En mars 2026, 54 % des salariés français n'ont jamais utilisé d'IA générative au travail, tandis que 7 % seulement l'utilisent quotidiennement, selon les données relayées par Mon Compte Formation. Le sujet n'est donc plus de savoir si les entreprises doivent former leurs équipes, mais comment faire passer une formation suivie à une pratique réelle.
Ce décalage crée déjà une différence entre les personnes qui utilisent quotidiennement des outils comme Claude Code pour créer des agents ou des solutions personnalisées, et celles qui n'ont encore jamais ouvert ChatGPT, ou qui l'utilisent rarement. Pourtant, la première barrière n'est généralement pas technique. Elle tient à la peur de se tromper, à l'impression que ces outils sont réservés aux spécialistes et à l'absence de cas d'usage immédiatement utile.
La montée en compétences à l'IA demande donc un cadre progressif. Il faut partir des tâches concrètes, sécuriser les premiers essais, accompagner les utilisateurs et mesurer l'usage, plutôt que distribuer une sensibilisation générique. Les fonctions supports, comme les RH, la finance, l'assistanat, l'ADV ou la logistique, offrent un terrain particulièrement pertinent pour installer cette démarche.
Table des matières
- Le fossé IA dans les entreprises françaises
- Comprendre la montée en compétences aujourd'hui
- Pourquoi former ne suffit plus
- Un cadre en trois temps pour les fonctions supports
- Exemples concrets dans les métiers supports
- Choisir son parcours et son mode de financement
- Mesurer l'usage réel avec des KPIs simples
- Passer à l'action sans attendre d'être prêt
Le fossé IA dans les entreprises françaises
54 % des salariés français n'ont jamais utilisé l'IA générative dans leur travail, tandis que 14 % l'utilisent chaque semaine et 7 % tous les jours, selon les données de Mon Compte Formation. Ces chiffres montrent une adoption très inégale. La présence visible des outils dans les entreprises ne signifie pas encore qu'ils font partie des habitudes de travail.
Cette hésitation ne traduit pas nécessairement un refus du progrès. Elle vient souvent d'une question très concrète : par quelle tâche commencer ? Les salariés peuvent craindre une réponse incorrecte, l'envoi d'une information confidentielle ou le sentiment de perdre leur crédibilité professionnelle. Une personne expérimentée dans son métier peut ainsi redevenir débutante devant un assistant conversationnel.
Règle pédagogique : on réduit la peur de l'IA avec un premier exercice simple, contrôlé et directement relié au travail. Le jargon vient après, si le besoin apparaît.
Des niveaux d'usage très éloignés
Les organisations avancent aussi à des rythmes différents. En France, 10 % des entreprises de dix salariés ou plus utilisaient au moins une technologie d'intelligence artificielle en 2024, contre 6 % en 2023. L'écart allait de 9 % pour les entreprises de dix à quarante-neuf salariés à 33 % pour celles de deux cent cinquante salariés ou plus, d'après l'INSEE. En 2025, la part atteignait 18 %, soit une progression de 8 points en un an et de 12 points par rapport à 2023, selon l'INSEE.
Ces données décrivent l'équipement ou l'adoption à l'échelle de l'entreprise. Elles ne prouvent pas qu'une assistante, un gestionnaire RH ou un coordinateur logistique savent intégrer l'outil à leurs routines. Autoriser un assistant revient à mettre un nouvel ustensile dans une cuisine. Il faut encore montrer pour quel plat l'utiliser, vérifier le résultat et donner envie de recommencer.
Le vrai déclencheur
Le premier objectif consiste à relier l'outil à une tâche identifiable : reformuler un courriel, structurer une réunion, analyser un tableau ou préparer une première version de document. L'apprenant peut alors tester, comparer sa production et corriger ce qui ne convient pas.
La démarche devient testable pour les fonctions supports : choisir quelques tâches, accompagner les premiers essais, puis observer si l'usage revient dans le quotidien. Une formation suivie marque un début. Le changement apparaît lorsque l'outil trouve une place régulière dans le travail.
