Partir du geste professionnel, pas du modèle
La première erreur d'une formation à l'IA consiste à commencer par la théorie des modèles. Les probabilités, les architectures de réseaux ou l'histoire du domaine peuvent intéresser, mais elles ne répondent pas à la question que se pose l'apprenant : qu'est-ce que cela change dans mon travail, dès demain ? Une formation utile part donc du geste professionnel : la manière dont un assistant produit un compte rendu, dont un formateur prépare un exercice, dont un manager rédige une annonce. On introduit ensuite l'outil sur ce terrain familier. L'apprenant voit alors à quoi sert une consigne précise, comment reformuler une demande, pourquoi un résultat est inutilisable. Ces constats valent mieux que n'importe quel exposé conceptuel.
Ce choix a une conséquence pratique : la formation doit s'appuyer sur les documents et les cas de l'organisation, pas sur des exemples génériques. Un jeu de données tiré du quotidien des participants rend la séance immédiatement transposable. Cela demande un travail de préparation, mais c'est lui qui distingue une formation vivante d'un catalogue de démonstrations. Il faut aussi résister à la tentation de tout montrer : vouloir couvrir chaque outil disponible dilue l'attention. Mieux vaut approfondir deux ou trois usages maîtrisés que survoler vingt fonctionnalités. L'apprenant retient ce qu'il a pratiqué, pas ce qu'il a vu défiler.
L'andragogie, ou comment apprend un adulte
La pédagogie des adultes repose sur des principes différents de ceux de l'école. L'adulte apprend mieux quand il comprend pourquoi une compétence lui sera utile, quand il peut relier le nouveau savoir à son expérience, et quand il garde la maîtrise de son apprentissage. Il apporte aussi des habitudes et parfois des résistances : une méthode éprouvée depuis vingt ans ne se remplace pas sur un simple argument. Une formation à l'IA doit donc commencer par reconnaître ce que les participants savent déjà. Leur expertise du métier est un appui, pas un obstacle. Le formateur n'est pas celui qui sait tout contre celui qui ignore, mais celui qui facilite l'adaptation d'un professionnel compétent.
Cela suppose de prévoir du temps pour l'essai et pour l'erreur. Un adulte a besoin de manipuler, de se tromper sans conséquences graves, puis de débriefer. Les séances où l'on n'écoute qu'une démonstration laissent peu de traces. L'andragogie recommande aussi de partir des problèmes réels : une difficulté concrète du quotidien motive plus qu'un exercice fictif. Enfin, l'apprenant veut savoir ce qu'il a gagné. Sans bilan explicite, il repart avec l'impression d'avoir vu des choses sans rien maîtriser. Le formateur qui raconte ce que le groupe a appris, et ce qu'il reste à approfondir, ancre la progression. Ce temps de mise au point final n'est pas un luxe.
Faire éprouver les limites de l'outil
Une bonne formation à l'IA n'enseigne pas seulement ce que l'outil réussit, mais aussi où il se trompe. C'est un moment inconfortable et pourtant indispensable. Montrer un modèle qui invente une référence, qui affirme une erreur avec aplomb ou qui rate un calcul simple marque durablement. L'apprenant découvre alors pourquoi la vérification n'est pas un supplément de prudence, mais une étape normale du travail. Sans cette expérience, il risque de faire une confiance aveugle à une réponse bien rédigée, ce qui est précisément le piège le plus coûteux. Faire éprouver les limites transforme l'enthousiasme naïf en usage averti, et l'enthousiasme averti est plus solide.
Cette lucidité rejoint des exigences concrètes. Confier des données personnelles à un outil extérieur engage des responsabilités au regard du RGPD, et l'apprenant doit comprendre ce qu'il peut saisir, ce qu'il doit éviter, où passe l'information. Selon le secteur, le règlement européen sur l'intelligence artificielle ajoute des obligations liées au niveau de risque de l'usage. Une formation qui ignorerait ces aspects préparerait les participants à des pratiques dangereuses. Elle doit donc intégrer, sans en faire un cours de droit, des repères simples sur les données, les usages interdits et la traçabilité. L'objectif n'est pas de décourager, mais de rendre l'usage responsable.
Évaluer des usages, pas des récitations
Évaluer les acquis d'une formation à l'IA par un questionnaire de connaissances se trompe de cible. Savoir définir un modèle de langage ne dit rien de la capacité à s'en servir à bon escient. L'évaluation utile repose sur des tâches : produire un document corrigé à l'aide de l'outil, détecter une erreur dans une sortie, choisir la formulation qui donnera le bon résultat. Ces mises en situation révèlent le jugement, plus précieux que la mémoire. Elles permettent aussi de repérer qui a compris quand il faut s'abstenir d'utiliser la machine, compétence discrète mais décisive. Évaluer des usages demande plus de travail au formateur, mais c'est la seule mesure qui importe.
Il reste à savoir ce qui subsiste après la formation. Trop de dispositifs s'arrêtent à la fin de la session et laissent chacun se débrouiller. Un accompagnement léger après coup, quelques rappels, un point d'étape, augmente nettement la reprise des usages. L'objectif n'est pas de créer une dépendance au formateur, mais de consolider ce qui a été amorcé. Bien conçue, une formation à l'intelligence artificielle pour adultes ne se mesure pas au savoir transmis, mais aux pratiques qui changent durablement dans le travail. C'est cette continuité, plus que la qualité d'une séance isolée, qui fait la différence sur la durée.
Aller plus loin
Bien former à l'intelligence artificielle suppose de maîtriser l'ingénierie pédagogique autant que les outils, et de tenir compte du cadre juridique des usages. Notre catalogue des 31 formations propose des parcours pour concevoir et animer des formations à l'IA destinées aux adultes.
Vous voulez maîtriser ce sujet en pratique ?
Cabinet MARA forme en ligne, sur des cas réels, avec des modules courts et un suivi de progression.
Voir la formation liée Les 31 formations