Formation en entreprise : pourquoi l’intelligence artificielle oblige à repenser l’apprentissage, l’évaluation et l’expertise métier.
Pendant longtemps, le résultat nous renseignait assez bien sur l’apprentissage.
Un rapport bien construit, une analyse pertinente ou une présentation convaincante permettaient de supposer qu’une personne avait acquis les connaissances et les compétences nécessaires pour les produire.
L’intelligence artificielle générative vient brouiller cette équation.
Un collaborateur peut aujourd’hui produire en quelques minutes un document qu’il lui aurait fallu plusieurs heures pour construire auparavant. Le résultat peut être excellent.
Mais qu’a-t-il appris en le produisant ?
La question n’est pas anodine. Formation en entreprise et IA sont désormais étroitement liées : les organisations doivent à la fois développer les compétences et repenser la manière dont elles évaluent leur acquisition.
À l’ère de l’IA, le lien entre performance et apprentissage devient moins évident.
L’IA est déjà entrée dans les pratiques
En Suisse, l’intelligence artificielle n’est plus un usage marginal.
Selon l’IGEM-Digimonitor 2026, quatre personnes sur cinq utilisent désormais des outils d’IA au moins occasionnellement. En deux ans, cet usage a doublé. L’IA s’installe donc rapidement dans les pratiques quotidiennes, notamment pour rechercher de l’information, produire du contenu ou soutenir certaines tâches professionnelles.
Du côté des entreprises, la dynamique est similaire. Le European AI Barometer 2025 d’EY montre que de nombreux salariés suisses se forment déjà à ces outils.
Mais un décalage apparaît entre l’adoption de l’IA et la qualité perçue de l’accompagnement : seuls 28 % des salariés se disent satisfaits des possibilités de formation proposées.
Autrement dit, l’IA entre rapidement dans les usages, parfois plus vite que les dispositifs de formation ne s’adaptent.
La question n’est donc plus seulement de savoir si les collaborateurs doivent apprendre à utiliser l’IA.
Il faut aussi se demander comment ils continuent à apprendre leur métier lorsqu’ils l’utilisent.
Quand produire ne suffit plus à démontrer que l’on sait
L’IA générative rend particulièrement visible une distinction connue depuis longtemps dans la recherche sur l’apprentissage : réussir une tâche n’est pas nécessairement la même chose qu’apprendre.
Robert et Elizabeth Bjork, chercheurs en psychologie cognitive à l’Université de Californie à Los Angeles, travaillent depuis plusieurs décennies sur ce qu’ils appellent les « difficultés désirables ».
Leurs travaux montrent que les méthodes qui donnent rapidement une impression de maîtrise ne sont pas toujours celles qui favorisent le mieux la mémorisation et le transfert à long terme. À l’inverse, certaines activités plus exigeantes (chercher une information dans sa mémoire, espacer les révisions, confronter plusieurs problèmes, se tromper puis corriger son raisonnement) peuvent ralentir la progression immédiate tout en renforçant l’apprentissage. Cette idée est notamment développée dans leurs travaux sur l’apprentissage à long terme.
Autrement dit, la facilité avec laquelle une tâche est réalisée peut donner une impression de maîtrise sans garantir que l’apprentissage soit réellement consolidé.
Avec l’IA générative, cette question prend une dimension nouvelle.
Un texte bien écrit, une analyse structurée ou une présentation convaincante peuvent désormais être produits très rapidement. Leur qualité ne permet pourtant plus, à elle seule, de savoir ce que la personne comprend réellement du sujet.
Pour la formation en entreprise, cela rend l’évaluation de la compétence plus complexe: l’IA peut désormais contribuer à des étapes du travail qui, auparavant, permettaient d’inférer plus directement ce que la personne savait faire.
Un livrable de qualité reste un indicateur utile, mais il renseigne moins directement qu’auparavant sur le raisonnement, les choix ou les connaissances mobilisés pour y parvenir.
Avec l’IA, l’évaluation gagne donc à prendre aussi en compte la manière dont le résultat a été construit, vérifié et adapté au contexte.
L’IA ne supprime pas forcément la réflexion. Elle la déplace.
