Une formation IA générative utile apprend à vos équipes à se servir de l’outil sur leur propre travail, à vérifier ce qu’il produit et à savoir quand ne pas l’utiliser. Elle part des tâches réelles de chaque métier, s’appuie sur une charte courte et se juge à l’usage quelques semaines plus tard, pas à la satisfaction en fin de séance.
Beaucoup d’entreprises ont déjà ouvert des accès à ChatGPT, Copilot ou Mistral. Peu ont vu le travail changer en profondeur. Voici ce que montrent les études, ce qu’une formation doit contenir, comment l’organiser dans une PME et comment savoir si elle a marché.
Pourquoi tant de formations à l’IA générative ne changent rien au travail ?
Le scénario est fréquent. L’entreprise achète des licences, organise une présentation d’une heure, puis considère le sujet traité.
Trois mois plus tard, une poignée de collaborateurs s’en sert tous les jours, les autres l’ont oublié.
Le problème ne tient presque jamais à l’outil. Il tient à la façon dont on l’a présenté : comme une nouveauté à découvrir, et non comme une nouvelle façon de faire des tâches précises.
Distribuer des licences ne suffit pas
Un accès sans méthode produit deux réactions opposées. Les plus curieux testent, trouvent leurs propres usages et progressent seuls.
Les autres posent une question vague, obtiennent une réponse générique et concluent que l’outil ne sert à rien.
Entre les deux, chacun invente ses règles. L’un colle un contrat client dans un outil grand public, l’autre n’ose rien y mettre. Sans cadre commun, l’entreprise découvre les usages après coup, souvent au mauvais moment.
Une démonstration d’outils s’oublie vite
Une session magistrale impressionne sur le moment : un texte rédigé en dix secondes, un tableau résumé en une phrase.
Mais rien n’y ressemble au travail du lendemain, avec ses documents, son jargon et ses contraintes.
Ce qui reste, ce sont les gestes répétés sur ses propres dossiers. Une formation qui ne laisse pas le temps de pratiquer sur des cas réels ressemble à un cours de conduite donné au tableau.
Que disent les études sur l’IA générative au travail ?
Deux études de terrain, souvent citées, éclairent ce qu’il faut enseigner.
Elles ne disent pas que l’IA générative fait gagner du temps à tout le monde, partout. Elles disent où elle aide, à qui, et où elle piège.
Ce que l’IA générative fait bien, et là où elle fait baisser la qualité.
Les gains sont réels sur les bonnes tâches
Dans une étude menée avec le Boston Consulting Group, plus de 700 consultants ont travaillé avec ou sans GPT-4 sur des tâches de création et de rédaction. Sur celles que l’IA maîtrise, l’usage de l’outil a amélioré la performance de près de 40 % par rapport à ceux qui ne l’utilisaient pas (MIT Sloan).
Les gains ne se répartissent pas également. La moitié des consultants la moins performante au départ a progressé de 43 %, contre 17 % pour la moitié la plus performante (MIT Sloan).
Une autre étude, menée dans un service client, va dans le même sens : l’assistant a augmenté de 14 % en moyenne le nombre de demandes résolues par heure, de 34 % pour les agents novices ou moins qualifiés, avec un effet minime pour les plus expérimentés (NBER). L’IA générative transmet une partie du savoir-faire des meilleurs à ceux qui débutent.
Pour une PME, la leçon est double. Les nouveaux arrivants et les collaborateurs moins à l’aise avec l’écrit ont souvent le plus à gagner : ce sont eux qu’il faut former en priorité, pas seulement les plus curieux.
Hors de son terrain, l’IA fait baisser la qualité
La même étude BCG comportait une tâche choisie pour être hors de portée de l’IA : recommander, dans une note au dirigeant, dans quelle marque investir, à partir de données chiffrées et de comptes rendus d’entretiens. Sur cette tâche, la performance des consultants équipés a baissé en moyenne de 19 points (MIT Sloan).
Les chercheurs parlent de frontière irrégulière.
De l’extérieur, rien ne distingue une tâche que l’IA réussit d’une tâche qu’elle rate : la réponse est aussi fluide, aussi bien présentée, aussi convaincante dans les deux cas.
Dans une PME, ces tâches hors de portée ressemblent à un arbitrage entre plusieurs devis, à l’application d’une règle interne à un cas particulier ou à une réponse qui engage l’entreprise. L’outil y produit un texte assuré ; la décision, elle, demande du contexte qu’il n’a pas.
Une formation courte peut renforcer l’excès de confiance
Le détail le plus utile de l’étude tient à un troisième groupe, qui avait reçu en plus un bref aperçu de l’outil. Sur la tâche hors de portée, ce groupe a perdu 24 points, contre 13 pour ceux qui utilisaient l’outil sans aperçu (MIT Sloan).
