Dans 66 grandes entreprises, Microsoft Research a tiré au sort les salariés qui recevaient Microsoft 365 Copilot. Leur usage a ensuite été relevé dans la télémétrie des produits : 7 137 personnes suivies de septembre 2023 à octobre 2024. D'une entreprise à l'autre, l'usage hebdomadaire allait de 6,3 % à 70 %. Les différences entre entreprises expliquent la plus grande part de l'écart, et ses auteurs (Dillon, Jaffe, Immorlica et Stanton) suggèrent un rôle des pratiques de management ou de la formation propres à chacune, « que nous ne pouvons pas mesurer ».
Une formation IA en entreprise gagne donc à se décider sur l'usage réel des équipes : avant la séance, il dit qui former et sur quoi ; après, si l'usage a changé.
Par où commencer une formation IA en entreprise ?
Une formation à l'IA commence par l'usage réel, avant le programme. Les catalogues partent des fonctions (RH, finance, commerce) ; l'usage dit où une séance servira. Dans l'ordre :
- Lire l'usage réel. Les journaux des outils fournis (Microsoft 365 Copilot, ChatGPT Enterprise, Claude…) disent qui s'en sert et à quelle fréquence. Un échantillon des échanges, ou des entretiens, dit sur quelles tâches et où les demandes restent sans réponse utile. Le trafic des automatisations s'écarte.
- Choisir les équipes et les tâches. Les services où presque personne ne se sert de l'outil, et les tâches fréquentes où il bute, passent en premier.
- Former sur ces tâches, avec les outils partagés de l'entreprise s'il y en a, plutôt qu'en faisant le tour des fonctions de l'assistant.
- Relire l'usage les semaines suivantes, sur les mêmes équipes et les mêmes tâches.
- Ajuster : refaire une séance là où l'usage retombe, arrêter là où il tient.
« On les a acculturés, maintenant on veut les former », nous disait en juillet la personne qui pilote l'IA dans une organisation de plusieurs services. L'acculturation présente l'outil et ses risques à tout le monde ; la formation travaille des tâches précises avec les équipes qui en ont besoin.
La formation à l'IA est-elle obligatoire ?
La formation à l'IA n'est pas obligatoire sous une forme précise, mais le règlement européen sur l'IA oblige les entreprises à agir. Son article 4, dans sa version en vigueur, demande aux fournisseurs et aux déployeurs de systèmes d'IA de prendre « des mesures pour favoriser le développement de la maîtrise de l'IA » par leur personnel. Ces mesures tiennent compte de ses connaissances, de son expérience et du contexte d'utilisation. Il ajoute que cette obligation ne les contraint pas « à garantir un niveau spécifique de maîtrise de l'IA par un individu ».
- L'obligation de prendre ces mesures s'applique depuis le 2 février 2025. Le contrôle, confié aux autorités nationales, s'applique depuis le 2 août 2026.
- Le texte a été modifié par le règlement (UE) 2026/1744, en vigueur depuis le 27 juillet 2026 : sa version d'origine demandait de garantir, autant que possible, un niveau suffisant de maîtrise ; cette exigence a disparu.
- Selon la FAQ de la Commission, l'article 4 n'oblige ni à mesurer les connaissances des salariés, ni à délivrer un certificat. Un registre interne des formations et des actions menées suffit à en garder la trace.
- La même FAQ prévient que se contenter de faire lire la notice des outils risque d'être inefficace, et qu'une entreprise dont les salariés rédigent ou traduisent avec ChatGPT doit les informer de risques comme l'hallucination.
- Les déployeurs de systèmes à haut risque gardent une obligation plus stricte : former le personnel chargé de la surveillance humaine (article 26).
Ce résumé ne remplace pas l'avis d'un juriste. Le règlement demande des mesures adaptées aux connaissances et au contexte du personnel ; savoir qui fait quoi avec quels outils sert justement à les adapter. Le reste des obligations est dans notre guide sur la conformité au règlement sur l'IA.
Qui former en priorité ?
