Quand la formation à l’IA dépense beaucoup mais change peu

Les investissements massifs dans l’amélioration des compétences en IA ne se traduisent pas par un changement de comportement significatif

Les entreprises dépensent des milliards de dollars dans des programmes de formation qui promettent une main-d’œuvre prête pour l’IA. Pourtant, la plupart de ces investissements ne produisent pas de changements mesurables sur le terrain. À l’échelle mondiale, les dépenses d’apprentissage et de développement des entreprises dépassent aujourd’hui 350 milliards de dollars. Rien qu’aux États-Unis, les entreprises ont investi plus de 102,8 milliards de dollars dans la formation de leurs employés en 2025, soit une augmentation de près de 5 % par rapport à l’année précédente. Le problème n’est pas l’effort, mais l’efficacité.

Les dirigeants achètent d’innombrables cours de formation à l’IAdes déploiements de copilotes et des packages de certification. Mais les employés suivent souvent ces modules sans rien appliquer de nouveau. La raison en est simple : ces programmes sont trop génériques. Ils n’abordent pas directement la manière dont l’IA modifie le travail des employés. Lorsque la formation est détachée des tâches réelles, même les équipes les plus motivées retombent dans l’habitude.

Avant d’allouer un nouveau chèque à la formation, les dirigeants devraient se poser la question suivante : ce programme montre-t-il aux employés comment l’IA améliore les résultats dans leur contexte spécifique ? L’investissement aveugle dans l’apprentissage peut cocher une case, mais il fait rarement progresser une entreprise. L’objectif n’est pas la participation, mais l’adoption.

L’étude de Josh Bersin a révélé que 74 % des organisations ne peuvent pas suivre le rythme des nouvelles compétences requises, malgré des budgets d’apprentissage en hausse. Bain & Company ajoute que moins de 20 % des entreprises ont mis en place une utilisation significative de l’IA générative. C’est un signal : le problème n’est pas l’insuffisance des dépenses, mais le fossé entre la formation et l’exécution. Les entreprises qui comblent ce fossé sont celles qui transformeront le potentiel de l’IA en avantage opérationnel.

La culture et la motivation, plus que l’instruction formelle, sont les moteurs d’une adoption efficace de l’IA.

L’adoption de l’IA prospère lorsque les personnes sont libres d’explorer de nouvelles idées sans craindre l’échec. Une culture qui récompense la curiosité vaut mieux que n’importe quel programme de formation structuré. Les changements les plus significatifs proviennent souvent des employés qui expérimentent de leur propre initiative. Ce sont les « bricoleurs », des individus motivés par la curiosité plutôt que par des mandats.

Prenons l’exemple de Cory LaChance, ingénieur mécanicien dans la construction de tuyauteries industrielles. Il n’a aucune expérience en matière de codage. Pourtant, en huit semaines, il a créé un outil logiciel à l’aide de Claude Code qui traite automatiquement les dessins industriels. Ce qui prenait auparavant 10 minutes n’en prend plus qu’une. Il n’a pas attendu la formation ou l’approbation de l’entreprise ; il a agi par curiosité. L’environnement le lui permettait, pas de paperasserie, pas de peur de se tromper. C’est là que commence la transformation.

Les cadres devraient prêter attention à des personnes comme LaChance. Ils sont la preuve que la motivation est plus forte que l’instruction. Lorsque les employés se sentent psychologiquement en sécurité de tester leurs idées, ils ne se contentent pas de suivre les cours, ils innovent. Les programmes de formation peuvent enseigner le « comment », mais la sécurité psychologique et la reconnaissance déterminent le « pourquoi ». Sans ces deux éléments, même les meilleurs outils restent inutilisés.

Les dirigeants qui souhaitent l’adoption doivent d’abord instaurer la confiance. Expliquez clairement que l’expérimentation n’est pas un risque, mais une attente. Dans cet état d’esprit, l’innovation s’accélère naturellement. Les gens s’approprient les progrès, ce qui est bien plus puissant que de se conformer à une liste de contrôle de formation d’entreprise. Les entreprises qui tirent une réelle valeur de l’IA ne forment pas plus de monde, elles cultivent la liberté de penser et d’agir.

