L’AI literacy, ou maîtrise de l’IA, désigne la capacité à comprendre, utiliser et évaluer un système d’IA pour prendre la bonne décision au travail. Depuis le 2 février 2025, l’article 4 de l’AI Act oblige les entreprises à garantir ce niveau de maîtrise chez leurs collaborateurs. L’enjeu n’est plus de savoir si l’IA est utilisée, mais si elle est utilisée en connaissance de cause.
Résumer un contrat, synthétiser des entretiens annuels, comparer des candidatures, préparer un rendez-vous client : l’IA s’invite partout dans le travail quotidien. Obtenir une réponse n’est pourtant que la partie visible. Encore faut-il savoir si l’outil peut être utilisé, quelles informations lui confier, si son résultat est fiable, et qui en assume les conséquences.
C’est exactement ce que recouvre l’AI literacy, la maîtrise de l’IA : la capacité à comprendre, utiliser et évaluer un système d’IA pour prendre la bonne décision au bon moment.
Cette compétence n’a rien de théorique. L’article 4 de l’IA Act impose aux fournisseurs et aux organisations qui déploient des systèmes d’IA de garantir un niveau suffisant de maîtrise chez leurs utilisateurs.
Les collaborateurs utilisent l’IA. Reste à savoir s’ils comprennent ce qu’ils font en l’utilisant.
Qu’est-ce que l’AI literacy ?
L’AI literacy désigne la capacité à comprendre le fonctionnement général des systèmes d’IA, à les utiliser dans un contexte approprié, à évaluer leurs résultats et à en identifier les risques.
Le règlement européen sur l’intelligence artificielle la définit comme l’ensemble des compétences, des connaissances et de la compréhension permettant un déploiement éclairé des systèmes d’IA, en percevant aussi bien leurs possibilités que les risques et les dommages qu’ils peuvent causer.
Cette définition dépasse largement la capacité à rédiger un prompt. Un collaborateur peut obtenir un texte convaincant avec ChatGPT sans reconnaître une information inventée. Être à l’aise avec Copilot sans savoir si le document transmis contient des données confidentielles. Connaître les grands principes de l’IA sans parvenir à juger si un cas d’usage est réellement approprié.
L’AI literacy réunit donc plusieurs dimensions : comprendre le fonctionnement et les limites de l’IA, sélectionner un usage pertinent, maîtriser les interactions avec les outils, vérifier les contenus produits, protéger les données, garder son jugement.
Maîtriser l’IA, ce n’est pas seulement savoir s’en servir. C’est aussi savoir quand ne pas s’en servir.
Pourquoi l’AI literacy devient-elle essentielle dans les entreprises ?
L’accès à l’IA s’est démocratisé plus vite que sa maîtrise
Quelques secondes suffisent pour produire un texte, une image, une analyse. Cette simplicité laisse croire que la compétence s’acquiert naturellement par l’usage. Or savoir interroger un outil n’est pas savoir interpréter sa réponse.
Les systèmes génératifs produisent des réponses fluides et affirmatives, ce qui les rend trompeuses : une réponse peut sembler cohérente tout en reposant sur une donnée inexacte ou une source inexistante.
Le premier apprentissage de l’AI literacy : ne pas confondre une réponse bien rédigée et une réponse exacte. La fluidité n’est pas une preuve de fiabilité.
L’IA ne se contente plus d’aider à rédiger
Après la recherche d’idées et la rédaction, l’IA intervient désormais dans des activités aux conséquences plus lourdes : analyse de documents, comparaison de profils, évaluation de performances, traitement d’informations personnelles. Plus elle influence une décision, plus le niveau de maîtrise requis augmente.
Une responsable RH demande à un outil de classer des candidatures. Au-delà de la consigne, elle doit juger si les critères sont légitimes, si certaines informations introduisent un biais, pourquoi un profil a été écarté, qui valide la décision finale.
C’est là que l’AI literacy cesse d’être une culture numérique et devient une compétence de discernement.
L’AI literacy permet d’agir sur le shadow AI
Des collaborateurs utilisent des outils d’IA sans que leur entreprise le sache, souvent pour gagner du temps. Ce shadow AI devient problématique quand les utilisateurs ignorent les conditions d’utilisation du service, les règles internes, ou la nature des informations transmises.
Une interdiction générale ne suffit pas toujours, elle peut même rendre ces pratiques plus invisibles. La maîtrise de l’IA offre une réponse plus durable : comprendre pourquoi certains outils sont autorisés, pourquoi certaines données ne doivent pas être partagées, quelles solutions utiliser sans exposer l’organisation.
Ce que l’AI Act change en matière de maîtrise de l’IA
L’article 4 de l’AI Act demande aux fournisseurs et déployeurs de systèmes d’IA de garantir un niveau suffisant de maîtrise de l’IA à leur personnel et aux personnes qui utilisent ces systèmes pour leur compte, en tenant compte de leurs connaissances techniques, de leur expérience, du contexte d’utilisation et des personnes susceptibles d’être affectées.
Pas de formation identique pour tous, pas de durée minimale, pas de certification imposée. La Commission européenne précise qu’aucun format n’est prescrit : chaque organisation adapte sa démarche à ses usages et à ses risques.
