L'IA en entreprise4 min de lecture

Mesurer la formation IA au-delà du taux de complétion

Avec l'échelle MOVE, démontrez l'impact de la formation IA sur les pratiques, la qualité du travail et la sécurité des décisions — et pas seulement sur la complétion des cours.

Bokili EditorialPublié le 11 août 2026· Vérifié le 11 août 2026

A five-stage evidence ladder rises from course completion to safe workplace decisions.

Le taux de complétion répond à une question utile mais limitée : qui a terminé la formation ? Il n'indique pas si les collaborateurs savent cadrer une tâche, protéger les données, vérifier un résultat, améliorer le travail ou reconnaître quand ne pas utiliser l'IA.

Le défi n'est pas de trouver un indicateur unique d'adoption de l'IA. Il s'agit de construire une chaîne de preuves courte, de la pratique aux comportements professionnels jusqu'aux résultats, tout en gardant la sécurité et la qualité visibles.

Mesurez la compétence, pas le clic

Le cadre de gestion des risques IA du NIST aborde la mesure comme un ensemble de méthodes quantitatives, qualitatives ou mixtes pour analyser, évaluer, comparer et suivre les risques et impacts de l'IA. Sa fonction 'Measure' préconise des métriques adaptées, des tests documentés, une réévaluation régulière et des preuves éclairant les décisions managériales. C'est un meilleur modèle pour les équipes formation qu'un tableau de bord basé uniquement sur la participation.

	Activity metric	Capability evidence
Question	L’apprenant a-t-il terminé ?	L’apprenant sait-il adopter le comportement attendu ?
Unité	Cours, place ou module	Mission, décision ou échantillon de travail
Signal	Exposure	Pratique, jugement et transfert
Pilote	Learning team	Équipe formation, responsables du processus et des risques
Action	Send a reminder	Accompagner, repenser, ajuster les contrôles ou escalader

Utilisez l'échelle de preuves MOVE

MOVE : quatre niveaux de preuve de formation

M — Missions tentées

Suivez si les participants s'exercent sur des tâches représentatives, au lieu de juste regarder ou lire. Notez les essais, les nouvelles tentatives et quand ils demandent de l'aide.

O — Actions observables

Évaluez un ensemble d'actions visibles : choisir un outil approuvé, protéger les données d'entrée, énoncer les hypothèses, vérifier les sources, documenter la relecture et escalader.

V — Valeur et qualité du travail

Évaluez par échantillon si le travail final est plus clair, précis, rapide à corriger ou facile à auditer. Utilisez une référence et un relecteur qui comprend la tâche.

E — Jugement d'escalade

Testez si les personnes s'interrompent, refusent ou orientent correctement une tâche quand les données, l'incertitude ou les conséquences dépassent un seuil.

Ne réduisez pas MOVE à un score de complaisance

Une équipe très active peut produire un travail de faible qualité ou non sécurisé. Maintenez visibles et distincts les indicateurs d'adoption, de qualité et de risque.

Définir une décision avant les métriques

Partez de la décision managériale que les preuves doivent soutenir. « Prouver que le programme a fonctionné » est trop vague. Préférez : quelle équipe coacher, quel workflow déployer, si un contrôle est compris, ou si la tâche de formation est irréaliste.

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

Commencer

Concevoir un plan de mesure minimal

1
1. Nommer le comportement
Décrivez une action observable, comme ouvrir la source citée avant d'utiliser une affirmation factuelle.
2
2. Établir une référence
Donnez la tâche à un échantillon représentatif avant la formation ou évaluez la qualité du travail actuel avec une grille cohérente.
3
3. Ajouter un signal de pratique
Utilisez une mission réaliste incluant une erreur, une ambiguïté ou une décision sur les limites des données. Notez les essais et les besoins en coaching.
4
4. Mesurer le transfert
Après un délai adéquat, examinez un petit ensemble de travaux réels ou simulés avec la même grille de comportement.
5
5. Décider de la réponse
Définissez à l'avance quelles preuves déclencheront un coaching, une refonte du workflow, un changement de contrôle ou une escalade.

Exemple pratique : brief client assisté par IA

Une équipe de conseil apprend à utiliser un assistant approuvé pour ses ébauches. Le suivi atteint 94 %, mais cela ne dit pas si le workflow est prêt à être déployé. L'équipe choisit quatre comportements : supprimer les données restreintes, formuler la question client, vérifier chaque affirmation externe et consigner la relecture humaine.

	Evidence layer	Example indicator
Missions	Part des personnes qui réalisent un brief réaliste ; essais avant réussite	Étapes où les apprenants abandonnent ou demandent de l’aide
Actions observables	Part des personnes qui protègent les entrées et ouvrent les sources décisives	Part des personnes qui consignent le nom d’un réviseur
Valeur et qualité	Évolution de l’exactitude, de la clarté et de l’effort de révision selon la grille	Temps gagné uniquement si la qualité est préservée
Escalade	Bonne réaction face à une affirmation non étayée introduite dans l’exercice	Bon acheminement d’un scénario impliquant des données sensibles

L'exemple combine délibérément chiffres et analyse. Le NIST note que mesurer le risque IA peut exiger des méthodes qualitatives et quantitatives, et que les métriques doivent être parlantes. Un commentaire de grille peut expliquer un score ; un décompte peut montrer si le schéma est généralisé.

Évitez quatre pièges de la mesure

Point sur les métriques

Ne considérez pas la fréquence de connexion comme une preuve d’adoption utile.
N’annoncez pas de gain de temps sans contrôler les reprises et la qualité.
Ne mesurez pas seulement les tâches simples tout en généralisant les tâches à fort impact.
Ne récompensez pas le volume de production lorsque la vérification est requise.
Ne comparez pas comme équivalentes des équipes ayant des outils, tâches ou accès différents.
Ne collectez pas de contenu ou de télémétrie des employés au-delà d’une finalité claire et licite.
Ne masquez pas l’incertitude dans un score composite unique.
Documentez bien qui examine les preuves et quelle décision en découle.

Améliorez un tableau de bord de suivi

Choisissez une formation IA dotée d’un indicateur de complétion.
Décrivez le comportement professionnel qu’elle doit faire évoluer.
Concevez une mission de cinq minutes qui rend ce comportement observable.
Choisissez un critère de qualité du travail et une limite de sécurité.
Décidez comment échantillonner le transfert sans collecter de contenu inutile.
Indiquez la décision d’accompagnement ou de contrôle déclenchée par chaque signal.

Un bon système de mesure ne fait pas que justifier la formation. Il aide l'organisation à décider où la compétence est réelle, où la confiance dépasse le savoir-faire et où le workflow ou le contrôle — et non l'apprenant — doit évoluer.

Bokili fournit le niveau « Missions » de MOVE : des exercices courts qui rendent le comportement visible via les essais, décisions et retours. Couplez ces preuves à un échantillonnage attentif du travail et à une revue opérationnelle responsable.