Comprendre la montée en compétences aujourd'hui
La montée en compétences ne se résume pas à assister à une formation. Elle correspond à un changement durable dans la manière de travailler. Une personne a réellement progressé quand elle sait mobiliser une nouvelle capacité dans une situation professionnelle, vérifier le résultat et reproduire la méthode sans dépendre constamment d'un formateur.
L'analogie avec la cuisine aide à comprendre cette différence. Lire une recette constitue une sensibilisation. Suivre un cours explique les ingrédients et les gestes. Préparer le plat, goûter, corriger l'assaisonnement et réussir à le refaire dans sa propre cuisine, c'est l'usage réel. Pour l'IA générative, le principe est identique.
Trois niveaux à distinguer
La sensibilisation donne des repères. Elle peut présenter ce qu'est un assistant génératif, ce qu'il sait faire et les précautions à prendre. Elle répond à la question « de quoi parle-t-on ? », mais ne garantit pas que le salarié saura agir.
La formation apporte une méthode. L'apprenant découvre comment formuler une demande, donner du contexte, demander une structure, contrôler une réponse et améliorer progressivement son résultat. Cette étape est nécessaire, mais elle reste insuffisante si elle n'est pas reliée à une tâche du poste.
L’usage réel commence lorsque la personne ouvre l'outil pour résoudre un problème de son quotidien. Une chargée RH peut préparer une trame d'entretien, un gestionnaire ADV peut reformuler une relance, et une personne en logistique peut demander une première lecture d'un tableau de retards. Dans chaque cas, l'humain conserve la validation et la responsabilité du livrable.
Le rôle des fonctions supports
Les métiers non techniques n'ont pas besoin de commencer par la programmation ou la création d'agents complexes. Ils peuvent progresser en travaillant sur la rédaction, la synthèse, la recherche d'idées, la comparaison de documents et l'organisation de l'information.
Le bénéfice devient visible quand l'usage s'insère dans une routine. L'objectif n'est pas de demander à l'IA de décider à la place du salarié, mais de lui confier une première étape vérifiable. Cette approche valorise l'expertise métier, car l'utilisateur sait mieux que l'outil ce qui est pertinent, conforme et exploitable.
Pourquoi former ne suffit plus
Dire « il suffit de former les équipes » mélange l'apprentissage et l'adoption. Une formation crée une possibilité d'action. L'usage quotidien exige aussi un environnement favorable, du temps, une tâche identifiable et un retour sur les premiers essais.
Les données françaises rendent ce décalage visible. En 2023, 41 % des salariés ont suivi une formation, tandis que la participation représentait 3,7 % de la masse salariale, selon le rapport du Monitor de l'éducation et de la formation. Pourtant, les données relayées en 2026 indiquent que 54 % des salariés n'ont pas utilisé d'outil d'IA générative au cours de l'année. Seuls 7 % l'utilisent quotidiennement et 14 % chaque semaine (Focus RH).
| Repère | Ce qu'il indique |
|---|---|
| Formation suivie par les salariés | Une capacité d'apprentissage existe, mais elle ne prouve pas le passage à l'usage |
| Investissement de l'entreprise | Le budget consacré à la formation ne garantit pas une pratique installée |
| Usage de l'IA générative | L'écart entre découverte et emploi régulier reste le point à traiter |
| Fréquence d'utilisation | La répétition compte davantage qu'un essai isolé pour créer une habitude |
Le blocage après la formation
Un adulte peut comprendre un outil pendant un atelier, puis l'abandonner dès son retour au poste. La peur du jugement pèse souvent dans cette décision. Si personne ne précise le résultat attendu, l'apprenant revient à sa méthode habituelle, même lorsqu'elle demande davantage de temps.
