Ces 10 thèmes couvrent-ils réellement tous les points essentiels ?
Lorsque j’accompagne la conception de formations à la culture de l’IA, les mêmes questions reviennent. Les ressources humaines se demandent : « Que faut-il enseigner à tous les collaborateurs, et jusqu’où aller ? » Les équipes de transformation numérique se demandent : « L’IA sera-t-elle vraiment utilisée après la formation ? » La DSI craint « une généralisation des usages sans règles claires de gestion de l’information ». Malgré leurs rôles différents, toutes partagent la même inquiétude : comment définir un socle commun pour diffuser l’IA générative en interne ?
Auparavant, une formation pouvait se limiter à présenter l’IA ou ses outils. Aujourd’hui, l’IA générative entre dans les tâches quotidiennes : rédaction, synthèse, comptes rendus, demandes internes, supports commerciaux et contenus pédagogiques. Expliquer « ce qu’est l’IA » ne suffit donc plus. Il faut aussi couvrir les usages professionnels, les prompts, la sécurité de l’information, le droit d’auteur, les règles internes et l’ancrage après la formation.
Exemple hypothétique : pour former 300 collaborateurs sur un mois, structurer les supports autour de 10 thèmes facilite l’ajout de contenus propres à chaque service, les tests de connaissances et le passage à l’e-learning. Avec un environnement tel que Kanata, proposé par notre société, qui réunit chat IA, synthèse par IA et e-learning dans une même plateforme d’assistance au travail, l’entreprise peut aussi relier formation, exercices, révisions et usages professionnels.
Cet article organise en 10 thèmes le tronc commun destiné à tous les collaborateurs. Il fournit une base pour comparer les prestataires ou préparer des supports internes. Mais une liste de thèmes ne suffit pas à ancrer l’IA : la formation doit intégrer les règles opérationnelles, la gestion de l’information et des occasions de pratiquer après la session.
Une formation à la culture de l’IA harmonise les « critères de décision », pas seulement les connaissances
L’expression « formation à la culture de l’IA » évoque peut-être, pour beaucoup, une formation consacrée au fonctionnement de l’IA ou à l’utilisation des outils d’IA générative.
Les fondamentaux restent nécessaires : ce qu’est l’IA, ce que permet l’IA générative et comment rédiger un prompt. Mais l’enjeu principal n’est pas de multiplier les « experts ». Il est de permettre à chacun de prendre, au minimum, les bonnes décisions lorsqu’il utilise l’IA au travail.
Il faut notamment savoir :
- si cette tâche peut être confiée à l’IA ;
- si cette information peut être saisie dans l’IA ;
- jusqu’à quel point le résultat produit par l’IA est fiable ;
- qui doit le vérifier avant toute diffusion externe ;
- par quel processus commencer dans son propre service ;
- qui consulter en cas de problème.
Une formation à la culture de l’IA ne vise pas à faire mémoriser la même manipulation d’outil à tous les collaborateurs. Elle sert à établir un socle commun minimal pour travailler avec l’IA de manière responsable.
Je compare souvent la formation à l’IA au « permis de conduire ». On peut conduire sans maîtriser le fonctionnement du moteur, mais pas sans connaître les règles de circulation, les limitations de vitesse, les dangers à anticiper et la conduite à tenir en cas d’accident. Il en va de même pour l’IA générative : avant la technique avancée viennent les règles et les critères de décision professionnels.
Le règlement européen sur l’intelligence artificielle consacre également la maîtrise de l’IA et prévoit des mesures visant à soutenir son développement auprès des personnes qui utilisent des systèmes d’IA dans un cadre professionnel.
En ce sens, une formation à la culture de l’IA emprunte à la fois à la formation à la transformation numérique, à la sécurité de l’information et à l’amélioration des processus. Un périmètre trop étroit sera peu utile sur le terrain ; un périmètre trop large rendra le contenu dispersé. La première étape consiste donc à structurer en 10 thèmes les éléments communs à maîtriser par tous les collaborateurs.
Les 10 thèmes à aborder dans une formation à la culture de l’IA
Pour limiter les oublis dans une formation à la culture de l’IA destinée à tous les collaborateurs, il est utile de la construire autour des 10 thèmes suivants.
- Notions fondamentales sur l’IA, l’IA générative et les LLM
- Ce que l’IA générative peut et ne peut pas faire
- Principaux cas d’usage facilement applicables au travail
- Fondamentaux des prompts
- Méthodes de vérification des résultats de l’IA
- Sécurité de l’information et données à ne pas saisir
- Droit d’auteur, données personnelles et règles internes
- Exemples d’usage par fonction
- Règles internes et responsabilités opérationnelles
- Ancrage des pratiques après la formation
Ces 10 thèmes ne constituent pas une simple liste de connaissances. Les thèmes 1 à 5 posent les bases nécessaires pour comprendre et utiliser concrètement l’IA. Les thèmes 6 à 10 portent sur son déploiement sécurisé dans l’organisation et sur l’ancrage des usages professionnels.
Lors de la conception du contenu, il est important de ne pas se concentrer uniquement sur les « usages pratiques ». Les équipes opérationnelles cherchent surtout à savoir « à quoi l’IA peut servir », tandis que les fonctions support et la DSI s’interrogent davantage sur « ce qu’il ne faut pas faire ».
