par Content Manager | 5 Oct 2026 | compétences, Formation Entreprise, intelligence artificielle, Non classé
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.
par Content Manager | 5 Août 2026 | intelligence artificielle, L'été pour apprendre autrement avec Swissnova, Management & Leadership, Non classé, Ressources Humaines
☀️ L’été pour apprendre autrement, épisode 3 sur 4
En un an, la part des PME suisses utilisant l’intelligence artificielle dans leurs processus est passée de 22 % à 34 %. Un tiers de celles qui l’ont adoptée constatent déjà une évolution des compétences qu’elles recherchent.
Cette adoption soulève une question encore peu explorée. Quand un outil produit une partie du travail, comment se maintiennent les compétences qui permettent de vérifier ce qu’il produit ? Plusieurs travaux de recherche commencent à s’y intéresser.
Le précédent article de cette série apportait un résultat qui surprend souvent.
La montée des compétences transversales dans les offres d’emploi suisses a commencé avant l’IA générative. Elle progresse au même rythme, que le métier soit très exposé à l’IA ou peu exposé.
L’IA n’explique donc pas cette bascule. Reste encore une question fondamentale. Une fois l’IA installée dans le quotidien d’une équipe, que se passe-t-il pour les compétences techniques de ses membres ?
Deux études, deux méthodes
Deux travaux récents apportent des éléments de réponse, avec des approches très différentes.
Le premier vient de Microsoft Research et de Carnegie Mellon. Les chercheurs ont interrogé 319 professionnels sur leur usage réel de l’IA générative, à partir de 936 exemples concrets de tâches. Leur étude a été présentée à la conférence CHI 2025.
Le résultat principal ne porte pas sur la quantité de travail produite. Il porte sur sa nature. Les participants décrivent un glissement de leur activité. La recherche d’information cède la place à la vérification. La résolution de problème cède la place à l’intégration d’une réponse déjà rédigée. L’exécution cède la place à la supervision.
Autrement dit, la tâche ne disparaît pas. Elle change de forme. Or vérifier et produire ne mobilisent pas les mêmes réflexes, et ne s’entretiennent pas de la même façon.
Plus la confiance dans l’outil est élevée, moins l’esprit critique s’exerce. À l’inverse, plus la personne a confiance dans sa propre expertise, plus elle exerce son jugement sur la production de l’outil.
Ce résultat a une implication directe pour les équipes. La capacité à repérer une erreur ne vient pas de la maîtrise de l’outil. Elle vient de l’expertise métier acquise avant l’outil. Un collaborateur expérimenté repère l’erreur. Un collaborateur en début de parcours a plus de mal à la voir.
Le second travail vient du MIT Media Lab. Les chercheurs ont suivi 54 personnes en train de rédiger, réparties en trois groupes : un groupe utilisant un assistant IA, un groupe utilisant un moteur de recherche, et un groupe travaillant sans aide. Mesurée par électroencéphalographie, l’étude de Kosmyna et ses collègues observe l’activité cérébrale la plus faible chez le groupe assisté par IA, et la plus forte chez le groupe sans aide.
Cette étude a suscité un débat scientifique. Un commentaire publié début 2026 souligne la petite taille de l’échantillon et appelle à interpréter les résultats avec prudence. Les deux travaux convergent néanmoins sur un point, celui du lien entre pratique régulière et maintien de la capacité à évaluer un résultat.
Un point pratique en découle. Si la pratique entretient la capacité d’évaluation, la question devient celle des conditions dans lesquelles cette pratique se maintient au sein d’une équipe. C’est le terrain de la formation, et celui des choix d’organisation du travail.
Nous avions décrit ce mécanisme sous le nom de Skill Erosion, aux côtés du Shadow AI et de l’AI Washing (revoir notre article du 30 avril 2026) . Les travaux publiés depuis lui donnent progressivement une base empirique.
Trois arguments qui circulent en entreprise
Trois arguments reviennent régulièrement quand ce sujet est abordé. Chacun repose sur un raisonnement solide, et chacun laisse une question ouverte.
Le premier rapproche l’IA des technologies précédentes.
On s’y habitue, comme à la feuille de calcul en son temps. La comparaison tient pour une partie des usages. Elle porte cependant sur des objets différents : la feuille de calcul exécutait une opération demandée, tandis que l’IA générative propose une réponse à une question. Reste à savoir si cette distinction produit des effets mesurables sur la pratique professionnelle. Les travaux cités plus haut apportent de premiers éléments.