La surcharge cognitive renforce ce réflexe. Un parcours qui présente trop de fonctionnalités, de consignes et de scénarios donne l'impression qu'il faut tout maîtriser avant de commencer. Pour débuter, une seule tâche, un modèle de demande et une règle de vérification suffisent. L'apprenant avance comme sur une rampe, avec un appui clair à chaque étape.
Installer une routine d'adoption
Une routine peut rester très simple. Chaque semaine, l'équipe choisit une tâche, teste une requête, compare le résultat avec la méthode précédente et note les corrections nécessaires. Le manager ne demande donc pas seulement si la formation a plu. Il vérifie si l'outil a été utilisé, pour quelle tâche et avec quelles limites.
L'OCDE souligne que l'accès à la formation des adultes reste limité en France, particulièrement pour les personnes peu qualifiées, et que les compétences en littératie et numératie figurent parmi les plus faibles du groupe étudié. Les analyses relayées indiquent que 32 % des Français se forment, contre 41 % en moyenne dans l'OCDE, ce qui plaide pour une pédagogie progressive associant pratique, accompagnement et évaluation (La Tribune).
Une formation suivie marque un début. L'usage réel apparaît lorsque l'équipe peut tester, corriger et recommencer sur une tâche de son quotidien.
Un cadre en trois temps pour les fonctions supports
Un responsable formation peut commencer sans modifier tout le plan annuel. Il lui suffit de relier trois éléments, le diagnostic des tâches, un parcours appliqué et une évaluation de l'usage. Cette séquence évite de proposer le même contenu à une équipe RH, à une assistante de direction et à un service logistique.
Étape 1, diagnostiquer les tâches
Le diagnostic commence par un tableau partagé. Pour chaque tâche répétitive, l'équipe renseigne la fréquence, le temps consacré et l'irritant principal. Il faut ensuite retenir deux ou trois usages présentant un résultat facile à vérifier.
Un diagnostic RH peut faire apparaître la préparation de réponses récurrentes aux salariés, la synthèse de comptes rendus et la création de trames d'entretien. Le groupe ne cherche pas encore l'outil parfait. Il cherche une tâche suffisamment fréquente, stable et peu risquée pour permettre un premier test.
Étape 2, construire un parcours court
Le parcours associe une initiation, un atelier métier et un accompagnement hebdomadaire sur quatre à six semaines. L'initiation explique les principes essentiels. L'atelier utilise de vrais documents anonymisés du service. L'accompagnement aide les participants à corriger leurs demandes, à vérifier les réponses et à partager leurs méthodes.
Pour un assistant de direction, le parcours peut partir de la préparation d'un comité. Pour une équipe logistique, il peut s'appuyer sur l'analyse d'un tableau de retards. L'approche de la collaboration entre l'humain et la machine rappelle que l'IA propose, tandis que le professionnel arbitre.
Étape 3, évaluer ce qui se passe vraiment
L'évaluation porte sur l'usage, pas uniquement sur la satisfaction. Un seuil de départ simple consiste à viser au moins une tâche traitée avec l'IA par semaine, puis à suivre le temps économisé et la qualité du résultat. Si personne n'utilise l'outil, il faut revoir le cas d'usage ou l'accompagnement, pas conclure trop vite que les salariés ne sont pas intéressés.
Un tableau peut comporter le nom de la tâche, la date du test, le temps estimé avant et après, la validation effectuée et la difficulté rencontrée. Ce format suffit pour repérer les obstacles et décider du prochain atelier.
Une démonstration vidéo peut compléter cette première approche, à condition de la relier immédiatement à une tâche du poste.
Exemples concrets dans les métiers supports
La progression devient plus facile à comprendre quand elle s'appuie sur des situations familières. Les exemples suivants décrivent des usages plausibles avec un assistant d'IA générative standard. Ils ne remplacent pas la validation humaine, notamment pour les données confidentielles, les décisions sensibles et les informations destinées à des tiers.
L'assistant de direction prépare un comité
Avant l'accompagnement, l'utilisatrice connaît bien l'organisation des réunions, mais elle n'a jamais utilisé d'assistant génératif. Elle doit lire quinze pages de notes, repérer les décisions en attente, préparer l'ordre du jour et construire un rétroplanning.