Cela ne signifie pas que travailler avec l’IA revient à ne plus réfléchir.
Une étude publiée en 2025 par Microsoft Research et Carnegie Mellon University apporte ici une nuance importante.
Les chercheurs ont interrogé 319 travailleurs du savoir, qui ont décrit 936 situations réelles dans lesquelles ils avaient utilisé l’IA générative dans le cadre de leur activité professionnelle.
Leurs observations suggèrent que la pensée critique ne disparaît pas nécessairement lorsque l’IA intervient. Elle change en partie de nature.
Les participants décrivent davantage d’efforts consacrés à la vérification des informations, à l’intégration des réponses obtenues et au pilotage de la tâche.
Autrement dit, une partie du travail cognitif se déplace.
Il ne s’agit plus seulement de produire une réponse, mais aussi de déterminer si celle proposée par l’IA est correcte, pertinente et adaptée à la situation.
Un autre résultat est particulièrement intéressant pour la formation professionnelle.
Dans cette étude, une confiance élevée dans l’IA est associée à une mobilisation moindre de la pensée critique. À l’inverse, les participants qui ont davantage confiance dans leur propre expertise déclarent examiner plus attentivement les résultats produits par l’outil.
Cela soulève une question essentielle.
Comment vérifier une réponse lorsque l’on ne maîtrise pas suffisamment le domaine pour savoir qu’elle est discutable ?
L’IA augmente peut-être la valeur de l’expertise au moment même où elle donne l’impression de pouvoir s’en passer
L’accès immédiat à une réponse peut donner l’impression que certaines connaissances deviennent moins importantes.
Pourquoi mémoriser une information que l’on peut retrouver en quelques secondes ? Pourquoi construire une première analyse si l’IA peut en proposer une immédiatement ?
Mais utiliser efficacement un outil ne consiste pas seulement à obtenir une réponse.
Il faut pouvoir l’évaluer.
Cela suppose de reconnaître une incohérence, de repérer une information improbable, d’identifier ce qui manque, de comprendre le contexte et parfois de décider de ne pas suivre la proposition de l’outil.
Ces capacités reposent en grande partie sur des connaissances et une expérience préalables.
Le paradoxe est donc intéressant :
plus l’IA devient capable de produire, plus la capacité humaine à juger ce qu’elle produit devient stratégique.
Pour les entreprises, formation métier et formation à l’IA ne devraient donc pas être pensées séparément. Nous avions déjà abordé cette question dans notre article sur les compétences techniques et l’intelligence artificielle, notamment autour du rôle de l’expertise dans la vérification des réponses produites par les outils.
Apprendre à utiliser un outil sans renforcer les connaissances qui permettent d’en évaluer les réponses risque de créer une compétence superficielle : savoir obtenir un résultat sans toujours être capable d’en apprécier la qualité.
Formation en entreprise et IA : ce que cela change pour les concepteurs
L’enjeu n’est pas de supprimer l’IA des dispositifs de formation.
Il serait d’ailleurs paradoxal de préparer des collaborateurs à un environnement professionnel transformé par l’IA en leur interdisant systématiquement de l’utiliser.
La question est plutôt de savoir à quel moment l’introduire et dans quel but pédagogique.
Quelques principes permettent déjà de structurer cette réflexion.
1. Faire émerger une première réflexion avant de solliciter l’IA
Demander immédiatement une réponse à l’IA peut court-circuiter une étape utile : formuler une première hypothèse.
Avant de consulter l’outil, le participant peut être invité à préciser ce qu’il sait déjà, la solution qu’il envisagerait ou les informations qui lui manquent.
L’IA intervient ensuite comme point de comparaison, plutôt que comme point de départ.
2. Utiliser l’IA comme contradicteur
L’IA ne doit pas nécessairement servir à fournir une réponse.
Elle peut aussi être utilisée pour tester une analyse, chercher des contre-arguments, identifier des angles morts ou proposer une interprétation différente.
Le travail consiste alors à examiner ces propositions : lesquelles sont pertinentes ? Lesquelles doivent être écartées ? Sur quels critères ?
