Former à l’IA : commencer par un travail à faire ensemble

Pour apprendre à utiliser une IA au travail, une PME pourrait commencer par un exercice simple : préparer la présentation d’un produit imaginaire. À qui s’adresse-t-il ? Que faut-il expliquer ? Quelles affirmations doit-on pouvoir justifier ? Avant de demander au logiciel de rédiger, l’équipe aurait déjà un travail à définir.

C’est le point de départ de l’atelier collectif proposé ici par LEMOVIA. L’IA générative — un logiciel qui produit du texte ou d’autres contenus à partir d’une demande — y servirait à élaborer des propositions, pas à décider seule de ce qu’est une bonne présentation. Cet atelier n’a pas été réalisé ni évalué : il s’agit d’une piste de formation, non d’une méthode dont l’efficacité aurait été démontrée.

Ce que la recherche permet de dire

Une expérience publiée en version de travail en septembre 2023 par Dell’Acqua et ses coauteurs apporte une raison de regarder les tâches avant les seules consignes adressées au logiciel. Elle porte sur 758 consultants de BCG ayant terminé l’expérience. Ils effectuaient des travaux simulés proches de leur activité, et non des missions clients suivies en production.

Les chercheurs ont comparé des conditions sans IA, avec GPT-4, et avec GPT-4 accompagné d’une présentation de méthodes d’utilisation. L’utilité de l’outil variait selon les tâches retenues, conçues pour se situer à l’intérieur ou à l’extérieur de ses capacités de l’époque. Les groupes affectés à la conception et à la résolution de problème étaient distincts. Il ne s’agissait donc pas de faire passer toute la série d’exercices à chacun.

Le compte rendu de BCG décrit une initiation d’environ trente minutes, organisée autour d’explications, de démonstrations et de pratique. Sur la tâche de résolution d’un problème d’entreprise, conçue pour dépasser les capacités de l’outil, cette initiation n’a pas protégé les participants. Selon BCG, ceux qui l’avaient suivie ont même obtenu, en moyenne, des résultats nettement moins bons que ceux qui utilisaient GPT-4 sans cette présentation. Le papier de recherche chiffre la baisse de la proportion de bonnes réponses, par rapport au groupe sans IA, à 24 points de pourcentage avec l’initiation, contre 13 points sans elle ; les auteurs jugent l’écart entre les deux groupes significatif au seuil de 10 %. BCG précise que ce résultat n’implique pas que toute formation soit inefficace. Il ne permet pas non plus de fixer trente minutes comme durée suffisante pour une PME.

Deux limites comptent pour lire ces résultats aujourd’hui. Le logiciel étudié était le GPT-4 disponible fin avril 2023, pas un modèle de novembre 2026. Et le papier de recherche et l’article BCG décrivent la même expérience : ce ne sont pas deux confirmations indépendantes. BCG en est un partenaire, avec des intérêts commerciaux dans l’accompagnement des entreprises.

Une autre source éclaire le besoin de compétences, sans valider notre atelier. Dans un rapport publié en novembre 2025, l’OCDE examine les réponses de plus de 5 000 PME interrogées fin 2024 dans sept pays. Elle relève notamment des besoins de formation et une mise en place encore limitée des mesures d’accompagnement. Ce sont des déclarations d’entreprises ; la Suisse ne fait pas partie de l’échantillon.

Un atelier possible : construire une présentation, puis comparer les démarches

Pour une PME intéressée, voici une proposition d’organisation. Elle ne découle pas d’un protocole de formation validé par ces recherches. Nous ne lui attribuons ni durée optimale, ni économie de temps, ni gain de qualité garanti.

Définir le résultat avant d’ouvrir l’outil

L’équipe pourrait recevoir une fiche entièrement fictive : un produit imaginaire, son public et quelques caractéristiques. Le livrable serait une courte présentation destinée à ce public. Aucun dossier client ni document confidentiel ne serait nécessaire.

Avant de rédiger, les participants choisiraient leurs critères : respecter les informations fournies, répondre aux questions du public et rendre le propos compréhensible. Ils préciseraient aussi ce qui manque dans la fiche, plutôt que de laisser l’outil combler les blancs sans le signaler. Le choix d’un outil autorisé et le respect des règles internes resteraient des préalables à l’exercice, pas des questions que celui-ci réglerait à lui seul.

Répartir le travail en étapes

Comprendre le besoin, chercher des idées, les trier, préparer un plan et rédiger ne sont pas une seule opération. L’atelier pourrait proposer de choisir, pour chaque étape, ce que l’équipe souhaite faire elle-même et ce qu’elle veut demander au logiciel.

Un groupe pourrait préparer son plan avant de consulter l’IA. Un autre pourrait lui demander plusieurs pistes, puis expliquer lesquelles il retient ou écarte. Ces deux démarches seraient des options à comparer, non les bonnes réponses d’un cours.

Mettre les choix en discussion

Sur le même cas fictif et avec les mêmes critères, les participants pourraient examiner leurs présentations. Où l’information est-elle fidèle à la fiche ? Qu’a-t-il fallu préciser ? Une suggestion a-t-elle été rejetée, et pourquoi ?

L’objet de la discussion serait autant le chemin suivi que le texte obtenu. Une formulation élégante ne suffirait pas à satisfaire le critère de fidélité si elle ajoutait une propriété absente du dossier. Ce serait un motif de correction défini par l’exercice, pas la preuve d’un comportement général de tous les outils.

Garder une fiche de travail, pas une recette universelle

À la fin, l’équipe pourrait conserver une fiche courte : tâche abordée, informations nécessaires, étapes confiées à l’outil, critères de relecture et questions non résolues. Une consigne utile pourrait y figurer, avec son contexte, plutôt que comme formule valable pour tous les travaux.

Cette fiche servirait de trace de l’atelier. Elle ne constituerait pas une preuve d’apprentissage durable. Pour savoir si les participants réutilisent la démarche, dans quelles situations et avec quels résultats, il faudrait une évaluation distincte, qui n’a pas été menée ici.

Ce qu’un dirigeant pourrait attendre de cet exercice

L’objectif proposé est précis : rendre explicites les choix faits lorsqu’une équipe utilise l’IA pour produire un livrable. Ce n’est ni un panorama de l’adoption des outils, ni une démonstration de leurs effets sur la pensée, ni un calcul de rentabilité.

Avant de l’organiser, le dirigeant pourrait demander à l’équipe quel travail elle souhaite mieux comprendre et quel résultat elle saurait examiner. La première question ne serait alors pas « quelle commande faut-il apprendre ? », mais « qu’essayons-nous de faire, et comment saurons-nous si le résultat convient ? »