Quelles compétences IA former en priorité selon le poste et le secteur ?
Les compétences IA à développer en priorité dépendent du poste, pas du secteur. Trois niveaux structurent un plan de formation IA pertinent : la littératie IA de base (comprendre ce qu'est un modèle de langage, ce qu'il peut faire et ne pas faire) pour tous ; les compétences de prompting et d'évaluation critique des sorties IA pour les utilisateurs réguliers ; et les compétences de gouvernance et de déploiement IA pour les décisionnaires. Le secteur d'activité module les cas d'usage concrets, pas les compétences de base.
L'erreur de départ : la formation IA "pour tout le monde"
La première génération de plans de formation IA en entreprise a consisté à envoyer tous les collaborateurs à une même session généraliste sur "l'IA et ChatGPT". Le résultat a été systématiquement décevant : trop théorique pour les opérationnels, trop superficiel pour les profils techniques, et sans lien avec les cas d'usage réels de l'entreprise.
Une formation IA efficace part des tâches réelles, pas des outils. La question n'est pas "comment utiliser ChatGPT ?" mais "quelles tâches dans mon travail quotidien l'IA peut-elle traiter en totalité ou en partie, et avec quelles précautions ?"
La matrice de priorité par profil
Profil 1 : tous les collaborateurs.
Compétences prioritaires : comprendre ce qu'est un modèle de langage et pourquoi il produit parfois des erreurs (hallucination), identifier les tâches adaptées à l'IA dans son quotidien, connaître les données qu'il ne faut pas saisir dans un LLM externe (données clients, données personnelles, informations confidentielles), savoir vérifier une sortie IA avant de l'utiliser.
Format recommandé : sensibilisation de 2 heures, en ligne ou en présentiel.
Profil 2 : utilisateurs réguliers (marketing, communication, RH, administration, finance).
Compétences prioritaires : rédaction de prompts efficaces (prompt engineering de base), évaluation de la qualité et de la fiabilité d'une sortie IA, utilisation avancée des outils intégrés dans les logiciels métier (Copilot dans Office, IA dans les CRM, assistants dans les outils RH), connaissance des biais algorithmiques et de leur impact sur les décisions.
Format recommandé : formation de 4 à 6 heures, différenciée par domaine métier.
Profil 3 : équipes techniques et data.
Compétences prioritaires : fine-tuning et adaptation de modèles, intégration d'API LLM dans des systèmes existants, évaluation et benchmarking de modèles, gestion de la qualité des données d'entraînement, sécurité et gouvernance des pipelines IA.
Format recommandé : parcours de 20 à 40 heures, en plusieurs modules.
Profil 4 : décisionnaires (DRH, DG, COMEX, directeurs métier).
Compétences prioritaires : compréhension des capacités et limites réelles de l'IA (sans sur-vente ni sous-estimation), cadre réglementaire applicable (AI Act, RGPD, droit du travail), méthode d'identification et de priorisation des cas d'usage, gouvernance IA (comité de pilotage, politique d'usage, responsabilités).
Format recommandé : deux demi-journées, avec un focus sur les décisions concrètes que l'organisation doit prendre.
La dimension sectorielle : ce qui change selon l'industrie
Le secteur d'activité ne change pas les compétences fondamentales, mais il détermine les cas d'usage sur lesquels la formation doit s'ancrer.
Dans le secteur financier, les cas d'usage prioritaires sont l'analyse documentaire (rapports, contrats, due diligence), la détection d'anomalies et la génération de reporting. Les risques spécifiques à traiter en formation sont les biais dans les modèles de scoring et les obligations de traçabilité des décisions automatisées.
Dans la santé et le médico-social, les cas d'usage sont la synthèse de dossiers, le support à la rédaction administrative et l'aide à la recherche. Les risques sont critiques : confidentialité des données patients, fiabilité des informations médicales générées par IA, responsabilité du professionnel de santé.
Dans le commerce et la distribution, les cas d'usage sont la personnalisation des offres, l'analyse des données clients et la génération de contenu produit. Les risques portent sur la protection des données clients et la transparence des recommandations algorithmiques.
Dans l'industrie et les services B2B, les cas d'usage sont la rédaction technique (cahiers des charges, rapports d'inspection), la gestion documentaire et le support aux techniciens sur le terrain. Les risques portent sur la confidentialité des données techniques et la fiabilité des informations techniques générées.
Comment construire le plan de formation IA à partir de cette matrice
Étape 1 : cartographier les profils présents dans l'organisation et leur nombre par profil.
Étape 2 : identifier les 3 à 5 tâches les plus chronophages par profil et évaluer lesquelles sont candidates à l'IA.
Étape 3 : sélectionner les outils qui correspondent à ces tâches dans l'environnement de l'entreprise.
Étape 4 : construire les parcours de formation en ancrant chaque module sur un cas d'usage réel, pas sur un outil.
Étape 5 : documenter les formations réalisées pour la conformité AI Act.