Compétences en IA : développez-les de manière ciblée et maîtrisez la transformation

Les compétences en IA figurent en bonne place dans l’agenda de transformation de nombreuses entreprises, car elles contribuent à décider si une entreprise reste compétitive et pérenne. Depuis le règlement européen sur l’IA (AI Act), c’est aussi une obligation légale : les entreprises qui utilisent l’IA doivent favoriser la maîtrise de l’IA de leur personnel.

L’IA ne touche pas seulement de nombreux processus, compétences et outils technologiques, elle change aussi la façon dont presque chaque service considère la performance et la productivité. Une tension apparaît souvent à ce stade. D’un côté, il y a la pression sur la productivité : les entreprises qui déploient l’intelligence artificielle de manière particulièrement efficace sont souvent plus compétitives. De l’autre, la vitesse ne signifie pas toujours l’efficacité. Comme le montre une étude de Kienbaum, les outils, les tokens ou les cas d’usage isolés comptent moins pour réussir la transformation que, entre autres, « un développement systématique des compétences en IA et numériques ».

C’est précisément pourquoi les rôles, les compétences et les processus doivent être orchestrés plus activement que jamais pour que les personnes et les machines puissent travailler ensemble de manière productive.

Cet article explique comment décrire les compétences en IA, évaluer où en sont vos collaborateurs aujourd’hui, tenir cet état à jour et identifier l’écart par équipe et par rôle.

Que sont les compétences en IA ?

Les compétences en IA regroupent toutes les capacités et connaissances nécessaires pour utiliser l’intelligence artificielle au quotidien de manière efficace, sûre et conforme. Pour les RH, Kienbaum et BPM y rangent :

• une connaissance approfondie de l’IA générative, par exemple son utilisation et le prompting
• le people analytics et l’analyse de données
• les systèmes RH numériques
• une approche réfléchie des questions éthiques et réglementaires

Concrètement, ce dernier point implique aussi d’examiner les résultats de l’IA de manière critique et de repérer les biais. Pour les systèmes à haut risque comme la présélection des candidatures, l’AI Act nomme explicitement le biais d’automatisation, c’est-à-dire la tendance à se fier excessivement aux résultats d’un système (article 14).

Il ne faut pas confondre cela avec la notion de maîtrise de l’IA (AI literacy). Elle vient de l’AI Act et désigne le socle de connaissances que les entreprises doivent favoriser chez leur personnel. Ce qu’elle recouvre exactement est expliqué plus bas, dans la partie consacrée à l’AI Act.

Pourquoi les compétences en IA comptent

Dans une enquête de Bitkom menée auprès de 603 entreprises en Allemagne de 20 salariés ou plus, 66 % jugent faibles les compétences en IA de leurs salariés et seulement 28 % les jugent élevées. 70 % forment leurs salariés à l’utilisation de l’IA : 11 % les forment tous, 22 % une grande partie et 37 % certains salariés.

Les RH elles-mêmes constatent un écart de compétences important dans leur propre fonction. Dans l’étude de Kienbaum et BPM, la part moyenne des collaborateurs RH disposant de solides compétences en IA et numériques est aujourd’hui d’environ 30 %, et les services RH s’attendent à environ 80 % pour 2030. À l’avenir, l’étude voit de plus en plus les compétences en IA comme une aptitude de base de toute la fonction.

C’est dans le recrutement et l’onboarding que l’usage est le plus avancé. Selon l’étude, 35 % des services RH y utilisent l’IA générative de manière productive, contre 18 % en 2024.

Selon le Future of Jobs Report 2025 du WEF, ce sont les compétences technologiques comme l’IA et le big data qui progressent le plus vite. En tête des compétences clés, le WEF place la pensée analytique, suivie de « résilience, flexibilité et agilité » et de « leadership et influence sociale ». Le WEF attribue toutefois leur essor surtout à la conjoncture économique et à la géoéconomie.