La séquence des efforts d’adoption de l’IA, expérimentation, points de preuve, puis formation, détermine le succès.

La plupart des entreprises commencent dans le mauvais ordre. Elles lancent la formation avant d’avoir la preuve que l’IA peut apporter une valeur réelle à leur organisation. Le résultat est prévisible : beaucoup de modules complétés, peu de changements comportementaux. Pour que la formation soit efficace, les entreprises doivent commencer par des exemples de réussite en interne. Lorsque les employés constatent des résultats concrets, ils s’engagent.

La bonne séquence commence par l’identification des personnes naturellement curieuses et l’encouragement à l’expérimentation. Donnez-leur la liberté, les outils et le temps de tester de nouvelles approches. De ces premiers essais naissent des points de preuve, des exemples clairs et reproductibles qui montrent comment l’IA améliore l’efficacité ou la qualité. Une fois que ces exemples existent, une formation plus large prend soudain tout son sens. Les employés en perçoivent la pertinence. Ils comprennent l’objectif.

Cette approche mesurée crée un alignement entre la stratégie de la direction et l’exécution en première ligne. Les dirigeants devraient considérer la formation comme la dernière étape de la préparation, et non comme la première. Une fois que les employés disposent de modèles visibles et de cas d’utilisation clairs, la formation cesse d’être abstraite. Elle devient un moyen d’amplifier ce qui fonctionne déjà.

Lorsque les entreprises synchronisent la curiosité, la preuve et l’apprentissage structuré, l’engagement dans la formation augmente, de même que le retour sur investissement. Cet ordre des opérations est important. Il garantit que chaque dollar investi dans la formation continue est lié à des progrès mesurables. Les entreprises qui parviennent à respecter cet ordre progressent plus rapidement et plus intelligemment que leurs concurrents qui continuent à privilégier les formations terminées plutôt que les résultats.

Le leadership et le renforcement sont plus importants que l’accès aux outils

La plupart des organisations se concentrent sur l’accès des équipes aux outils, aux systèmes et aux cours en ligne. C’est nécessaire, mais pas suffisant. Ce qui fait vraiment la différence, c’est ce qui se passe une fois que quelqu’un a expérimenté. Si un responsable remarque, loue ou récompense ce comportement, d’autres suivent. Si personne ne le reconnaît, la dynamique s’éteint.

L’attention et le renforcement des dirigeants transforment des expériences isolées en habitudes culturelles. Les dirigeants donnent le ton. Lorsqu’ils célèbrent publiquement les améliorations apportées par l’IA, les gens voient que l’initiative est valorisée. Ils comprennent qu’essayer quelque chose de nouveau, même si cela échoue la première fois, fait partie du progrès. Ce type de renforcement permet d’instaurer la confiance et la continuité.

Les dirigeants devraient intégrer ces comportements dans la gestion des performances et les opérations quotidiennes. La reconnaissance peut être aussi simple que de souligner l’utilisation intelligente de l’IA dans les réunions de routine ou de fournir des ressources pour développer ce qui fonctionne. Le renforcement n’a pas besoin d’être complexe, il doit simplement être cohérent.

La culture et le comportement changent depuis le sommet. Il est facile de donner des outils aux employés, mais il faut un certain leadership pour qu’ils se sentent soutenus dans l’utilisation de ces outils. Le renforcement comble le fossé entre l’apprentissage isolé et le changement durable. C’est ainsi que les organisations passent de l’accès à l’IA à la possibilité d’en tirer profit.

Avant d’augmenter les budgets de formation à l’IA, les dirigeants devraient réévaluer leurs priorités et se concentrer sur les conditions propices à l’innovation.

