Formation à l'IA : le paradoxe français entre adoption massive et sous-investissement

1. Intelligence artificielle formation : un usage massif sans cadre ni compétences

La France vit un paradoxe silencieux où l’intelligence artificielle s’impose dans les usages alors que la formation reste marginale. Les professionnels se ruent sur les nouveaux outils d’intelligence artificielle générative, mais les directions formation peinent encore à structurer des parcours alignés sur les enjeux métiers. Ce décalage fragilise les compétences numériques et informatiques de base, pourtant indispensables pour transformer ces expérimentations en pratiques durables.

Les chiffres sont clairs : selon le Baromètre IA & Droit 2024 Lefebvre Dalloz (édition 2024, enquête réalisée en ligne fin 2023 auprès de plusieurs milliers de professionnels du droit, du chiffre et de la conformité), 51 % des répondants déclarent utiliser l’intelligence artificielle régulièrement ou occasionnellement, alors qu’ils n’étaient que 25 % en 2021. Dans le même temps, 54 % n’ont suivi aucune formation dédiée, ce qui signifie que l’usage repose surtout sur l’auto-apprentissage, des ressources gratuites et quelques tutoriels informels. Cette adoption sauvage de l’intelligence artificielle générative crée des opportunités rapides, mais elle expose aussi les entreprises à des risques majeurs sur la qualité des données, la sécurité et la conformité réglementaire.

Le paradoxe s’accentue encore lorsque l’on observe que 24 % des actifs interrogés utilisent déjà l’intelligence artificielle au quotidien, avec des gains de productivité pouvant atteindre, selon les déclarations des utilisateurs, 30 à 40 % pour les collaborateurs formés, toujours d’après le baromètre Lefebvre Dalloz 2024. Ces estimations reposent sur une auto-évaluation des gains de temps et de qualité perçus, et doivent donc être interprétées comme des ordres de grandeur plutôt que comme une mesure scientifique. Sans une véritable stratégie de développement des compétences en IA, ces bénéfices restent concentrés sur quelques profils à l’aise avec le machine learning ou le deep learning, laissant une majorité de salariés en retrait. Une politique structurée de formation à l’intelligence artificielle permettrait pourtant de diffuser ces pratiques à grande échelle, en sécurisant les usages et en renforçant les compétences numériques de tous.

1.1. Compétences numériques de base : le maillon faible de l’IA en entreprise

Dans de nombreuses organisations, les fondamentaux numériques restent fragiles alors que l’on parle déjà de projets d’IA avancés. Les écarts de maîtrise des outils bureautiques, de la gestion des données ou de l’analyse de données créent une fracture entre les pionniers de l’intelligence artificielle et le reste des équipes. Sans consolidation de ces compétences, les dispositifs de formation à l’IA risquent de profiter surtout aux profils déjà technophiles.

Les DRH constatent que les salariés manquent souvent de pratique structurée sur la gestion de projet numérique, la sécurité des données ou la compréhension des enjeux du big data. Avant même de parler de machine learning ou de deep learning, il faut sécuriser les bases : qualité des données, traçabilité, droits d’accès, et compréhension des risques liés aux réseaux sociaux et aux contenus générés. Un programme pédagogique bien conçu doit donc articuler apprentissage des fondamentaux data et appropriation progressive des outils d’intelligence artificielle générative.

Pour un directeur des talents, la priorité n’est plus de lancer une énième formation générique sur l’intelligence artificielle, mais de cartographier les compétences numériques existantes et les écarts réels. C’est à ce moment que l’on peut utiliser des dispositifs comme un quiz pour tester les usages, autrement dit un « quiz testez vos pratiques numériques », afin d’objectiver les besoins et d’identifier les publics cibles. Cette approche permet d’articuler intelligemment les modules dédiés à l’IA avec les autres parcours digitaux, en évitant les doublons et en maximisant le retour sur investissement pédagogique.

2. Sous-investissement massif : quand les budgets formation reculent face à l’IA

Alors que le besoin d’intelligence artificielle formation explose, 22 % des entreprises déclarent pourtant réduire leurs budgets formation, en hausse de 5 points par rapport à la période précédente, d’après le baromètre Lefebvre Dalloz 2024. Ce mouvement de sous-investissement intervient au moment même où le financement redevient la priorité numéro un de 64 % des responsables formation, signe d’une tension forte entre contraintes budgétaires et enjeux stratégiques. Les DRH se retrouvent ainsi à arbitrer entre des formations réglementaires incontournables et des actions liées à l’IA perçues comme « innovantes », mais encore trop souvent considérées comme optionnelles.

