Compétences IA en entreprise : ce que montrent 24 programmes audités

J’ai relu les 24 programmes de formation IA publiés sur ce site comme s’ils formaient un seul catalogue. Je voulais vérifier une chose simple : est-ce que la progression apprend seulement à utiliser des interfaces, ou développe-t-elle des compétences qui restent utiles lorsque ChatGPT, Claude, Gemini, Copilot, Mistral ou Perplexity changent ?

Le corpus contient 119 objectifs pédagogiques et 150 libellés de compétences. Après comptage exact, 106 libellés différents apparaissent. Cette diversité est utile pour adapter une formation à un métier, mais elle peut aussi masquer le noyau commun. L’audit montre que la vérification, la transformation d’un livrable et la réutilisation d’une méthode reviennent bien plus souvent que le « prompt parfait ».

Réponse en bref

Une compétence IA en entreprise ne se réduit pas à savoir écrire une consigne. Elle associe une tâche, un contexte, des données autorisées, une production attendue, une vérification et une décision humaine.

L’audit de mes 24 programmes fait apparaître six familles :

1. vérifier et évaluer ;
2. cadrer le contexte, les données et les risques ;
3. produire et transformer ;
4. rechercher et sourcer ;
5. automatiser et superviser ;
6. transmettre et réutiliser.

La progression la plus robuste va de l’usage contrôlé vers le workflow supervisé :

• au niveau débutant, décrire la tâche, protéger les données, produire et vérifier ;
• au niveau intermédiaire, gérer le contexte, les sources, les variantes et une méthode réutilisable ;
• au niveau avancé, définir permissions, tests, journaux, reprises et maintenance.

Cette carte est un audit de conception. Elle ne mesure pas encore les acquis de participants.

Ce qui a été analysé

Le 29 juillet 2026, le catalogue comptait 24 programmes publiés :

• huit annoncés au niveau débutant ;
• dix au niveau débutant à intermédiaire ;
• trois au niveau intermédiaire ;
• un au niveau avancé ;
• un au niveau avancé non technique ;
• un au niveau expert.

Les formats se répartissaient ainsi :

Durée annoncée	Nombre de programmes
une demi-journée, 3 h 30	2
un jour, 7 heures	6
deux jours, 14 heures	15
trois jours, 21 heures	1

Quatorze programmes sont nommés d’après un produit ou un environnement : ChatGPT, Claude, Gemini, Microsoft Copilot, Mistral ou Perplexity. Dix sont organisés autour d’une capacité ou d’un contexte : agents, automatisation no-code, Python, IA générative, marketing, RH, usage avancé ou SEO/GEO.

Cette répartition crée une tension saine. Les personnes cherchent souvent une formation par nom d’outil. L’entreprise, elle, a besoin de compétences transférables. Le programme doit répondre aux deux sans recopier le même cours sous six marques.

La méthode de codage

J’ai extrait des fichiers de formation :

• le titre ;
• le public ;
• le niveau ;
• les prérequis ;
• les objectifs ;
• les compétences ;
• la séquence ;
• les exercices ;
• la durée ;
• le format.

Le premier comptage reste littéral : 119 objectifs, 150 compétences déclarées et 106 libellés distincts. Une différence d’écriture compte donc comme une différence. « Vérification », « vérification des sources » et « vérification humaine » ne sont pas fusionnées à ce stade.

Pour lire le noyau commun, j’ai ensuite appliqué un dictionnaire de termes aux objectifs et aux compétences. Par exemple, la famille « vérifier et évaluer » repère les racines associées à la vérification, l’évaluation, le test, la validation, la qualité, la source et le contrôle.

Cette méthode mesure la présence d’un thème dans un programme, pas le temps réellement consacré ni la qualité pédagogique. Un programme est compté une seule fois par famille, même si le thème revient dans plusieurs objectifs.

