Vous vous faites une idée erronée des compétences nécessaires pour l’IA

La préparation à l’IA nécessite de passer de compétences spécifiques à certains outils à une refonte des processus de travail fondée sur le jugement.

Le monde évolue trop rapidement pour que les entreprises puissent penser qu’être « prêt pour l’IA » se résume à former quelques personnes à l’utilisation du dernier chatbot en date. La véritable préparation réside dans la capacité de l’IA à s’intégrer à vos processus de travail et à améliorer les résultats commerciaux mesurables, sans pour autant générer de risques non maîtrisés.

Les dirigeants à l’avant-garde de cette évolution comprennent que les connaissances spécifiques à un outil donné s’estompent rapidement. Tous les quelques mois, de nouveaux modèles et de nouvelles plateformes d’IA voient le jour, ce qui remet à zéro la courbe d’apprentissage. Les seules compétences durables sont celles liées à la manière dont les humains prennent des décisions, évaluent les informations, valident les résultats de l’IA et garantissent la responsabilité. La maîtrise des données, la pensée systémique et la capacité à cerner efficacement les problèmes sont devenues les fondements d’une main-d’œuvre capable de déployer l’IA de manière sûre et efficace.

Comme l’a déclaré Neal Sample, vice-président exécutif et directeur du numérique et des technologies chez Best Buy : « Être prêt pour l’IA ne se mesure pas au nombre de personnes ayant suivi une formation ni au nombre de licences achetées. Cela se mesure à votre capacité à repenser réellement les flux de travail, à définir clairement les responsabilités et à démontrer que la technologie améliore les résultats sans introduire de risques non maîtrisés. »

Les décideurs devraient prendre cela au sérieux. Il s’agit de renouveler la « mémoire musculaire » de l’organisation en matière de jugement. Les dirigeants qui réussiront seront ceux qui mettront en place des systèmes alliant la rapidité de l’IA à la clarté réfléchie d’un contrôle humain.

Les premières formations en IA dispensées en entreprise sont rapidement devenues obsolètes

Lors de la première vague d’adoption de l’IA dans les entreprises, l’accent a été mis sur l’ingénierie des prompts et à l’entraînement de base des IA génératives. De nombreuses entreprises se sont empressées d’organiser des sessions sur la manière de rédiger de meilleures consignes pour les chatbots ou les systèmes génératifs. Cela semblait utile, jusqu’à ce que les outils évoluent. Les modèles se sont améliorés si rapidement que des programmes de formation entiers sont devenus obsolètes en l’espace de quelques mois.

Rebecca Schalber, responsable senior de l’IA générative chez cosnova Beauty, a expliqué : « C’est l’ingénierie des prompts qui a connu l’évolution la plus rapide. » Son équipe en a fait l’expérience directe. Lorsque cosnova a mis en œuvre l’IA à l’échelle de l’entreprise, les premiers efforts se sont concentrés sur la formation des employés à la rédaction efficace de prompts. L’entreprise a même constaté une augmentation rapide de la productivité d’environ 10 % en l’espace de six mois, selon une enquête interne. Cependant, ces gains ont rapidement atteint un plateau. Les employés étaient capables de générer des résultats, mais ils ne savaient pas comment les vérifier, les ajuster et les intégrer dans les processus métier réels.

Cette prise de conscience a conduit cosnova à changer de cap. Au lieu de se concentrer sur les outils, l’entreprise s’est orientée vers une refonte des flux de travail en fonction de la manière dont l’IA s’intègre aux tâches concrètes. Elle a étudié les points de friction, les domaines dans lesquels l’IA pouvait renforcer en toute sécurité le travail humain, ainsi que les moyens de valider les résultats. La formation a évolué, passant de l’ajustement des invites à la compréhension des systèmes, transformant ainsi les employés d’utilisateurs passifs en décideurs sûrs d’eux, utilisant l’IA comme un atout opérationnel essentiel.

Les dirigeants de haut niveau devraient y voir un avertissement. Une maîtrise de l’IA qui se limite aux outils ne permettra pas de suivre le rythme de l’évolution de la technologie elle-même. Ce qui perdure, c’est la maîtrise des processus, c’est-à-dire la capacité à concevoir, superviser et adapter de nouveaux flux de travail à mesure que l’IA continue de mûrir. Ceux qui s’appuieront sur cette maîtrise pourront non seulement se développer plus efficacement, mais aussi conserver leur résilience face à l’évolution constante de la technologie.

