Je commence à me méfier d’un indicateur dès que je le vois dans trop de slides de comités de direction.
En ce moment, c’est le cas du nombre de licences IA déployées.
On m’explique fièrement : “Nous avons 8 000 licences Copilot”, “Nous avons donné ChatGPT Entreprise à tous les cadres”,
“Nous avons formé 3 000 personnes à l’IA générative”.
J’écoute. Je regarde les processus. Et très souvent, rien n’a vraiment changé.
Les documents sont toujours préparés à la main, les décisions s’appuient sur les mêmes reportings Excel, les réunions durent toujours aussi longtemps, les délais projets n’ont pas bougé. En réalité, on a surtout industrialisé le “jouet IA”, pas la transformation.
Il peut aussi y avoir l’effet inverse: des réponses toutes prêtes copier/collées d’un agent configuré à la hâte. Sans contrôle; on fait confiance. Le traitement des erreurs se faisant sur les retours utilisateurs. Ce n’est pas mieux…
Pour moi, le seul KPI sérieux, c’est celui-ci : combien de temps vous faut-il pour rendre une nouvelle compétence IA réellement opérationnelle chez vos équipes ?
La question à poser en comité de direction
Je vais être direct : une stratégie IA peut être brillante sur le papier et totalement inexécutable, simplement parce que le système de montée en compétences est trop lent.
Posez-vous honnêtement la question :
- Combien de temps pour qu’un collaborateur lambda passe de “je découvre l’outil” à “je transforme un vrai processus avec” ?
- Combien de temps pour qu’une équipe entière bascule sur une nouvelle façon de travailler, outillée par l’IA ?
- Combien de temps pour que vous puissiez dire : “sur ce métier-là, notre standard de performance a changé grâce à l’IA” ?
Si on parle en années, ou “ça dépend des managers”, ou “on n’a pas encore mesuré”, vous avez votre réponse : votre capital humain n’est pas prêt pour l’IA.
Je ne parle pas de sensibilisation. Je parle de ce moment très concret où une personne prend un processus, le démonte, le réécrit avec l’IA et l’automatisation, le remet en production, et n’a plus envie de revenir en arrière.
Le mauvais réflexe : croire que la transformation suit le licensing
J’ai vu la même histoire se jouer avec Internet dans les années 2000, puis avec la “digitalisation” dans les années 2010.
On commence par l’infrastructure :
- On équipe tout le monde (PC, VPN, Office, maintenant IA générative).
- On signe de gros contrats avec de très beaux slides de ROI prévisionnels.
- On en parle beaucoup dans les plénières, les newsletters internes, les rapports annuels.
Et ensuite, on s’étonne que les indicateurs métier ne bougent pas.
La vérité, assez simple, un peu désagréable, c’est que : ce n’est pas parce qu’une compétence est disponible qu’elle est opérationnelle.
Concrètement :
- Donner ChatGPT à 5 000 collaborateurs ne les transforme pas en concepteurs de processus augmentés à l’IA.
- Former 1 000 managers en 2 heures de webinaire ne refonde pas leur manière de piloter la performance.
- Empiler des “bonnes pratiques de prompt” ne remplace pas une vraie ingénierie de transformation.
Pendant ce temps-là, quelques personnes isolées bricolent des automatisations dans leur coin, parfois impressionnantes… mais sans effet à l’échelle de l’entreprise. On est dans une économie de l’artisanat IA, avec trois personnes sur-motivées, et plusieurs milliers qui continuent exactement comme avant.
Le vrai enjeu : industrialiser l’acquisition de compétences
J’ai mis du temps à l’accepter, mais il y a un seuil à partir duquel faire de la formation “à la main” ne suffit plus.
Quand vous devez transformer 50 personnes, vous pouvez bricoler : ateliers, formations maison, quelques contenus achetés, un peu de coaching. Quand vous devez transformer 5 000 personnes, sur plusieurs métiers, plusieurs pays, plusieurs niveaux de maturité, ce n’est plus le même sport.
C’est là que l’angle change complètement : le capital humain devient une infrastructure de transformation.
Je choisis ce mot “infrastructure” volontairement. Comme on parle d’infrastructure cloud, d’infrastructure réseau, d’infrastructure de données.
Une infrastructure, ça se conçoit différemment :
- Vous pensez capacité : combien de personnes je peux faire monter en compétence par mois, par trimestre, sans tout casser.
- Vous pensez latence : en combien de temps une décision stratégique se traduit en pratiques terrain réelles.
- Vous pensez résilience : que se passe-t-il quand la technologie bouge tous les six mois ?
Dit autrement : si votre entreprise met douze mois à adapter les compétences de 10 000 personnes, vous pouvez avoir la meilleure stratégie IA du monde ; elle restera une belle présentation.
Le temps devient le KPI central.
Mesurer ce qui compte vraiment : le “time-to-skill” opérationnel
J’utilise de plus en plus une notion dans mes échanges avec les directions générales :
le time-to-skill opérationnel.
C’est simple, presque brutal :
Combien de temps entre l’identification d’une compétence IA clé et le moment où
1 000 personnes l’utilisent de façon autonome, dans des processus réellement en production ?
Pas le temps pour lancer un parcours de sensibilisation, ou proposer une formation dans le catalogue: Le temps pour changer la façon dont le travail est fait.
Concrètement, sur le terrain, ça se voit très vite. Quand le time-to-skill opérationnel est mauvais, on observe :
- Des PoC IA qui restent au stade de démonstrateurs pendant des mois.