Insister uniquement sur l’utilité ou sur les risques rend la formation inefficace. Traiter ensemble avantages, limites, responsabilités et organisation la rend plus utile à tous.
Thème 1 : notions fondamentales sur l’IA, l’IA générative et les LLM
Le premier thème à aborder concerne les notions fondamentales sur l’IA, l’IA générative et les LLM.
Dans une formation destinée à tous les collaborateurs, il n’est pas nécessaire d’entrer trop loin dans les détails techniques. Une accumulation de termes spécialisés risque au contraire de faire décrocher une partie des participants dès le début.
L’objectif est qu’ils puissent expliquer, dans les grandes lignes, les différences suivantes :
- qu’est-ce que l’IA ?
- qu’est-ce que l’IA générative ?
- qu’est-ce qu’un LLM ?
- quelle est la différence entre un moteur de recherche et une IA générative ?
- quelle est la différence entre un chatbot traditionnel et un chat reposant sur l’IA générative ?
L’IA désigne les technologies informatiques qui réalisent des traitements proches du jugement ou de la perception humains. L’IA générative produit de nouveaux contenus : texte, images, audio, synthèses ou code. LLM signifie « Large Language Model », ou grand modèle de langage : un modèle entraîné sur de vastes volumes de textes, qui génère des formulations naturelles selon le contexte.
Il est toutefois essentiel de ne pas s’arrêter à cette définition. Dans mes formations, je précise souvent que « l’IA générative ressemble moins à un entrepôt de connaissances qu’à un mécanisme qui construit du texte en fonction du contexte ».
Sinon, les participants risquent de confondre ses réponses avec des « résultats de recherche » ou de les considérer comme nécessairement exactes. Or l’IA générative peut se tromper. Elle produit des textes naturels et convaincants, mais pas toujours des informations récentes ou internes, des chiffres précis ou des appréciations juridiques exactes.
Poser ce principe dès le premier thème facilite ensuite la compréhension de la gestion des risques et de la vérification des résultats.
Thème 2 : ce que l’IA générative peut et ne peut pas faire
Il faut ensuite préciser clairement ce que l’IA générative peut et ne peut pas faire.
Dans une formation à la culture de l’IA, affirmer simplement que « l’IA est pratique » ne suffit pas. En insistant uniquement sur son utilité, on risque de susciter des attentes excessives ou, à l’inverse, de pousser certains participants à penser que « cela ne concerne pas leur travail ».
La formation doit d’abord présenter concrètement les tâches pour lesquelles l’IA générative est à l’aise. Parmi les plus courantes :
- préparer un premier jet ;
- rédiger un e-mail ;
- résumer des notes ou un compte rendu de réunion ;
- organiser la structure d’un document ;
- faire émerger des idées ;
- reformuler un texte ;
- créer un tableau comparatif ;
- préparer une première version de FAQ ou de manuel ;
- proposer la structure d’un contenu de formation.
Avec Kanata aussi, mieux vaut commencer par des tâches accessibles à tous les services : e-mails, comptes rendus, réécriture, point de départ d’une recherche, bilan hebdomadaire ou notes d’entretien individuel. Viser immédiatement une automatisation avancée serait moins réaliste. Les usages quotidiens de « rédaction », « organisation », « synthèse » et « reformulation » s’ancrent plus facilement.
Les limites de l’IA générative doivent être abordées avec le même soin. Par exemple, les tâches suivantes ne devraient pas lui être entièrement déléguées :
- valider des chiffres ou des dates exacts ;
- prendre des décisions spécialisées en matière juridique, fiscale ou sociale ;
- mener des négociations importantes avec des clients ;
- prendre la décision finale d’une évaluation professionnelle ;
- prendre une décision de gestion ;
- effectuer la dernière vérification avant une publication externe ;
- traiter des documents contenant des informations confidentielles.
L’IA peut facilement préparer, résumer, organiser ou servir de point de départ à une recherche. En revanche, la vérification des faits, la décision finale et les échanges qui engagent une relation restent du ressort des personnes. Cette distinction doit être répétée au cours de la formation.
L’IA n’achève pas le travail à notre place : elle prépare les éléments qui permettent à une personne de décider.
Il est utile d’intégrer un exercice qui distingue « les tâches à confier à l’IA » de « celles qui restent sous la responsabilité humaine ». On peut, par exemple, demander à chaque participant de noter 10 tâches de son activité, puis de les répartir en trois catégories :
- tâches faciles à confier à l’IA ;
- tâches dont l’IA peut préparer une première version, à vérifier par une personne ;
- tâches qui ne devraient pas être confiées à l’IA.
Cette répartition rend les usages immédiatement concrets. D’après mon expérience, les entreprises les plus avancées ne cherchent pas à tout confier à l’IA : elles partagent clairement les rôles entre personnes et IA.
Thème 3 : principaux cas d’usage facilement applicables au travail
Le troisième thème porte sur les principaux cas d’usage faciles à mettre en œuvre au travail.
Une formation destinée à tous les collaborateurs ne peut pas rester abstraite : elle doit montrer « à quoi l’IA pourra servir dès demain ».
Lors d’une première formation, des exemples tirés du quotidien favorisent davantage l’adoption que des usages complexes. J’évite donc d’aborder trop tôt l’automatisation avancée ou les intégrations de systèmes. L’essentiel n’est pas un avenir spectaculaire, mais la perspective de simplifier un peu le travail dès le lendemain.