Le deuxième s’appuie sur l’expertise déjà présente dans l’entreprise.
Les collaborateurs expérimentés savent vérifier ce que produit un outil, et les données disponibles vont dans ce sens. La question se pose différemment pour ceux qui démarrent leur carrière avec l’IA déjà installée. Sur quelles tâches construiront-ils l’expertise qui permet ensuite de vérifier ?
Le troisième consiste à observer avant d’agir.
C’est une position défendable, d’autant que la recherche sur le sujet est récente et encore débattue. Elle suppose toutefois de disposer d’indicateurs. Or la production et les délais restent stables dans les cas décrits par les études. Reste donc à définir à quoi une entreprise reconnaîtrait le phénomène si elle décidait de le suivre.
Ce que les entreprises suisses observent déjà
Les données suisses précisent l’ampleur du mouvement. Selon l’étude d’AXA sur le marché de l’emploi des PME, menée par l’institut Sotomo auprès de 300 entreprises romandes et alémaniques, la progression de 22 % à 34 % citée en ouverture s’accompagne d’un second constat.
Un tiers des PME qui utilisent l’IA indiquent que ces outils modifient le profil recherché chez leurs collaborateurs. Selon Michael Hermann, directeur de l’institut Sotomo, elles cherchent désormais des profils à l’aise avec la technologie, et prêts à se former en continu.
Ces deux exigences ne se construisent pas de la même façon.
Une compétence technologique s’enseigne en un module. La disposition à se former en continu se construit dans la durée, à travers les habitudes d’équipe et les priorités posées par le management. Le sujet relève donc autant du management que de la formation.
Pour situer le contexte suisse, l’OFS mesure qu’en 2021, dernière année où l’enquête approfondie a été menée, près de la moitié des personnes actives suivaient une formation continue à visée professionnelle, et que 93 % d’entre elles étaient soutenues par leur employeur. La culture de la formation est donc largement installée.
Sur l’IA en particulier, les pratiques restent en construction. Une enquête de Deloitte Suisse, menée à l’automne 2025 auprès de 99 dirigeants, indique que la formation à l’IA reste volontaire dans 55 % des organisations, et obligatoire dans 24 %. L’échantillon est modeste, et le résultat rejoint les autres données disponibles.
Construire son plan de formation
Trois questions concrètes se posent avant d’arbitrer un budget de rentrée.
Quelle part du budget pour l’outil, quelle part pour le discernement ?
Une formation à la prise en main d’un assistant répond à un besoin immédiat. Sa durée de vie reste courte, puisqu’elle suit le rythme des mises à jour. Une formation qui apprend à évaluer une réponse, à repérer ce qui manque, à savoir quand ne pas s’y fier, s’applique en revanche à n’importe quel outil. Les deux répondent à des besoins distincts, sur des horizons de temps différents. Reste à déterminer la répartition qui convient à votre organisation.
Qui vérifie, et sur quelle base ?
Pour chaque processus où l’IA intervient, une question suffit. Qui, dans l’équipe, est aujourd’hui capable de repérer une erreur dans ce que produit l’outil ? Si cette personne existe mais n’est pas celle qui valide le résultat final, un ajustement du processus répond au besoin. Si personne ne peut le faire, la question devient celle d’une montée en compétence ciblée.
Que faut-il continuer à faire soi-même ?
Listez les tâches que votre équipe réalisait elle-même il y a deux ans, et qu’elle confie aujourd’hui à un outil. Pour chacune, demandez-vous si la perte de pratique est acceptable. Traduire une lettre standard, sans doute. Construire une argumentation pour un client, la réponse mérite d’être débattue en équipe. L’exercice compte moins pour sa réponse que pour le fait de transformer une évolution subie en choix assumé.
Un dernier point concerne les profils juniors. Puisque vérifier suppose de l’expertise, les collaborateurs en début de carrière profitent le plus de l’outil aujourd’hui, et disposent du moins d’expérience pour l’évaluer. Distinguer les niveaux dans un plan de formation répond directement à cet écart.
Entretenir, pas remplacer
L’IA ne supprime pas la compétence technique. Elle change la façon de l’entretenir.
