Compétences IA : les catégories clés pour pros en 2026
En France, les offres d'emploi exigeant des compétences en intelligence artificielle sont passées de 21 000 en 2019 à 166 000 en 2024, selon les données du baromètre PwC AI Jobs 2025 reprises par Squid Impact. Les compétences IA ne concernent donc plus uniquement les data scientists. Elles touchent désormais les fonctions marketing, commerciales, RH, juridiques, financières et relation client.
Pour une PME, la question n'est pas seulement de savoir utiliser ChatGPT, Claude ou un autre outil. Il faut aussi savoir choisir un cas d'usage, protéger les données, vérifier une réponse, organiser un contrôle humain et conserver une preuve de formation adaptée aux rôles. C'est précisément ce qui donne aux compétences IA une dimension à la fois professionnelle, organisationnelle et réglementaire.
Table des matières
- Pourquoi les compétences IA sont devenues un critère structurant
- Ce que l'AI Act entend par alphabétisation IA
- Les quatre grandes catégories de compétences IA
- Trois niveaux de maîtrise pour adapter la formation
- Construire un parcours d'apprentissage réaliste sans DSI
- Évaluer les compétences IA sans grille rigide
- Intégrer les compétences IA dans le quotidien des équipes
Pourquoi les compétences IA sont devenues un critère structurant
La France compte 147 000 offres d'emploi liées à l'IA, contre 125 000 au Royaume-Uni et 147 000 en Allemagne, d'après les données PwC AI Jobs 2025 présentées par Squid Impact. Le sujet concerne donc les entreprises qui recrutent et organisent le travail, pas seulement les laboratoires ou les éditeurs technologiques.
Sur la période observée, les offres associées à des postes fortement exposés à l'IA ont progressé de 273 % entre 2019 et 2024. Dans un autre indicateur présenté par cette même analyse, les postes considérés comme automatisables ont augmenté de 223 %. Ces deux pourcentages décrivent des catégories et des calculs différents. Ils convergent toutefois sur un point concret, les employeurs recherchent des personnes capables d'utiliser un système d'IA, d'en vérifier les résultats et d'en connaître les limites.
Une demande qui dépasse la maîtrise d'un outil
Les compétences demandées dans ces emplois évoluent 66 % plus vite que dans les autres catégories, selon Squid Impact. Apprendre à utiliser une interface ne suffit donc pas. Une équipe doit aussi savoir adapter ses pratiques lorsque l'outil, les données ou le contexte changent.
La formation doit couvrir plusieurs dimensions :
- Utilisation raisonnée, formuler une demande précise, fournir le bon contexte et repérer une réponse fragile.
- Compréhension des données, reconnaître les informations personnelles, confidentielles ou stratégiques à ne pas transmettre.
- Contrôle du résultat, confronter la production à une source fiable et déterminer quand une validation humaine s'impose.
- Organisation du travail, intégrer l'outil dans un processus où les rôles et les responsabilités sont définis.
- Gouvernance, documenter les usages, examiner les risques et conserver les éléments utiles au suivi de conformité.
Cette grille transforme une liste de compétences techniques en cadre opérationnel. Le niveau attendu dépend du rôle. Une personne qui rédige des comptes rendus n'a pas les mêmes besoins qu'un responsable qui configure un outil ou qu'un DPO qui en examine les risques.
La part des diplômes demandés pour ces emplois est passée de 54 % à 58 % entre 2019 et 2024, d'après l'analyse du marché français par Squid Impact. Les entreprises semblent ainsi rechercher une capacité d'adaptation et de contrôle, au-delà de la simple découverte d'un nouvel outil.
Règle pratique : une compétence IA utile permet d'agir correctement avant, pendant et après l'utilisation du système.
Pour Thomas, dirigeant de PME, une politique d'usage doit donc relier chaque outil à des situations de travail précises. Pour Nadia, consultante conformité ou DPO externalisée, la formation doit associer les rôles, les usages autorisés et les risques à vérifier.
Ce que l'AI Act entend par alphabétisation IA
L’alphabétisation IA, aussi appelée AI literacy, désigne l'ensemble des connaissances et compétences permettant d'utiliser un système d'IA de manière informée, en comprenant ses possibilités, ses risques et ses préjudices potentiels. Le texte consolidé de l'AI Act associe cette notion à la capacité de prendre des décisions éclairées face à un système d'IA.