Cette vision est dangereuse, car l’intelligence artificielle n’est plus un sujet de laboratoire mais un levier direct de performance opérationnelle. Les gains de productivité de 30 à 40 % observés chez les collaborateurs formés, même s’ils reposent sur des déclarations et non sur une mesure expérimentale, montrent que l’investissement dans des cours structurés est rapidement amorti, notamment sur les tâches de rédaction, d’analyse de données ou de gestion de projet. En renonçant à ces formations, les entreprises laissent filer des opportunités concrètes d’optimisation des processus, de réduction des erreurs et d’amélioration de la qualité de service.

Pour sortir de ce piège, les directions formation doivent repositionner l’intelligence artificielle comme un investissement de base au même titre que la bureautique ou la cybersécurité. Un parcours progressif peut par exemple combiner une formation Excel pour l’analyse de données, comme une formation intermédiaire pour analyser vos données avec confiance, avec des modules d’initiation au machine learning et au deep learning. Ce type de dispositif renforce à la fois les compétences numériques et la capacité à piloter des projets d’intelligence artificielle dans la durée.

2.1. Arbitrages budgétaires : comment prioriser les formations IA sans exploser les coûts

Les DRH et responsables formation doivent composer avec des enveloppes contraintes, des obligations légales et une constante évolution des technologies. La clé consiste à articuler intelligemment les formations liées à l’IA avec les dispositifs existants, en mobilisant le CPF, les financements des OPCO et les budgets internes pour sécuriser un socle minimal. Plutôt que de multiplier les sessions ponctuelles, il est plus efficace de construire un parcours modulaire d’intelligence artificielle formation, intégrant des blocs de compétences numériques, de gestion de projet et de pratique des outils génératifs.

Une stratégie gagnante consiste à distinguer trois niveaux de formation intelligence : acculturation pour tous, montée en compétences pour les métiers cibles, et expertise avancée pour quelques référents. L’acculturation peut passer par des formats courts de learning en ligne, des quiz pour tester les usages, ou des ateliers de pratique encadrée sur les principaux outils d’intelligence artificielle générative. Les niveaux intermédiaires et avancés peuvent ensuite intégrer des cours plus techniques sur le machine learning, le deep learning, l’analyse de données ou la gestion de projet d’IA.

Dans ce cadre, la notion de garantie de résultat doit être maniée avec prudence, mais l’on peut exiger des indicateurs clairs de transfert en situation de travail. Les responsables formation peuvent par exemple suivre le nombre de projets d’intelligence artificielle effectivement lancés, la qualité de la gestion de projet, ou encore l’évolution des pratiques d’analyse de données dans les équipes. Ces indicateurs donnent une visibilité concrète sur l’impact des formations intelligence et facilitent la défense des budgets auprès de la direction générale.

3. Responsabilité des DRH : IA Act, conformité et gestion des risques

Avec l’arrivée de l’AI Act européen, la responsabilité des DRH et des directions formation ne se limite plus à développer des compétences, elle touche désormais à la conformité réglementaire. Le règlement (UE) 2024/1689 du 13 juin 2024 prévoit, selon la catégorie d’infraction, des amendes administratives pouvant aller jusqu’à 35 millions d’euros ou 7 % du chiffre d’affaires annuel mondial pour les violations les plus graves, et jusqu’à 7,5 millions d’euros ou 1 % du chiffre d’affaires pour certains manquements moins critiques. Dans ce contexte, la formation à l’intelligence artificielle devient un levier de gestion des risques au même titre que les dispositifs de lutte anti-blanchiment ou de protection des données personnelles.

Les DRH doivent donc articuler les formations intelligence avec les politiques de conformité existantes, en intégrant les enjeux de protection des données, de biais algorithmiques et de traçabilité des décisions. Un salarié qui manipule des données sensibles avec un outil d’intelligence artificielle générative sans formation adéquate peut exposer l’entreprise à des fuites de données ou à des décisions discriminatoires. C’est pourquoi il devient pertinent de rapprocher les parcours d’intelligence artificielle formation des dispositifs déjà structurés, comme une formation lutte anti blanchiment pour structurer les compétences LCB FT, afin de mutualiser les approches de gestion des risques.

La responsabilité des DRH s’étend aussi à la gouvernance des projets d’intelligence artificielle, notamment sur la définition des rôles entre chef de projet, experts data et métiers. Une bonne gestion de projet d’IA suppose de clarifier qui pilote les données, qui valide les modèles de machine learning ou de deep learning, et qui contrôle les usages des outils génératifs. Dans cette perspective, une formation intelligence dédiée à la gestion de projet IA doit intégrer des modules sur la gouvernance des données, la conformité AI Act et les bonnes pratiques de documentation.

3.1. Compétences clés pour sécuriser les projets IA : du chef de projet aux utilisateurs finaux

Pour sécuriser les projets d’intelligence artificielle, il ne suffit pas de former quelques data scientists, il faut structurer un véritable écosystème de compétences. Le chef de projet IA doit maîtriser la gestion de projet classique, mais aussi comprendre les spécificités du machine learning, du deep learning et du big data pour dialoguer efficacement avec les équipes techniques. Les utilisateurs finaux, eux, doivent acquérir des réflexes de pratique responsable, notamment sur la qualité des données saisies, la vérification des résultats générés et la confidentialité.

