IA & formation

IA appliquée à la formation — adaptive learning, content generation.

Au sommaire

1. IA & formation : l'urgence d'un gap que les DRH ne peuvent plus ignorer
2. Formation IA et performance : ce que les données disent réellement
3. Panorama des formations IA disponibles : quel parcours pour quel profil ?
4. Cadre réglementaire et financement de la formation IA : ce que le DRH doit maîtriser
5. Construire un plan de formation IA en entreprise : la méthode en cinq étapes
6. Évaluer les compétences IA de ses collaborateurs : outils, tests et certifications
7. IA responsable en formation : l'angle que trop d'entreprises négligent encore
8. Piloter le ROI de la formation IA : indicateurs, méthode et reporting CODIR
9. Questions fréquentes sur IA & formation

Dernières publications

Cette rubrique va se remplir au fil de l'eau avec des analyses, dossiers et décryptages dédiés. Revenez bientôt.

 

Plus de la moitié des actifs français déclarent déjà recourir à l'IA dans leur travail quotidien. Pourtant, à peine un salarié sur cinq a bénéficié d'une formation IA dans le cadre professionnel, et 71 % des cadres n'ont reçu aucun accompagnement structuré. Cet écart — massif, documenté, mesurable — engage directement la responsabilité du DRH et du responsable formation. De la cartographie des compétences au pilotage des financements disponibles, en passant par le cadre réglementaire et les méthodes d'évaluation, ce guide propose une lecture stratégique de la montée en compétences IA en entreprise.

IA & formation : l'urgence d'un gap que les DRH ne peuvent plus ignorer

Ce que les baromètres révèlent sur l'écart entre usage personnel et usage professionnel

Les données 2026 dessinent un paysage dont la cohérence est troublante. Selon le baromètre Centre Inffo / CSA (2026), 53 % des actifs mobilisent l'IA au service de leur travail quotidien — un taux qui témoigne d'une adoption déjà massive dans les pratiques individuelles. Pourtant, seuls 38 % des actifs ont suivi une formation IA spécifique. L'écart entre l'usage et la compétence formalisée est structurel, pas conjoncturel.

L'étude Ipsos pour Google (2026) affine ce diagnostic : 21 % seulement des salariés français déclarent avoir reçu une formation à l'IA dans le cadre professionnel. Ce taux monte à 30 % dans les grandes entreprises, mais tombe à 16 % dans les structures de moins de dix personnes — révélant une fracture que la taille de l'organisation amplifie considérablement. Le baromètre 2026 sur l'IA générative en entreprise pousse l'analyse plus loin encore : si 47 % des collaborateurs du secteur privé utilisent l'IA générative au travail, seuls 23 % ont bénéficié d'une formation à l'IA responsable, et 6 % d'une formation approfondie.

Le résultat de cette asymétrie est visible dans les évaluations de compétences réelles. La moyenne au test EvalIA™, qui mesure la maîtrise effective des salariés français, s'établit à 4,9 points sur 30, avec une médiane à 3 sur 30 (Baromètre 2026 des PME sur l'IA). Côté cadres, selon ClaudIn (2026), 71 % n'ont reçu aucune formation à l'intelligence artificielle. Ces données convergent vers un même constat : l'adoption progresse, la compétence ne suit pas.

Pourquoi l'expérimentation informelle ne suffit pas — et crée de nouveaux risques

L'usage informel de l'IA générative en contexte professionnel — sans cadre, sans formation, sans politique interne validée — génère des risques que la direction RH ne peut plus ignorer. Le premier est d'ordre sécuritaire : lorsqu'un salarié transmet des données clients, des contrats ou des informations stratégiques à un modèle de langage tiers non autorisé par la DSI, l'entreprise s'expose à des violations du RGPD et à des fuites d'informations sensibles que les chartes informatiques existantes n'avaient pas anticipées.

Le deuxième risque est organisationnel. Sans formation, les productions assistées par l'IA sont hétérogènes, non reproductibles d'un collaborateur à l'autre, et rarement vérifiées. Les biais présents dans les modèles — qu'il s'agisse de biais de raisonnement, de présentation ou de contenu — restent invisibles pour un utilisateur non formé à les détecter. L'organisation accumule des pratiques disparates sans jamais produire de compétence collective documentée.

