Un comité de direction peut disposer des meilleurs outils d’IA et constater, six mois plus tard, que rien n’a réellement changé dans les pratiques. Certains collaborateurs testent des assistants conversationnels en secret, d’autres les évitent, tandis que les managers demandent des gains de productivité sans savoir lesquels sont réalistes. Un guide pour évaluer les compétences IA internes permet de sortir de cette zone grise : non pour classer les personnes entre « experts » et « retardataires », mais pour décider où l’IA peut augmenter la qualité du travail humain.
L’enjeu n’est pas seulement technique. Dans les métiers de conseil, de management, de finance ou d’accompagnement, une utilisation pertinente de l’IA repose sur le jugement, la qualité des données, la confidentialité et la capacité à maintenir une relation de confiance. Évaluer les compétences doit donc éclairer une trajectoire collective, pas alimenter une logique de contrôle.
Pourquoi évaluer avant de former
Former une équipe entière au même outil, au même rythme et avec les mêmes cas pratiques donne souvent l’impression d’agir vite. C’est rarement le meilleur investissement. Une DAF peut avoir besoin de fiabiliser l’analyse de variations et la préparation des commentaires de gestion. Un coach professionnel cherchera plutôt à structurer ses préparations, analyser ses propres contenus ou concevoir des exercices, sans déléguer l’écoute ni l’interprétation de ce qui se joue en séance.
Sans diagnostic, la formation se limite fréquemment à une démonstration de fonctionnalités. Les collaborateurs découvrent des possibilités intéressantes, puis retournent à leurs habitudes faute de cadre, de cas d’usage priorisés et de droit explicite à expérimenter. À l’inverse, une évaluation bien menée révèle les écarts entre ambition stratégique, maturité réelle et conditions opérationnelles.
Elle aide aussi à éviter deux erreurs opposées. La première consiste à sous-estimer des collaborateurs qui utilisent déjà l’IA avec méthode, mais sans rendre leurs pratiques visibles. La seconde consiste à confondre aisance conversationnelle avec compétence professionnelle. Savoir obtenir un texte fluide n’implique pas de savoir vérifier une réponse, protéger une donnée sensible ou décider quand l’IA ne doit pas intervenir.
Les cinq dimensions à observer
Une évaluation utile ne se réduit pas à la question : « Savez-vous utiliser ChatGPT ? » Elle examine plusieurs dimensions qui, ensemble, déterminent la capacité d’une équipe à tirer une valeur durable de l’IA.
1. La compréhension des capacités et des limites
Les collaborateurs savent-ils distinguer un outil conversationnel, un moteur de recherche enrichi, une fonction d’automatisation et un système d’analyse documentaire ? Comprennent-ils qu’une réponse convaincante peut contenir une erreur, une invention ou un raisonnement fragile ?
Cette première dimension ne demande pas une culture technique approfondie. Elle demande une lucidité opérationnelle. Une personne compétente sait formuler ce qu’elle attend de l’outil, repérer les zones d’incertitude et conserver la responsabilité de la décision finale.
2. La qualité du dialogue avec l’IA
Le terme « prompt » peut donner l’illusion qu’il suffit de trouver la bonne formule. Dans la pratique, le dialogue efficace repose surtout sur la capacité à poser un problème avec précision : contexte, objectif, contraintes, critères de qualité, format attendu et éléments à exclure.
Pour un contrôleur de gestion, cela peut consister à demander une première lecture d’écarts budgétaires en précisant les seuils significatifs, les hypothèses connues et le niveau de prudence attendu. Pour un dirigeant, il peut s’agir de préparer plusieurs scénarios de décision sans confier à l’outil le choix de la stratégie. La compétence se mesure dans la capacité à itérer, corriger et challenger la production obtenue.
3. Le discernement et la vérification
C’est la dimension la plus décisive dans les métiers à forte responsabilité. Une équipe doit-elle vérifier systématiquement les chiffres produits ? Dans quels cas une source primaire est-elle nécessaire ? Qui valide un livrable avant transmission à un client, un collaborateur ou un partenaire ?
L’IA accélère la production de premières versions. Elle n’élimine ni l’obligation de contrôle ni la responsabilité professionnelle. Évaluez la capacité des équipes à comparer, recouper, détecter les biais et reformuler un résultat insuffisant. Une personne qui utilise peu l’IA mais vérifie méthodiquement peut être plus mature qu’une personne très rapide, mais peu critique.
4. La maîtrise des règles de confidentialité et d’éthique
Les usages internes deviennent risqués lorsque les règles restent implicites. Les équipes doivent savoir quelles données ne doivent jamais être copiées dans un outil public, quels documents peuvent être traités dans un environnement autorisé et comment anonymiser une situation client ou RH.