Une approche efficace consiste à bâtir des parcours différenciés d’intelligence artificielle formation selon les rôles, en combinant des modules de learning en ligne, des ateliers de pratique et des études de cas réels. Les référents métiers peuvent suivre des cours plus poussés sur l’analyse de données, la compréhension des modèles de machine learning et la gestion des risques, tandis que les utilisateurs quotidiens se concentrent sur les bonnes pratiques d’usage des outils génératifs. Pour soutenir cette montée en compétences, des formations complémentaires sur l’automatisation des processus, comme une formation sur Power Automate pour améliorer vos compétences, renforcent la capacité à intégrer l’IA dans les workflows existants.

Dans cette logique, la formation intelligence ne doit pas être pensée comme un bloc unique, mais comme un portefeuille de formations intelligence articulées autour des enjeux métiers. Les DRH peuvent par exemple proposer un parcours « projet intelligence » pour les chefs de projet, un parcours « analyse de données » pour les fonctions support, et un parcours « IA générative » pour les équipes marketing ou communication. Cette segmentation permet de mieux utiliser les budgets, de cibler les compétences critiques et de garantir une adoption maîtrisée de l’intelligence artificielle dans tous les domaines de l’entreprise.

4. Entreprises pionnières et adoption sauvage : ce que montrent les cas Cdiscount et Leroy Merlin

Les entreprises pionnières démontrent qu’une stratégie structurée d’intelligence artificielle formation change la donne, y compris dans des environnements très opérationnels. Cdiscount a par exemple mis en place des programmes centrés sur les cas d’usage métiers, en combinant des modules d’acculturation, des ateliers de pratique et des projets concrets de machine learning. Selon les retours publiés par l’entreprise, plusieurs centaines de collaborateurs ont été formés, avec des projets portant sur la recommandation de produits, l’optimisation des campagnes marketing et la prévision de la demande.

Leroy Merlin, de son côté, a développé des parcours de learning apprentissage autour de l’analyse de données et de l’IA générative pour optimiser la relation client et la gestion des stocks. L’enseigne a notamment communiqué sur des expérimentations d’assistants conversationnels internes et d’outils d’aide à la décision pour les équipes en magasin, avec des gains mesurés en rapidité de réponse aux clients et en fiabilité des prévisions de stock. Dans les deux cas, les projets ont été accompagnés par des plans de formation structurés, intégrant des sessions de sensibilisation, des formations techniques et un accompagnement terrain.

Ces entreprises n’ont pas misé uniquement sur la technologie, mais sur la montée en compétences progressive des équipes, en partant des usages réels. Les collaborateurs sont accompagnés sur la compréhension des enjeux data, la qualité des données et la gestion de projet, avec une forte insistance sur les pratiques responsables. Cette approche permet de transformer l’adoption spontanée de l’intelligence artificielle en une dynamique structurée, où chaque projet intelligence est cadré, documenté et évalué.

4.1. Structurer l’adoption : de la curiosité individuelle à la stratégie d’entreprise

La question n’est donc pas de brider l’initiative individuelle, mais de la canaliser grâce à une stratégie claire d’intelligence artificielle formation. Les directions formation peuvent par exemple proposer une formation générative courte pour les curieux, puis orienter les profils les plus engagés vers des parcours plus complets de machine learning ou de deep learning. Cette logique de constante évolution des compétences permet de transformer les usages isolés en projets d’équipe, puis en véritables programmes de transformation.

Pour accompagner ce mouvement, il est utile de mettre en place des dispositifs de type « artificielle identifiez vos usages » où les collaborateurs sont invités à décrire leurs pratiques actuelles et leurs besoins. Des quiz pour tester les connaissances, des communautés internes sur les réseaux sociaux d’entreprise et des retours d’expérience structurés contribuent à faire émerger les meilleures pratiques. Les DRH peuvent ensuite capitaliser sur ces retours pour ajuster les formations intelligence, prioriser les domaines à fort impact et renforcer la gestion de projet autour des initiatives les plus prometteuses.

Au final, la France ne manque ni d’intelligence ni de créativité, mais elle souffre d’un sous-investissement chronique dans la formation intelligence et les compétences numériques. Tant que l’adoption de l’IA restera plus rapide que la structuration des formations, le paradoxe français entre usage massif et fragilité des pratiques persistera. La responsabilité des DRH et des responsables formation est désormais de transformer ce paradoxe en avantage compétitif, en faisant de l’intelligence artificielle formation un pilier central de la stratégie compétences.

Chiffres clés sur l’adoption de l’IA et la formation en France