Pour les RH dans la transformation par l’IA, nous formulons ces compétences de manière plus précise :

• Autorégulation active : la résilience en fait partie. Le sentiment d’efficacité personnelle et la capacité à continuer d’apprendre en font aussi partie.
• Agilité : agilité et flexibilité se recoupent fortement, un seul terme suffit donc.
• Leadership et conduite du changement : diriger peut aussi vouloir dire administrer. Dans la transformation par l’IA, ce qui compte, c’est que les dirigeants conduisent le changement.
• Communication et collaboration : c’est plus concret que l’influence sociale.

Exemple pratique : comment la Cleveland Clinic a décomposé un rôle en tâches

Face à la pénurie de talents dans la santé, le service de planification des effectifs de la Cleveland Clinic s’est tourné vers la conception des rôles. Il a décomposé les rôles en tâches et s’est demandé, pour chacune, si elle était vraiment nécessaire et si elle pouvait être automatisée, effectuée à distance, réattribuée ou reprogrammée. Pour les assistants médicaux, l’analyse a conduit à transférer la plupart des tâches, 37 sur 40, à du personnel moins qualifié ou non clinique, et à automatiser ou assister d’autres tâches par la technologie. Résultat : une capacité équivalente à 430 postes à temps plein et plus de 2 millions de dollars d’économies. L’engagement a progressé, car le personnel a pu consacrer plus de temps aux soins des patients qu’aux tâches administratives (« 2026 Global Human Capital Trends », p. 41).

Notre lecture pour les RH : la Cleveland Clinic a d’abord clarifié quelles tâches restent attachées à un rôle. C’est seulement à partir de là que l’on sait de quelles compétences le rôle a besoin aujourd’hui. C’est précisément là que commence l’étape 2.

Ce que recouvre la gestion des compétences en IA

La gestion des compétences en IA est le processus global par lequel vous recensez de manière systématique :

• qui, dans votre entreprise, a besoin de quelle compétence en IA
• où en sont ces personnes aujourd’hui
• comment se construit le chemin du niveau actuel au niveau cible

Les compétences en IA obéissent aux mêmes principes que toutes les autres compétences. Selon la tâche ou le domaine d’activité, un rôle s’accompagne de certaines compétences en IA. Pour chacune d’elles, le niveau requis par le rôle est défini. Une auto-évaluation et une évaluation par le responsable d’équipe montrent où en sont les collaborateurs aujourd’hui. L’objectif est de combler l’écart par une formation ciblée pour chaque rôle, afin que les collaborateurs puissent pleinement utiliser l’IA dans leurs tâches quotidiennes.

Cela profite aux deux parties. Pour l’entreprise, l’IA n’augmente la productivité que lorsque les personnes savent travailler avec elle. Une entreprise européenne de télécommunications a ajouté un « expert » IA à son service client sans modifier les rôles ni les processus, et a gagné 5 % de productivité. Lorsque 90 % du budget de déploiement ont été consacrés à de nouveaux processus et à une formation approfondie, le gain a atteint 30 % (« 2026 Global Human Capital Trends », p. 9). Les collaborateurs, eux, sont mis en capacité d’accomplir leurs tâches dans la transformation par l’IA avec confiance en leurs propres capacités.

Une différence avec les autres compétences professionnelles tient au rythme auquel elles évoluent. Selon le PwC AI Jobs Barometer 2025, les compétences recherchées par les employeurs évoluent 66 % plus vite dans les métiers les plus exposés à l’IA. Il ne suffit donc pas de savoir qui a suivi une formation à l’IA. Il faut aussi voir quand, avec quel outil et à quel niveau.

La maîtrise de l’IA selon l’AI Act

Qu’est-ce que la maîtrise de l’IA selon l’AI Act ?

