Compétences techniques et intelligence artificielle
☀️ 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 :
- ✅ Épisode 1 : Les soft skills selon les métiers
- ✅ Épisode 2 : Le diplôme recule, les compétences prennent le relais
- ✅ Épisode 3 : Compétences techniques et intelligence artificielle
- ⏳ Épisode 4 : Comment les adultes apprennent-ils vraiment ?
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