Dans ce rôle, l’IA devient un outil de confrontation plutôt qu’un raccourci.
3. Faire expliciter les choix
Avec l’IA, le résultat final dit moins directement comment il a été construit.
Il devient donc utile de faire apparaître certains choix : pourquoi retenir une solution plutôt qu’une autre, quelle information a été vérifiée, quelle proposition de l’IA a été modifiée ou écartée.
L’objectif n’est pas de retracer chaque étape, mais de rendre visible ce qui relève du raisonnement et de la prise de décision.
4. Évaluer le jugement professionnel
Dans de nombreux métiers, la valeur ne réside pas seulement dans la capacité à produire une première réponse, mais aussi dans la capacité à l’évaluer, l’adapter et décider si elle convient à la situation.
Une formation peut donc intégrer des situations dans lesquelles le participant doit :
- repérer une erreur ou une faiblesse dans une production générée par l’IA ;
- comparer plusieurs options ;
- justifier un choix ;
- expliquer pourquoi une réponse plausible n’est pas adaptée au contexte ;
- améliorer une proposition générée.
L’évaluation se rapproche alors du travail réel : non seulement produire, mais savoir juger ce qui mérite d’être retenu, modifié ou écarté.
Formation à l’IA en entreprise : maîtriser l’outil ne suffit pas
Pour les responsables RH, Learning & Development et les managers, penser la formation en entreprise avec l’IA dépasse largement le choix d’un outil ou d’une formation technique.
Cette évolution invite à revoir plusieurs dimensions de la politique de développement des compétences.
- Former à l’outil ne suffit pas.
La maîtrise de l’IA doit progresser avec l’expertise métier qui permet d’en apprécier les résultats. - Les modalités d’évaluation doivent évoluer.
Lorsque l’IA participe à la production, le livrable final renseigne moins qu’auparavant sur le niveau réel de maîtrise. L’explication des choix, la capacité à vérifier et la prise de décision deviennent plus importantes. - Certaines compétences doivent rester disponibles sans assistance.
Non par nostalgie d’un monde sans IA, mais parce qu’elles constituent précisément les ressources nécessaires pour contrôler et challenger l’outil. - L’introduction de l’IA dans une formation doit devenir un choix pédagogique.
L’utiliser avant une première réflexion, après celle-ci ou au moment de confronter plusieurs solutions ne produit pas le même apprentissage.
La question n’est donc pas : « faut-il utiliser l’IA en formation ? »
Elle est plutôt :
À quel moment l’IA améliore-t-elle l’apprentissage, et à quel moment risque-t-elle de supprimer une étape dont l’apprenant a encore besoin ? »
IA et apprentissage : garder ce qui fait compétence
L’IA nous permet déjà d’aller plus vite. Dans de nombreuses situations professionnelles, ce gain est précieux et il serait absurde de vouloir y renoncer.
Mais la vitesse de production ne peut pas devenir le seul critère.
Certains efforts ne sont probablement plus nécessaires. D’autres jouent encore un rôle essentiel dans la construction d’une compétence : chercher, hésiter, confronter des hypothèses, corriger une erreur, argumenter un choix.
Le défi n’est donc pas d’empêcher l’IA de raccourcir le chemin.
Il est de savoir quelles parties du chemin nous pouvons raccourcir sans supprimer celles qui construisent la capacité à décider.
Pour les entreprises, l’IA transforme profondément la manière de penser la formation. Il ne s’agit plus seulement de transmettre des connaissances ou d’apprendre à utiliser un nouvel outil. Il faut aussi créer des situations dans lesquelles les collaborateurs continuent à raisonner, à vérifier, à décider et à développer leur jugement.
À l’ère de l’IA, former ne consiste donc peut-être plus seulement à aider quelqu’un à mieux faire.
Il faut aussi préserver sa capacité à comprendre, à choisir et à décider pourquoi il le fait.
Source image: Deposit Photos
Chaque organisation aborde ces transformations à partir de réalités, de métiers et de besoins différents.
Si vous souhaitez échanger autour de vos enjeux de formation, de compétences ou de l’intégration de l’IA dans vos pratiques, nous serons heureux de poursuivre la conversation avec vous.