L’intelligence artificielle générative entre dans les services formation par la porte la plus visible : produire plus vite un support, reformuler un texte, générer un quiz ou chercher une information. Ces usages sont utiles, mais ils donnent une vision incomplète du chantier.
Une étude publiée en septembre 2026 auprès de formateurs d’un aéroport international montre que les conditions de réussite sont moins techniques qu’organisationnelles. Les professionnels interrogés ne demandent pas seulement de savoir mieux rédiger des prompts. Ils citent le temps d’apprentissage, des règles compréhensibles, un accompagnement dans la durée, des outils autorisés et une capacité réelle à contrôler les résultats.
L’enjeu n’est donc pas d’ajouter une formation à l’IA au catalogue. Il est de créer un environnement dans lequel les formateurs peuvent l’utiliser sans fragiliser la qualité pédagogique, la confidentialité des données ni leur propre jugement professionnel.
Ce que l’étude observe réellement
L’étude de Christine Kreuzer et Josef Guggemos repose sur 15 entretiens semi-directifs avec des professionnels de la formation travaillant dans un grand aéroport international. Elle explore leurs représentations de l’IA générative, leurs usages, les compétences jugées nécessaires et les conditions d’intégration dans la formation en entreprise.
Les personnes interrogées utilisent principalement l’IA pour préparer des supports et rechercher des informations. Elles voient davantage de potentiel dans la préparation et l’évaluation des formations que dans l’animation elle-même. Elles identifient notamment la génération d’idées, l’adaptation des formats et la découverte de points aveugles dans leurs connaissances.
Mais l’usage reste peu systématique. Le manque de temps, de licences, de profondeur dans les formations reçues et de cadre organisationnel limite le passage de l’essai à une pratique maîtrisée. Les résultats produits par l’IA doivent être vérifiés, en particulier dans un environnement où une information erronée peut avoir des conséquences importantes. La sécurité des données, la confidentialité des contenus de formation et la protection des données des participants sont également citées.
Cette étude est évaluée par les pairs, mais elle reste exploratoire. Quinze entretiens dans une seule organisation ne permettent pas de généraliser à toutes les entreprises. Son intérêt tient moins à une mesure représentative qu’à la précision des obstacles observés dans un contexte professionnel exigeant.
Une formation aux prompts ne crée pas une capacité collective
La tentation est forte de réduire la montée en compétence à quelques techniques : formuler une consigne, attribuer un rôle au modèle, préciser le format attendu, demander une vérification. Ces pratiques sont utiles. Elles ne suffisent pas.
Un formateur peut savoir obtenir une réponse convaincante sans savoir si cette réponse est exacte, exploitable, juridiquement acceptable ou pédagogiquement pertinente. Il peut aussi utiliser correctement l’outil tout en travaillant dans une organisation qui ne lui donne ni solution autorisée, ni doctrine de confidentialité, ni temps de test, ni interlocuteur en cas de doute.
La compétence individuelle devient alors fragile. Elle dépend d’initiatives isolées et produit des pratiques hétérogènes : certains renoncent, d’autres expérimentent sans cadre, d’autres encore utilisent des outils personnels avec des données qui n’auraient pas dû y être versées.
Former à l’IA doit donc articuler trois niveaux : savoir utiliser l’outil, savoir juger ses productions et savoir agir dans les règles de l’organisation. La qualité repose sur leur combinaison.
Le temps est une condition de qualité
Le temps apparaît à plusieurs reprises dans les entretiens : temps pour apprendre, pour tester, pour suivre l’évolution des outils et pour construire l’acceptation. Ce constat paraît banal. Il est pourtant souvent absent des plans de déploiement.
Accorder une licence sans prévoir de temps d’appropriation revient à mesurer uniquement la vitesse de prise en main. Or les usages les plus simples ne sont pas nécessairement les plus utiles. Générer un premier texte est immédiat ; apprendre à comparer des versions, repérer une erreur plausible, protéger une information sensible et évaluer la valeur pédagogique demande de la pratique.
Pour une direction formation, le temps consacré à cette appropriation n’est pas un coût périphérique. C’est une mesure de maîtrise des risques et de développement des compétences. Il peut être structuré sous forme de séances d’essai, de revues de cas, de retours d’expérience et de temps de comparaison sans IA.
Les règles doivent permettre d’agir
Les professionnels interrogés demandent un cadre qui autorise l’usage tout en le délimitant. Cette nuance est importante. Une charte trop générale rassure peu ; une interdiction globale déplace les usages hors du champ de visibilité de l’organisation.
Un cadre opérationnel répond à des questions simples : quels outils sont autorisés ? Quelles données ne doivent jamais être saisies ? Quels contenus exigent une validation humaine ? Comment signaler une erreur ou un incident ? Quelles traces faut-il conserver ? Dans quels cas faut-il s’abstenir ?
Pour la formation, il faut ajouter des règles propres au métier : peut-on utiliser l’IA pour générer des questions d’évaluation ? Qui vérifie les réponses attendues ? Les données d’un LMS peuvent-elles être analysées par un service externe ? Comment informer les participants lorsque l’IA intervient dans un parcours ? Comment éviter qu’un gain de production ne masque une baisse de l’apprentissage réel ?
Le cadre utile n’est pas celui qui décrit toutes les situations possibles. C’est celui qui rend les décisions ordinaires plus sûres et indique vers qui se tourner lorsque le cas sort du cadre.