Rédaction d’e-mails
L’IA peut préparer des e-mails de demande, de planification, de remerciement, d’excuses ou d’information interne.
Dans la formation, plutôt que de demander simplement « Rédigez un e-mail », il est utile de montrer un exemple qui précise le destinataire, l’objectif, les points à transmettre, le ton et le nombre de caractères.
Rédigez un e-mail destiné à fixer une date avec un partenaire commercial. Le destinataire est un client existant et nous lui proposons trois créneaux. Adoptez un ton courtois, mais pas trop formel. Limitez le corps du message à 300 caractères.
Ce degré de précision suffit à modifier sensiblement le résultat produit par l’IA.
Organisation des comptes rendus et notes de réunion
À partir de notes prises pendant une réunion ou d’une transcription, l’IA organise les décisions, les tâches à effectuer, les points de discussion et les actions à mener avant la prochaine réunion.
Avec un service tel que Kanata, qui résume documents, images, fichiers audio, URL et textes, il est facile de créer des exercices à partir de comptes rendus, notes, documents ou enregistrements.
La rédaction de comptes rendus concerne de nombreux services. En variant le contexte entre réunions commerciales, entretiens RH, points réguliers d’un projet, comités de direction et rendez-vous clients, presque tous les collaborateurs peuvent utiliser cet exercice.
Préparation du plan d’un document
L’IA peut proposer la structure d’un dossier de projet, d’une proposition commerciale ou d’un support de présentation interne.
Il est souvent plus simple de corriger une proposition de structure que de partir d’une page blanche. Pour ma part, il m’arrive aussi de demander d’abord une structure à l’IA, puis de supprimer, déplacer ou reformuler les éléments pour les aligner sur ma réflexion.
Réécriture et relecture de textes
L’IA peut raccourcir un texte long, expliciter des termes spécialisés ou adapter le ton au lectorat.
Une vérification reste indispensable, car l’IA peut modifier le sens. Pour les contrats, les règles, les spécifications, les chiffres et les conditions client, il faut distinguer les améliorations de forme des modifications de fond.
Recherche d’idées et structuration des points de discussion
L’IA se prête également à l’exploration d’un nouveau projet, d’un thème de formation, d’une proposition client ou d’une piste d’amélioration des processus.
L’essentiel est de ne pas lui demander la « bonne réponse », mais une base pour réfléchir. À mon sens, la valeur de l’IA tient moins à la réponse elle-même qu’à sa capacité à accélérer le démarrage de la réflexion.
Prévoir un temps d’exercice par service permet aux participants de transposer ces usages à leur propre activité.
Thème 4 : fondamentaux des prompts
Le quatrième thème concerne les fondamentaux des prompts.
Un prompt est une instruction adressée à l’IA. Sa formulation influence fortement la qualité du résultat. Une formation destinée à tous les collaborateurs n’a toutefois pas besoin d’enseigner des techniques avancées de prompting.
Il faut d’abord partager une structure de base applicable à toutes les activités. La formation peut présenter les six éléments suivants :
- Rôle
- Précisez le point de vue depuis lequel l’IA doit répondre. Exemple : « Vous êtes chargé de concevoir des formations RH. »
- Objectif
- Indiquez à quoi servira le résultat. Exemple : « Je souhaite construire le programme d’une formation destinée à tous les collaborateurs. »
- Public cible
- Précisez qui lira le contenu ou à qui il sera présenté. Exemple : « Pour des collaborateurs non spécialistes de l’IA. »
- Informations contextuelles
- Fournissez les conditions et le contexte nécessaires à la réponse. Exemple : « La formation dure 90 minutes et concerne 300 personnes. »
- Format de sortie
- Précisez le format : tableau, liste à puces, e-mail ou plan de diapositives. Exemple : « Présentez le résultat sous la forme d’un plan comprenant des H2 et des H3. »
- Contraintes
- Indiquez les formulations à éviter et les points de vigilance. Exemple : « N’inventez aucun chiffre. Lorsque l’information manque, écrivez “à vérifier”. »
Comparer un mauvais prompt à un bon prompt facilite la compréhension.
- Mauvais exemple
- Imaginez le contenu d’une formation à l’IA.
- Bon exemple
- Vous concevez une formation à la culture de l’IA destinée à tous les collaborateurs. Le public compte 300 personnes, dont des débutants en IA. La formation dure 90 minutes et doit inclure les fondamentaux de l’IA générative, ses usages professionnels, la sécurité de l’information et des exercices. Proposez un programme avec répartition du temps, structuré en H2 et H3. Limitez les termes spécialisés et indiquez « à vérifier » lorsque le contexte manque.
Le mauvais exemple produira malgré tout une réponse. Cependant, comme le public, la durée, l’objectif et le format restent flous, le résultat sera difficile à exploiter dans la pratique.
J’explique qu’un prompt ne doit pas être considéré comme une « demande formulée poliment », mais comme un « brief professionnel ». Comme lorsque l’on confie un travail à une personne, on transmet le contexte, l’objectif, les conditions et le format du livrable. Cette seule approche aide de nombreux participants à préciser leurs instructions à l’IA.
Thème 5 : méthodes de vérification des résultats de l’IA
Le cinquième thème porte sur la vérification des résultats de l’IA.
