L’expression s’est installée très vite dans les offres d’emploi, les profils LinkedIn, les référentiels internes et les discours de transformation. Chacun affirme désormais rechercher ou posséder une certaine aisance avec l’intelligence artificielle. Pourtant, derrière ce vocabulaire devenu presque réflexe, la réalité reste floue. Pour certains, l’AI fluency signifie savoir utiliser un assistant génératif pour reformuler un texte. Pour d’autres, elle renvoie à la capacité de piloter des outils plus complexes, d’organiser un workflow hybride, de superviser des résultats, d’identifier des biais ou de faire évoluer un processus grâce à l’IA. Cette ambiguïté pose un problème majeur aux entreprises : comment recruter, promouvoir ou développer une compétence que l’on définit mal ?
Le risque est déjà visible. Beaucoup d’organisations valorisent des signaux faibles ou trompeurs. Un candidat qui maîtrise bien le jargon technologique peut sembler avancé sans l’être réellement. Un collaborateur très confiant dans son usage des outils peut en réalité s’appuyer sur des automatismes fragiles, sans véritable esprit critique ni compréhension des limites. À l’inverse, une personne moins démonstrative peut utiliser l’IA avec beaucoup de rigueur, de discernement et d’efficacité, sans forcément se présenter comme “experte”. Tant que les RH ne structurent pas mieux leur évaluation, elles risquent de survaloriser les profils les plus visibles au détriment des plus fiables.
Ce décalage est d’autant plus problématique que l’AI fluency ne relève pas d’une compétence purement technique au sens classique. Elle ne suppose pas nécessairement de coder, d’entraîner des modèles ou de construire une architecture d’IA. Dans la plupart des métiers, elle désigne plutôt une capacité à utiliser et encadrer intelligemment des outils déjà disponibles. Cela implique de savoir quand les mobiliser, comment formuler la demande, comment interpréter la réponse, comment vérifier la qualité, comment protéger les données et comment intégrer l’outil dans une chaîne de travail sans céder son jugement. En d’autres termes, l’AI fluency se situe au croisement de la technique, du métier et du discernement.
Pour les DRH, cela change tout. On ne peut pas évaluer cette compétence avec une question vague en entretien, ni avec une auto-déclaration. Il faut observer des comportements, tester des réflexes, mettre les candidats ou les collaborateurs en situation et mesurer leur capacité à transformer un outil puissant en travail réellement utile. C’est précisément cette exigence qui va distinguer, dans les prochaines années, les entreprises capables de reconnaître les bons profils de celles qui continueront à se laisser impressionner par des usages de surface.
L’AI fluency ne se résume pas à savoir utiliser un outil
La première clarification indispensable consiste à sortir d’une confusion très répandue : utiliser ponctuellement une IA ne signifie pas posséder une réelle AI fluency. Un collaborateur peut avoir déjà produit des emails, résumé des réunions ou reformulé des textes avec un assistant génératif sans savoir pour autant intégrer cet usage dans un processus métier robuste. La différence entre les deux est essentielle. L’outil peut être manipulé de manière intuitive. La compétence, elle, suppose de la méthode, du recul et une capacité à juger la pertinence de ce que la machine produit.
L’AI fluency comporte en réalité plusieurs dimensions. Il y a d’abord la capacité à utiliser l’outil. Cela implique de savoir structurer une demande, contextualiser un besoin, décomposer un problème, itérer, reformuler et ajuster les consignes. Mais cette première couche ne suffit pas. Il y a ensuite la capacité à gérer l’outil dans un contexte professionnel. Cela signifie comprendre ses limites, détecter les erreurs plausibles, vérifier les sources, identifier les risques de biais ou d’inexactitude, et savoir quand ne pas s’en remettre à lui. Enfin, dans certains rôles, une troisième dimension devient décisive : la capacité à organiser le travail autour de l’IA, c’est-à-dire à repenser un workflow, à encadrer des usages d’équipe, à clarifier des responsabilités de validation et à maintenir une qualité d’exécution malgré l’automatisation.
Cette lecture oblige les RH à revoir leurs critères. Si l’on continue à associer l’AI fluency à une simple familiarité logicielle, on sous-évalue sa portée réelle. Dans un poste commercial, elle peut signifier savoir exploiter des synthèses automatiques sans perdre la finesse de la relation. Dans un métier RH, elle peut consister à accélérer une présélection tout en évitant les biais ou les raccourcis dangereux. Dans une fonction managériale, elle peut renvoyer à la capacité de comprendre ce que les outils changent dans l’équipe et de réorganiser les rôles en conséquence. Dans une fonction d’expertise, elle peut signifier auditer des sorties générées et sécuriser leur conformité.
Autrement dit, l’AI fluency n’est pas une compétence uniforme. Elle prend une forme différente selon les métiers. Ce constat a une conséquence directe : il faut cesser de l’évaluer comme un bloc générique. Une entreprise sérieuse doit définir, pour chaque grande famille de fonctions, ce que cette compétence recouvre concrètement. Sans cela, elle ne fera que mesurer une impression de modernité au lieu d’évaluer une capacité professionnelle réelle.
Cette précision est d’autant plus importante que le marché entre dans une phase d’inflation déclarative. De plus en plus de candidats affirment maîtriser l’IA parce qu’ils en perçoivent la valeur de signal. Si les RH ne raffinent pas leur lecture, elles seront mécaniquement exposées à des surpromesses. Le sujet n’est donc pas de repérer qui a déjà touché à un outil. Le sujet est de distinguer qui sait en faire un levier de travail, avec méthode et responsabilité.