À l’article 3, point 56, l’AI Act définit la maîtrise de l’IA comme « les compétences, les connaissances et la compréhension » qui permettent de procéder à un déploiement des systèmes d’IA en toute connaissance de cause, et de prendre conscience des possibilités et des risques de l’IA ainsi que des préjudices qu’elle peut causer. L’article 4 s’applique depuis le 2 février 2025. Dans sa version en vigueur depuis juillet 2026, les fournisseurs et les déployeurs de systèmes d’IA prennent des mesures pour favoriser le développement de la maîtrise de l’IA de leur personnel et des autres personnes qui s’occupent, pour leur compte, du fonctionnement et de l’utilisation des systèmes d’IA, en tenant compte de leurs connaissances techniques, de leur expérience, de leur éducation et de leur formation ainsi que du contexte dans lequel les systèmes d’IA sont destinés à être utilisés.

En bref : la maîtrise de l’IA n’est pas seulement un sujet de transformation, c’est une condition juridique préalable à l’utilisation de l’IA. Une entreprise n’a pas à garantir un niveau précis pour chaque personne.

Comment mettre en œuvre l’obligation de maîtrise de l’IA ?

Il n’existe pas d’approche unique, et l’AI Act n’impose pas de formation obligatoire précise, selon la Commission dans sa FAQ sur la maîtrise de l’IA. Comme contenu minimal d’un programme, la Commission cite quatre étapes :

• Assurer une compréhension générale : les personnes de l’organisation savent ce qu’est l’IA et quelle IA est utilisée, avec ses opportunités et ses dangers.
• Clarifier son propre rôle : l’organisation sait si elle développe elle-même des systèmes d’IA ou utilise ceux d’autres fournisseurs.
• Évaluer le risque : pour chaque système d’IA, on sait clairement ce que le personnel doit en savoir et de quels risques il doit avoir conscience.
• Adapter les mesures : les mesures tiennent compte des connaissances préalables du personnel et de la finalité pour laquelle le système est utilisé.

La Commission européenne donne elle-même un exemple du degré de précision attendu. Si des salariés utilisent ChatGPT pour rédiger des textes publicitaires ou traduire, ils doivent être informés des risques spécifiques, par exemple les hallucinations. Dans de nombreux cas, se fier simplement à la notice d’utilisation ne suffit pas, selon la Commission. Pour les systèmes à haut risque, comme une IA qui analyse ou filtre des candidatures (annexe III), l’article 26 exige en outre que le personnel soit suffisamment formé pour utiliser le système et assurer un contrôle humain.

Faut-il prouver la maîtrise de l’IA ?

Aucun certificat n’est nécessaire, et les organisations peuvent tenir un registre interne des formations et autres initiatives. C’est la réponse de la Commission européenne dans ses questions-réponses sur la maîtrise de l’IA. Il n’y a donc pas d’obligation de mesurer les connaissances des salariés en IA, et l’article 4 n’exige pas non plus de responsable IA dédié. Cet article ne constitue pas un conseil juridique.

Quel logiciel aide à la mise en œuvre ?

Pour le registre interne, un aperçu de qui a suivi quelle formation et quand suffit, par exemple dans une matrice de formation. Il ne montre pas si les compétences correspondent au rôle. Pour cela, il vous faut un logiciel de gestion des compétences dans lequel les exigences par rôle et le niveau actuel se trouvent côte à côte. La section suivante montre comment cela fonctionne, étape par étape.

Le processus : développez les compétences en IA de manière ciblée dans votre organisation

Dans les organisations d’environ 200 salariés ou plus, on part rarement de zéro. Dans nos échanges avec des équipes RH de cette taille, les formations obligatoires suivaient déjà régulièrement un processus établi, avec échéances, certificats et justificatifs. Les cinq étapes suivantes s’appuient sur cette base.