Une formation à la culture de l’IA doit enseigner la vérification des résultats avec autant de soin que la rédaction des prompts.
L’IA générative produit des textes fluides et convaincants : une information erronée peut donc paraître crédible. J’insiste sur ce risque, car une réponse plausible est parfois plus trompeuse qu’une erreur manifestement absurde.
La formation doit au moins couvrir les vérifications suivantes.
Vérifier les chiffres
Chiffre d’affaires, effectifs, pourcentages, durées, coûts et volumes doivent toujours être contrôlés. Aucun chiffre produit par l’IA ne doit être repris sans comparaison avec une source primaire, un document interne ou une information officielle.
Vérifier les dates
Les dates d’événements, de contrats, de publication, de modification législative ou d’échéance doivent également être contrôlées. Dans un document interne, le mélange d’informations anciennes et récentes peut notamment provoquer d’importants malentendus.
Vérifier les noms propres
Les noms d’entreprises, services, personnes, départements et produits sont souvent mal écrits ou confondus. Dans un document externe, une telle erreur nuit à la confiance : une personne doit toujours les vérifier.
Vérifier les citations et les sources
Rien ne garantit que les citations ou les sources indiquées par l’IA existent. La formation doit préciser que, même lorsqu’un passage ressemble à une citation, il faut toujours consulter le texte d’origine.
Distinguer appréciations et faits
Un résultat de l’IA peut mêler des faits, des suppositions et des propositions. Les participants doivent prendre l’habitude de ne pas l’accepter tel quel et de déterminer si chaque élément relève d’un fait, d’une supposition ou d’une opinion.
L’objectif n’est pas de se méfier de l’IA, mais de faire en sorte qu’une personne puisse utiliser ses résultats de manière responsable.
Thème 6 : sécurité de l’information et données à ne pas saisir
Le sixième thème concerne la sécurité de l’information.
La sécurité de l’information ne doit pas venir après coup. Présenter d’abord les usages, puis les précautions, peut laisser croire que l’IA s’utilise « sans restriction ».
Dans mes formations à l’IA générative, j’aborde donc très tôt les « informations à ne pas saisir ». Le sujet peut sembler un peu austère, mais encourager un usage professionnel sans clarifier ce point serait plus dangereux.
La formation doit présenter concrètement les informations qui peuvent être saisies dans l’IA et celles qui ne le peuvent pas.
| Catégorie | Exemples | Traitement pendant la formation |
|---|---|---|
| Informations publiques | Site officiel, documents publics, communiqués de presse | En principe, utilisation relativement simple |
| Informations internes courantes | Manuels internes, FAQ internes déjà publiées | Utilisation conforme aux règles internes |
| Informations clients | Notes commerciales, conditions contractuelles, contenu d’une proposition | Vérifier le contrat, les autorisations et le masquage |
| Données personnelles | Nom, adresse, coordonnées, matricule | En principe, ne pas les saisir ; les masquer si nécessaire |
| Informations confidentielles | Données de santé, convictions, coordonnées bancaires, numéro de sécurité sociale, etc. | Saisie interdite |
| Informations non publiques | Résultats financiers non publiés, mobilité interne, opérations de fusion-acquisition | Saisie interdite |
L’IA générative exige une vigilance particulière pour les données personnelles, les informations clients, les secrets d’affaires et les données non publiques. Les modalités de conservation, de réutilisation pour l’entraînement, d’administration, de journalisation et de transfert externe varient selon le service utilisé. Ces points doivent être vérifiés au regard des règles et du contrat de l’entreprise.
Inclure les principes de base du masquage rend aussi la formation plus utile dans la pratique.
- Remplacer un nom par « Interlocuteur A ».
- Généraliser un nom d’entreprise, par exemple en « grand groupe industriel ».
- Arrondir un montant, par exemple en « plusieurs dizaines de millions ».
- Supprimer les adresses et les coordonnées.
- Ne conserver aucune information permettant d’identifier une personne donnée.
Le masquage ne signifie toutefois pas que toute information peut être saisie. Le recoupement de plusieurs éléments peut permettre d’identifier une personne ou un client.
Il est important que la formation formule clairement les règles « en cas de doute, ne pas saisir » et « en cas d’incertitude, consulter la fonction support ou la DSI ».
À mon sens, la sécurité ne doit pas être présentée pour freiner les usages de l’IA. La définition d’un périmètre sûr permet au contraire aux collaborateurs de l’utiliser sereinement.
Thème 7 : droit d’auteur, données personnelles et règles internes
Le septième thème concerne le droit d’auteur, les données personnelles et les règles internes.
Ce thème peut sembler difficile, mais l’objectif d’une formation destinée à tous les collaborateurs n’est pas d’enseigner le droit dans le détail. Il s’agit de leur permettre de repérer un usage qui « nécessite une vérification ».
Les cas suivants peuvent, par exemple, être abordés :
- demander à l’IA de résumer un article externe afin de l’utiliser dans un document interne ;
- faire analyser un livre blanc d’une autre entreprise pour créer un tableau comparatif ;
- faire organiser par l’IA un document reçu d’un client ;
- saisir des données RH contenant des informations sur les collaborateurs ;
- utiliser un texte produit par l’IA dans une publicité externe ou un support commercial ;
- publier sans modification une image ou une accroche produite par l’IA.
Ces cas peuvent relever du droit d’auteur, des contrats, de la protection des données personnelles ou des règles internes.