L'article 4 du règlement impose aux fournisseurs et aux déployeurs de systèmes d'IA de prendre des mesures pour garantir, dans la mesure de leurs moyens, un niveau suffisant de maîtrise de l'IA pour leur personnel et les personnes qui agissent en leur nom. Un déployeur est l'organisation qui utilise un système d'IA dans le cadre de son activité. Il peut s'agir d'une entreprise qui emploie un outil de recrutement, d'un cabinet qui analyse des documents ou d'un service client qui utilise un assistant automatisé.
Une obligation proportionnée au contexte
L'article 4 ne demande pas de mesurer individuellement le niveau de chaque salarié ni d'imposer un seuil identique à toute l'entreprise. La Commission européenne précise que le niveau attendu dépend notamment des connaissances techniques, de l'expérience, de l'éducation, de la formation, du contexte d'usage et des personnes ou groupes concernés par le système, comme l'explique la foire aux questions de la Commission sur l'AI literacy.
Un collaborateur qui utilise un assistant pour reformuler un courriel n'a pas les mêmes besoins qu'une personne qui configure un outil de sélection de candidatures. De même, un salarié qui manipule des données de santé ou des informations financières doit recevoir des consignes plus ciblées sur la confidentialité, la traçabilité et la validation.
Les mesures de formation doivent notamment aborder :
- Les notions de base, fonctionnement général et types de systèmes d'IA.
- Les usages autorisés, pertinents ou interdits dans l'entreprise.
- Les bénéfices attendus, sans confondre rapidité de production et fiabilité.
- Les risques, erreurs, biais, divulgation de données ou décisions inadaptées.
- Les responsabilités, contrôle humain, escalade vers un référent et documentation.
Les entreprises doivent pouvoir conserver une documentation démontrant les mesures prises. Pour comprendre la notion de preuve et ses implications pratiques, consultez le guide sur l'alphabétisation IA. Cette démarche ne remplace pas la validation juridique d'un consultant ou d'un DPO. Elle aide à organiser les éléments à examiner avec ce professionnel.
Les quatre grandes catégories de compétences IA
Une cartographie utile ne commence pas par une liste d'outils. Elle part des tâches exercées, des décisions prises et des risques acceptés. Quatre catégories permettent de distinguer les besoins sans réduire les compétences IA à la programmation.
Les compétences techniques
Elles concernent le fonctionnement et la configuration des systèmes. Elles sont indispensables pour les personnes qui développent, paramètrent ou intègrent une solution, mais elles ne supposent pas toujours un niveau d'ingénierie avancé.
Dans une PME, cela peut inclure :
- Préparer les données, vérifier leur qualité, leur origine et leur structure.
- Comprendre un modèle, c'est-à-dire un système entraîné pour produire une prédiction, une classification ou un contenu.
- Configurer des consignes, des paramètres ou des connexions avec les outils existants.
- Tester les sorties, identifier les erreurs récurrentes et signaler les limites techniques.
Un responsable marketing n'a pas besoin de construire un modèle. Il doit cependant savoir qu'une réponse générée peut être inexacte, dépendre du contexte transmis et reproduire des biais présents dans les données.
Les compétences produit
Elles consistent à transformer un besoin métier en cas d'usage utile. Il faut définir le problème, les utilisateurs, le résultat attendu, les critères de qualité et les conditions d'abandon.
Pour le service juridique, cela peut être un premier classement de documents, avec une validation humaine obligatoire. Pour les RH, il peut s'agir d'aider à préparer des entretiens, sans automatiser une décision de recrutement. Pour la finance, l'enjeu peut être la détection d'anomalies, avec un contrôle par une personne compétente.
Les compétences opérationnelles
Elles permettent d'intégrer l'IA dans un processus quotidien. Elles couvrent la rédaction d'un prompt, la vérification d'un résultat, la transmission à un collègue et la gestion des exceptions.
Un bon usage opérationnel prévoit ce qui se passe lorsque l'outil :
- répond avec incertitude ;
- produit une information impossible à vérifier ;
- traite une donnée qu'il ne devrait pas recevoir ;
- propose une recommandation contraire aux règles internes.