Une supervision humaine et une responsabilité clairement définie sont indispensables

Dès lors que l’IA passe de la phase de projets pilotes à celle des opérations réelles, la marge d’erreur se réduit. Contrairement aux tests contrôlés, les applications en conditions réelles doivent composer avec des données incomplètes et des résultats incertains. C’est précisément là que la supervision humaine doit prendre le relais afin de déterminer dans quels cas le jugement, la remontée d’informations et la responsabilité restent entre les mains de l’humain.

Neal Sample, vice-président exécutif et directeur du numérique et des technologies chez Best Buy, a clarifié ce point de manière succincte : « La supervision humaine ne consiste pas à remettre en question chaque résultat fourni par l’IA. Cela signifie définir clairement les domaines dans lesquels le jugement, la remontée d’informations et la responsabilité doivent rester du ressort de l’humain. » Cette déclaration met en évidence la frontière essentielle entre l’efficacité de l’automatisation et la responsabilité éthique.

Pour les dirigeants, cela implique de mettre en place des structures de gouvernance qui définissent à qui revient la responsabilité de chaque décision lorsque l’IA est impliquée. De plus, ces règles doivent être intégrées à la conception des processus. Un système d’IA peut certes accélérer la production d’informations, mais la décision finale concernant les actions à fort impact impliquant la confiance des clients, les risques réglementaires ou le chiffre d’affaires revient en dernier ressort aux décideurs humains.

La nuance réside ici dans la conception opérationnelle. La responsabilité doit être traçable et liée à des points de contrôle du flux de travail qui signalent les moments où une intervention humaine est nécessaire. Les dirigeants qui établissent cet équilibre entre automatisation et contrôle humain s’assurent que l’IA renforce la fiabilité au lieu de créer de nouveaux risques. Ceux qui n’y parviennent pas risquent de perdre le contrôle sur des résultats qu’ils ne peuvent plus expliquer. Un cadre de gouvernance solide et transparent, des droits de décision bien définis et une conception précise du dispositif de supervision constituent désormais des éléments incontournables de l’IA à l’échelle de l’entreprise.

Passer d’une formation traditionnelle en salle de classe à un apprentissage pratique, axé sur les processus de travail

Les entreprises qui progressent le plus rapidement dans l’adoption de l’IA sont celles qui abandonnent les modèles de formation traditionnels et statiques. Elles s’orientent vers un apprentissage pratique, axé sur les flux de travail, qui implique directement les équipes dans la refonte des méthodes de travail. Au lieu d’enseigner l’IA à leurs collaborateurs, elles leur permettent d’apprendre grâce à l’IA, en intégrant des expériences pratiques et spécifiques à leur poste dans leurs activités quotidiennes.

Chez cosnova Beauty, c’est Rebecca Schalber qui a mené cette transformation. Son équipe a remplacé les sessions de formation générales, de type cours magistral, par des ateliers interactifs. Les responsables et les collaborateurs ont cartographié leurs flux de travail quotidiens, identifié les tâches répétitives ou inefficaces, et exploré comment l’IA pourrait les prendre en charge. Cette approche n’a pas seulement permis d’améliorer la maîtrise technique, elle a également favorisé l’appropriation du sujet. Les collaborateurs ont commencé à considérer l’IA comme une solution aux défis concrets rencontrés dans leurs processus de travail existants.

Lorsque les collaborateurs constatent que l’IA leur épargne des tâches fastidieuses ou résout des goulots d’étranglement récurrents, leur volonté d’adopter cette technologie s’accélère. Cela se traduit par une amélioration mesurable de la productivité et un engagement accru au sein des équipes. M. Schalber a observé que l’adoption de l’IA avait connu un essor fulgurant dès lors que les collaborateurs avaient cessé de la considérer comme une directive de la direction pour commencer à la percevoir comme un partenaire fonctionnel leur permettant d’atteindre leurs propres objectifs de performance.

Pour les dirigeants, la nuance réside dans la manière dont la formation est mise en œuvre. Les programmes statiques et théoriques ne permettront pas d’induire un changement de comportement. La méthode la plus efficace aujourd’hui est l’apprentissage par l’expérience : intégrer la formation à l’IA dans le flux de travail réel. Concentrez-vous sur le développement de compétences transférables, la maîtrise des données, la conception de processus et la résolution de problèmes, qui conserveront leur valeur bien après que les outils spécifiques auront évolué. C’est ainsi que les entreprises se dotent d’une capacité d’adaptation à l’IA qui évolue de manière durable et génère des résultats commerciaux concrets.