Les meilleures évaluations sont pratiques, contextualisées et critiques
Une fois cette définition clarifiée, la question devient méthodologique : comment évaluer cette compétence sans tomber dans le déclaratif ? La réponse est simple en principe, mais plus exigeante en pratique : il faut observer l’usage en situation. L’AI fluency ne se voit pas dans une réponse abstraite à la question “utilisez-vous l’IA ?”. Elle se révèle dans la manière dont une personne aborde un problème réel avec un outil intelligent.
Les entretiens et assessments doivent donc intégrer des cas pratiques. Un candidat à un poste marketing peut recevoir un document d’analyse marché et disposer d’un outil génératif pour construire une proposition d’actions. Un recruteur peut être placé face à plusieurs profils et invité à expliquer comment il utiliserait l’IA pour structurer sa présélection sans renoncer à son discernement. Un manager peut être confronté à un cas de pilotage d’équipe augmentée, avec des alertes ou des synthèses produites automatiquement, et devoir expliquer ce qu’il garde sous contrôle humain. Dans chaque cas, le recruteur ne doit pas seulement regarder le résultat final. Il doit observer le processus.
Ce processus dit presque tout. Le candidat sait-il clarifier le besoin avant de solliciter l’outil ? Décompose-t-il sa demande en plusieurs séquences cohérentes ou formule-t-il une requête vague en espérant un miracle ? Sait-il itérer plutôt que prendre la première réponse venue ? Vérifie-t-il les faits, les chiffres, les formulations sensibles ? Ajoute-t-il une vraie valeur de contexte, de nuance ou de jugement ? Ou bien se contente-t-il de mettre en forme une sortie produite par la machine sans la retravailler ? C’est dans ces détails que l’AI fluency se distingue de l’usage superficiel.
Une autre épreuve devient particulièrement pertinente : celle du piège algorithmique. Il ne suffit pas de savoir faire produire quelque chose à un outil. Il faut aussi savoir repérer ce qu’il produit mal. Les RH ont donc intérêt à soumettre des contenus apparemment convaincants, mais contenant des erreurs subtiles, des biais, des contradictions ou des approximations. L’objectif est clair : mesurer la vigilance. Un candidat mature ne se laisse pas anesthésier par une réponse fluide. Il vérifie, doute, contextualise et prend le temps de sécuriser ce qui doit l’être.
Ce point est crucial car l’AI fluency est aussi une compétence de retenue. Savoir utiliser l’IA, ce n’est pas seulement savoir aller vite. C’est aussi savoir où s’arrêter, où reprendre la main, quand refuser une automatisation trop risquée, et comment distinguer une aide utile d’une réponse séduisante mais fragile. Cette maturité critique est souvent ce qui manque le plus chez les profils encore novices. Elle mérite donc d’occuper une place centrale dans l’évaluation.
Les référentiels RH doivent évoluer pour suivre la réalité du travail
Évaluer correctement l’AI fluency ne peut pas rester une initiative isolée de quelques recruteurs ou managers sensibilisés. Il faut inscrire cette compétence dans les référentiels RH, et le faire intelligemment. Cela signifie d’abord la découper en composantes évaluables : usage opérationnel, qualité des requêtes, contrôle de fiabilité, gestion des risques, intégration dans le workflow, capacité à faire progresser le collectif, selon les rôles concernés. Tant que cette compétence reste formulée de manière vague, son évaluation restera arbitraire.
Il faut ensuite l’intégrer dans les dispositifs de mobilité et de promotion. Dans un nombre croissant de fonctions, l’enjeu n’est plus seulement de savoir si un collaborateur utilise l’IA, mais de voir s’il aide l’organisation à mieux travailler avec elle. Partage-t-il ses bonnes pratiques ? Signale-t-il les limites récurrentes des outils ? Améliore-t-il les processus ? Fait-il progresser son équipe dans la qualité d’usage ? Ces dimensions deviennent particulièrement importantes dans l’évaluation des managers et des profils à potentiel. On ne pourra pas durablement promouvoir des responsables incapables de comprendre ce que l’IA change dans les rôles, les rythmes et les modes de contrôle.
Cette évolution suppose aussi une vigilance d’équité. Les entreprises doivent éviter de transformer l’AI fluency en critère de sélection brutal, alors même que les conditions d’apprentissage restent très inégales selon les métiers, les générations, les managers ou les niveaux d’équipement. Évaluer ne signifie pas exclure. Cela signifie objectiver les écarts pour mieux construire les parcours de développement. Une bonne politique RH doit donc articuler évaluation et montée en compétence. Sinon, elle se contentera d’identifier les plus avancés sans aider les autres à progresser.
Enfin, il faut garder une idée simple en tête : l’AI fluency est une compétence dynamique. Ce que l’on mesure aujourd’hui ne sera pas figé demain. Les outils évoluent, les usages se déplacent, les exigences montent. Les entreprises les plus solides seront celles qui accepteront d’actualiser régulièrement leur définition de cette compétence, au lieu d’en faire un label figé. Les RH devront donc faire vivre leurs référentiels comme elles devront faire vivre leurs politiques de formation.
Évaluer l’AI fluency revient à répondre à une question plus large : dans un environnement où la machine produit plus vite, qu’est-ce qui distingue encore un professionnel réellement compétent ? La réponse n’est pas dans la simple maîtrise d’un outil. Elle est dans la capacité à l’utiliser sans perdre le métier, à accélérer sans dégrader la qualité, à vérifier sans se laisser submerger, et à faire travailler la technologie sans renoncer à la responsabilité humaine. Les entreprises qui sauront reconnaître cette compétence avec précision prendront une longueur d’avance. Les autres continueront à confondre aisance déclarée et maturité réelle.