Pendant l'atelier, elle apprend à fournir un document anonymisé, à demander une synthèse d'une page, puis à exiger une séparation entre faits, décisions à prendre et questions ouvertes. L'outil peut aussi proposer une première version du rétroplanning et de l'ordre du jour. Le gain annoncé atteint deux à trois heures par session, selon le cas décrit dans le parcours pédagogique.
La limite apparaît immédiatement. L'IA peut mélanger une décision passée avec une action à venir ou attribuer une responsabilité au mauvais interlocuteur. L'assistante conserve donc la relecture finale et compare chaque élément avec les notes originales.
Le service logistique exploite un tableau de retards
Le collaborateur part d'un niveau débutant. Il sait lire le tableau de suivi, mais il n'a jamais demandé à une IA d'identifier des régularités. L'atelier lui apprend à décrire les colonnes, à demander une recherche de causes récurrentes et à formuler des hypothèses séparément des faits observés.
L'assistant peut ensuite produire une première trame de courriel destinée à un fournisseur, avec un ton professionnel et une demande d'action corrective. Le salarié reprend le message, vérifie les dates et ajoute les éléments contractuels utiles.
La limite tient à la qualité du tableau. Une colonne mal renseignée peut orienter l'analyse dans la mauvaise direction. L'apprentissage ne consiste donc pas seulement à écrire une meilleure requête. Il consiste aussi à contrôler les données d'entrée et à distinguer une piste d'analyse d'une conclusion.
L'ADV prépare des relances
À partir d'un état d'impayés, l'utilisateur peut demander plusieurs versions d'une relance, en français ou dans une autre langue maîtrisée par l'entreprise. Il précise le niveau de fermeté, le contexte de la relation client et l'étape de relance.
L'outil accélère la rédaction, mais il ne doit pas inventer une échéance, une référence de facture ou une condition de paiement. La personne en charge de l'ADV vérifie chaque donnée avant envoi et respecte les règles internes de confidentialité.
Choisir son parcours et son mode de financement
Le financement ne se choisit pas avant le besoin métier. Il dépend du statut du bénéficiaire, de la compétence visée et de la reconnaissance attendue. Un salarié qui veut enrichir son poste n'a pas le même parcours qu'un demandeur d'emploi en reconversion ou qu'un alternant préparant un titre reconnu.
| Levier | Statut cible | Reconnaissance | Délai |
|---|---|---|---|
| CPF | Salarié ou demandeur d'emploi | Formation éligible, selon le parcours | Dépend de la session et de l'éligibilité |
| OPCO | Entreprise et salariés, notamment dans les TPE-PME | Compétences liées au poste ou à l'activité | Souvent adapté à un besoin opérationnel court |
| Apprentissage | Alternant | Diplôme ou titre préparé dans le contrat | Lié à la durée du contrat |
| VAE | Personne ayant une expérience à faire reconnaître | Certification ou diplôme visé | Dépend de l'instruction et de l'accompagnement |
| Certification RNCP | Salarié, alternant ou personne en reconversion | Titre enregistré au RNCP | Parcours plus structuré |
Lire le financement avec trois questions
Quel est le statut ? Un salarié peut mobiliser son CPF ou s'inscrire dans le plan de développement des compétences de son entreprise. Un demandeur d'emploi peut relever de dispositifs différents, notamment selon son territoire et son projet. Un alternant suit un cadre lié à son contrat.
Quelle est la cible métier ? Une initiation à l'IA générative pour une équipe administrative ne répond pas au même besoin qu'un parcours d'assistant de direction, d'expert IA en logistique ou de création d'agents. Le référentiel ROME de France Travail aide à relier un métier à ses savoir-faire, savoirs, savoir-être, certifications associées et mobilités possibles.