La recherche disponible converge sur un point. L’usage d’outils génératifs déplace l’effort de l’exécution vers le contrôle. Et la qualité de ce contrôle dépend de l’expertise que la personne avait avant d’utiliser l’outil.
Les entreprises suisses le constatent déjà, puisqu’un tiers de celles qui ont adopté l’IA voient leurs besoins en compétences évoluer. La question qui se pose aux responsables formation de Genève, de Vaud et de toute la Suisse romande est donc celle de la répartition de leur investissement, entre la maîtrise des outils et la capacité de jugement qui permet de les utiliser.
Reste une dernière question, celle du prochain épisode. Si la compétence se maintient par la pratique autant que par la formation, comment les adultes apprennent-ils vraiment ?
Dans notre série ☀️ L’été pour apprendre autrement :
Vous voulez développer ces compétences dans votre équipe ?
Swissnova propose des formations pensées pour ancrer durablement les compétences en entreprise. Découvrez notre programme Les Fondamentaux du Management, qui démarre en septembre 2026 –> Découvrir la formation
par Content Manager | 30 Avr 2026 | intelligence artificielle, service aux entreprises, transformation organisationnelle
Il existe une version confortable de l’histoire de l’IA en entreprise. Elle ressemble à ceci : les outils sont accessibles, les équipes s’y mettent progressivement, et l’organisation avance. Pas de grand plan, mais pas de chaos non plus. Une adoption organique, raisonnable, pragmatique.
Cette version est largement répandue en Suisse romande. Elle est aussi, dans bien des cas, inexacte.
Ce que chercheurs et analystes documentent depuis deux ans est clair : beaucoup d’entreprises qui pensent intégrer l’IA la subissent en réalité.Et les effets les plus problématiques ne sont pas visibles tout de suite.
Le Shadow AI : quand l’IA avance plus vite que l’organisation
Le premier concept à comprendre est celui de Shadow AI : l’IA fantôme. Il désigne l’utilisation d’outils d’IA au sein d’une organisation sans validation, sans supervision et sans gouvernance formelle de la part de la direction ou des équipes IT.
Ce n’est pas un phénomène marginal. Selon une enquête IBM menée auprès de 3 000 travailleurs, plus d’un tiers des employés reconnaissent avoir partagé des informations professionnelles sensibles avec des outils IA sans l’accord de leur employeur. Une étude Menlo Security révèle que 68% des employés utilisent des comptes personnels pour accéder à des outils comme ChatGPT au travail et que 57% d’entre eux le font avec des données sensibles.
Le Shadow AI naît rarement d’une mauvaise intention. Il naît d’un écart : entre ce dont les équipes ont besoin pour travailler efficacement, et ce que l’organisation leur propose officiellement. Quand cet écart est trop large, les gens trouvent leurs propres solutions. C’est humain. C’est aussi, selon Gartner, l’un des risques stratégiques les plus sous-estimés de 2026; 49% des organisations s’attendent à subir un incident lié au Shadow AI dans les douze prochains mois.
Le risque n’est pas uniquement sécuritaire, même si la fuite de données confidentielles vers des serveurs externes est réelle. C’est aussi un risque de cohérence opérationnelle : quand chaque département utilise ses propres outils, avec ses propres pratiques, sans langage commun, les gains individuels ne se traduisent pas en performance collective.
L’AI Washing : la stratégie qui n’en est pas une
Le deuxième phénomène est plus inconfortable à nommer, parce qu’il touche non plus les équipes mais les directions.
L’AI Washing (par analogie avec le greenwashing) désigne le fait de surestimer ou de déformer la réalité de son utilisation de l’IA. Cela peut être externe : afficher une « stratégie IA » dans ses communications sans que les pratiques réelles ne le justifient. Cela peut être interne : se convaincre qu’on « fait de l’IA » parce que quelques collaborateurs utilisent ChatGPT, sans gouvernance, sans formation, sans réflexion sur les usages.
Ce second cas est peut-être le plus fréquent, et le moins documenté. Compliance Week le formule ainsi : l’AI Washing « prospère dans un climat où l’optimisme technologique est élevé, la compréhension est faible, et la supervision est très en retard sur l’innovation. »
L’enjeu n’est pas moral. Il est stratégique. Une organisation qui se croit plus avancée qu’elle ne l’est réellement n’alloue pas ses ressources correctement. Elle ne forme pas ses équipes sur ce dont elles ont vraiment besoin. Elle ne pose pas les bonnes questions. Et elle découvre souvent le décalage trop tard.