Encourager les premières expérimentations favorise l’innovation et la mise en pratique de l’IA

Les entreprises qui tirent le meilleur parti de l’IA sont celles qui laissent à leurs collaborateurs la liberté d’expérimenter avant de définir des programmes de formation rigides. Ces organisations comprennent que la curiosité et l’exploration constituent des bases plus solides pour le développement de compétences à long terme. Lorsque les collaborateurs apprennent en testant des outils concrets, ils gagnent plus rapidement en confiance et découvrent des cas d’utilisation que la direction n’aurait peut-être pas anticipés.

Chez Turing, cette approche était délibérée. Taylor Bradley, vice-président chargé de la stratégie des talents, a lancé le parcours de perfectionnement en IA de l’entreprise en permettant aux collaborateurs non techniques d’explorer librement l’IA générative. Ceux-ci s’en sont servis pour créer, tester et mener à bien des projets internes simples, allant de tâches créatives légères à des expérimentations de processus. Cet environnement sans contrainte a encouragé la participation de services qui, sans cela, auraient peut-être hésité à s’intéresser à l’IA.

Une fois la familiarisation acquise, Turing a organisé des ateliers ciblés visant à examiner les processus de travail réels. Les employés ont identifié les domaines dans lesquels l’IA pouvait automatiser les tâches répétitives ou faciliter des tâches complexes telles que la communication et la documentation. Ces premières expériences ont ensuite donné naissance à des systèmes concrets, comme un outil conversationnel destiné aux équipes des ressources humaines, qui s’est transformé en une plateforme de connaissances interne plus étendue.

Bradley a souligné que l’objectif n’était pas la certification ni les indicateurs de participation, mais des résultats concrets. « Nous nous concentrons sur des cas d’utilisation de qualité avec des résultats mesurables », a-t-il déclaré. Pour les dirigeants d’entreprise, ce changement d’orientation, passant des taux d’achèvement à de véritables indicateurs de performance, marque une voie plus judicieuse. Il transforme la formation d’un événement statique en un cycle d’innovation continu. Pour les dirigeants, le défi consiste à garantir l’existence de limites tout en laissant place à la créativité. En encourageant l’expérimentation structurée, les entreprises peuvent identifier très tôt les cas d’utilisation les plus pertinents et les déployer rapidement, souvent sans investissements initiaux importants.

Il est essentiel d’intégrer l’apprentissage par l’IA dans le travail quotidien

De nombreuses grandes entreprises s’appuient encore sur des méthodes de formation traditionnelles, dans lesquelles les employés suivent des modules de formation puis reprennent le travail en espérant que les connaissances acquises resteront ancrées. Ce modèle ne fonctionne pas dans un environnement qui évolue aussi rapidement que celui de l’IA. Une alternative plus efficace consiste à intégrer le développement des compétences dans le flux de travail proprement dit, afin que l’apprentissage se fasse de manière continue.

PwC met en œuvre cette démarche avec brio sous la direction de Margaret Burke, responsable du recrutement et du développement des talents. Le cabinet intègre directement la formation à l’IA dans les routines opérationnelles grâce à des initiatives telles que les « journées des compétences », au cours desquelles les collaborateurs explorent des cas d’utilisation pertinents et documentent la manière dont l’IA pourrait améliorer leurs tâches. Ces contributions sont ensuite analysées par l’IA, regroupées par thèmes, puis diffusées à l’ensemble de l’organisation afin que les équipes puissent apprendre les unes des autres. Ce processus garantit une circulation rapide des nouvelles idées et assure que l’apprentissage reste en lien avec les opérations réelles.

Surtout, PwC allie le savoir-faire technique à ce que M. Burke appelle les compétences « humaines » : l’esprit critique, le jugement indépendant et la capacité à raconter des histoires. Ces compétences permettent aux collaborateurs non seulement de comprendre les résultats générés par l’IA, mais aussi d’en interpréter la signification et de les communiquer efficacement. Il en résulte un personnel capable d’utiliser l’IA avec assurance et responsabilité.

Pour les dirigeants, la nuance réside dans le fait de reconnaître que les capacités en matière d’IA ne constituent pas un état figé. La maîtrise d’un modèle ne garantit pas que l’on soit prêt pour le suivant. L’apprentissage continu permet à l’organisation d’intégrer de nouveaux modèles, de nouvelles méthodes et de nouveaux risques sans perturbation. Intégrer le développement des compétences en IA dans les routines de travail habituelles permet de maintenir la dynamique, car cela relie directement l’amélioration aux résultats de l’entreprise. Cela transforme chaque projet, chaque réunion et chaque processus en une opportunité d’apprentissage active, ce qui permet aux organisations de rester agiles et résilientes à mesure que l’IA progresse.