Pour former les salariés à l'IA, on commence par les équipes que l'usage désigne, plus que par celles que l'organigramme désigne. Trois signaux se lisent dans les journaux, par équipe :
- les services où l'outil sert à très peu de monde, rapporté à leur effectif. La personne qui pilote l'IA citée plus haut le constatait chez elle : « il y a certains services où il y a une seule personne qui l'utilise » ;
- les sièges qui n'ont rien produit sur le mois, ou qui se sont arrêtés après quelques essais. Dans un cabinet de conseil et de formation, c'était le cas de 31 % des sièges Claude, alors que 85 % avaient servi au moins une fois ;
- les tâches fréquentes où les demandes restent non résolues ou sont reprises à la main.
Ces signaux se lisent par équipe et par tâche, sur des groupes assez grands pour que personne n'y soit reconnaissable : le but est de savoir où une séance aidera, sans noter personne. Lire un échantillon des échanges, c'est lire des demandes faites à l'outil. Cette lecture se cadre par écrit avec la personne chargée de la protection des données. Elle se présente aussi aux représentants du personnel et aux salariés avant de commencer, selon ce que prévoit le droit du travail (à vérifier avec votre juriste). Côté ressources humaines, notre article sur l'IA RH applique ce raisonnement à la fonction ; pour l'entreprise entière, voir notre guide sur l'IA en entreprise.
Sur quoi former les équipes ?
Il vaut mieux former les équipes sur leurs tâches et sur les outils partagés que sur les commandes de l'assistant. Dans ce cabinet, la mesure d'une quarantaine de sièges Claude sur un mois a montré que 89 % des chargements des outils maison (les « skills ») étaient décidés par Claude lui-même, pas par l'utilisateur. Apprendre aux équipes à appeler ces outils à la main aurait donc changé peu de choses : c'était la description de chaque outil qui décidait de son usage.
La même mesure montre ce que le partage change. Un outil déployé pour toute l'organisation touchait 6,4 fois plus de monde que la version personnelle du même outil. Et les échanges où un outil partagé était chargé comptaient 43 % de demandes non résolues en moins. Ces chiffres portent sur un mois, sur un client et sur des outils Claude ; un seul cas ne fait pas une règle, et vos outils sont peut-être ceux de Microsoft. Ce cas donne une raison de regarder qui, dans vos journaux, décide d'ouvrir les outils. Le détail est dans ce retour d'expérience.
« Le mieux, c'est de pratiquer », nous disait début octobre le responsable de l'amélioration des process d'un industriel, qui voulait des cas d'usage imposés pour que les équipes s'y mettent. Former sur la tâche n'exclut pas les risques pour autant : la FAQ de la Commission demande de les expliquer, et une charte d'usage fixe ce qui est permis. Selon le baromètre Cegos 2026, un quart des DRH interrogés en France ont formalisé et partagé des règles d'usage de l'IA.
Que disent les études sur l'effet d'une formation à l'IA ?
Les études sur la formation à l'IA montrent que les salariés formés utilisent davantage l'IA, sans pouvoir dire si la formation en est la cause. Presque toutes sont déclaratives :
- KPMG, Impact AI et ViaVoice (juin 2026, 1 000 salariés du privé en France, interrogés en février) : parmi les salariés formés à l'IA responsable, 90 % utilisent l'IA générative dans leur travail, contre 47 % en moyenne. Seuls 23 % disent avoir reçu cette formation.
- BCG (juin 2025, plus de 10 600 salariés et cadres de 11 pays) : 36 % se sentent bien formés à l'IA ; ceux qui ont reçu cinq heures de formation ou plus deviennent plus souvent des utilisateurs réguliers.
- Cegos (baromètre 2026, 5 524 salariés de 11 pays, dont 502 en France) : 25 % des salariés français se sont déjà formés à l'IA par une formation ou une communauté de pratiques de leur organisation. Au global, près d'un salarié sur deux a appris dans l'année de façon spontanée, seul ou avec ses pairs.
- Insee (juillet 2026, 11 000 entreprises de 10 salariés ou plus) : le manque d'expertise est cité par 54 % des entreprises qui n'utilisent pas l'IA, et 73 % de celles de 250 salariés ou plus.