C'est précisément ce que la formation permet de corriger : transformer un usage individuel en pratique collective, conforme et évaluable. La Banque de France, dans une étude récente sur l'adoption de l'IA par les entreprises françaises, soulignait que la formation représente « le point faible central de la transition vers l'IA en entreprise, davantage que le coût des outils ou l'accès à la technologie elle-même ». Le DRH est l'interlocuteur naturel pour structurer cette réponse à l'échelle de l'organisation.

Formation IA et performance : ce que les données disent réellement

Les salariés formés utilisent mieux l'IA — données chiffrées par métier

Au-delà du constat du gap, les données disponibles commencent à documenter les effets concrets de la formation. Les analyses issues des baromètres 2025-2026 indiquent que se former à l'IA multiplie par 2,6 la fréquence d'utilisation des outils, et que les collaborateurs formés les mobilisent deux fois plus — mais surtout sur des cas d'usage plus complexes et à plus forte valeur ajoutée.

Ce différentiel n'est pas anodin. Un salarié non formé utilise typiquement l'IA générative pour des tâches simples et répétitives — reformulation d'un texte, recherche d'information basique. Un collaborateur qui a bénéficié d'un parcours structuré mobilise les mêmes outils pour synthétiser de grands volumes de données, automatiser des workflows ou produire des livrables vérifiés. La qualité du prompt, la capacité à détecter les hallucinations et à intégrer les garde-fous nécessaires constituent des compétences qui s'acquièrent, pas des aptitudes innées.

Les tendances sectorielles confirment que les populations les plus concernées ne se limitent pas aux profils techniques. Les fonctions support — RH, juridique, finance, marketing — figurent parmi celles où la formation à l'usage de l'IA générative produit les gains les plus rapides. C'est un argument directement utilisable par le DRH pour justifier un plan de formation transversal, au-delà des seules équipes IT ou data.

Le coût réel de l'inaction pour l'organisation

Retourner le calcul est souvent plus convaincant qu'argumenter sur des bénéfices potentiels. Ne pas former ses équipes à l'IA a un coût — et ce coût se documente à plusieurs niveaux. Dans une organisation où certains collaborateurs ont été formés et d'autres non, les asymétries de compétences deviennent rapidement des sources de tensions, d'iniquité dans la charge de travail et de désengagement. Les entreprises qui identifient la formation comme prioritaire avancent plus vite que celles qui l'ajournent.

Le deuxième niveau est juridique. Le Code du travail impose à l'employeur d'assurer l'adaptation des salariés à leur poste de travail et le maintien de leur employabilité — une obligation qui s'étend explicitement aux évolutions technologiques significatives. Dès lors qu'un poste se transforme sous l'effet de l'IA, l'entreprise qui n'a pas accompagné ce changement s'expose à des contentieux. Le règlement européen sur l'IA (AI Act), dont les obligations de formation pour les personnels utilisant des systèmes à haut risque s'appliquent progressivement à partir de 2025-2026, renforce encore ce cadre.

Le troisième niveau est compétitif. Selon les économistes de la Banque de France, la formation demeure le facteur limitant central de la transition IA en entreprise — avant le coût des outils, avant l'accès à la technologie. Piloter un plan de formation IA comme un investissement documentable, avec des indicateurs mesurables et un retour calculable, est précisément ce que les sections suivantes permettent d'opérationnaliser.

Panorama des formations IA disponibles : quel parcours pour quel profil ?

Compétences transversales versus compétences techniques : quelle priorité pour vos équipes ?

Avant tout arbitrage budgétaire, le DRH doit trancher une question de fond : quelles compétences vise-t-on, pour quels collaborateurs ? Les compétences techniques — développer des modèles, manipuler des données, gérer une infrastructure IA — concernent une minorité de profils, généralement concentrés dans les équipes IT ou data. Les compétences transversales, en revanche, sont pertinentes pour la quasi-totalité des collaborateurs exposés à la transformation numérique : comprendre le fonctionnement de l'IA générative, dialoguer efficacement avec un agent, intégrer ces outils dans ses processus métiers, piloter un projet IA en équipe.