Étape 1 : recensez les formations IA existantes

Si des formations à l’IA existent déjà, par exemple une formation de base à la maîtrise de l’IA au titre de l’article 4, gérez-les dans la matrice de formation, comme obligatoires ou récurrentes, avec une échéance. Pour les certificats, vous voyez s’ils sont valides, bientôt expirés ou expirés. La participation ne dit toutefois encore rien de ce que quelqu’un sait faire avec l’IA dans son propre rôle. Notre playbook sur l’upskilling et le reskilling distingue trois niveaux : si une formation a eu lieu, si elle a changé les comportements et si elle a changé un résultat. La matrice de formation montre le premier niveau. Les étapes suivantes servent aux deux autres.

Étape 2 : clarifiez les tâches par rôle

C’est par ses tâches que vous découvrez les compétences en IA dont un rôle a besoin. L’IA déplace rarement tout le rôle d’un coup, mais plutôt certaines tâches, comme le montre l’analyse des tâches de la Cleveland Clinic. Clarifiez donc avec le responsable d’équipe, rôle par rôle, quelles tâches l’IA prend en charge et ce que la personne doit alors savoir faire.

Avant de mesurer le niveau actuel, il est utile de regarder ce que le marché du travail attend du rôle. Le KI-Kompetenzmonitor publié par index analyse les offres d’emploi allemandes par groupe professionnel, secteur et Land. Selon index, cela représente plus de 25 millions d’annonces par an. Au deuxième trimestre 2026, les dix technologies d’IA les plus citées comprenaient ChatGPT, Microsoft Copilot et le prompt engineering. Le monitor recense des outils et des termes, pas des compétences comme la vérification d’un résultat de l’IA. Il vous montre quels outils arrivent dans un rôle. Quelles compétences exigent les tâches liées à ces outils, c’est à vous de le déduire.

Étape 3 : décrivez les compétences et fixez les exigences

Les tâches deviennent des compétences dans le catalogue de compétences. Chaque compétence a besoin d’une échelle qui décrit en mots ce que signifie chaque niveau. Sans cette description, chacun évalue selon ses propres critères. Les résultats ne sont alors pas comparables. Comment construire un tel catalogue, nous l’expliquons dans notre article sur le catalogue de compétences, et combien de niveaux une échelle doit compter, dans notre article sur l’échelle de compétences.

Ensuite, l’équipe décide combien de personnes ont besoin d’une compétence et à quel niveau. Cette décision ne revient pas aux RH seules. Le responsable d’équipe sait le mieux quelles tâches l’IA prend en charge et où une personne doit décider. Cette exigence sert ensuite de référence pour l’écart.

Étape 4 : évaluez le niveau actuel

L’évaluation vient de deux côtés. Les collaborateurs s’auto-évaluent, et le responsable d’équipe ajoute son regard. Les deux utilisent la même échelle décrite. En outre, chaque personne peut se fixer un objectif si elle souhaite progresser dans une compétence.

Lors de l’évaluation, interrogez la tâche, pas l’outil. Pour une tâche assistée par l’IA, cela signifie demander comment quelqu’un vérifie le résultat fourni par l’IA.

Étape 5 : identifiez l’écart et planifiez le développement

Exigence et niveau actuel donnent l’écart par compétence et par équipe, et si besoin pour toute une unité. En triant par taille d’écart, vous voyez où la formation doit commencer en premier. Les personnes qui ont déjà une compétence apparaissent dans la matrice avec leur niveau. Vous pouvez les prévoir pour le transfert de savoir avant d’acheter une formation externe.

L’écart se traduit en actions. Chacune entre dans le plan de développement de la personne avec un niveau cible :

• Formation externe : quand personne dans l’équipe ne peut transmettre la compétence
• Formation interne à l’équipe : quand plusieurs personnes ont le même écart
• Transfert de savoir : quand des collègues maîtrisent déjà la compétence à un niveau élevé

La façon de combiner ces méthodes est décrite dans notre playbook sur l’upskilling et le reskilling. Si presque personne dans une équipe n’approche l’exigence, c’est davantage une question de recrutement que de formation. Si l’IA fait disparaître des tâches, vérifiez où la personne est la plus utile dans l’entreprise.