La formation ne doit pas faire reposer toutes les décisions sur les équipes opérationnelles ; elle doit leur apprendre à reconnaître les situations qui nécessitent une vérification.
- Lorsqu’un document reçu de l’extérieur est utilisé, vérifier le périmètre d’utilisation prévu au contrat.
- En principe, ne pas saisir de données personnelles dans l’IA.
- Faire systématiquement vérifier par une personne les textes et les images destinés à une publication externe.
- Faire valider par le service compétent les résultats portant sur le droit, les contrats ou le droit du travail.
- Ne pas utiliser l’IA d’une manière contraire aux règles internes.
Pour l’ensemble des collaborateurs, il est plus réaliste d’imposer la règle « ne pas poursuivre seul un usage en cas de doute » que d’entrer dans une interprétation juridique détaillée.
Je ne pense pas qu’il soit nécessaire d’effrayer excessivement les participants. L’attitude recherchée n’est pas « n’utilisez pas l’IA, car elle est dangereuse », mais « apprenez à reconnaître les situations qui nécessitent une vérification ».
Thème 8 : exemples d’usage par fonction
Le huitième thème porte sur les exemples d’usage par fonction.
Dans une formation destinée à tous les collaborateurs, les thèmes communs ne suffisent pas toujours à montrer « ce que cela change dans mon travail ». Ajouter, dans la seconde partie, des exemples propres à chaque fonction aide les participants à transposer les usages à leur activité.
Je recommande d’intégrer un atelier par fonction, car les usages d’une même IA générative diffèrent entre les ressources humaines, la DSI, les ventes et le management.
Ressources humaines et services généraux
Les ressources humaines et les services généraux peuvent utiliser l’IA pour les annonces de formation, les FAQ internes, le traitement des demandes, les supports d’intégration et l’explication des règles.
Pour répondre à des questions à partir d’un règlement interne, il est par exemple important de définir une règle qui demande à l’IA d’orienter la personne vers le service compétent lorsque le règlement ne permet pas d’étayer la réponse, plutôt que de lui faire produire une réponse générale.
Direction des systèmes d’information
La DSI peut utiliser l’IA pour effectuer un premier tri des demandes internes, rédiger les règles d’utilisation, mettre à jour les FAQ, préparer un message sur un incident système ou créer des supports de sensibilisation à la sécurité.
Elle doit toutefois être particulièrement vigilante quant aux configurations des systèmes, aux informations de compte et aux vulnérabilités.
Pour la DSI, l’IA est à la fois un moyen d’améliorer le traitement des demandes et un nouvel objet de gestion. La formation doit donc couvrir les deux points de vue : celui de l’utilisateur et celui de l’administrateur.
Ventes et marketing
Les équipes commerciales et marketing peuvent utiliser l’IA pour structurer une proposition, organiser des notes d’entretien, formuler des hypothèses sur les besoins d’un client, rédiger un e-mail ou concevoir un contenu.
Les informations clients et commerciales peuvent toutefois comporter des éléments très confidentiels. La formation doit donc systématiquement préciser quelles données peuvent être saisies dans l’IA et lesquelles doivent être masquées.
Cadres et managers
Les managers peuvent utiliser l’IA pour préparer l’ordre du jour d’une réunion, un entretien individuel, une première version de commentaire d’évaluation, les points d’une décision ou un projet d’OKR.
La décision finale sur l’évaluation ou l’affectation d’une personne ne doit cependant pas être déléguée à l’IA. La formation doit indiquer clairement que l’IA aide à structurer la réflexion, mais n’assume aucune responsabilité.
Les exemples par fonction ne doivent pas seulement sembler « pratiques » : ils doivent être accompagnés des risques propres à chaque métier.
Thème 9 : règles internes et responsabilités opérationnelles
Le neuvième thème concerne les règles internes et les responsabilités opérationnelles.
La formation doit couvrir les usages individuels et les règles de l’organisation. Si les pratiques reposent seulement sur les initiatives personnelles, elles varient selon les services et brouillent la gestion de l’information comme le contrôle qualité.
Les règles internes minimales à aborder sont les suivantes :
- outils d’IA dont l’utilisation est autorisée par l’entreprise ;
- outils d’IA interdits ;
- informations autorisées et données dont la saisie est interdite ;
- critères de vérification avant une diffusion externe ;
- procédure applicable aux informations clients ;
- interlocuteur à prévenir en cas d’incident ;
- responsable et point de contact dans chaque service ;
- méthode de partage des prompts et des cas d’usage.
Kanata associe des espaces d’organisation, des projets par activité, des applications comme le chat IA et la synthèse par IA, ainsi que des bibliothèques de prompts et de données d’apprentissage réutilisables. Cette structure clarifie quels services traitent quelles informations avec quelles fonctions d’IA.
Dans une formation commune à toute l’entreprise, il peut par exemple être utile de présenter :
- l’environnement commun à tous les collaborateurs ;
- les environnements propres à chaque service ;
- l’environnement réservé aux activités très confidentielles ;
- l’environnement de formation ;
- l’environnement de test.
Il faut également préciser qui assume la responsabilité des résultats de l’IA.
Même lorsqu’un texte a été produit par l’IA, la personne qui le transmet à l’extérieur et celle qui l’approuve en restent responsables. L’argument « l’IA s’est trompée » ne constitue pas une justification.