C'est sur ce second registre que les plans de formation produisent le plus d'effets à court terme. La moyenne au test EvalIA™, qui évalue le niveau de compétences IA des salariés en France, est de 4,9/30 : ce score révèle non pas un déficit d'accès aux outils, mais une incapacité à les mobiliser réellement dans les processus métiers. Partir des compétences transversales — avant les compétences techniques — est donc l'arbitrage le plus défendable pour la majorité des organisations.

De la sensibilisation au prompt engineering : les niveaux de formation disponibles sur le marché

Le marché de la formation à l'IA s'est rapidement stratifié en plusieurs niveaux, du plus accessible au plus spécialisé. Les formations de sensibilisation — une journée, tous publics — visent à démystifier l'IA générative et à donner aux collaborateurs une première culture commune. Les formations opérationnelles (deux à cinq jours) ciblent les fonctions support et les managers, avec des ateliers ancrés dans les usages quotidiens : reformulation, synthèse, analyse de données, automatisation simple. La spécialisation — prompt engineering, agents IA no-code, workflows automatisés — requiert une semaine à dix jours et s'adresse à des profils plus autonomes, chefs de projet ou knowledge workers. Enfin, l'expertise technique (machine learning, data science) relève de parcours longs, souvent en reconversion, hors du périmètre des plans de formation continue classiques.

Le Cnam accueille chaque année 16 à 17 000 auditeurs dans ses programmes en numérique et intelligence artificielle, proposant des cursus allant des licences aux formations courtes. Le marché s'organise également autour de bootcamps intensifs et de formats blended learning modulaires — tendances qui répondent à la contrainte de disponibilité des collaborateurs en activité. Pour être finançables via les OPCO ou le CPF, ces formations doivent être dispensées par des organismes certifiés Qualiopi.

Le tableau ci-dessous synthétise les grands types de parcours disponibles et les profils auxquels ils correspondent :

Type de formation	Public cible	Format dominant	Durée indicative	Coût moyen / pers.	Financement CPF	Certification reconnue
IA générative — initiation	Tous collaborateurs, fonctions support, managers	E-learning / blended	1 à 3 jours	300 – 800 €	Oui (si Qualiopi)	Attestation de compétences
IA au quotidien — métiers non-tech	RH, commercial, marketing, finance, juridique	Présentiel + ateliers pratiques	2 à 5 jours	800 – 2 000 €	Oui	Certificat de réalisation
Prompt engineering & outils IA	Chefs de projet, consultants, knowledge workers	E-learning + cohorte	3 à 7 jours	600 – 1 500 €	Oui	Badge numérique / attestation
Agents IA & automatisation	Chefs de projet digital, DSI, ops, product managers	Bootcamp / présentiel intensif	3 à 10 jours	1 500 – 5 000 €	Partiel (selon éligibilité)	Certificat professionnel
IA technique (data, ML, dev)	Développeurs, data scientists, ingénieurs	Formation longue / reconversion	3 à 12 mois	5 000 – 15 000 €	Oui (CPF + OPCO)	Titre RNCP / certification éditeur
IA responsable & gouvernance	COMEX, DPO, juristes, DRH, risk managers	Séminaire / formation courte	1 à 2 jours	500 – 1 200 €	Oui	Attestation de formation
Formation de formateurs à l'IA	Responsables formation, L&D, RRH	Présentiel + suivi	3 à 5 jours	1 200 – 3 000 €	Oui	Certificat pédagogique

Ce panorama appelle une lecture stratifiée : la majorité des collaborateurs d'une organisation relèvent des deux ou trois premières lignes, accessibles en quelques jours et finançables via les dispositifs existants. Les profils techniques et les fonctions de gouvernance constituent des cibles secondaires, à traiter dans un second temps — ou en parallèle si la maturité de l'organisation le permet. C'est cette séquence que les sections suivantes permettent de transformer en plan d'action concret.

Cadre réglementaire et financement de la formation IA : ce que le DRH doit maîtriser

La formation à l'IA n'échappe pas au droit commun de la formation professionnelle, mais elle s'inscrit dans un environnement réglementaire en mutation accélérée — obligations du Code du travail, certification des organismes, nouvelles exigences européennes sur l'IA. Le DRH qui ignore ces jalons s'expose à des erreurs de financement et, dans certains cas, à des risques juridiques tangibles.

