Guides de déploiement4 min de lecture

Formation IA des collaborateurs : 3 tâches pour un premier bilan

Avant de choisir une formation IA, testez trois compétences observables : choisir une tâche adaptée, protéger les données et vérifier les résultats.

Bokili EditorialPublié le 25 août 2026· Vérifié le 25 août 2026

Évaluation en trois tâches pour la formation IA : choix du cas d’usage, protection des données et vérification

La formation IA des collaborateurs doit partir de leurs compétences réelles sur une tâche concrète, pas d'un sondage ou d'un catalogue de cours. Un bref exercice en trois tâches révèle si un employé sait choisir un cas d'usage pertinent, protéger ses données et vérifier le résultat. Le service L&D peut alors cibler les lacunes observées, sans imposer le même parcours à tous.

Ceci est un diagnostic pratique pour la formation, pas un test juridique ni un classement des employés. Utilisez des contenus synthétiques ou approuvés, notez uniquement les comportements observables et utilisez le résultat pour choisir un accompagnement. L'objectif est un point de départ équitable pour l'apprentissage.

Pourquoi évaluer le niveau des équipes avant de choisir une formation IA

La FAQ de la Commission européenne sur la littératie IA indique que les organisations doivent tenir compte des connaissances techniques, de l'expérience et de la formation des personnes, ainsi que des systèmes d'IA et du contexte. L'article 4 n'oblige pas les employeurs à mesurer les connaissances de chaque employé ou à garantir un niveau individuel. L'évaluation initiale est donc un choix : elle aide à rendre la formation pertinente, sans être présentée comme un certificat de conformité.

La taxonomie d'usage de l'IA du NIST offre un prisme utile. Elle décrit les activités homme-IA en fonction des objectifs et des résultats, indépendamment de la technique ou du secteur. Cela appuie une évaluation axée sur les comportements professionnels plutôt que sur des détails produits. L'OCDE rapporte aussi que les compétences restent clés pour un usage efficace de l'IA générative et que la formation est encore rare dans les PME.

L'évaluation en trois tâches

1
1. Choisir
Donnez trois demandes professionnelles fictives. Demandez au participant laquelle est adaptée à un outil d'IA approuvé, laquelle exige un cadre plus strict et laquelle doit rester humaine.
2
2. Protéger
Montrez un brouillon de prompt contenant une information personnelle ou confidentielle superflue. Demandez au participant de la supprimer ou de la remplacer et d'indiquer les sources autorisées.
3
3. Vérifier
Fournissez une courte réponse de l'IA avec une affirmation non étayée. Demandez au participant de la vérifier dans les sources, de la corriger et de décider si une relecture humaine est nécessaire.

Notez quatre comportements observables

Pertinence

Sait si l'IA est adaptée à l'objectif et aux conséquences de la tâche.

Données d'entrée

N'utilise que les informations approuvées et nécessaires, et repère ce qui doit être retiré.

Vérification

Vérifie les affirmations clés dans les sources fournies au lieu de se fier au texte.

Jugement

Sait quand corriger, demander une relecture, remonter ou arrêter.

Utilisez une échelle simple de 0 à 2 : 0 si l'action est absente ou risquée, 1 si elle apparaît après une indication, 2 si elle est autonome et justifiée. Le score doit rester descriptif et guider le prochain exercice, non devenir une note de performance. Si des décisions professionnelles sont en jeu, impliquez les RH, les représentants du personnel et les experts juridiques ou égalité avant toute évaluation.

Exemple concret : un résumé d'appel d'offres

Lire, c'est bien. Pratiquer, ça change tout.

Commencer

Un acheteur fictif reçoit une note de fournisseur et doit préparer un comparatif de six lignes pour son manager. Tâche 1 : le participant doit voir qu'il peut résumer des spécifications publiques, mais pas saisir une offre confidentielle ou demander à l'IA de choisir le gagnant. Tâche 2 : il remplace un vrai nom et un prix non publié par des données fictives. Tâche 3 : le brouillon de l'IA affirme qu'un fournisseur est « entièrement conforme », alors que les documents indiquent une certification en attente. Le participant doit corriger, citer la source et laisser la décision finale à un humain.

	Observed result	Training response
Choisit un usage risqué ou vague	Task-fit gap	Practise use selection, consequences and stop conditions
Laisse des données sensibles dans le prompt	Input-boundary gap	Practise data minimisation with approved examples
Accepte l'affirmation non étayée	Verification gap	Practise source tracing and evidence labels
Corrige le brouillon mais prend la décision	Judgment gap	Practise review ownership and escalation
Gère les trois tâches en autonomie	Ready for transfer	Move to a fresh role-relevant task

Une évaluation juste et utile

Sept garde-fous pour le diagnostic

Use the same instructions, time and approved tools for comparable learners.
Use synthetic, public or otherwise approved content.
Test ordinary work behaviours, not obscure product features.
Explain that the purpose is training selection, not surveillance.
Allow accessibility adjustments without changing the target behaviour.
Keep written anchors for 0, 1 and 2 on every behaviour.
Review patterns at cohort level before drawing conclusions about individuals.

Traduire le résultat en parcours de formation

L'évaluation doit déboucher sur la pratique. Utilisez la matrice de compétences IA par rôle pour nommer les aptitudes attendues, le guide de littératie par risque pour adapter le niveau au contexte, le guide d'objectifs de développement équitables pour fixer la prochaine étape et le programme ChatGPT en quatre semaines si l'outil est concerné. La page RH et L&D de Bokili explique comment de brefs exercices appuient un plan de formation global.

Créez l'évaluation en dix minutes

Choose one low-risk task that many employees recognise.
Write one suitable AI use, one use needing tighter boundaries and one use that should remain human.
Add one unnecessary sensitive detail to a synthetic prompt.
Add one unsupported claim to a synthetic AI output and attach two short source notes.
Write the four scoring anchors and the training action for each possible gap.

Évitez les tests secrets

Expliquez aux employés ce qui est observé, l'usage des résultats et qui peut y accéder. Un audit initial est efficace s'il inspire confiance et oriente la pratique. Il échoue s'il se résume à un score inexpliqué.

Le meilleur audit initial est assez court pour précéder le choix des cours, et assez concret pour l'influencer. Trois exercices peuvent révéler si le premier besoin est le choix du cas d'usage, la sécurité des inputs, la vérification ou le jugement humain. C'est un meilleur point de départ pour la formation IA que de supposer que chaque apprenant a les mêmes lacunes.