Les entreprises ont souvent abordé l’intelligence artificielle par l’équipement. Elles ont ouvert des accès, testé des licences, diffusé des assistants, encouragé des expérimentations, parfois avec enthousiasme, parfois avec prudence. Cette première phase a été utile. Elle a permis de découvrir des cas d’usage, de mesurer les gains possibles et de repérer les populations les plus réactives. Mais elle atteint aujourd’hui ses limites. Car une organisation ne crée pas de valeur durable avec quelques experts informels et une majorité de collaborateurs laissés à leur propre débrouille. Dès lors que l’IA s’installe dans le quotidien, la question change de nature : comment faire monter en compétence un corps social entier, avec des métiers, des niveaux de maturité et des usages très différents ?
Cette question est plus complexe qu’il n’y paraît, car l’AI fluency ne se réduit pas à savoir utiliser un outil. Elle désigne une aisance plus large : comprendre ce que l’IA peut faire, savoir à quel moment s’en servir, poser une requête utile, vérifier les résultats, détecter les erreurs, connaître les limites, protéger les données, intégrer l’outil dans son propre workflow et, pour certains rôles, piloter des équipes ou des processus devenus hybrides. Autrement dit, l’AI fluency relève autant de l’usage que du jugement. C’est ce qui en fait une compétence critique, mais aussi difficile à diffuser avec des approches de formation traditionnelles.
Beaucoup d’entreprises s’y trompent encore. Elles lancent des webinaires génériques, des modules e-learning standardisés ou quelques ateliers de démonstration, puis considèrent que le sujet est traité. En réalité, ces dispositifs produisent souvent une culture superficielle. Les collaborateurs ont entendu parler des outils, parfois testé quelques fonctions, mais ne savent pas encore comment les mobiliser dans leur contexte réel. Le risque est alors double. D’un côté, une minorité avance vite et capte l’essentiel des bénéfices. De l’autre, la majorité développe soit une dépendance fragile à des usages mal maîtrisés, soit une forme de retrait silencieux. L’entreprise crée alors une fracture de maturité qui finit par peser sur la performance, la coopération et même l’équité des trajectoires.
Pour les DRH, le déploiement de l’AI fluency devient donc un chantier structurant. Il touche à la formation, mais aussi à la cartographie des compétences, à la gestion des populations, à la refonte des rôles, au management de proximité et à la culture de l’apprentissage. Surtout, il impose une règle simple : on ne forme pas à l’IA comme on formait à un nouveau logiciel. Il faut construire des parcours différenciés, reliés au travail réel, ancrés dans des situations concrètes, et pensés comme une montée en compétence continue. Ce n’est pas un programme ponctuel. C’est un nouveau socle de développement professionnel.
Commencer par mesurer le vrai niveau de maturité, pas seulement l’exposition aux outils
La première erreur serait de croire qu’un collaborateur équipé est un collaborateur compétent. Beaucoup d’entreprises confondent accès et maîtrise. Elles pensent que parce qu’un assistant est disponible, les équipes sauront naturellement l’utiliser à bon escient. En pratique, les écarts sont considérables. Certains savent déjà décomposer un problème, formuler une requête précise, itérer, contrôler le résultat et intégrer l’outil dans leur rythme de travail. D’autres restent dans des usages très élémentaires. D’autres encore n’osent pas vraiment s’en servir, ou s’en servent de manière ponctuelle sans logique structurée.
Les DRH doivent donc ouvrir leur démarche par un audit sérieux de maturité. Non pas un audit théorique, mais une lecture précise des usages, des blocages et des compétences déjà présentes. Qui utilise l’IA ? Pour quoi faire ? Avec quelle fréquence ? Avec quel niveau de contrôle ? Quels métiers ont déjà développé des routines utiles ? Quels collaborateurs restent en retrait ? Quels risques apparaissent déjà : usage non sécurisé, confiance excessive dans les sorties, mauvaise qualité des prompts, absence de vérification, ou au contraire sous-utilisation complète malgré des cas d’usage évidents ? Sans cette cartographie, la politique de formation reste aveugle.