La Skill Erosion : ce que personne ne mesure encore
C’est le concept le moins visible des trois, et celui dont les implications à moyen terme sont les plus sérieuses.
La Skill Erosion (l’érosion des compétences) désigne ce qui se passe quand des collaborateurs cessent d’exercer certaines capacités cognitives parce qu’ils les ont déléguées à l’IA. Sur le moment, c’est un gain d’efficacité. Sur la durée, c’est une perte de maîtrise.
Gartner a introduit le concept d' »AI lock-in » pour décrire ce mécanisme : lorsque les collaborateurs abandonnent des tâches fondamentales au profit de l’automatisation, leur capacité à questionner, interpréter ou corriger les sorties de l’IA s’affaiblit progressivement. L’organisation devient dépendante d’outils qu’elle ne comprend plus vraiment. Gartner estime que la moitié des entreprises pourraient faire face à des pénuries de compétences irréversibles d’ici 2030 si cette tendance n’est pas gérée.
Un exemple concret : un chargé de communication qui utilise l’IA pour produire l’ensemble de ses contenus gagne du temps: c’est réel et mesurable. Mais s’il cesse d’exercer son propre jugement en parallèle, quelque chose se perd. La capacité à construire un angle original. À sentir le ton juste. À écrire sous pression quand l’outil ne suffit pas. Ce n’est pas visible dans les indicateurs à court terme. Ça le devient quand la situation l’exige.
Le même mécanisme s’observe dans le recrutement : un responsable RH qui s’appuie systématiquement sur l’IA pour la présélection peut perdre progressivement l’intuition qui lui permettait d’identifier les profils atypiques : précisément ceux que les algorithmes excluent en premier.
La Skill Erosion est d’autant plus difficile à détecter qu’elle est asymptomatique : elle progresse sans déclencher d’alerte immédiate, jusqu’au moment où une situation complexe ou une défaillance de l’outil révèle que l’expertise humaine de substitution n’est plus là.
Alors, comment ne pas en arriver là ?
Face à ces trois dynamiques, il n’existe pas de solution miracle. Mais il existe une approche qui change fondamentalement la posture, ce que les chercheurs en organisation appellent le Human-AI Teaming : non pas gérer l’IA, mais construire une véritable collaboration entre les équipes humaines et les outils.
Le Human-AI Teaming n’est pas un concept de plus dans la liste des buzzwords. C’est une façon structurée de penser la relation entre les capacités humaines et les capacités des outils, non pas comme une substitution, mais comme une complémentarité active. Selon le cadre CHAI-T, il repose sur cinq dimensions : l’échange d’information, l’apprentissage mutuel, la validation croisée, le feedback, et l’augmentation réciproque des capacités.
Ce qui distingue concrètement une organisation qui pratique le Human-AI Teaming d’une qui fait du Shadow AI : dans le premier cas, il y a une réflexion explicite sur ce que l’humain doit conserver comme compétences propres, et sur ce que l’IA peut prendre en charge sans fragiliser l’ensemble. Dans le second, cette réflexion n’a pas eu lieu.
Ce n’est pas un projet technique. C’est un projet organisationnel et managérial et c’est précisément pour ça qu’il est souvent remis à plus tard.
Quatre questions pour se situer
Il n’existe pas de diagnostic universel. Mais ces questions permettent d’ouvrir une réflexion honnête sur où en est réellement une organisation
Sur le Shadow AI: Si vous demandiez à vos équipes de lister tous les outils IA qu’elles utilisent cette semaine, auriez-vous des surprises ? La plupart des directions en auraient. Ce n’est pas un problème de confiance, c’est une question d’écart entre ce que l’organisation propose et ce dont les collaborateurs ont besoin pour travailler efficacement. Cet écart mérite d’être compris avant d’être comblé.
Sur l’AI Washing : Votre organisation a-t-elle une « stratégie IA » formalisée ? Si oui, est-ce que les personnes qui travaillent avec vous au quotidien la connaissent et la reconnaissent dans leur travail réel ? Une stratégie qui existe sur le papier mais pas dans les pratiques n’est pas encore une stratégie, c’est une intention. La distance entre les deux est souvent plus grande qu’on ne le croit.