Le lien entre formation et usage peut aller dans les deux sens : on se forme aussi parce qu'on utilise déjà. KPMG compare de plus les formés à la moyenne de tous les salariés, formés compris, et l'un des commanditaires de l'étude propose lui-même un programme de formation. La seule de ces études qui mesure l'usage, celle de Microsoft Research, ne mesure justement pas la formation.
Comment mesurer l'effet d'une formation sur l'usage ?
On mesure l'effet d'une formation à l'IA en comparant l'usage des mêmes équipes, sur les mêmes tâches, avant la formation et pendant plusieurs semaines après. Le nombre d'inscrits et la satisfaction de fin de séance disent que la séance a eu lieu et qu'elle a plu ; ils ne disent pas si le travail a changé.
Le chef de projet data et IA d'une collectivité régionale nous racontait en octobre avoir réuni 937 participants pour une formation en ligne, et environ 980 pour les webinaires de lancement : « on a vraiment une forte adoption ». Ces chiffres disent bien que la formation a touché du monde ; les journaux des semaines suivantes diraient si l'usage a suivi.
| Ce qu'on compte | Ce que ça dit | Ce que ça ne dit pas |
|---|---|---|
| Inscrits, présents, satisfaction | La séance a eu lieu et a plu | Si les équipes s'en servent ensuite |
| Personnes actives chaque semaine, par équipe | Si l'usage monte, et s'il tient après quelques semaines | Ce que les équipes en font |
| Tâches assistées et demandes non résolues | Si l'outil sert les tâches visées par la formation | Le temps gagné hors de l'outil |
| Recours aux outils partagés | Si les équipes utilisent ce qui leur a été montré | L'usage des outils personnels |
Le délai compte aussi. Dans l'étude de Microsoft Research, l'usage culminait dans les cinq premières semaines, « peut-être à cause de la formation, de la nouveauté ou de l'essai » (traduction). Une mesure prise le lendemain de la séance risque donc de surestimer l'effet. La personne qui pilote l'IA citée plus haut prévoyait de former à l'automne et de se reposer la question « tout début d'année prochaine, savoir effectivement l'impact de notre formation et des usages ».
Les questions à poser avant le plan de formation
Avant de signer un plan de formation, demandez ces cinq réponses à l'équipe qui administre vos outils et aux responsables des équipes concernées :
- Combien de personnes se sont servies des outils le mois dernier, par équipe, automatisations écartées s'il y en a ?
- Quels services s'en servent peu, rapporté à leur effectif ?
- Quelles tâches reviennent le plus, et où les demandes restent-elles non résolues ? Les exports des éditeurs ne le disent pas : il faut lire un échantillon des échanges, dans le cadre fixé plus haut, ou demander aux équipes.
- Quels outils partagés existent déjà, et qui les utilise ?
- Quel indicateur d'usage relira-t-on après la formation, sur quelles équipes, et combien de semaines plus tard ? L'usage d'avant se fige dès maintenant : les exports ne gardent qu'un historique limité (trente jours dans ce cabinet).
Ce que la mesure ne dit pas
- La compétence : un usage qui monte ne dit pas que le travail est mieux fait ; la qualité se vérifie avec les équipes.
- Les outils personnels : selon KPMG, 61 % des utilisateurs passent par des IA grand public extérieures, invisibles dans les journaux de l'entreprise.
- La cause : un usage qui monte après une formation peut tenir à autre chose, un nouvel outil, une équipe renforcée, une période plus chargée.
- Les personnes : la mesure se lit par équipe et par tâche, jamais pour juger quelqu'un ; elle se cadre avec la personne chargée de la protection des données et se présente aux représentants du personnel avant de commencer.
Reste une question que ni les études citées ici ni les journaux d'un seul mois ne tranchent : combien de temps faut-il observer l'usage pour dire qu'une formation a tenu ? Microsoft Research situe le pic dans les cinq premières semaines ; aucune de ces sources ne dit quand l'usage qui reste devient une habitude.
Idun Group ne vend pas de formation. En un an, nous avons mené plus de quarante diagnostics IA : notre analyse de l'usage réel croise les journaux de vos outils et des entretiens avec vos équipes ; qui former et sur quoi en est l'un des livrables, au même titre que le ROI de ce qui sert, détaillé dans notre article sur le ROI de l'IA.