Partager cette approche pendant la formation aide les participants à comprendre le périmètre dans lequel ils peuvent utiliser l’IA sereinement et celui qui exige davantage de prudence.
À mon sens, le succès d’un déploiement de l’IA ne dépend pas uniquement du choix de l’outil. La continuité des usages sur le terrain est largement déterminée par la conception des règles et des responsabilités.
Thème 10 : ancrage des pratiques après la formation
Le dernier thème concerne l’ancrage des pratiques après la formation.
Une formation à la culture de l’IA ne s’achève pas après une seule session. Au contraire, le niveau réel d’adoption dépend des actions encouragées par la suite.
Je rappelle souvent qu’une formation n’est pas un « événement », mais le « point de départ d’une pratique opérationnelle ». Un regain d’intérêt juste après la session ne suffit pas si, un mois plus tard, plus personne n’utilise l’IA.
Les dispositifs suivants contribuent à ancrer les usages.
Distribuer une checklist utilisable immédiatement après la formation
Préparez une checklist que les participants pourront consulter avant d’utiliser l’IA dans leur travail.
- L’objectif est-il clair ?
- Les informations saisies contiennent-elles des données confidentielles ou personnelles ?
- Le format de sortie a-t-il été précisé ?
- Les chiffres et les noms propres ont-ils été vérifiés ?
- Une personne a-t-elle relu le résultat avant sa diffusion externe ?
Organiser un exercice court dans la semaine qui suit
Même lorsqu’une notion est bien comprise juste après la formation, sa mise en pratique peut s’estomper avec le temps. Il est donc utile de proposer, dans la semaine qui suit, un court exercice dans lequel chacun teste un usage de l’IA dans son activité.
- Noter trois tâches de son activité faciles à confier à l’IA.
- Faire préparer un e-mail par l’IA.
- Faire organiser des notes de réunion par l’IA.
- Formuler une demande en utilisant une fois la structure de prompt apprise.
- Vérifier le résultat et noter les corrections apportées.
L’essentiel est de ne pas s’arrêter à la « compréhension » du contenu, mais de le transformer en actes concrets dans le travail.
Partager les cas d’usage dans chaque service
Après la formation commune, prévoyez dans chaque service un temps de partage des cas d’usage. Même avec un contenu identique, les possibilités diffèrent selon les fonctions. Les ressources humaines, la DSI, les ventes et le management ne commencent pas au même endroit.
Ces échanges par service facilitent la prise de conscience : « je pourrais aussi l’utiliser dans mon travail ».
Je recommande de partager les échecs autant que les réussites. Un prompt qui n’a pas fonctionné, une erreur repérée pendant la vérification ou le moment où l’on s’est aperçu qu’une donnée ne devait pas être saisie sont également des apprentissages importants pour l’organisation.
Capitaliser les prompts et les supports pédagogiques
Les prompts fréquemment utilisés et les supports de formation ne doivent pas rester dans les notes personnelles. Ils doivent pouvoir être réutilisés par l’organisation.
Avec Kanata, qui gère prompts et données d’apprentissage par projet, l’entreprise peut capitaliser les prompts de formation, les questions fréquentes, les règles internes et les exemples de supports. Transformer les pratiques individuelles en connaissances collectives favorise l’adoption.
Assurer la continuité de l’apprentissage grâce à l’e-learning
Une autre approche consiste à organiser une première session en direct pour tous les collaborateurs, puis à proposer des révisions en e-learning.
Avec un environnement tel que Kanata, qui diffuse des vidéos en e-learning et permet aux participants d’interroger l’IA sur le contenu, ceux-ci peuvent revenir sur les points incompris après la formation et obtenir, si nécessaire, des explications complémentaires.
La possibilité de revoir les points restés flous après la session transforme une formation ponctuelle en parcours d’apprentissage continu.
Exemples de programmes de formation
Voyons maintenant comment intégrer ces 10 thèmes dans une formation concrète.
Le niveau de détail varie selon la durée. Voici trois scénarios hypothétiques : une formation de 90 minutes, une formation d’une demi-journée et un format combinant e-learning et session en direct.
Exemple de programme sur 90 minutes
Le public comprend tous les collaborateurs, dont des débutants en IA. L’objectif est d’établir une compréhension fondamentale minimale et des pratiques sûres.
| Durée | Contenu |
|---|---|
| 0 à 10 minutes | Objectif de la formation à la culture de l’IA |
| 10 à 25 minutes | Fondamentaux de l’IA, de l’IA générative et des LLM |
| 25 à 40 minutes | Ce que l’IA peut et ne peut pas faire |
| 40 à 55 minutes | Fondamentaux des prompts |
| 55 à 70 minutes | Sécurité de l’information et données dont la saisie est interdite |
| 70 à 80 minutes | Vérification des résultats de l’IA |
| 80 à 90 minutes | Exercice pratique et checklist après la formation |
Sur 90 minutes, il vaut mieux harmoniser le socle commun que chercher à tout approfondir. Les exemples par fonction et les exercices peuvent être réservés à une session de suivi distincte.