Les six familles observées

Famille codée	Programmes concernés sur 24
vérifier et évaluer	22
produire et transformer	22
transmettre et réutiliser	21
cadrer contexte, données et risques	15
rechercher et sourcer	13
automatiser et superviser	12

Les familles se recouvrent. Un programme peut apprendre à préparer un document, vérifier ses sources et conserver un modèle réutilisable. Le total ne doit donc pas être additionné pour fabriquer un score.

Vérifier et évaluer

Cette famille apparaît dans 22 programmes. Le libellé exact « Vérification » est le plus fréquent des 106 libellés, avec neuf occurrences, mais l’idée est souvent formulée autrement : contrôler les faits, comparer les sources, tester un cas, relire une sortie ou organiser une validation humaine.

Ce résultat est cohérent avec un usage professionnel. Une réponse fluide n’est pas une preuve. La compétence attendue consiste à reconnaître les éléments qui changent une décision, retrouver leur source et définir le niveau de contrôle proportionné à la conséquence.

Un exercice observable ne demande donc pas seulement « rédigez un email ». Il fournit une source, une contrainte, un destinataire et un fait fragile. La réussite se juge sur la fidélité, la détection de l’incertitude et la capacité à corriger.

Produire et transformer

La famille apparaît aussi dans 22 programmes. Elle couvre rédaction, synthèse, transformation de documents, production de contenu, préparation de fichiers et organisation d’informations.

Le risque est de confondre une démonstration agréable avec une capacité. Voir un outil résumer un PDF ne prouve pas que la personne saura :

• choisir le bon document ;
• expliquer le résultat attendu ;
• retrouver le passage décisif ;
• repérer une omission ;
• adapter le livrable au destinataire ;
• conserver la trace de la source.

La production doit donc être liée à un contrôle. Sans cela, elle mesure surtout la vitesse de génération.

Transmettre et réutiliser

Cette famille apparaît dans 21 programmes. Elle regroupe les modèles réutilisables, les routines, les méthodes, la documentation, le travail d’équipe et la transmission.

C’est le passage d’une réussite individuelle à une capacité collective. Une personne peut obtenir un bon résultat une fois et rester incapable de l’expliquer. Une équipe progresse lorsque le contexte, les étapes, les contrôles et les critères de fin sont compréhensibles par quelqu’un d’autre.

Le livrable pédagogique utile devient alors un petit système :

1. une fiche de tâche ;
2. un exemple autorisé ;
3. une consigne ou un workflow ;
4. une checklist de vérification ;
5. une règle de mise à jour.

Cadrer le contexte, les données et les risques

Quinze programmes contiennent cette famille. Elle repère le cadrage, le contexte, les données, la confidentialité, l’anonymisation, les permissions, la gouvernance, les risques et la supervision.

Le nombre est inférieur à celui de la production. Ce n’est pas forcément une faiblesse : une initiation grand public ne doit pas devenir un cours juridique. En revanche, tout programme en entreprise doit préciser les données autorisées, l’environnement utilisé et la responsabilité de la décision.

La page de la Commission européenne consacrée aux compétences et à la culture IA rappelle que le contexte d’utilisation, les connaissances, l’expérience et les personnes concernées comptent dans les mesures de culture IA. La version mise à jour le 27 juillet 2026 indique aussi les évolutions récentes de l’article 4 de l’AI Act et les échéances de supervision. Ce cadre ne prescrit pas un cours unique.

Rechercher et sourcer

Treize programmes font apparaître la recherche, la veille, les citations, les sources ou le web.

Cette compétence dépasse Perplexity ou le mode de recherche d’un assistant. Elle comprend :

• délimiter la question ;
• choisir une source primaire ;
• vérifier la date et le périmètre ;
• distinguer affirmation et preuve ;
• comparer des sources contradictoires ;
• conserver le lien qui soutient la décision.

