Former son équipe à l'IA : par où commencer ?

Amener une équipe à travailler avec l'IA commence rarement là où on le croit. Pas par l'achat de licences, ni par le choix d'un outil : par un dispositif de formation. Trois phases — sensibilisation commune, pratique guidée sur les cas réels de l'entreprise, autonomie progressive — et un cadre d'usage clair font la différence entre une adoption qui produit de la valeur et des abonnements qui dorment. Dans une PME, ce dispositif tient en quelques semaines, pas en un plan pluriannuel.

Publié en février 2026, refondu en mai 2026 — la présente version est une réécriture intégrale.

Pourquoi les licences seules ne produisent rien

J'ai passé quinze ans à déployer des outils numériques dans de grandes organisations — plateformes d'analytics, espaces collaboratifs, systèmes de gestion de contenu. Le schéma ne varie pas d'une technologie à l'autre : sans accompagnement, la licence devient une ligne de coût, pas une pratique. Avec l'IA générative, trois phénomènes s'installent en quelques mois dans l'entreprise qui équipe sans former.

L'usage réel reste anecdotique. Ceux qui exploraient déjà les outils à titre personnel continuent ; les autres essaient une ou deux fois, ne voient pas comment intégrer l'outil dans leurs tâches, et reviennent à leurs habitudes. Le retour sur les licences reste théorique.

Le contournement s'installe en sous-main. Les collaborateurs qui ont identifié une valeur, mais qui ne disposent d'aucun cadre interne, passent par les versions gratuites ou personnelles des outils — le phénomène que le marché nomme shadow AI. Les risques sont concrets : données personnelles ou confidentielles transférées vers des services tiers sans trace, dans des contextes où l'entreprise porte une responsabilité légale au sens de la Loi fédérale sur la protection des données^[1].

Et les conclusions fausses durcissent. Celui qui a obtenu une réponse imprécise ou une hallucination non détectée conclut que « l'outil ne marche pas », alors que c'est l'usage qui n'était pas approprié. Cette conclusion-là se corrige très mal après coup.

D'où le passage à retenir : en 2026, l'écart entre deux entreprises équipées des mêmes outils d'IA ne vient pas des outils — il vient du dispositif de formation. Une licence sans accompagnement produit de l'usage occasionnel ; un dispositif structuré produit une compétence.

Qui former, et dans quel ordre ?

Une formation identique pour tous échoue régulièrement, parce qu'une équipe réunit trois profils très différents face à ces outils.

Les autonomes forment une minorité. Ils utilisent déjà l'IA dans leur travail, parfois sans que la direction le sache. Bien reconnus, ils deviennent des relais précieux auprès de leurs pairs ; ignorés, ils alimentent le shadow AI.

Les curieux forment le cœur de l'effectif. Ils ont testé une ou deux fois, sans trouver la passerelle vers leurs tâches quotidiennes. C'est le profil qui bénéficie le plus d'une formation structurée, à condition qu'elle travaille sur leurs propres cas — pas sur des exemples génériques.

Les réticents demandent le plus d'attention, et ils la méritent. Leur réticence s'appuie sur des craintes réelles : l'emploi, la qualité des résultats, le sens du travail. Les balayer à coups d'arguments d'efficience garantit une adoption de façade. Les écouter donne, en prime, une information fiable sur les faiblesses du dispositif.

Un questionnaire bref et anonyme suffit à cartographier ces profils. C'est la première étape sérieuse — avant tout choix d'outil.

Les trois phases d'une montée en compétence qui tient

La sensibilisation pose le socle commun : ce que les modèles font et ne font pas, les cas d'usage typiques du métier, les règles de confidentialité. Deux ou trois sessions courtes, collectives, sans prérequis technique. L'objectif est un vocabulaire partagé, pas une expertise.

La pratique guidée est la phase qui décide de tout. Les collaborateurs pratiquent sur des cas réels de l'entreprise — un atelier pour les fonctions administratives, un pour le commercial, un pour la technique — dans un cadre où l'on peut essayer, se tromper et recommencer sans conséquence. La formulation des demandes, la vérification des réponses, l'insertion dans le flux de travail existant : tout cela s'apprend en faisant. Je n'enseigne rien que je ne pratique pas moi-même — c'est en construisant FiscalDoc, mon application locale de classement fiscal, que j'ai compris ce qu'un modèle sait faire et où il échoue, et c'est la même discipline de pratique documentée qui a produit la méthode Score GEO™. La théorie seule ne m'aurait rien appris de tout cela.

L'autonomie progressive clôt la séquence, sur un temps plus long : les collaborateurs identifient eux-mêmes de nouveaux cas d'usage, partagent entre pairs ce qui fonctionne, alimentent une bibliothèque de prompts interne. On quitte le mode formation pour le mode communauté de pratique.

Quatre niveaux pour situer chacun

Pour piloter la progression, quatre niveaux suffisent, applicables à tout métier :

• Découverte — comprendre ce qu'est un modèle de langage et distinguer usages pertinents et usages risqués ;
• Utilisation — pratiquer régulièrement : demandes efficaces, vérification des réponses, respect des règles de confidentialité ;
• Intégration — combiner les outils dans ses flux de travail avec un gain de temps observable ;
• Innovation — identifier de nouveaux cas d'usage et former ses pairs.