Autrement dit, une initiation qui montre surtout ce que l’outil sait faire peut augmenter la confiance là où il faudrait de la prudence. La CNIL nomme ce risque : le biais d’automatisation, cette tendance à se fier au système plus qu’il ne le mérite (CNIL).
Que doit contenir une formation IA générative utile ?
Les études tracent le programme. Une formation doit apprendre à se servir de l’outil là où il aide, à le soupçonner là où il trompe, et à protéger ce qui ne doit pas sortir de l’entreprise. Le reste, notamment les listes de « prompts parfaits », vieillit en quelques mois.
Partir des tâches réelles de chaque métier
Un commercial, une comptable et un technicien du support n’ont pas les mêmes besoins. Le premier rédige des propositions, la deuxième contrôle des écritures, le troisième répond à des demandes répétitives.
Un exercice générique ne parle à aucun des trois.
La préparation consiste donc à recueillir, avec quelques participants et leurs managers, les tâches qui reviennent chaque semaine. Les exercices sont ensuite construits sur ces tâches, avec des documents réels anonymisés.
- Rédiger : premier jet d’un courriel, d’une offre, d’un compte rendu.
- Synthétiser : résumer un document long, comparer deux versions d’un contrat.
- Reformuler : adapter un texte technique pour un client ou un nouvel arrivant.
- Chercher : retrouver une information dans une base documentaire interne autorisée.
Apprendre à vérifier autant qu’à formuler
Formuler une demande s’apprend vite : donner le contexte, préciser le format attendu, fournir un exemple, découper une tâche longue. Vérifier demande plus d’entraînement, parce que l’erreur ne se voit pas.
La CNIL recommande de familiariser les utilisateurs avec le fonctionnement et les limites de ces systèmes, de toujours porter un regard critique sur ce qu’ils produisent et de ne jamais en reprendre la sortie telle quelle (CNIL). En atelier, cela se traduit par des exercices où la réponse contient une erreur plausible : un chiffre inventé, une règle mal citée, un nom approximatif.
Le niveau de relecture doit suivre l’enjeu. Un brouillon interne se relit vite ; un document envoyé à un client, une réponse juridique ou un chiffre publié se vérifient source par source.
Un réflexe simple aide beaucoup : demander à l’outil d’indiquer d’où vient chaque information, puis contrôler ces sources soi-même. Quand il ne peut pas en citer, la réponse est à traiter comme une hypothèse.
Dire ce qu’on ne confie jamais à l’outil
Chaque participant doit repartir en sachant ce qu’il ne colle jamais dans un assistant : données personnelles de clients ou de salariés, informations couvertes par un contrat, documents stratégiques. La réponse dépend de l’outil autorisé et de son mode de déploiement, d’où l’intérêt de la donner explicitement.
Les ateliers montrent aussi comment travailler sans exposer ces informations : remplacer les noms par des rôles, retirer les montants, résumer un cas plutôt que coller le document. Ces gestes prennent quelques secondes une fois appris.
C’est aussi une question de responsabilité. La CNIL rappelle que c’est en général l’organisme utilisateur qui engage sa responsabilité légale en cas de mauvaise utilisation par son personnel (CNIL).
Une charte d’une page, remise à chacun
La CNIL recommande d’encadrer l’usage par des politiques ou chartes internes qui définissent clairement les usages autorisés et interdits (CNIL). Une page suffit, si elle est concrète et connue de tous.
| Rubrique | Ce qu’elle dit | Exemple |
|---|---|---|
| Outils autorisés | Lesquels, avec quel compte | L’assistant intégré à la messagerie de l’entreprise |
| Données interdites | Ce qui ne sort jamais | Fichiers clients, salaires, contrats en cours |
| Relecture obligatoire | Qui relit quoi, et quand | Tout texte envoyé à l’extérieur |
| Signalement | À qui poser une question | Le référent IA du service |
Nous détaillons la place de cette charte dans une démarche plus large dans notre article sur la stratégie IA pour une PME. La formation la rend vivante : chaque règle y est illustrée par un cas tiré du métier des participants.
Comment organiser une formation IA générative dans une PME ?
Dans une PME, le temps est compté et tout le monde ne peut pas s’absenter le même jour. Un parcours en quatre temps fonctionne bien : la direction d’abord, puis des ateliers par métier, des référents, et un point de suivi.
Le parcours de formation en quatre temps.