Un assistant qui affiche cinq liens peut donner l’illusion d’une recherche terminée. L’exercice doit obliger à ouvrir la source décisive et à expliquer pourquoi elle est pertinente.

Automatiser et superviser

Douze programmes mentionnent workflow, automatisation, agent, Python, API, outil connecté, journalisation, erreur ou reprise.

Cette famille ne doit pas être poussée trop tôt. Automatiser une pratique mal cadrée amplifie ses variations. L’ordre utile est :

1. réussir la tâche manuellement ;
2. stabiliser l’entrée et la sortie ;
3. isoler les règles déterministes ;
4. ajouter l’IA seulement là où elle apporte quelque chose ;
5. placer la validation avant l’effet ;
6. tester les erreurs et la reprise.

Le NIST AI Risk Management Framework est volontaire et non prescriptif, mais il rappelle l’importance d’intégrer les considérations de confiance dans la conception, l’usage et l’évaluation des systèmes. Une formation avancée doit donc apprendre à observer le système complet, pas seulement le modèle.

Ce que le catalogue révèle par niveau

Les niveaux ne devraient pas être définis par le nombre de fonctions visibles dans l’interface. Je les relis à l’autonomie, à la complexité de la tâche et à la responsabilité.

Niveau débutant : réussir une tâche contrôlée

Une personne débutante doit pouvoir :

• décrire une tâche et son résultat attendu ;
• distinguer information autorisée et donnée à ne pas transmettre ;
• fournir le contexte minimal ;
• demander un format exploitable ;
• vérifier les faits, les omissions et le ton ;
• décider si la sortie peut être utilisée.

Le critère de réussite est observable : une autre personne peut relire le livrable et retrouver les informations de départ.

Niveau intermédiaire : construire une méthode réutilisable

Le niveau intermédiaire ajoute :

• gestion d’un projet et de ses fichiers ;
• comparaison de versions ;
• recherche sourcée ;
• modèle réutilisable ;
• traitement d’erreurs fréquentes ;
• documentation de la méthode ;
• évaluation sur plusieurs cas.

La personne ne cherche plus seulement une bonne réponse. Elle cherche un résultat stable sur un petit ensemble de situations.

Niveau avancé : superviser un système

Le niveau avancé ne signifie pas nécessairement programmer. Il implique de savoir définir :

• le périmètre d’un assistant ou d’un agent ;
• les outils autorisés ;
• les permissions ;
• les points d’approbation ;
• les critères d’arrêt ;
• les journaux utiles ;
• les tests nominaux et adversariaux ;
• la maintenance et la reprise.

Pour un profil technique, Python, API et tests automatisés peuvent devenir nécessaires. Pour un responsable métier, la compétence consiste surtout à décrire les règles, les exceptions et la décision humaine.

La matrice rôle, tâche, risque, preuve

Pour transformer cette analyse en plan de formation, je pars de quatre colonnes.

Colonne	Question
rôle	qui réalise ou valide la tâche ?
tâche	quel livrable ou quelle décision doit être amélioré ?
risque	quelle erreur, donnée ou conséquence impose un contrôle ?
preuve	qu’est-ce qui montrera que la capacité est acquise ?

Prenons trois rôles.

Un chargé de communication peut apprendre à transformer un dossier approuvé en publication, puis à vérifier les faits et le ton. Un responsable RH peut préparer un brouillon de parcours d’intégration sans déléguer une décision sur une personne. Un référent IA peut tester un assistant sur un jeu de cas, analyser les erreurs et documenter les règles d’usage.

Ils n’ont pas besoin du même outil ni du même niveau. Ils partagent pourtant le même socle : contexte, données, production, vérification et responsabilité.

Les deux risques repérés

Le catalogue par outil peut masquer les doublons

Quatorze programmes portent un nom de produit. Sans discipline, leur tronc commun peut devenir six copies d’une initiation générique.