- Des métiers qui “attendent la formation officielle” pour bouger.
- Des écarts gigantesques entre les “champions IA” et le reste des équipes.
- Une lassitude qui s’installe : “Encore une mode, on verra ce qui restera”.
À l’inverse, quand ce time-to-skill commence à devenir court, vraiment court, vous voyez apparaître autre chose :
- Des équipes qui revoient complètement un processus en quelques semaines.
- Des managers qui demandent spontanément : “Quel est le niveau de compétence IA minimum pour mon métier ?”
- Des collaborateurs qui challengent l’organisation sur le tempo de transformation, pas l’inverse.
C’est là que l’IA arrête d’être un sujet de conférences pour devenir un sujet de
performance métier quotidienne.
Quand l’entreprise reste coincée en “mode projet”
Je vois une autre difficulté, plus subtile : beaucoup d’entreprises abordent encore l’IA comme un projet IT.
On structure des roadmaps, des comités de pilotage, des jalons, des livrables. C’est utile, mais insuffisant. Une compétence ne se déploie pas comme un logiciel. Une compétence se construit dans le travail lui-même, au contact des vrais irritants, des vraies contraintes, des vraies résistances. Et là, le problème, c’est l’échelle.
Vous ne pouvez pas vous permettre d’avoir une démarche totalement artisanale avec des consultants partout, des ateliers partout, des projets partout. Ça ne tiendra ni en budget, ni en délai, ni en énergie managériale.
C’est précisément ce constat qui m’a poussé, avec le Groupe SAVEN, à passer d’un modèle “ingénierie pédagogique faite à la main” à un modèle industriel de production de dispositifs de formation. ATLAS, notre moteur pédagogique, est né de là.
Capital humain : de “centre de coût” à “infrastructure de transformation”
Quand je discute avec des DRH ou des DSI, je sens souvent une forme de malaise : ils voient très bien l’écart entre les ambitions affichées et la réalité des moyens pour transformer vraiment les compétences.
On demande aux collaborateurs d’être agiles, apprenants, acteurs de leur employabilité. Très bien. Mais derrière, on leur offre quoi ?
- Un catalogue e‑learning illisible, rarement à jour sur l’IA.
- Quelques webinars généralistes, non reliés à leurs objectifs métier.
- Des parcours “transverses” sans lien concret avec leurs processus quotidiens.
Je ne caricature pas tant que ça.
Pour moi, traiter le capital humain comme une infrastructure de transformation, c’est accepter plusieurs conséquences très concrètes :
- Vous devez mesurer le time-to-skill, par métier, pas globalement.
- Vous devez savoir sur quelles familles de compétences IA vous êtes en avance, à l’heure, ou déjà en retard.
- Vous devez pouvoir décider : “Sur ce métier, dans 6 mois, le niveau plancher sera X”, et en avoir les moyens.
- Vous devez raccorder formation, certification, coaching, projets et automatisation, pas les laisser en silos.
C’est là que les certifications prennent aussi une autre dimension. Avec BestCertifs, nous avons voulu des certifications orientées compétences opérationnelles, pas juste empilement de connaissances théoriques.
La certification, dans ce contexte, ce n’est pas un trophée pour LinkedIn. C’est un repère pour l’entreprise : “sur telle brique de compétence IA/digitale, nous savons qui est opérationnel, à quel niveau, et où il faut investir”.
Si ces sujets vous intéressent, nous détaillons cette logique “skills d’abord, outils ensuite” et la manière de structurer une montée en compétences IA à grande échelle sur le site de Skills4All.
Un mot personnel sur la vitesse d’apprentissage
J’ai commencé à travailler sur des réseaux de neurones en 1995, à une époque où il n’y avait ni GPU, ni framework clé en main, ni buzz autour de l’IA. J’ai ensuite passé des années à déployer des systèmes d’information, à faire de la conduite du changement, à piloter des projets, à voir des plans de transformation réussir, d’autres échouer.
Avec le recul, je suis frappé par une chose : ce qui fait la différence, ce n’est jamais la beauté du plan initial.
C’est la vitesse à laquelle les compétences se réorganisent autour des nouveaux processus. Quand les collaborateurs comprennent vite ce qui change pour eux, qu’ils sont formés sérieusement, qu’on les accompagne sur leurs vrais cas d’usage, qu’on leur donne des repères clairs (et exigeants), la transformation suit.
Quand on reste dans le déclaratif, le symbolique, la communication, quand on équipe massivement sans muscler les compétences, on fabrique de la déception et du cynisme.
Je ne suis pas certain que l’IA rende le travail plus simple. En revanche, je suis convaincu qu’elle rend le retard de compétence beaucoup plus dangereux qu’avant.
Ceux qui accepteront de traiter sérieusement ce sujet – de mesurer le time-to-skill, de l’améliorer en continu, de passer de l’artisanat de formation à une logique industrielle – auront une longueur d’avance très difficile à rattraper.
Une dernière question à se poser honnêtement
Si vous êtes dirigeant, manager, ou responsable de la transformation IA, je vous propose une question simple, presque inconfortable :
Si vous décidiez demain qu’une nouvelle compétence IA doit devenir le “nouveau normal”
pour 10 000 personnes, en combien de temps pourriez-vous y arriver réellement ?
Si la réponse est floue, lointaine, ou dépend surtout de “la motivation des gens”, alors votre principal sujet c’est la capacité de votre organisation à rendre une compétence opérationnelle, vite, bien, à grande échelle.