Commencer par la direction
La direction doit décider avant que les équipes se forment : quels outils sont autorisés, quelles données sont interdites, quels usages sont encouragés. Sans ces décisions, les ateliers butent sur des questions auxquelles personne ne peut répondre.
Une session courte suffit souvent : ce que l’IA générative sait faire, où elle se trompe, les risques juridiques et de réputation, et les questions à trancher. Si l’entreprise n’a pas encore choisi ses usages prioritaires, un travail de conseil en stratégie IA peut précéder la formation.
Former par métier, en petits groupes
Des groupes réduits, réunis par métier, permettent à chacun de pratiquer sur ses propres documents et de poser ses questions. Mélanger le support, la comptabilité et la direction commerciale dans une même salle revient à ne parler précisément à personne.
Les écarts de niveau comptent aussi. Les études citées plus haut montrent que les débutants gagnent souvent le plus ; ils ont aussi besoin qu’on leur montre où l’outil se trompe, sans les décourager.
Mieux vaut deux ateliers courts, espacés de quelques jours, qu’une longue journée unique. Entre les deux, chacun essaie sur son travail et revient avec ses propres questions, souvent les plus utiles.
Victor Michel, fondateur du studio, a formé des utilisateurs peu familiers du numérique lors de la digitalisation de procédures judiciaires pour un service public suisse. Le principe est le même avec l’IA : partir des gestes du quotidien et accompagner jusqu’à ce que l’outil devienne un réflexe.
Désigner des référents
Après la formation, les questions arrivent : un cas imprévu, un doute sur une donnée, une demande qui ne donne rien. Un référent par service, mieux formé que ses collègues, devient le premier recours et fait remonter les besoins.
Ce rôle demande quelques heures de plus : approfondir les cas difficiles, construire des demandes types réutilisables, suivre l’évolution des outils autorisés.
C’est souvent le meilleur investissement du parcours.
Le bon référent n’est pas forcément le plus technique. C’est quelqu’un de respecté dans son service, à l’aise pour expliquer, et qui accepte de dire « je ne sais pas, je me renseigne ».
Comment savoir si la formation IA générative a marché ?
La fin de la session n’est pas le bon moment pour juger.
Les participants sont enthousiastes, ou fatigués ; ni l’un ni l’autre ne dit si leurs pratiques vont changer.
Mesurer l’usage, pas la satisfaction
Un point de suivi quelques semaines plus tard répond aux vraies questions : qui s’en sert, sur quelles tâches, avec quelles difficultés. Il suffit souvent de quelques échanges courts avec les participants et les référents.
- L’usage : les tâches pour lesquelles l’outil est devenu un réflexe, et celles où il a été abandonné.
- Les erreurs : les cas où une réponse fausse est passée, et comment elle a été repérée.
- Les demandes types : celles qui fonctionnent et méritent d’être partagées à tout le service.
- La charte : les règles mal comprises ou à compléter.
Ce point sert aussi à ajuster. Une règle mal comprise se reformule, une demande type efficace se diffuse, un service décroché reçoit un atelier complémentaire.
La CNIL signale enfin un risque à surveiller dans la durée : la perte de compétence liée à une utilisation excessive de l’outil (CNIL). Un bon suivi vérifie que les équipes savent encore faire sans l’assistant les tâches qui le demandent.
Ce que demande l’AI Act sur la maîtrise de l’IA
Dans l’Union européenne, l’article 4 du règlement sur l’IA demande aux fournisseurs et aux déployeurs de systèmes d’IA de prendre des mesures pour soutenir la maîtrise de l’IA de leur personnel, en tenant compte de leurs connaissances, de leur expérience et du contexte d’usage (AI Act Service Desk).
Dans sa version consolidée, modifiée par le Digital Omnibus, le texte précise qu’il n’impose pas de garantir un niveau donné de maîtrise pour chaque personne, et prévoit un soutien des États et de la Commission, en particulier pour les PME (AI Act Service Desk). Une entreprise qui forme ses équipes sur leurs usages réels, et qui garde une trace de ce parcours, répond à l’esprit du texte.
Les formations du studio se déroulent dans vos locaux, en Haute-Savoie, à Genève ou à Lausanne, ou à distance ; notre page consultant IA à Thonon-les-Bains présente l’accompagnement de proximité. Une formation réussie se reconnaît à une chose simple : quelques semaines plus tard, vos équipes s’en servent mieux, et savent quand s’en passer.
Sources
- MIT Sloan, How generative AI can boost highly skilled workers’ productivity
- NBER, Brynjolfsson, Li et Raymond, Generative AI at Work
- CNIL, Les questions-réponses sur l’utilisation d’un système d’IA générative
- AI Act Service Desk, Article 4 : AI literacy