De nombreux dirigeants accélèrent l’investissement dans l’IA par défaut, en multipliant les cours, les budgets et les partenariats avec les fournisseurs. Mais chaque dollar n’a pas d’impact. Les entreprises qui obtiennent les meilleurs résultats ne commencent pas par le volume de formation, mais par le bon environnement. Les dirigeants doivent d’abord identifier les endroits où l’expérimentation a déjà lieu et l’amplifier. Ces exemples réels renforcent la pertinence plus rapidement que n’importe quel module d’apprentissage générique.

Avant d’approuver de nouveaux budgets, les dirigeants devraient se poser trois questions : Qui sont les innovateurs naturels de l’organisation ? Leurs réussites ont-elles été mises en évidence et étendues ? Existe-t-il une ou deux applications d’IA dont l’impact sur l’entreprise est clairement démontré ? Si la réponse est négative, c’est là qu’il faut se concentrer en priorité. Combler ces lacunes est bien plus rentable que d’étendre les programmes génériques.

Les organisations qui accélèrent le plus rapidement sont celles qui combinent une orientation descendante avec une découverte ascendante. La direction définit des objectifs stratégiques et investit dans quelques cas d’utilisation de l’IA à fort impact. Parallèlement, les employés curieux et motivés sont habilités à explorer des solutions pratiques au niveau local. Lorsque les deux se rencontrent, les efforts de formation ont un but et l’adoption se fait plus rapidement.

Cory LaChance, ingénieur mécanicien dans le secteur de la construction de tuyauteries industrielles, illustre clairement ce principe. Sans aucune expérience en matière de codage, il a créé une application fonctionnant grâce à l’IA en huit semaines. Il n’a pas eu besoin de cours formels, mais seulement d’un outil et d’une culture permettant l’expérimentation. Ce résultat illustre comment le fait de favoriser l’initiative et de réduire les frictions peut conduire à une transformation mesurable au sein d’équipes entières.

Réévaluer les priorités ne signifie pas réduire l’ambition, mais investir dans ce qui fait évoluer les comportements et les performances. Une fois que les entreprises ont la preuve que l’IA fonctionne dans leur contexte, la formation formelle amplifiera ces succès et élargira l’adoption. Les bons investissements permettent aux progrès de l’IA de s’auto-entretenir, sans dépendre de vagues incessantes de cours ou de certifications.

Principaux enseignements pour les dirigeants

• Les dépenses de formation n’entraînent pas de changement de comportement : Les budgets consacrés à l’amélioration des compétences dans le domaine de l’IA ne cessent d’augmenter, mais peu de programmes modifient le travail quotidien. Les dirigeants devraient lier directement la formation à des tâches réelles et à des résultats mesurables avant d’accroître les investissements.
• La motivation et la culture l’emportent sur l’instruction formelle : Les innovateurs naturels favorisent l’adoption de l’IA plus rapidement que les programmes structurés. Les dirigeants doivent renforcer la sécurité psychologique et reconnaître l’expérimentation pour libérer la motivation intrinsèque.
• La séquence détermine le succès : La formation fonctionne mieux après que l’expérimentation a produit des points de preuve. Les dirigeants devraient laisser les employés tester les outils d’IA en premier lieu, mettre en évidence les premiers succès, puis étendre l’apprentissage structuré pour un retour sur investissement maximal.
• Le renforcement du leadership a un impact durable : L’accès aux outils ne suffit pas à soutenir l’adoption ; la reconnaissance visible et le soutien managérial le font. Les dirigeants doivent intégrer le renforcement dans leurs routines de leadership afin d’ancrer l’utilisation de l’IA dans la pratique quotidienne.
• Investissez dans des conditions favorables : Les résultats les plus probants sont obtenus lorsque les entreprises donnent aux innovateurs les moyens d’agir et définissent clairement les cas d’utilisation de l’IA avant de financer la formation. Les dirigeants devraient réorienter les budgets vers l’élimination des frictions et l’extension des réussites avérées.