour laquelle les RH devraient s'en charger n'est pas sentimentale. La refonte des processus de travail détermine quels postes existeront dans trois ans, ce que ces postes exigeront et qui, au sein de l'entreprise, pourra y accéder. Ce sont des décisions concernant les personnes, prises comme sous-produit de décisions technologiques. Laisser ces questions être tranchées par la personne qui se trouve simplement à configurer les outils est un choix, et c'est celui que la plupart des organisations font actuellement par défaut.
La fonction qui comprend comment le travail est structuré, comment les compétences se développent et ce qui arrive aux personnes lorsque ces deux éléments changent est celle qui devrait être au premier plan sur ce sujet. Cette responsabilité doit être revendiquée avant que l'organigramme ne se consolide autour de quelqu'un d'autre.
Questions à poser
Lorsque le prochain responsable d'équipe frappe à votre porte, n'ouvrez pas le catalogue de formations. Posez deux questions.
- Quel résultat cherchez-vous à obtenir ? Pas davantage d'adoption ni une utilisation plus élevée. Quelque chose que vous pourriez mesurer dans le travail lui-même.
- Dans quel processus de travail ce résultat s'inscrit-il, et qui en est responsable ?
Si le responsable peut répondre aux deux questions, vous avez quelque chose à construire. S'il ne le peut pas, la formation n'allait jamais fonctionner, et la chose la plus utile qu'une personne chargée de l'accompagnement puisse faire est de le dire clairement.