Sur la Skill Erosion : Y a-t-il des compétences que vos équipes exerçaient régulièrement il y a deux ans et qu’elles exercent moins aujourd’hui parce qu’un outil s’en charge ? Si oui, est-ce un choix délibéré ou une dérive non remarquée ? La question n’est pas de résister à l’automatisation, mais de décider consciemment ce qu’on choisit de conserver comme expertise humaine, et pourquoi.
Sur le Human-AI Teaming : Quand une décision importante est prise dans votre organisation en s’appuyant sur une sortie d’outil, qui valide ? Qui est en mesure de dire « ce résultat me semble juste » ou « quelque chose ne va pas ici » ? Si cette personne n’existe pas clairement, ou si elle n’a plus suffisamment pratiqué pour avoir ce jugement, c’est là que commence le vrai risque.
Ce que ces questions révèlent
L’IA n’est pas une menace ni une solution. C’est un révélateur. Elle révèle la qualité de la gouvernance interne, la clarté des rôles, la robustesse de la culture organisationnelle. Les entreprises qui s’en sortent le mieux ne sont pas forcément celles qui ont les outils les plus sophistiqués, ce sont celles qui ont décidé consciemment comment elles voulaient s’en servir.
__________________________________________________________________________
par swissnova | 28 Jan 2025 | compétence, Formation, ia, intelligence artificielle
La révolution numérique transforme les entreprises à un rythme sans précédent, et l’intelligence artificielle (IA) est au cœur de cette mutation. Dans le canton de Berne, Swissnova propose des formations sur mesure pour aider les entreprises et les professionnels à tirer parti de cette technologie puissante.
Pourquoi se former en intelligence artificielle à Berne ?
Le canton de Berne, reconnu pour son dynamisme économique et son écosystème innovant, est un lieu idéal pour développer ses compétences en intelligence artificielle. Que vous soyez une PME, une multinationale ou un professionnel cherchant à évoluer, l’IA offre des opportunités inégalées pour :
- Automatiser les processus : Gagnez en efficacité grâce à l’automatisation intelligente.
- Améliorer la prise de décision : Exploitez les données pour orienter stratégiquement votre entreprise.
- Innover : Créez de nouveaux produits et services grâce à l’IA.
Les formations en IA de Swissnova : un accompagnement sur mesure
Swissnova, spécialiste des formations adaptées aux besoins des entreprises, propose des programmes uniques en intelligence artificielle. Ces formations, conçues par des experts, allient théorie et pratique pour garantir une mise en application rapide des compétences acquises.
Nos domaines de formation en IA
- Initiation à l’IA : Comprendre les concepts fondamentaux de l’intelligence artificielle et ses applications pratiques.
- Machine Learning : Maîtriser les bases de l’apprentissage automatique pour analyser et prédire des tendances.
- Data Science : Exploiter les données pour créer de la valeur ajoutée dans votre entreprise.
- IA appliquée à votre secteur : Des formations personnalisées pour des domaines tels que la finance, la santé, ou l’industrie manufacturière.
Pourquoi choisir Swissnova ?
- Une approche personnalisée : Nous adaptons nos contenus à vos besoins spécifiques.
- Des experts chevronnés : Nos formateurs sont des professionnels ayant une expérience concrète dans l’application de l’IA.
- Un réseau local : Nous collaborons avec des entreprises et organisations bernoises pour offrir des formations pertinentes et ciblées.
L’impact de l’IA sur les entreprises à Berne
Les entreprises de Berne ont déjà commencé à intégrer l’IA dans leurs activités quotidiennes. Des secteurs comme la logistique, la santé, et l’administration publique utilisent l’IA pour optimiser leurs processus. En vous formant avec Swissnova, vous rejoindrez les leaders de l’innovation dans votre domaine.
Comment vous inscrire à nos formations ?
Swissnova propose une gamme flexible de formations, disponibles en présentiel à Berne ou en ligne. Pour découvrir nos offres et vous inscrire, rendez-vous sur notre page dédiée : Formations en intelligence artificielle à Berne.
Conclusion
L’intelligence artificielle n’est pas une tendance passagère, mais une réalité incontournable pour les entreprises modernes. Avec Swissnova, formez-vous à Berne et restez à la pointe de l’innovation. Ensemble, donnons vie à vos ambitions numériques !