Les nouveaux indicateurs de maturité en matière d’IA mettent l’accent sur l’impact opérationnel et l’amélioration continue

Les entreprises s’éloignent des indicateurs de réussite obsolètes, tels que la réussite aux formations et l’obtention de certificats. Ces indicateurs ne permettent en effet pas de déterminer si les collaborateurs sont réellement capables d’utiliser l’IA de manière responsable et productive dans le cadre de leurs processus de travail quotidiens. La véritable maturité en matière d’IA se mesure à l’aune d’améliorations opérationnelles quantifiables, de la capacité des équipes à s’adapter efficacement à l’évolution des outils, de la fréquence à laquelle de nouveaux cas d’utilisation basés sur l’IA apparaissent, ainsi que de l’efficacité avec laquelle les processus de travail produisent des résultats tout en préservant la responsabilité humaine.

Chez Turing, Taylor Bradley, vice-président chargé de la stratégie des talents, évalue les progrès en matière d’IA à l’aune de résultats concrets en termes de performance. « Si les membres de mon équipe viennent me voir chaque semaine avec des idées pour améliorer ou étendre les cas d’utilisation de l’IA, c’est le signe que nos capacités se développent », a-t-il expliqué. Cette approche met l’accent sur la créativité et la valeur commerciale réelle plutôt que sur les indicateurs de conformité. Elle reflète un changement de culture : une organisation est prête pour l’IA non pas lorsque ses collaborateurs réussissent un test, mais lorsqu’ils optimisent et innovent en permanence grâce à cette technologie.

Neal Sample, vice-président exécutif et directeur du numérique et des technologies chez Best Buy, renforce ce point de vue du point de vue de la direction. Pour lui, la préparation à l’IA n’a de sens que si elle se traduit par une amélioration des résultats opérationnels et si les responsabilités sont clairement définies. Il souligne que les compétences les plus durables aujourd’hui sont « le jugement, la formulation des problèmes, la pensée systémique et la capacité à traduire les résultats générés par les machines en actions commerciales ». Cette approche garantit que les décisions prises par l’IA restent compréhensibles et maîtrisées, en particulier dans les domaines liés à la confiance des clients, à la réglementation ou aux risques financiers.

Pour les dirigeants, il s’agit de redéfinir ce qu’est la réussite. Les capacités de l’IA doivent être évaluées à l’aune de l’adaptabilité et d’indicateurs de performance directement liés à l’impact sur l’activité. Les dirigeants devront établir clairement les pouvoirs de décision, définir des protocoles d’escalade et garantir la transparence quant à l’influence de l’IA sur les résultats. Sans cette clarté dans le leadership, même les équipes les plus avancées sur le plan technique risquent de stagner. L’avenir de la préparation à l’IA appartient aux organisations qui veillent à l’amélioration continue et qui tiennent les humains, et non les machines, pour responsables des décisions qui déterminent les résultats.

Dernières réflexions

L’IA n’est plus une simple expérience en marge de vos activités. Elle est en train de devenir le cœur même de la manière dont les organisations modernes fonctionnent, apprennent et se développent. Les dirigeants qui sauront tirer parti de cette évolution ne seront pas ceux qui courent après les derniers modèles ou qui maîtrisent une boîte à outils, mais ceux qui sauront ancrer le discernement, la responsabilité et la curiosité à tous les niveaux de l’entreprise.

La véritable préparation à l’IA tient moins aux compétences techniques qu’à la conception du leadership. Les organisations qui prospéreront considéreront l’IA comme un membre de l’équipe qui améliore les résultats, et non comme un substitut à la prise de décision humaine. Elles mettront en place des systèmes capables d’évoluer, des processus capables d’apprendre, et formeront des collaborateurs capables à la fois de remettre en question l’IA et de lui faire confiance.

Pour les dirigeants, la mission consiste désormais à aligner l’IA sur les objectifs opérationnels. Cela implique d’investir dans des capacités durables, de définir les responsabilités et de mesurer les progrès à l’aune de l’impact réel sur l’activité. L’avenir du leadership adapté à l’IA ne réside pas dans la connaissance de chaque commande, mais dans la capacité à diriger l’organisation avec clarté, rapidité et responsabilité, à mesure que les systèmes intelligents s’intègrent naturellement dans les méthodes de travail.