Une attestation de participation à un module générique ne suffit donc pas. L’entreprise doit relier ses mesures aux réalités du terrain : quels systèmes sont utilisés, par qui, pour quelles activités, quelles données sont traitées, quelles erreurs sont possibles, qui pourrait être affecté. Pour le détail du dispositif réglementaire, voir notre article sur l’AI Act et la régulation européenne de l’intelligence artificielle.
Une simple charte ne développe pas une compétence
Une charte peut indiquer les outils autorisés, les informations à ne pas saisir, les validations nécessaires. Elle crée un cadre indispensable, mais ne suffit pas à développer les bons réflexes.
Une règle interne interdit de transmettre des données confidentielles à un outil non autorisé. Mais un collaborateur sait-il reconnaître ces informations ? Une présentation commerciale peut contenir le nom du client, ses résultats, ses priorités stratégiques, sans être estampillée « confidentiel ».
Le véritable apprentissage consiste à savoir analyser la situation avant de copier le document dans un outil.
Comment développer l’AI literacy dans l’entreprise ?
Commencer par les usages, pas par les outils
La première étape n’est pas de lister les fonctionnalités de ChatGPT, Copilot ou Gemini, mais d’identifier les situations où l’IA intervient déjà : tâches concernées, outils employés, données transmises, décisions influencées, usages informels, erreurs aux conséquences les plus lourdes.
Cette cartographie permet de hiérarchiser les besoins et d’éviter une approche trop générale. Une organisation ne développe pas la maîtrise de l’IA de la même façon selon que ses collaborateurs reformulent des courriels ou analysent des candidatures, évaluent des performances ou traitent des données sensibles.
Différencier les niveaux de maîtrise attendus
Tous les collaborateurs n’ont pas besoin des mêmes connaissances.
Un utilisateur occasionnel doit reconnaître les informations à ne pas transmettre et vérifier les résultats qu’il reprend. Un manager doit fixer des règles de délégation et de validation. Un professionnel RH doit comprendre les risques de biais et de décisions affectant les personnes. Une équipe technique doit maîtriser des dimensions plus avancées de sécurité, de surveillance et de gouvernance.
Le niveau attendu dépend du rôle, de la fréquence d’utilisation et des conséquences possibles, pour éviter un parcours trop technique à des usagers occasionnels, ou une simple sensibilisation à des collaborateurs qui s’appuient quotidiennement sur ces systèmes.
Construire des parcours ancrés dans les métiers
Un socle commun doit ensuite se prolonger par des situations propres à chaque fonction.
Pour les équipes commerciales : protection des données clients, préparation des rendez-vous, vérification des informations. Pour les ressources humaines : confidentialité, biais, explicabilité, place de l’humain dans la décision. Pour le marketing et la communication : fiabilité des sources, propriété intellectuelle, cohérence éditoriale, validation des contenus. Pour les managers : ce qui peut être délégué, les contrôles attendus, les responsabilités qui ne se transfèrent pas à l’outil.
Cette contextualisation transforme une connaissance générale en compétence utilisable.
Organiser une pratique encadrée
La maîtrise de l’IA ne se développe pas seulement par une présentation descendante. Les collaborateurs doivent expérimenter sur des cas proches de leur quotidien, comparer plusieurs méthodes, identifier des erreurs, vérifier des sources, justifier leurs décisions.
Cette pratique doit s’effectuer dans un cadre sécurisé : outils à utiliser, données mobilisables, personne à qui s’adresser en cas de doute. L’objectif n’est pas de réussir un exercice, mais de développer des réflexes réutilisables au quotidien.
Documenter sans réduire la démarche à la conformité
L’entreprise a intérêt à garder une trace des populations concernées, des risques identifiés, des compétences attendues, des actions mises en place, des évaluations réalisées, des ressources accessibles et des mises à jour du dispositif.
Mais accumuler des attestations ne garantit pas la maîtrise. La documentation doit montrer la cohérence entre usages, risques, objectifs pédagogiques et compétences évaluées. Une preuve de participation indique qu’un collaborateur a suivi une action ; elle ne démontre pas qu’il sait reconnaître une donnée sensible, vérifier une source ou remettre en question une recommandation automatisée.
Faire vivre la culture IA
L’AI literacy n’est pas un acquis définitif. Les outils évoluent, de nouvelles fonctionnalités apparaissent, les usages se transforment, et les règles internes doivent s’ajuster en fonction du terrain.
La montée en compétences se prolonge par des ateliers réguliers, des communautés d’ambassadeurs, des ressources accessibles, des retours d’expérience, des temps de partage entre métiers.
Les erreurs et difficultés doivent pouvoir se discuter. Une organisation progresse davantage en analysant ses usages problématiques qu’en cherchant à les dissimuler.
L’AI literacy commence là où le prompt s’arrête
Pendant longtemps, la montée en compétences sur l’IA s’est résumée à la découverte des outils et à l’apprentissage du prompt. Ces savoir-faire restent utiles, mais ne répondent plus à la réalité des usages.
À mesure que l’IA intervient dans la rédaction, l’analyse, la recommandation et la décision, les collaborateurs doivent apprendre à en évaluer la pertinence, contrôler ses résultats, identifier les personnes affectées, reprendre la main quand c’est nécessaire.
L’AI literacy ne se mesure ni au nombre d’outils connus ni à la sophistication des prompts. Elle se révèle dans une situation plus simple et plus exigeante : face à une réponse convaincante produite par une IA, le collaborateur sait-il encore décider par lui-même ?