La personne compétente ne se contente pas de cliquer. Elle sait quand utiliser l'outil, quand corriger la demande et quand reprendre la tâche manuellement.
La gouvernance et l'éthique
Cette catégorie concerne le cadrage des risques, la protection des données, la documentation et la responsabilité. Elle mobilise les dirigeants, les DPO, les responsables métiers et les utilisateurs concernés.
Les travaux français sur l'évolution des compétences soulignent que les entreprises rencontrent aussi des enjeux de données, de vie privée et d'éthique. Les compétences différenciantes ne consistent donc pas uniquement à utiliser un outil. Elles incluent la capacité à qualifier un cas d'usage, limiter les fuites, analyser les conséquences et documenter les arbitrages.
Trois niveaux de maîtrise pour adapter la formation
Une équipe n'a pas besoin d'un programme uniforme. Le niveau attendu dépend de la place occupée dans le processus, de l'autonomie accordée et des conséquences possibles d'une erreur.
| Catégorie | Basique | Intermédiaire | Avancé |
|---|---|---|---|
| Technique | Utiliser les fonctions disponibles et comprendre leurs limites | Configurer un usage, tester les résultats et résoudre les erreurs courantes | Concevoir, intégrer ou superviser une architecture d'IA |
| Produit | Décrire un besoin métier concret | Prioriser un cas d'usage et définir des critères de qualité | Arbitrer les investissements, les dépendances et les conditions de déploiement |
| Opérationnelle | Rédiger une consigne claire et vérifier la réponse | Construire un flux de travail reproductible avec contrôle humain | Organiser le déploiement, les responsabilités et l'amélioration continue |
| Gouvernance et éthique | Reconnaître les données sensibles et les principaux risques | Évaluer un usage et documenter les précautions prises | Piloter le cadre de risques, la conformité et les décisions d'escalade |
Le niveau basique convient à une personne qui utilise un assistant de rédaction ou de synthèse. Elle doit connaître les règles de confidentialité, vérifier les faits et savoir demander de l'aide.
Le niveau intermédiaire correspond à un référent métier. Cette personne conçoit un processus, compare les sorties, rédige des consignes réutilisables et repère les situations qui exigent une validation.
Le niveau avancé concerne les personnes qui cadrent la stratégie, sélectionnent les usages, supervisent les risques ou accompagnent plusieurs équipes. Elles doivent relier les aspects techniques, métiers, humains et réglementaires.
Pour organiser ces parcours, vous pouvez consulter les ressources consacrées aux formations IA. Le niveau ne doit pas être attribué selon le titre du poste, mais selon les actions réellement réalisées et les responsabilités assumées.
Construire un parcours d'apprentissage réaliste sans DSI
Une PME peut progresser sans créer une académie interne ni disposer d'une direction des systèmes d'information. Le parcours doit rester court, lié au travail réel et suffisamment documenté pour être suivi dans le temps.
Commencer par les usages existants
La première étape consiste à identifier les outils déjà utilisés, les tâches concernées et les personnes exposées. Un court échange avec chaque équipe suffit souvent à faire émerger les vrais besoins.
Demandez notamment :
- Ce qui est déjà fait, rédaction, traduction, analyse, recherche ou support client.
- Ce qui est transmis, données personnelles, contrats, informations commerciales ou données sensibles.
- Ce qui est vérifié, sources, calculs, décisions et validations.
- Ce qui pose problème, réponses inventées, consignes floues, absence de responsable ou perte de temps.
L'auto-évaluation doit déboucher sur des objectifs observables, par exemple vérifier une réponse avant diffusion ou reformuler une demande en précisant le public, le format et les contraintes.
Alterner théorie et pratique
Un apport court sur les limites d'un modèle sera plus utile s'il est immédiatement suivi d'un exercice sur un document anonymisé. Une équipe marketing peut comparer deux prompts pour produire une fiche produit. Une équipe juridique peut repérer les informations qui doivent être retirées avant toute analyse.
Le parcours peut suivre quatre étapes :
- Auto-évaluation et objectifs, à partir des tâches et des risques réels.
- Formation ciblée, avec des notions adaptées au rôle.
- Projet pratique interne, sur un cas d'usage autorisé et contrôlé.