Exemple de programme sur une demi-journée
Le public comprend les ressources humaines, les équipes de transformation numérique, la DSI et les référents des différents services, c’est-à-dire les personnes chargées du déploiement interne. L’objectif est de leur permettre d’organiser une formation ou de promouvoir les usages dans leur propre service.
| Durée | Contenu |
|---|---|
| 0 à 30 minutes | Fondamentaux de la culture de l’IA et objectif de la formation |
| 30 à 60 minutes | Ce que l’IA générative peut et ne peut pas faire |
| 60 à 90 minutes | Exercice sur les prompts |
| 90 à 120 minutes | Gestion de l’information et règles internes |
| 120 à 150 minutes | Atelier par fonction |
| 150 à 180 minutes | Conception des mesures d’ancrage après la formation |
| 180 à 240 minutes | Création et partage d’un projet de formation pour son service |
Dans une formation d’une demi-journée, demander aux participants de construire le plan des supports de leur propre service rend la session plus opérationnelle, puisqu’ils sont appelés à devenir « formateurs internes » ou « référents ».
Dans mes accompagnements aussi, je tiens à ce que ce public participe non pas comme simple apprenant, mais comme relais chargé de diffuser les pratiques en interne. Sans cela, la formation risque de rester un événement isolé.
Exemple de format combinant e-learning et session en direct
Le public comprend tous les collaborateurs d’une entreprise qui souhaite répartir le temps d’apprentissage. L’objectif est d’acquérir les connaissances de base en e-learning, puis de réaliser les exercices en direct.
- Suivre le module de base en e-learning.
- Vérifier la compréhension au moyen d’un test.
- Réaliser un exercice sur les prompts lors de la session en direct.
- Partager les cas d’usage dans chaque service.
- Faire le point sur les usages un mois plus tard.
Ce format convient aux entreprises qui peuvent difficilement former tout le monde simultanément ou dont les sites et les services sont dispersés.
Lorsqu’une plateforme d’assistance au travail telle que Kanata regroupe le chat IA, la synthèse par IA et l’e-learning, elle facilite l’articulation entre formation, exercices, révisions et usages professionnels.
La simple mise en place d’un outil ne suffit toutefois pas à ancrer la formation. Il faut aussi déterminer qui met à jour les supports, qui répond aux questions et à quelle fréquence les règles sont révisées.
Checklist pour éviter les oublis dans une formation à la culture de l’IA
Lors de la conception, vérifiez les points suivants afin de limiter les oublis.
Connaissances
- La différence entre IA, IA générative et LLM est-elle expliquée ?
- La différence entre recherche et IA générative est-elle abordée ?
- Les points forts et les limites de l’IA générative sont-ils présentés ?
- La possibilité que l’IA se trompe est-elle expliquée ?
Mise en pratique
- Des exemples concrets applicables au travail sont-ils présentés ?
- Une structure de base pour les prompts est-elle enseignée ?
- Un mauvais exemple est-il comparé à un bon exemple ?
- Un exercice pratique est-il prévu pour les participants ?
Risques
- Les informations à ne pas saisir sont-elles clairement indiquées ?
- Le traitement des données personnelles et confidentielles est-il expliqué ?
- Le droit d’auteur et les règles internes sont-ils abordés ?
- Les règles de vérification des résultats sont-elles présentées ?
Organisation
- Les outils autorisés sont-ils clairement indiqués ?
- La responsabilité de la relecture avant une diffusion externe est-elle expliquée ?
- Le point de contact en cas de difficulté est-il indiqué ?
- Un exercice pratique est-il prévu après la formation ?
- Une occasion de faire le point sur l’adoption est-elle organisée ?
Cette checklist aide également à comparer les propositions des prestataires de formation.
Si, par exemple, une formation propose de bons exercices sur les prompts, mais n’aborde ni la sécurité de l’information ni les règles internes, l’entreprise devra préparer elle-même un complément.
À l’inverse, si les explications sur les risques dominent et que la mise en pratique reste limitée, les participants risquent de repartir avec la seule impression que « l’IA est dangereuse ».
Une formation à la culture de l’IA doit équilibrer quatre dimensions : connaissances, pratique, risques et organisation.
Comment intégrer Kanata dans l’organisation d’une formation
L’organisation d’une formation à la culture de l’IA comprend plusieurs étapes : création des supports, participation, exercices, bilan et capitalisation des connaissances.
Kanata réunit chat IA, synthèse par IA et e-learning dans une même plateforme d’assistance au travail, et peut s’intégrer à certaines étapes. Ce n’est toutefois pas la seule option : l’entreprise peut aussi l’associer au LMS, au chat, à la gestion des connaissances ou au service d’IA générative déjà utilisé.
Kanata convient lorsque l’entreprise souhaite regrouper autant que possible, dans un parcours unique, les contenus de formation, les exercices avec l’IA, les synthèses ainsi que la gestion des prompts et des données d’apprentissage.
Réaliser des exercices de prompting dans le chat IA
Pendant la formation, les participants créent des prompts à partir de leur activité et consultent les résultats dans le chat IA. Le formateur ne vérifie pas seulement si « le résultat est bon », mais aussi si l’objectif, le contexte, le format de sortie et les contraintes ont été précisés.
Faire des exercices de synthèse de comptes rendus et de documents
Les participants s’exercent à résumer des notes de réunion ou des documents. Une fonction de synthèse acceptant plusieurs types de contenus, tels que des documents, images, fichiers audio, URL et textes, se prête facilement aux comptes rendus, aux supports pédagogiques et aux documents internes.