Répétez l’évaluation à intervalles fixes, car les tâches continuent d’évoluer avec les outils.

Exemple pratique : comment Save the Children Norvège a déployé l’IA

Redd Barna, le membre norvégien de Save the Children, montre à quoi ressemble un programme d’IA structuré à l’échelle de toute une organisation. Pendant un an, des outils d’IA ont été introduits sans structure fixe. L’usage est resté inégal : seule la moitié du personnel inscrit utilisait activement l’outil autorisé, et des cas d’usage utiles ont été identifiés plus lentement que prévu. Avec Deloitte, l’organisation a alors mis en place un programme structuré :

• Rôles : des ambassadeurs IA avec des groupes de discussion et des outils de soutien, ainsi que des ateliers avec la direction sur la feuille de route IA
• Compétences : des formations pratiques fondées sur des exemples, des ateliers et des témoignages de réussite
• Processus : des lignes directrices de comportement et des KPI pour un usage efficace de l’IA, une priorisation systématique des cas d’usage selon les objectifs de l’organisation, un suivi des KPI et des revues régulières

Après trois mois, l’usage hebdomadaire avait presque doublé, passant de 36 à 71 %. La maturité IA auto-évaluée est passée de 1,68 à 3,1 sur une échelle de 5 points. C’est ainsi que Deloitte le décrit dans l’étude de cas client, reprise aussi dans ses « 2026 Global Human Capital Trends » (p. 11).

Notre lecture pour les RH : l’outil était disponible depuis un an, et la moitié du personnel l’utilisait. Les choses n’ont bougé qu’une fois les rôles, la formation et les règles ajoutés. La maturité IA a été mesurée par une auto-évaluation sur une échelle, comme décrit à l’étape 4. L’étude de cas ne dit pas si l’évaluation a été faite par rôle.

La gestion des compétences en IA avec Teammeter

Teammeter est un logiciel de gestion des compétences. Vous créez les compétences en IA dans le catalogue de compétences, fixez les exigences par rôle et voyez dans la matrice de compétences, par équipe, où se situe l’écart. Teammeter ne teste pas les compétences en IA et ne fournit pas de contenus de formation.

Questions fréquemment posées

Quelles compétences en IA existe-t-il ?

Les compétences en IA se répartissent entre compétences techniques et compétences comportementales. Quatre sources permettent de dégager six ensembles pour chacune. Côté technique : connaissance du fonctionnement de l’IA, utilisation des outils d’IA, maîtrise des données, contrôle de la qualité et des résultats, droit, sécurité et gouvernance, ainsi que développement et exploitation techniques. Côté comportemental : jugement critique et réflexif, responsabilité éthique, décision et résolution de problèmes, communication et collaboration, autorégulation et capacité d’apprendre, ainsi que leadership et conduite du changement.

Qu’est-ce qui distingue les compétences en IA techniques et comportementales ?

Les compétences techniques en IA s’acquièrent par la connaissance et la pratique, et une action de formation a un début et une fin clairs. Les compétences comportementales en IA portent sur le comportement. Elles ont besoin d’occasions d’application, de feedback et de réflexion, et n’ont pas de fin définie. Pour les premières, l’enjeu est donc surtout la preuve, pour les secondes le développement. Chacune a besoin de sa propre méthode de mesure.

Tous les collaborateurs ont-ils besoin des mêmes compétences en IA ?

Pas pour les compétences techniques. Leur profondeur dépend de l’activité, et un niveau de base s’applique à tous. Les compétences comportementales en IA concernent tous les collaborateurs de la même façon, quelle que soit leur fonction. Le besoin dépend donc de l’activité et non de la hiérarchie.

Quels rôles existe-t-il dans l’utilisation de l’IA ?