La réponse n’est pas de supprimer les parcours par outil. Les interfaces, fonctions, accès et environnements de travail diffèrent réellement. Il faut simplement séparer :

• le socle commun, qui reste transférable ;
• les gestes propres au produit ;
• les cas métier ;
• les contrôles liés à l’organisation.

Chaque programme doit avoir un exercice central et une prochaine capacité qui lui appartiennent.

Le libellé d’une compétence peut rester trop vague

« Prise en main », « rédaction » ou « vérification » ne suffit pas pour évaluer. Le libellé doit devenir une action observable.

Au lieu de « savoir vérifier une réponse », j’écris par exemple :

À partir d’une réponse contenant trois affirmations et deux sources, retrouver le passage qui soutient chaque fait décisif, signaler l’affirmation non prouvée et produire une version corrigée.

L’objectif précise la situation, le résultat et le contrôle. Il devient testable sans prétendre mesurer toute la maîtrise de l’IA.

Trois décisions prises après l’audit

La première décision consiste à conserver un tronc commun visible dans tous les parcours d’entreprise : tâche, données, production, vérification et responsabilité. Le nom du produit ne doit pas effacer ce socle.

La deuxième consiste à distinguer le niveau par la complexité et l’autonomie, pas par une liste de boutons. Un module avancé doit ajouter des cas, des arbitrages, des tests et une capacité de transmission.

La troisième consiste à rapprocher chaque objectif d’une preuve observable. Le catalogue peut conserver des libellés courts pour la lecture, mais le déroulé pédagogique doit préciser l’entrée, l’action, le livrable et le critère de réussite.

Ces décisions ne nécessitent pas de renommer immédiatement les 106 libellés. Elles fournissent une règle de maintenance pour les prochaines révisions.

Construire un parcours avec les résultats

Un parcours d’entreprise peut être organisé en trois boucles.

Boucle 1 : usage contrôlé

Chaque participant choisit une tâche autorisée, prépare une entrée minimale, produit un livrable et le vérifie. La sortie est une fiche de méthode individuelle.

Boucle 2 : méthode collective

Le groupe compare plusieurs exécutions, identifie les variations et stabilise une checklist. La sortie est un modèle réutilisable avec propriétaire et règle de mise à jour.

Boucle 3 : supervision

L’équipe décide ce qui peut être automatisé, où placer une approbation et comment tester les erreurs. La sortie est un workflow borné, pas nécessairement un agent.

Cette progression évite de commencer par un outil complexe. Elle relie apprentissage, pratique et gouvernance.

Limites

L’audit porte sur mes propres programmes. Il s’agit donc d’une auto-évaluation publiée sur mon site, pas d’une étude indépendante du marché de la formation.

Le codage par vocabulaire repère la présence d’une famille. Il ne mesure ni la durée, ni la profondeur, ni la qualité de l’animation. Les 119 objectifs et 150 compétences sont des éléments de conception, pas des résultats d’apprentissage.

Aucune note de satisfaction, aucun taux de réussite et aucun résultat client n’est utilisé ici. Pour mesurer un transfert réel, il faudrait un état initial, une évaluation sur une tâche, une période de suivi et des données autorisées.

Enfin, les textes européens et les cadres de référence évoluent. La page de la Commission consultée le 29 juillet 2026 décrit une modification récente de l’article 4 et une échéance de supervision au 2 août 2026. Toute décision de conformité doit être vérifiée dans le texte applicable et le contexte de l’organisation.

Prochaine étape

Choisissez trois rôles et une tâche réelle par rôle. Remplissez la matrice rôle, tâche, risque, preuve, puis placez chaque capacité au niveau débutant, intermédiaire ou avancé. La page formations IA présente les 24 programmes analysés ; le guide sur la maîtrise de l’IA et le plan de formation AI Act transforme ensuite ce diagnostic en parcours et en preuves, tandis que l’article sur la conception d’une formation ChatGPT en entreprise détaille l’adaptation aux usages et aux données.