CPF, Qualiopi, RNCP et RS : naviguer dans le maquis réglementaire des formations IA

Depuis le 1^er janvier 2022, tout organisme de formation souhaitant mobiliser des financements publics ou mutualisés — CPF, OPCO, France Travail — doit être certifié Qualiopi, sur la base d'un référentiel national qualité. Cette exigence s'applique sans exception aux formations à l'IA : un prestataire non certifié ne peut ouvrir aucun accès au financement public, quelle que soit la qualité intrinsèque de son programme.

Le Compte Personnel de Formation (CPF) impose une condition supplémentaire : la formation doit aboutir à une certification enregistrée au Répertoire National des Certifications Professionnelles (RNCP) ou au Répertoire Spécifique (RS). Or une majorité des formations IA disponibles sur le marché — programmes courts de sensibilisation, ateliers de prompt engineering, initiations à l'IA générative — n'atteignent pas encore ce seuil. Elles restent finançables via le plan de développement des compétences de l'entreprise, avec cofinancement OPCO possible, mais ne sont pas accessibles via le CPF individuel. Pour les parcours certifiants — titres RNCP en data, certifications éditeurs inscrites au RS —, l'éligibilité CPF est acquise. Les OPCO disposent en 2026 d'enveloppes fléchées transformation numérique et IA souvent sous-utilisées ; les consulter en amont peut débloquer un cofinancement significatif et réduire substantiellement le reste à charge entreprise.

Le Code du travail fonde par ailleurs l'obligation de l'employeur d'assurer l'adaptation des salariés à leur poste et le maintien de leur employabilité. Dès lors que l'IA est intégrée aux processus de travail, cette obligation vaut pour les compétences numériques associées — ce qui donne une assise juridique solide à la mise en place de plans de formation à l'IA, y compris en cas de contentieux prud'homal portant sur l'obsolescence des compétences.

RGPD et IA responsable : l'éthique dans les parcours, une obligation sous-estimée

Le règlement européen sur l'IA — l'AI Act, entré en vigueur en 2024 — introduit, en son article 4, une obligation explicite de formation pour les personnels déployant ou utilisant des systèmes IA à haut risque. Cette disposition s'ajoute aux obligations RGPD déjà en vigueur : les plateformes de formation qui utilisent l'IA pour personnaliser les parcours, analyser les comportements d'apprentissage ou émettre des recommandations collectent et traitent des données personnelles, ce qui impose base légale, information des utilisateurs et droits d'accès conformes aux recommandations de la CNIL.

Or d'après le baromètre 2026 sur l'IA générative en entreprise, seuls 23 % des collaborateurs du secteur privé déclarent avoir reçu une formation à l'IA responsable — et 6 % seulement une formation approfondie. L'écart entre usage réel et encadrement formel constitue un risque juridique pour l'employeur en cas d'incident lié à un usage IA non encadré : discrimination algorithmique, traitement non conforme de données personnelles, décision préjudiciable fondée sur un modèle biaisé. L'absence de formation documentée sera difficile à défendre.

Construire un plan de formation IA en entreprise : la méthode en cinq étapes

Un plan de formation IA efficace ne se décrète pas à partir d'un catalogue de prestataires : il se construit selon une séquence logique qui conditionne son adoption et sa durabilité. Les organisations qui obtiennent des résultats mesurables suivent toutes, peu ou prou, la même progression — diagnostiquer, prioriser, concevoir, déployer, mesurer —, quitte à adapter le rythme à leur taille et leur maturité interne.

Étapes 1 et 2 — diagnostiquer la maturité IA et segmenter les populations cibles

La première étape consiste à évaluer honnêtement le niveau de compétences IA existant, sans se contenter des usages déclarés. Des outils dédiés — enquêtes internes, entretiens avec les managers, analyse des outils IA déjà déployés — permettent de construire une cartographie réaliste. L'outil EvalIA™, conçu pour le diagnostic collectif, fournit une mesure objective : la moyenne nationale est de 4,9/30 et la médiane de 3/30, ce qui indique que le niveau de départ est généralement bien inférieur à ce que les collaborateurs estiment eux-mêmes. Ce constat doit orienter le niveau d'entrée des parcours — et éviter de sur-dimensionner des formations avancées qui n'atteignent pas leur public.