Diffuser la formation de base en e-learning
Le tronc commun destiné à tous les collaborateurs est diffusé sous forme de vidéos, avec suivi de la participation. Des exercices proches du travail réel sont ensuite réalisés lors d’une session en direct ou d’un atelier par service, afin de distinguer l’acquisition des connaissances de leur mise en pratique.
Capitaliser les prompts et les données d’apprentissage
Les prompts utilisés pendant la formation, les questions fréquentes, les règles internes et les exemples de supports sont stockés dans une bibliothèque. Permettre à l’organisation de réutiliser les pratiques individuelles sous forme de connaissances collectives favorise leur ancrage après la formation.
L’utilisation de Kanata ne garantit toutefois pas automatiquement la réussite d’une formation à la culture de l’IA. Il faut d’abord définir l’objectif, le public, les règles internes et l’organisation, puis intégrer l’outil là où il est nécessaire.
Dans les projets d’adoption de l’IA, je privilégie l’ordre suivant : ne pas utiliser un outil simplement « parce qu’il existe », mais partir d’un problème professionnel, puis choisir l’outil qui permettra de le résoudre. Le même principe vaut pour l’organisation de la formation.
Conclusion : concevoir sa formation à la culture de l’IA à partir de 10 thèmes
Une formation à la culture de l’IA ne doit pas seulement présenter les avantages de l’IA générative.
Il est essentiel que tous les collaborateurs disposent de critères de décision leur permettant de l’utiliser de manière sûre et réaliste dans leur travail.
Une formation structurée autour des 10 thèmes suivants limite les oublis :
- Notions fondamentales sur l’IA, l’IA générative et les LLM
- Ce que l’IA générative peut et ne peut pas faire
- Principaux cas d’usage facilement applicables au travail
- Fondamentaux des prompts
- Méthodes de vérification des résultats de l’IA
- Sécurité de l’information et données à ne pas saisir
- Droit d’auteur, données personnelles et règles internes
- Exemples d’usage par fonction
- Règles internes et responsabilités opérationnelles
- Ancrage des pratiques après la formation
Les responsables de formation peuvent commencer par organiser ces 10 thèmes dans un tronc commun, puis ajuster le niveau de détail à leur secteur d’activité, à la structure des services, aux outils utilisés et aux règles de gestion de l’information.
Une formation à la culture de l’IA ne consiste pas seulement à enseigner les mêmes connaissances à tous. Elle crée un socle commun qui permet ensuite de relier l’IA aux décisions et aux usages propres à chaque rôle.
Sur le terrain, je constate que les entreprises qui adoptent bien l’IA ne recherchent pas d’emblée des résultats spectaculaires. Elles commencent par définir un périmètre dans lequel les collaborateurs peuvent expérimenter sereinement. Elles pratiquent ensuite à petite échelle sur des tâches fréquentes, puis partagent dans l’organisation les usages qui fonctionnent. Cette accumulation favorise, à terme, l’ancrage de l’IA.
Questions-réponses : questions fréquentes sur les formations à la culture de l’IA
Quelle durée prévoir pour une formation à la culture de l’IA ?Pour une première formation destinée à tous les collaborateurs, un programme d’environ 90 minutes est un format réaliste pour établir le socle commun. Il aborde les fondamentaux de l’IA, ce qu’elle peut et ne peut pas faire, la structure des prompts, la sécurité de l’information et la vérification des résultats. Si la formation inclut des exercices par fonction et la création de règles internes, il est raisonnable de prévoir une demi-journée ou plusieurs sessions.
Par où commencer lorsque de nombreux participants débutent avec l’IA ?Commencer par des cas d’usage proches du quotidien est plus facile à comprendre que d’introduire d’emblée des termes spécialisés. La rédaction d’e-mails, l’organisation de comptes rendus, la réécriture de textes et la préparation du plan d’un document permettent aux participants de transposer l’exercice à leur travail. Une explication concise des notions d’IA, d’IA générative et de LLM relie ensuite les connaissances à la pratique.
Que faut-il enseigner dans une formation aux prompts ?Avant les techniques avancées, il est utile d’enseigner les six éléments suivants : « rôle », « objectif », « public cible », « informations contextuelles », « format de sortie » et « contraintes ». Remplacer, par exemple, « Imaginez le contenu d’une formation à l’IA » par « Le public compte 300 personnes, dont des débutants en IA ; la formation dure 90 minutes ; le résultat doit prendre la forme d’un programme avec répartition du temps » augmente les chances d’obtenir un résultat exploitable.
Jusqu’où faut-il aborder la sécurité de l’information ?La formation doit au moins classer les informations qui peuvent être saisies et celles qui ne le peuvent pas. Le traitement des données personnelles, des informations clients, des secrets d’affaires, des informations financières non publiques et des données RH varie selon le service d’IA et les règles internes. Il est important d’enseigner aussi les consignes « en cas de doute, ne pas saisir » et « si la décision est difficile, consulter la DSI ou la fonction support ».
Que faut-il prévoir pour ancrer les usages de l’IA après la formation ?Un court exercice après la formation, le partage des usages par service, la capitalisation des prompts et des supports, ainsi qu’une révision périodique des règles sont utiles. Une session unique modifie difficilement les comportements. Il est important de concevoir la formation comme le point de départ d’une pratique opérationnelle, par exemple en demandant un premier usage professionnel dans la semaine, puis en faisant le point un mois plus tard.