Quelle reconnaissance faut-il ? Un atelier court peut alimenter un portefeuille de compétences. Une certification RNCP vise une reconnaissance plus durable et structurée. La VAE s'adresse à une personne qui souhaite faire reconnaître une expérience déjà acquise, tandis que l'apprentissage associe formation et situation de travail.
Dans les TPE-PME, l'OPCO peut constituer un levier pratique pour répondre à un besoin directement lié au poste. Un parcours court de quatre à cinq jours peut convenir à une équipe qui veut apprendre à rédiger, synthétiser, analyser des documents et construire des usages simples. Une certification plus structurée demande une vérification du titre visé, du programme, des modalités d'évaluation et de la compatibilité avec le projet professionnel.
Pour approfondir la construction d'un parcours adapté, consultez cette ressource sur la formation à l'IA en entreprise.
Mesurer l'usage réel avec des KPIs simples
Un manager n'a pas besoin d'un tableau de bord complexe pour vérifier si la montée en compétences produit un effet. Un tableur partagé suffit, à condition de suivre des comportements observables plutôt que des déclarations générales.
Quatre indicateurs dès la première semaine
Taux d'usage actif. Comptez les collaborateurs ayant effectué au moins une requête IA par semaine. En dessous de ce seuil, le cas d'usage n'est probablement pas assez concret ou l'accompagnement reste insuffisant.
Fréquence d'usage. Notez le nombre de sessions hebdomadaires par personne. Une fréquence faible peut signaler un outil mal intégré au poste, une consigne trop vague ou une difficulté non traitée.
Gain de temps perçu. Demandez à l'utilisateur d'estimer le temps consacré à la tâche avant et après l'introduction de l'IA, en minutes. L'ordre de grandeur importe moins que la comparaison régulière sur une tâche identique.
Qualité ressentie. Faites noter le livrable sur une échelle de 1 à 5, puis demandez ce qui a nécessité une correction. La note seule ne suffit pas. Les retouches montrent si l'outil aide réellement ou déplace simplement le travail vers la relecture.
L'équipe peut ajouter un indicateur d'autonomie, en observant le nombre de cas d'usage créés sans assistance. La mesure de l'adoption de l'IA doit rester au service de l'apprentissage. Si un indicateur baisse, le manager ouvre une discussion sur la tâche, la confiance et les conditions d'utilisation, au lieu de transformer le suivi en contrôle.
Passer à l'action sans attendre d'être prêt
La montée en compétences vers l'IA générative ressemble davantage à un marathon psychologique qu'à un sprint technique. La confiance ne précède pas l'usage. Elle se construit lorsque l'utilisateur essaie, vérifie, corrige, puis constate qu'il peut recommencer.
Attendre de maîtriser tous les outils avant de commencer retarde l'apprentissage. Une personne qui utilise Claude Code pour créer un agent et une personne qui n'a jamais utilisé ChatGPT n'ont pas besoin du même point de départ, mais elles ont besoin du même droit à l'essai, avec des consignes adaptées à leur niveau.
L'exercice de demain
Choisissez une tâche support récurrente, comme une synthèse de réunion, une relance ou une première lecture de tableau. Traitez-la avec un assistant IA pendant une semaine, en anonymisant les informations sensibles, puis notez le temps consacré, les corrections nécessaires et la qualité obtenue.
Les parcours de Rainer School illustrent ce cadre progressif en associant diagnostic, ateliers pratiques et accompagnement autour des fonctions supports. La logique reste simple, commencez petit, mesurez, ajustez, puis élargissez. Une compétence ne se prouve pas par le nombre de modules suivis, mais par la capacité à l'exercer dans une situation réelle.
Rainer School accompagne les entreprises et les apprenants avec des parcours professionnalisants en IA générative pour les fonctions supports, l'assistanat et la logistique, de l'initiation à la création d'agents IA. Découvrez les programmes, les modalités de formation continue et les solutions en alternance sur Rainer School, puis choisissez un premier cas d'usage à travailler avec votre équipe.
