Un pays n’a pas besoin que tout le monde devienne ingénieur IA

Imaginons une administration qui souhaite utiliser l’intelligence artificielle pour aider les citoyens à comprendre leurs démarches. Elle pourrait accéder à un modèle performant et faire développer un assistant. Mais qui vérifiera les procédures ? Qui décidera des questions auxquelles l’assistant peut répondre ? Qui contrôlera ses erreurs ? Qui accompagnera les agents dans l’utilisation du service ?

Ces responsabilités ne relèvent pas toutes d’un ingénieur en intelligence artificielle. Elles mobilisent aussi des responsables administratifs, des experts des procédures, des documentalistes, des spécialistes de la sécurité et les agents qui connaissent les difficultés rencontrées par les usagers.

À l’échelle d’un pays, la question des compétences dépasse donc le nombre de spécialistes formés à concevoir des modèles. Elle concerne également la capacité des institutions, des entreprises et des citoyens à utiliser l’IA avec discernement, à construire des services adaptés et à en assurer le fonctionnement.

Développer une technologie d’IA et faire fonctionner une organisation qui utilise l’IA sont deux activités différentes, même si elles se rejoignent.

La première peut demander des compétences en recherche, en apprentissage automatique, en données, en logiciels et en infrastructures. La seconde exige aussi de comprendre les activités professionnelles, de choisir les usages pertinents, de vérifier les résultats et d’organiser les responsabilités.

Une entreprise qui utilise un assistant pour préparer ses propositions commerciales n’a pas nécessairement besoin de chercheurs capables d’entraîner un modèle. Elle a cependant besoin de collaborateurs capables de vérifier les engagements proposés, de préserver les informations confidentielles et d’adapter les documents à ses clients.

Un ministère qui développe un assistant administratif doit mobiliser des compétences techniques. Mais il doit aussi disposer de personnes capables de qualifier les sources, de repérer les changements réglementaires et de traiter les situations que l’assistant ne sait pas résoudre.

Former des spécialistes de l’IA est donc nécessaire. Préparer les organisations et leurs professionnels à travailler avec elle l’est également.

Pour rendre ces besoins plus lisibles, nous proposons de distinguer trois niveaux. Cette distinction constitue une grille de lecture pédagogique, pas une nomenclature officielle ni une hiérarchie entre professions.

1. Une culture IA largement diffusée

De nombreux utilisateurs doivent comprendre ce qu’un outil d’IA peut faire, quelles sont ses limites et comment vérifier ses productions.

Cette culture comprend notamment la capacité à formuler une demande, à reconnaître une réponse incertaine, à protéger les informations sensibles et à savoir quand demander un avis humain.

Un étudiant qui utilise l’IA pour réviser doit pouvoir distinguer une explication utile d’une affirmation erronée. Un agent qui prépare un compte rendu doit vérifier que le texte restitue les décisions prises. Un entrepreneur qui génère une proposition commerciale doit contrôler les chiffres et les engagements qu’elle contient.

Ces compétences peuvent être développées par des exercices concrets, adaptés aux activités des personnes. Leur acquisition ne suppose pas nécessairement une formation au développement informatique.

2. Des compétences spécialisées dans les secteurs

Certaines personnes doivent aller plus loin : identifier les usages pertinents, préparer les ressources métier, participer à la conception des services et en évaluer les résultats.

Dans l’éducation, des enseignants peuvent définir les méthodes d’accompagnement et vérifier les explications. Dans l’agriculture, des agronomes peuvent qualifier les connaissances et leurs conditions d’application. Dans l’administration, des experts peuvent formaliser les procédures, leurs exceptions et les responsabilités associées.

Ces professionnels travaillent avec les équipes techniques. Ils doivent comprendre suffisamment le fonctionnement du système pour traduire les besoins de leur domaine, détecter les limites et contribuer aux contrôles.

Il ne s’agit pas de transformer chaque enseignant, juriste ou agronome en développeur. Il s’agit de lui permettre de participer efficacement à la construction et à la validation d’un service qui mobilise son expertise.