Le support transforme l’expérimentation en apprentissage collectif
L’étude évoque l’intérêt d’une équipe de support ou de coaching capable de traiter des questions concrètes. Ce point distingue un déploiement durable d’une succession d’ateliers ponctuels.
Les problèmes apparaissent dans le travail réel : un document est mal interprété, une consigne produit des sorties instables, une donnée semble nécessaire mais peut être sensible, un quiz paraît correct sans mesurer la compétence visée. Ces situations sont difficiles à anticiper dans une formation initiale.
Un dispositif léger peut suffire : permanence mensuelle, canal de questions, bibliothèque de cas validés, binôme métier-DPO ou métier-RSSI selon les sujets, et revue trimestrielle des usages. L’objectif n’est pas de centraliser chaque prompt. Il est de rendre visibles les difficultés récurrentes et de transformer les solutions locales en ressources partagées.
Préserver l’autonomie pédagogique
Une deuxième étude publiée la même semaine a recueilli les priorités de 33 formateurs d’adultes à Singapour. Elle identifie trois profils : des formateurs attachés à une progression structurée et dialoguée, d’autres qui privilégient la construction de sens et la flexibilité guidée, et d’autres encore qui mettent l’accent sur l’authenticité des situations et l’adaptation aux contextes réels.
Cette diversité rappelle qu’un outil commun ne doit pas imposer une pédagogie unique. Un assistant conçu pour standardiser rapidement des contenus peut entrer en tension avec le besoin d’adapter les activités à l’expérience des adultes, aux situations de travail et aux retours des parties prenantes.
La question n’est pas seulement « l’IA produit-elle un bon support ? ». Il faut aussi demander : quelles décisions pédagogiques incorpore-t-elle ? Qu’est-ce qui devient plus visible, plus facile ou au contraire moins probable ? Le formateur conserve-t-il la possibilité de modifier le parcours à partir des besoins observés ?
Une perspective publiée dans Communications Psychology formule ce risque à une échelle plus large. Les auteurs décrivent l’IA générative comme une infrastructure qui peut concentrer dans une même interface l’explication, le feedback, l’évaluation et la production de contenus. Leur article n’est pas une étude expérimentale et porte principalement sur l’éducation scolaire. Il ne faut donc pas transposer directement ses conclusions aux adultes. Il offre néanmoins un cadre utile : lorsqu’un outil prend en charge plusieurs fonctions, il influence progressivement les normes de ce qui compte comme une bonne explication, une bonne réponse ou un apprentissage réussi.
Mesurer autre chose que le temps gagné
Le temps de production économisé est facile à observer. La qualité d’apprentissage, l’autonomie du formateur et la maîtrise des risques le sont moins. C’est précisément pourquoi ils doivent être définis avant le déploiement.
Un pilote sérieux peut suivre quelques indicateurs simples : temps réellement économisé après vérification, taux de corrections importantes, catégories d’erreurs, réutilisation des productions, satisfaction des formateurs, performance des apprenants sans assistance, incidents de confidentialité et diversité des méthodes pédagogiques utilisées.
Il faut aussi prévoir une comparaison. Une production plus rapide est-elle vraiment meilleure que le processus précédent ? Une évaluation générée automatiquement mesure-t-elle la compétence visée ? Les participants savent-ils expliquer ou appliquer ce qu’ils ont réussi avec l’IA ?
Les données d’usage d’OpenAI publiées le 16 septembre 2026 montrent que certains salariés reviennent à des tâches historiquement associées à d’autres métiers. Ce signal suggère que les frontières de rôle peuvent se déplacer avant les intitulés de poste. Il provient toutefois du fournisseur lui-même, sur des utilisateurs de ChatGPT Business, et ne mesure ni la qualité du travail ni les compétences acquises. Il ne doit donc pas servir de preuve d’un bénéfice, mais de question pour le pilotage : quelles nouvelles responsabilités les outils font-ils réellement entrer dans le rôle des formateurs ?
Six conditions pour un déploiement utile
À partir de ces travaux, six conditions peuvent structurer une intégration responsable de l’IA dans la formation interne.
1. Partir des tâches et des objectifs pédagogiques. Identifier les activités où l’IA enlève une friction sans supprimer l’effort qui permet d’apprendre.
2. Prévoir du temps d’appropriation. Organiser des essais, des comparaisons et des retours d’expérience dans le temps de travail.
3. Définir des règles opérationnelles. Préciser les outils autorisés, les données interdites, les validations attendues, les traces utiles et les cas d’abstention.
4. Installer un support continu. Donner accès à un interlocuteur et transformer les questions récurrentes en ressources partagées.
5. Maintenir la responsabilité humaine. Le formateur reste responsable des objectifs, du scénario, des contenus, de l’évaluation et de l’adaptation au public.
6. Mesurer les effets réels. Suivre la qualité, les erreurs, l’apprentissage sans assistance, la sécurité et l’évolution des rôles, pas seulement le volume produit.
Conclusion
L’intégration de l’IA en formation ne se joue pas dans la qualité d’un atelier d’initiation, ni dans le nombre de prompts distribués. Elle se joue dans l’organisation du travail qui suit.
Les formateurs ont besoin de compétences, mais aussi de temps, de règles, de support et d’un droit au jugement professionnel. Sans ces conditions, l’IA reste un outil individuel dont les usages sont difficiles à maîtriser. Avec elles, elle peut devenir un véritable objet d’ingénierie : un moyen d’améliorer certaines tâches tout en protégeant ce qui fait la valeur de la formation, à savoir l’apprentissage, l’adaptation au contexte et la capacité d’agir sans dépendre entièrement de l’outil.