Les référentiels de France Compétences et les travaux de France Stratégie aident à identifier les métiers les plus exposés à l'IA par secteur, ce qui guide la priorisation des populations à former en premier. Le piège classique : sous-estimer le niveau réel des équipes techniques tout en surestimant la résistance des fonctions support, qui se révèlent souvent plus réceptives qu'anticipé dès lors qu'elles perçoivent un bénéfice concret dans leur quotidien.

La deuxième étape consiste à construire des personas de formation distincts, avec des besoins différenciés en contenu, format et durée. Cinq segments structurent généralement un plan : les cadres dirigeants (enjeux stratégiques et gouvernance IA), les managers de proximité (pilotage des équipes augmentées, gestion du changement), les fonctions support — RH, finance, juridique, marketing — (usages pratiques de l'IA générative), les profils techniques (outils avancés et agents IA), et les équipes terrain (adoption d'outils spécifiques au poste). Un plan qui traite uniformément ces cinq populations échoue sur la pertinence perçue des contenus et sur l'engagement des apprenants.

Étapes 3, 4 et 5 — concevoir, déployer et mesurer le plan

La conception des parcours repose sur trois décisions structurantes : le choix des formats pédagogiques, la sélection des prestataires et le calendrier de déploiement. Les formats les plus efficaces combinent e-learning modulaire pour les fondamentaux, ateliers en présentiel sur des cas d'usage réels propres à l'organisation, et mise en pratique encadrée dans les semaines post-formation. Pour les prestataires, la certification Qualiopi est le filtre minimum — mais elle ne garantit pas l'actualité des contenus. Un catalogue conçu en 2023 est déjà partiellement obsolète sur les agents IA et les outils de génération multimodale : interroger le prestataire sur ses cycles de mise à jour est indispensable.

Le déploiement est la phase où la plupart des plans échouent, par manque de sponsorship managérial. Les managers de proximité jouent un rôle pivot : ce sont eux qui intègrent les outils IA dans les routines d'équipe, valident les usages et donnent la légitimité opérationnelle à la formation. La communication interne doit les associer dès la phase de conception — non les solliciter comme simples relais de déploiement une fois le plan finalisé. Des rituels d'équipe simples — partage de prompts efficaces, retours d'expérience hebdomadaires — ancrent les apprentissages bien au-delà de la session de formation.

La mesure constitue l'étape la plus souvent négligée — et pourtant la seule qui permette d'obtenir un second budget. Les indicateurs à suivre : taux de complétion des parcours, score pré/post formation, fréquence d'utilisation des outils IA mesurée à M+3, satisfaction des apprenants. Gartner HR recommande de documenter au moins deux cas d'usage concrets par fonction avant toute présentation en CODIR. McKinsey People & Organizational Performance insiste sur la nécessité d'ancrer la mesure dans des données opérationnelles réelles, pas dans des questionnaires de satisfaction seuls.

Évaluer les compétences IA de ses collaborateurs : outils, tests et certifications

Avant de former, il faut mesurer. Cette séquence paraît évidente ; elle reste pourtant l'exception dans la majorité des organisations, qui déploient des formations sans état des lieux préalable et financent des parcours inadaptés au niveau réel de leurs équipes. L'offre d'outils d'évaluation progresse, mais elle demeure hétérogène et inégalement fiable.