On peut distinguer cinq rôles, et une personne peut en occuper plusieurs. Les utilisateurs d’IA dans un contexte standard se servent de l’IA comme d’un outil dans leur propre travail, par exemple pour rédiger, rechercher ou résumer. Les utilisateurs d’IA dans un contexte à haut risque travaillent avec des systèmes qui ont un effet sur des personnes, par exemple lors d’une sélection ou d’une évaluation des performances, et y assurent le contrôle humain. Les multiplicateurs d’IA diffusent les compétences dans l’équipe et y sont le premier interlocuteur. Les concepteurs d’IA définissent comment l’IA est utilisée dans leur propre processus métier. Les responsables de l’IA décident des achats, de la classification des risques et des règles.

Avec quelle échelle mesure-t-on les compétences en IA ?

Pour les compétences techniques en IA, une échelle à quatre niveaux, issue de trois sources académiques, convient bien.

Niveau	Désignation	Signification
1	Connaître	sait de quoi il s’agit, peut participer à la discussion et en reconnaît la pertinence
2	Appliquer	agit de manière autonome dans des conditions familières
3	Transférer	agit avec assurance dans des situations nouvelles et plus complexes
4	Concevoir et transmettre	fait évoluer, conseille et forme les autres

Pour les compétences comportementales en IA, le niveau seul ne suffit pas. Elles ont besoin d’ancrages comportementaux psychologiques qui décrivent le comportement attendu à chaque niveau.

Une auto-évaluation suffit-elle ?

Pour les compétences techniques en IA, oui, car la pratique la corrige. Elle peut être complétée par des preuves et des échantillons de travail. Pour les compétences comportementales, cela dépend de la compétence. Là où seule la personne a un accès direct, une auto-évaluation avec une échelle courte validée suffit. Pour les compétences que d’autres peuvent observer, un regard extérieur s’ajoute, et pour les compétences cognitives, il est indispensable. Dans un contexte à haut risque, le traitement d’un cas fait aussi partie de l’évaluation.

À quelle fréquence faut-il évaluer les compétences en IA ?

Les compétences techniques en IA tous les six mois, car les exigences évoluent vite. Une nouvelle mesure juste après une action de formation est utile. Pour les compétences comportementales, un profil global par an suffit, avec chaque trimestre des points approfondis sur deux ou trois priorités choisies. Leur effet ne peut réalistement être démontré qu’après douze à dix-huit mois.

Pourquoi les modèles de compétences en IA échouent-ils ?

Pour les compétences techniques en IA, le catalogue vieillit plus vite qu’il n’est entretenu, généralement en douze à vingt-quatre mois. Ou la mesure s’arrête aux connaissances, sans que l’application se développe au quotidien. Pour les compétences comportementales, le risque est l’arbitraire. Sans niveau cible défini, chaque valeur actuelle n’a pas de sens, aucun écart n’apparaît et donc aucune action.

Sources

• Kienbaum et BPM : Künstliche Intelligenz in HR 2026
• Bitkom : KI in der deutschen Wirtschaft, communiqué de presse du 14 septembre 2026
• Deloitte : 2026 Global Human Capital Trends
• Deloitte : étude de cas client Redd Barna (Save the Children Norvège)
• WEF : Future of Jobs Report 2025
• PwC : 2025 Global AI Jobs Barometer
• AI Act de l’UE, articles 4 et 14, annexe III
• Commission européenne : AI Literacy, Questions and Answers
• index : KI-Kompetenzmonitor
• Brandstetter, K. (2026): From Competency Models to Targeted Interventions: Fostering AI Competence as a Future Skill with AICompAss in Heterogeneous Teams. European Journal of Open, Distance and E-Learning, 28(1)
• Burkhart, C., González Avalos, P., Goll, F. (2026): Bringing AI skills into practice: The AI Skills Framework for the professional use of AI. appliedAI Institute for Europe
• Procter, R. (2026): AI Skills for Life and Work: Rapid Evidence Review. Department for Science, Innovation and Technology, GOV.UK
• Canditech : Artificial Intelligence Skills (glossaire)