L’éthique ne se limite pas à la conformité. Elle concerne aussi la place laissée à la personne concernée par une décision. Un manager ne devrait pas utiliser une IA pour qualifier automatiquement la valeur d’un collaborateur sans critères explicites, discussion contradictoire et responsabilité humaine. De même, un professionnel de l’accompagnement ne peut pas remplacer l’attention portée à son client par une synthèse générée.
5. La capacité à transformer un usage en processus
Le dernier niveau de compétence apparaît lorsqu’un collaborateur ne se contente plus de tester un outil. Il identifie un irritant récurrent, conçoit un mode opératoire, documente les contrôles nécessaires et mesure le résultat. C’est là que l’IA cesse d’être une curiosité individuelle pour devenir un levier de performance partagée.
Cette capacité suppose souvent des compétences transversales : analyser un processus, distinguer une tâche automatisable d’un jugement professionnel, formaliser des critères de qualité et apprendre des retours du terrain. Elle mérite d’être valorisée, y compris lorsqu’elle ne produit pas un gain de temps immédiat.
Comment conduire l’évaluation des compétences IA internes
Commencez par des entretiens courts ou un questionnaire d’auto-positionnement, mais ne vous arrêtez pas aux déclarations. Demandez des exemples précis : une tâche pour laquelle l’IA a été utilisée, le résultat obtenu, les ajustements réalisés, le contrôle appliqué et la décision prise ensuite. Cette approche révèle bien davantage qu’une question sur le niveau perçu.
Organisez ensuite quelques mises en situation proches du travail réel. Un expert-comptable peut recevoir une note de synthèse à améliorer à partir d’éléments anonymisés. Un manager peut devoir préparer une communication sensible. Un coach peut être invité à concevoir un support pédagogique sans exposer d’informations identifiantes. L’objectif n’est pas de piéger les participants, mais d’observer leur raisonnement face à l’outil.
Le diagnostic gagne à croiser trois regards : celui de la personne, celui de son manager et celui d’un référent capable d’apprécier les risques et la qualité des usages. Les écarts entre ces regards sont instructifs. Un collaborateur peut se sentir débutant parce qu’il ne connaît pas toutes les fonctionnalités, alors qu’il possède déjà une excellente discipline de vérification. À l’inverse, une forte confiance peut masquer une sous-estimation des enjeux de confidentialité.
Enfin, cartographiez les résultats par rôle et par type d’activité, plutôt que par simple niveau général. Vous pourrez faire apparaître des profils explorateurs, des utilisateurs prudents, des référents métier et des personnes qui ont besoin d’un cadre de départ. Cette cartographie doit rester évolutive : les outils changent, mais surtout les pratiques progressent lorsque l’organisation crée les bonnes conditions.
Faire du diagnostic un plan d’action crédible
Une évaluation n’a de valeur que si elle conduit à des choix. Sélectionnez d’abord deux ou trois cas d’usage à fort impact et à risque maîtrisé. Par exemple : préparer une trame de reporting, synthétiser des retours internes anonymisés, générer une première version de procédure ou produire des hypothèses de scénarios à examiner collectivement.
Définissez pour chaque cas d’usage un propriétaire, les données autorisées, les points de contrôle et un indicateur simple. Le temps économisé compte, mais il ne suffit pas. Suivez aussi la qualité des livrables, la réduction des tâches répétitives, la satisfaction des équipes et la capacité à consacrer plus d’attention aux situations complexes.
Prévoyez des parcours différenciés. Les débutants ont besoin de repères concrets et d’un environnement sécurisant. Les utilisateurs réguliers doivent approfondir la formulation des demandes, la vérification et la conception de méthodes réutilisables. Les managers, eux, doivent apprendre à piloter l’adoption : arbitrer les priorités, clarifier les règles et reconnaître les apprentissages sans imposer une standardisation aveugle.
Chez Sherpia, cette logique d’augmentation professionnelle part toujours d’une question simple : quelle valeur humaine souhaitez-vous rendre plus disponible ? Si l’IA libère du temps, ce temps doit renforcer l’analyse, la relation client, la qualité de décision ou la transmission des savoirs. Sinon, l’organisation risque seulement de produire davantage, sans mieux travailler.
L’évaluation des compétences IA n’est donc pas un examen de modernité. C’est un acte de leadership. En donnant aux équipes un cadre clair, des situations concrètes et le droit de développer leur discernement, vous créez les conditions d’une adoption exigeante, utile et profondément humaine.