Il faut aussi distinguer plusieurs couches de compétence. La première relève de l’appropriation de base : comprendre les principes généraux, connaître les limites, protéger les données, utiliser l’outil sans prendre de risques évidents. La deuxième relève de l’efficacité opérationnelle : savoir intégrer l’IA dans ses tâches réelles, gagner du temps, structurer une demande, comparer les sorties, reformuler, auditer. La troisième relève de l’orchestration : redessiner des workflows, superviser des usages d’équipe, piloter des interfaces entre humains et systèmes, sécuriser la qualité. Toutes les populations n’ont pas besoin du même niveau. Mais toutes ont besoin d’un socle.
Cette analyse doit également s’appuyer sur les compétences transférables déjà disponibles dans l’entreprise. Une personne dotée d’un bon esprit critique, d’une forte capacité de résolution de problèmes, d’un sens du détail développé ou d’une bonne qualité rédactionnelle possède souvent de meilleures bases pour progresser dans l’AI fluency qu’un collaborateur simplement curieux des outils. L’AI fluency ne naît pas dans le vide. Elle s’appuie sur des aptitudes préexistantes qu’il faut savoir reconnaître, valoriser et développer.
Enfin, les RH doivent regarder la question sous un angle de risque social. Les écarts de maturité sur l’IA peuvent rapidement devenir des écarts de visibilité, de performance et de progression professionnelle. Ceux qui savent utiliser les outils créent plus vite de la valeur, gagnent en autonomie, deviennent ressources pour les autres. Ceux qui restent à distance peuvent être perçus comme moins adaptables, même lorsque leur valeur métier reste forte. C’est pourquoi l’audit de départ ne doit pas seulement servir à construire des parcours. Il doit aussi permettre de prévenir une nouvelle ligne de fracture interne.
Concevoir des parcours différenciés par métiers, rythmes et usages réels
Une fois la cartographie clarifiée, l’entreprise doit résister à la tentation du programme unique. Il n’existe pas de bonne formation universelle à l’IA applicable de la même manière à un recruteur, un juriste, un manager, un technicien de maintenance, un commercial, un communicant ou un contrôleur financier. Les cas d’usage diffèrent, les niveaux de risque diffèrent, les tâches diffèrent, et surtout la place de l’outil dans le travail quotidien diffère. Une stratégie crédible d’AI fluency doit donc s’organiser par familles de rôles.
Pour certaines populations, l’objectif principal sera de réduire la peur et de construire un socle d’autonomie de base. Pour d’autres, il faudra apprendre à structurer des usages plus avancés, à combiner plusieurs outils, à sécuriser la qualité ou à redessiner certaines séquences de travail. Pour les managers, la question va plus loin : ils devront comprendre non seulement comment utiliser l’IA, mais aussi comment superviser une équipe dont les pratiques, les rythmes et les critères de performance se transforment sous l’effet de ces outils. Former un manager à l’IA sans traiter les enjeux d’orchestration, de charge de supervision, de sens du travail et de qualité de pilotage n’a pas beaucoup d’intérêt.
Les parcours doivent donc être ancrés dans les situations réelles. On apprend beaucoup mieux à utiliser l’IA sur un cas de sourcing, une préparation de réunion, une analyse de réclamation, une note de synthèse, une veille réglementaire, un support de vente ou un reporting métier que sur des démonstrations génériques sans lien avec le quotidien. L’enjeu n’est pas de faire aimer l’outil. L’enjeu est de montrer à chacun où il peut être utile, où il devient dangereux, et comment l’intégrer sans perdre son discernement.
Il faut aussi accepter des rythmes d’apprentissage différents. Tout le monde n’a pas besoin ni la capacité de progresser au même niveau en même temps. La bonne logique consiste à fixer un socle commun obligatoire, puis à ouvrir des parcours approfondis pour les populations les plus exposées ou les plus structurantes dans la diffusion des usages. Cette gradation est importante. Elle évite de noyer certains collaborateurs sous des contenus trop avancés, tout en permettant aux équipes les plus concernées d’aller réellement plus loin.