Ce qui existe réellement pour mesurer le niveau IA de ses équipes

L'outil EvalIA™ est l'un des rares instruments de diagnostic collectif disponibles en France pour mesurer objectivement le niveau de compétences IA des salariés. Ses résultats sont instructifs : avec une moyenne de 4,9/30 et une médiane de 3/30, il confirme que le retard de compétences IA ne porte pas sur l'accès aux outils, mais sur la capacité à les mobiliser réellement dans les processus métier — un diagnostic que les entreprises peinent à formuler sans mesure externe. Comme le formule le responsable du baromètre EvalIA, « la France a un retard de compétences IA, non pas sur l'accès aux outils, mais sur la capacité à les utiliser réellement dans les processus métiers. »

Du côté des certifications, les titres inscrits au RNCP en data et intelligence artificielle et les certifications enregistrées au Répertoire Spécifique offrent un cadre de reconnaissance crédible pour les parcours longs. Les grands organismes de formation proposent également des évaluations d'entrée standardisées — quiz de positionnement, mises en situation, grilles de compétences — qui permettent de segmenter les apprenants par niveau avant le démarrage des parcours. Ces dispositifs restent inégaux : les critères de niveau varient significativement d'un prestataire à l'autre, et l'absence de référentiel commun rend les comparaisons interentreprises difficiles.

Le certificat de compétences IA commence à s'imposer comme outil RH à double usage : pilotage du plan de formation d'une part, critère de mobilité interne ou d'évaluation annuelle d'autre part. Les fonctions RH les plus avancées intègrent déjà le niveau de maîtrise IA dans leurs fiches de poste. Cette évolution reste marginale en 2026, mais elle dessine la trajectoire des prochaines années pour les organisations qui souhaitent ancrer la montée en compétences IA dans leurs processus RH ordinaires.

IA responsable en formation : l'angle que trop d'entreprises négligent encore

La majorité des plans de formation IA déployés en 2025-2026 partagent un angle mort commun : l'IA responsable — éthique, biais algorithmiques, transparence, impact environnemental du numérique — y figure rarement comme fil conducteur. Elle apparaît, au mieux, comme module optionnel de clôture. Cette lacune n'est plus seulement un défaut de conception pédagogique : elle comporte désormais une dimension juridique que les employeurs ne peuvent ignorer.

L'article 4 de l'AI Act impose une obligation explicite de formation pour les personnels déployant des systèmes IA à haut risque — un périmètre qui inclut les outils IA utilisés dans des processus de recrutement, d'évaluation de la performance ou de gestion de la relation client, secteurs déjà couverts par une majorité de grands groupes français. En parallèle, le RGPD encadre les décisions automatisées affectant des individus et impose une connaissance minimale des mécanismes algorithmiques à tous ceux qui supervisent ces processus, y compris les fonctions non techniques.

Le chiffre disponible est éloquent : seuls 23 % des collaborateurs du secteur privé déclarent avoir reçu une formation à l'IA responsable, et 6 % seulement une formation approfondie. En cas d'incident documenté — discrimination algorithmique dans un processus RH, traitement non conforme de données personnelles via un outil IA, décision préjudiciable fondée sur un modèle opaque —, l'absence de formation formalisée exposera l'employeur à une responsabilité difficile à contester devant les juridictions sociales ou la CNIL.

Les organisations les plus avancées sur ce sujet intègrent l'IA responsable comme composante transversale de tous leurs parcours, et non comme module additionnel. Cela suppose de former en premier lieu les concepteurs de parcours eux-mêmes — responsables L&D, RRH, formateurs internes — aux enjeux éthiques et réglementaires, avant de diffuser ces contenus à l'ensemble des collaborateurs. La règle à retenir : l'IA responsable intégrée dès la conception du plan, pas ajoutée à la marge une fois le catalogue constitué.

Piloter le ROI de la formation IA : indicateurs, méthode et reporting CODIR

La question du retour sur investissement de la formation IA est posée de plus en plus tôt dans les arbitrages budgétaires — parfois avant même que le plan ne soit conçu. Y répondre sérieusement exige un cadre de mesure structuré, une honnêteté sur les limites de l'exercice, et la capacité à présenter les résultats dans un langage intelligible pour des dirigeants non-RH.

Les indicateurs qui parlent aux dirigeants — et les limites réelles de la mesure

Le modèle Kirkpatrick, adapté au digital learning, organise la mesure en quatre niveaux : réaction des apprenants (satisfaction à chaud), apprentissage effectif (scores pré/post), transfert en situation de travail (usages IA observés à M+3) et résultats opérationnels (gains de productivité mesurables, réduction d'erreurs documentée, satisfaction client liée aux processus impliquant l'IA). Chaque niveau est plus difficile à renseigner que le précédent, et la majorité des entreprises s'arrêtent au niveau 2 — le plus simple à collecter, mais aussi le moins convaincant en CODIR.