3. Des expertises avancées mobilisables et parfois mutualisées

Des projets ont besoin de compétences plus spécialisées : recherche, ingénierie IA avancée, déploiement de modèles, sécurité, infrastructures ou évaluation technique.

Toutes les organisations n’ont pas besoin de réunir ces expertises en permanence. Certaines peuvent être mobilisées auprès de prestataires, de laboratoires, d’équipes publiques spécialisées ou de services partagés.

Un ministère chargé de l’agriculture pourrait ainsi disposer de ses propres experts agricoles et responsables de projets, tout en mobilisant une équipe spécialisée pour l’intégration des modèles et les tests de sécurité.

La mutualisation peut faciliter l’accès à des compétences rares. Elle demande toutefois des règles claires : disponibilité des équipes, financement, responsabilités, confidentialité et continuité du service.

Une organisation doit déterminer ce qu’elle doit maîtriser elle-même et ce qu’elle peut confier à d’autres.

Dans notre exemple d’assistant administratif, la validation des procédures et la décision sur les réponses acceptables doivent rester sous la responsabilité des personnes compétentes de l’administration. Le développement technique peut être confié à un prestataire. Certaines évaluations peuvent bénéficier d’un regard indépendant.

Cette répartition dépend des risques, de la fréquence des besoins et de la criticité du service.

Externaliser une tâche ne supprime pas le besoin de comprendre ce qui est demandé, de contrôler la livraison et de suivre son fonctionnement. À l’inverse, conserver toutes les tâches en interne peut disperser les moyens et rendre certaines expertises difficiles à entretenir.

À l’échelle nationale, l’enjeu est donc double : développer les compétences et organiser les conditions permettant de les mobiliser au bon moment.

Un diplôme ou une formation ne produit pas, à lui seul, une capacité durable.

Les professionnels doivent pouvoir pratiquer, accéder aux outils, participer à des projets et apprendre des erreurs rencontrées. Ils ont également besoin de temps, de responsabilités définies et de possibilités d’actualiser leurs connaissances.

Un enseignant formé à la structuration de ressources pédagogiques doit pouvoir travailler avec une équipe qui utilisera ces ressources. Un spécialiste de l’évaluation doit disposer de cas de test, de critères et d’un accès aux résultats. Un ingénieur doit pouvoir entretenir les systèmes après leur lancement.

La formation initiale, la formation continue, la reconversion et l’apprentissage par les projets peuvent ainsi se compléter. Leur contenu doit partir des fonctions à assurer et des besoins constatés.

Cette lecture invite à poser des questions concrètes :

• Quelles compétences les utilisateurs doivent-ils acquérir pour leurs activités ?
• Quels professionnels doivent participer à la conception et à la validation des services ?
• Quelles expertises avancées faut-il rendre accessibles ?
• Quelles responsabilités doivent rester dans chaque organisation ?
• Quels moyens permettront d’entretenir ces compétences dans la durée ?

Les réponses peuvent varier selon les secteurs. Elles doivent aussi tenir compte des compétences déjà présentes chez les enseignants, chercheurs, documentalistes, statisticiens, juristes, ingénieurs et autres professionnels.

Les huit familles de compétences invisibles présentées dans cette collection approfondissent une partie de cet ensemble : la préparation, la structuration, la gouvernance et l’évaluation des connaissances mobilisées par l’IA. Elles s’articulent avec les compétences techniques et celles nécessaires à l’adoption des outils.

Un pays peut disposer de spécialistes très qualifiés tout en rencontrant des difficultés à déployer des services utiles, si les connaissances métier, les responsabilités et les conditions d’exploitation sont mal organisées.

Il peut aussi multiplier les usages sans disposer des moyens nécessaires pour en vérifier la qualité.

Développer les capacités nationales en IA suppose de relier ces dimensions : des utilisateurs avertis, des professionnels engagés dans leurs secteurs et des expertises spécialisées accessibles.

Tout le monde n’a pas besoin de devenir ingénieur IA. Mais chaque organisation doit comprendre les compétences dont elle a besoin, savoir où les trouver et donner aux personnes les moyens de les exercer.