- Mentorat et échanges entre pairs, pour partager les erreurs, les corrections et les bonnes pratiques.
Le consultant ou le DPO peut fournir le cadre, valider les règles et organiser la preuve. Les managers, eux, ancrent les apprentissages dans les réunions et les processus de travail. Cette répartition évite de faire reposer toute la formation sur une seule personne.
Évaluer les compétences IA sans grille rigide
Un questionnaire théorique peut vérifier le vocabulaire, mais il ne montre pas comment une personne réagit face à une réponse douteuse. Une évaluation pertinente observe le raisonnement dans une situation proche du travail quotidien.
Proposez une mise en situation courte. Donnez à un collaborateur une demande client, un document anonymisé et une sortie générée par un outil. Demandez-lui de décider ce qu'il peut conserver, ce qu'il doit vérifier et ce qu'il doit modifier avant transmission.
Des exercices qui révèlent le jugement
Les exercices peuvent porter sur des actions concrètes :
- Analyser une sortie, relever les affirmations non vérifiées et distinguer les faits des hypothèses.
- Rédiger un prompt, préciser le rôle demandé, le contexte, les contraintes et le format attendu.
- Repérer une fuite potentielle, identifier une donnée personnelle, confidentielle ou stratégique.
- Choisir une conduite à tenir, utiliser l'outil, demander une validation ou interrompre le traitement.
- Documenter un arbitrage, expliquer pourquoi un usage a été accepté, limité ou refusé.
La correction doit porter sur la démarche, pas uniquement sur la réponse finale. Une personne peut produire un résultat imparfait tout en ayant correctement identifié l'incertitude et le besoin de contrôle. À l'inverse, une réponse exacte obtenue sans comprendre les risques ne suffit pas à démontrer une maîtrise durable.
Conserver une preuve proportionnée
Un format simple peut réunir le contexte de l'exercice, les critères observés, le résultat et la décision du formateur. Il n'est pas nécessaire de transformer chaque activité en examen. L'important est de pouvoir montrer que la formation correspond au rôle et au système utilisé.
Cette approche aide aussi Nadia à comparer les besoins de plusieurs clients sans leur imposer une grille identique. Thomas peut, de son côté, suivre les progrès de ses équipes à partir de situations professionnelles plutôt qu'à partir d'un score isolé.
Intégrer les compétences IA dans le quotidien des équipes
Une formation ponctuelle ne suffit pas si les règles disparaissent dès que l'outil change. Les compétences IA deviennent utiles lorsque les équipes les intègrent dans leurs procédures, leurs modèles de documents et leurs échanges habituels.
Commencez par une fiche d'usage pour chaque cas autorisé. Elle peut préciser l'objectif, les données exclues, l'outil utilisé, le contrôle attendu, la personne responsable et la conduite à tenir en cas d'erreur. Cette fiche donne un repère concret aux utilisateurs et facilite les échanges avec le DPO ou le responsable conformité.
Les rituels peuvent rester simples :
- Revue d'usage, pour examiner les nouveaux cas et les incidents.
- Partage d'exemples, pour comparer des prompts et des réponses.
- Mise à jour des consignes, lorsque les outils ou les traitements évoluent.
- Suivi des formations, pour savoir qui a été formé à quel usage.
- Conservation des preuves, avec les objectifs, supports, participants et évaluations.
L'intégration d'un nouvel outil doit suivre une logique similaire. Le guide sur l'intégration d'un outil IA dans une équipe aide à relier adoption, rôles, contrôle et documentation.
IATOLL est une plateforme d'alphabétisation IA et de suivi de conformité à l'article 4, distribuée en marque blanche aux consultants en conformité et aux DPO externalisés. Elle propose des parcours prêts à l'emploi et génère, pour chaque entreprise cliente, un registre de preuve personnalisé, tandis que le consultant conserve la validation juridique et l'intégration dans son accompagnement.
Pour structurer vos compétences IA, commencez par cartographier les usages réels, attribuez un niveau adapté à chaque rôle et préparez une première mise en situation documentée. Si vous accompagnez des PME comme consultant ou DPO externalisé, découvrez comment IATOLL peut soutenir vos parcours d'alphabétisation IA et le suivi des preuves liées à l'article 4.