Un autre levier puissant réside dans l’apprentissage entre pairs. Dans beaucoup d’entreprises, les usages les plus féconds émergent du terrain avant d’être stabilisés par la formation. Les RH ont tout intérêt à capitaliser sur ces pionniers, non pour créer une élite fermée, mais pour organiser une diffusion plus horizontale. Référents métiers, communautés d’usage, ateliers de partage, bibliothèques de prompts testés, retours d’expérience commentés : ces formats permettent d’ancrer l’AI fluency dans la pratique, au lieu d’en faire un bloc pédagogique abstrait.
Faire de l’AI fluency une compétence vivante, évaluée et soutenue dans la durée
La dernière erreur serait de traiter l’AI fluency comme un chantier à durée déterminée. Or cette compétence va évoluer avec les outils, les métiers et les politiques d’usage. Ce qui est pertinent aujourd’hui sera parfois insuffisant dans six mois. Les bonnes pratiques vont bouger. De nouveaux risques apparaîtront. De nouveaux cas d’usage émergeront. Une entreprise qui pense “former une fois pour toutes” se trompe de temporalité. L’AI fluency doit devenir une compétence vivante, entretenue, réévaluée et intégrée dans les logiques ordinaires de développement.
Cela implique d’abord de la rendre visible dans les référentiels de compétences. Tant qu’elle reste un sujet périphérique, elle dépendra de la curiosité individuelle. Dès lors qu’elle entre dans les cadres d’évaluation, les parcours de formation, les critères de mobilité et les échanges managériaux, elle change de statut. L’entreprise dit alors clairement : cette compétence compte, non comme un effet de mode, mais comme une composante normale de l’efficacité professionnelle dans un environnement transformé.
Il faut également l’évaluer par la pratique, pas par la seule auto-déclaration. Un collaborateur peut se dire “à l’aise avec l’IA” et en avoir une maîtrise très superficielle. À l’inverse, une personne peu démonstrative peut l’utiliser avec discernement et rigueur. Les entreprises ont donc intérêt à développer des évaluations liées à des cas réels : qualité des requêtes, capacité à vérifier une sortie, pertinence d’intégration dans un workflow, maîtrise des règles de sécurité, usage critique des résultats. C’est cette approche qui permettra d’éviter une inflation de compétences affichées mais peu solides.
Les managers doivent eux aussi être impliqués. Pas pour devenir experts techniques, mais pour intégrer l’AI fluency dans leur rôle d’accompagnement. Ils doivent savoir repérer qui avance, qui bloque, qui prend des risques mal maîtrisés, qui peut devenir ressource pour le collectif, et comment ajuster les attentes selon les niveaux de maturité. Une organisation qui forme sans engager les managers crée un apprentissage sans ancrage. Une organisation qui implique les managers sans les outiller produit de la pression plutôt que de la progression.
Enfin, il faut protéger la légitimité de ceux qui apprennent. Le plus grand risque dans une montée en compétence à grande échelle n’est pas seulement l’échec technique. C’est la création d’un climat où certains se sentent déjà en retard, déjà moins visibles, déjà moins adaptés. Les RH ont ici une responsabilité claire : faire de l’AI fluency un horizon de progression, pas un marqueur brutal de tri entre les “bons” et les autres. Cela passe par des parcours accessibles, des marges d’essai, une reconnaissance des efforts réels et une articulation fine entre exigence et soutien.
Déployer l’AI fluency à grande échelle revient à poser une question simple : l’entreprise veut-elle quelques experts brillants ou une organisation réellement transformée ? Les deux ne se construisent pas de la même manière. Les premières phases d’adoption ont souvent mis en avant les pionniers. La phase qui s’ouvre doit désormais construire une compétence collective. Pour les DRH, le sujet est stratégique. L’IA ne créera de valeur durable que si la majorité des collaborateurs sait l’utiliser avec discernement, et si l’entreprise organise cette progression comme un projet de capacité collective, pas comme une option laissée à la seule initiative individuelle.