Le niveau utilisation est l'objectif minimal pour la majorité de l'équipe. Le niveau innovation ne concernera qu'une ou deux personnes — et cette contribution mérite d'être reconnue explicitement, parce que c'est elle qui fait vivre le dispositif après la formation.

Les résistances sont une information, pas une faute

La crainte pour l'emploi d'abord. Elle n'a rien d'irrationnel vu le discours ambiant. La réponse honnête tient à la distinction que je développe dans Quelles compétences l'IA ne remplace pas ? : les outils absorbent des tâches, et le temps libéré doit être réinvesti sur des activités que le collaborateur identifie lui-même — sinon la crainte était fondée.

Le doute sur la qualité ensuite. Il est juste : les modèles produisent des résultats imparfaits, parfois faux. La parade consiste à enseigner la vérification systématique dès la première session, plutôt que de promettre une fiabilité que les outils ne garantissent pas.

Le manque de temps enfin. « Je n'ai pas le temps d'apprendre » exprime rarement un problème d'agenda ; c'est un problème de priorité et de reconnaissance. La formation se fait sur le temps de travail, ses gains se mesurent, et l'investissement initial se traite comme du travail légitime.

Ce qui change dans le contexte suisse

Trois spécificités locales méritent d'être intégrées au dispositif. Le multilinguisme : opérer en deux, trois ou quatre langues pose des questions concrètes — dans quelle langue formuler sa demande, comment tenir la qualité éditoriale dans chacune — que les formations génériques ignorent. La conformité : le volet LPD n'est pas une annexe ; quelles données peuvent être soumises à quel outil, comment anonymiser, comment documenter — cela s'enseigne dès la sensibilisation. Le tissu économique : la plupart des PME suisses n'ont ni service formation ni support informatique dédié, ce qui appelle des formats courts, pragmatiques, suivis d'un accompagnement qui ne s'arrête pas à la fin de l'atelier.

C'est ce constat qui structure ma façon de travailler : la formation n'est pas un produit sur étagère, elle s'adosse aux flux réels de l'entreprise — les mêmes flux qui déterminent ce qui mérite du sur-mesure et ce qui reste en SaaS. Former une équipe sur des outils mal choisis revient à cimenter une erreur ; c'est pourquoi je traite les deux questions ensemble dans les solutions que je propose aux PME. Et pour situer la formation dans l'ordre général des chantiers — avant quoi, après quoi — le point de départ reste Que doit faire une PME suisse face à l'IA en 2026 ?.

Ce qu'il faut retenir

— Des licences sans formation produisent trois effets prévisibles : usage anecdotique, outils gratuits en sous-main, conclusions fausses sur la pertinence. — La montée en compétence tient en trois phases — sensibilisation, pratique guidée sur cas réels, autonomie progressive — après une cartographie des profils. — En Suisse, le dispositif intègre d'office le multilinguisme, le volet LPD et des formats adaptés aux PME sans service formation.

FAQ

Combien de temps faut-il pour former une équipe de PME à l'IA ? Pour une équipe de cinq à cinquante personnes, la sensibilisation et la pratique guidée tiennent généralement en quelques semaines, à raison de sessions courtes intégrées au temps de travail. L'autonomie réelle, elle, se construit sur plusieurs mois de pratique accompagnée. Méfiez-vous des promesses de transformation en une journée.

Faut-il interdire les outils grand public en attendant de former ? L'interdiction pure alimente le contournement : les collaborateurs qui y trouvent de la valeur passeront par leurs comptes personnels, hors de tout contrôle. Il vaut mieux poser vite un cadre minimal — quels outils, quelles données, quelles vérifications — puis former dans ce cadre.

Qui doit piloter la formation dans une petite structure ? Le dirigeant porte le cadre et la priorité ; un collaborateur déjà autonome peut servir de relais interne ; l'apport externe se justifie pour structurer les ateliers et le volet conformité. Ce qui ne fonctionne pas : déléguer entièrement le sujet à l'informatique ou à un prestataire sans implication de la direction.

Comment mesurer que la formation a servi ? Par des indicateurs d'usage et de résultat définis avant de commencer : part de l'équipe utilisant les outils chaque semaine, tâches précises où le temps gagné est constaté, incidents de confidentialité évités par le cadre. Si rien n'est mesuré, le dispositif restera une dépense discutable au prochain budget.

Et dans votre équipe ? Le Diagnostic d'Usage IA : soixante minutes pour poser vos flux réels, identifier ce qui mérite du sur-mesure, ce qui reste en SaaS, et ce qui n'a pas besoin d'IA du tout. Réserver un diagnostic

Sources

[1] Loi fédérale sur la protection des données (LPD), révision du 25 septembre 2020, entrée en vigueur le 1ᵉʳ septembre 2023. www.fedlex.admin.ch/eli/cc/2022/491/fr [↩]

Jérôme Deshaie est CEO et fondateur de MCVA Consulting SA, agence augmentée basée en Valais. Quinze ans au service de grandes marques internationales, désormais en direct pour les PME suisses. Parcours.