Les indicateurs qui parlent réellement aux dirigeants sont ceux des niveaux 3 et 4 : fréquence d'utilisation des outils IA par fonction mesurée à distance de la formation, diversité des cas d'usage déclarés, gain de temps documenté sur des tâches spécifiques. Deloitte Human Capital Trends et PwC Workforce Hopes & Fears soulignent tous deux que les entreprises les plus avancées construisent ces indicateurs dès la phase de conception du plan — pas après le déploiement —, ce qui permet de collecter les données de base nécessaires à toute comparaison rigoureuse.

Les limites de l'exercice méritent d'être posées honnêtement : isoler l'effet propre de la formation IA sur la productivité est méthodologiquement difficile, d'autres variables jouant simultanément — évolution des outils, changements organisationnels, ancienneté dans le poste. L'approche pragmatique consiste à documenter deux ou trois cas d'usage concrets avec des métriques simples, à les présenter en CODIR comme preuves de concept plutôt que comme calcul financier monétarisé. Cette posture est plus crédible — et plus utile pour obtenir un budget élargi — qu'un ROI estimatif construit sur des hypothèses fragiles.

La formation à l'IA est désormais une question de gouvernance autant que de pédagogie. Les données disponibles en 2026 dessinent un écart préoccupant entre l'adoption des outils et la structuration des compétences : 21 % seulement des salariés ont reçu une formation IA en entreprise, alors que plus de la moitié utilisent ces technologies au quotidien. Combler cet écart suppose une démarche rigoureuse — diagnostic, segmentation, conception, déploiement, mesure —, une maîtrise du cadre réglementaire et une attention réelle à l'IA responsable, que trop d'organisations traitent encore comme une option. Le DRH qui structure ce dossier en 2026 n'investit pas dans une tendance passagère : il construit la capacité de son organisation à opérer durablement dans un environnement transformé par l'IA.

Questions fréquentes sur IA & formation

Les formations IA sont-elles éligibles au CPF en 2026 ?

Les formations en IA sont éligibles au CPF lorsqu'elles aboutissent à une certification enregistrée au RNCP ou au Répertoire spécifique. Les organismes dispensateurs doivent par ailleurs être certifiés Qualiopi depuis le 1er janvier 2022 pour accéder aux financements publics ou mutualisés (OPCO, CPF).

Quelle différence entre une formation IA générale et une formation au prompt engineering ?

La formation IA générale développe des compétences d'usage, d'éthique et de gouvernance accessibles à l'ensemble des métiers — fonctions support, RH, marketing, juridique. Le prompt engineering est une discipline plus technique centrée sur la conception d'instructions efficaces pour les modèles de langage, davantage orientée vers les profils numériques.

Faut-il former tous les collaborateurs à l'IA ou seulement certains profils ?

Les analyses de marché indiquent que les fonctions support, marketing, RH et juridique sont autant ciblées que les développeurs dans les plans de formation IA. Dès lors que les outils s'intègrent aux processus métiers quotidiens, une montée en compétences élargie s'impose — seuls 21 % des salariés français ont aujourd'hui reçu une formation IA en entreprise (Ipsos, 2026).

Comment mesurer concrètement le retour sur investissement d'un plan de formation IA ?

Les études disponibles montrent que se former multiplie par 2,6 la fréquence d'utilisation de l'IA, ce qui constitue un indicateur d'impact mesurable. En complément, le suivi des usages déclarés avant et après formation — ainsi que l'évolution du score sur des tests de compétences comme l'EvalIA™ — permet d'objectiver la progression des équipes.

Quelles obligations légales pèsent sur l'employeur en matière de formation à l'IA ?

Le Code du travail impose à l'employeur d'assurer l'adaptation des salariés à leur poste et le maintien de leur employabilité, ce qui fonde juridiquement l'obligation de former dès lors que l'IA s'intègre aux postes de travail. Les plateformes de formation utilisant l'IA doivent par ailleurs respecter le RGPD dans le traitement des données des apprenants.