L'IA en entreprise passe de l'assistance à l'exécution : quelles compétences faut-il désormais former ?

Savoir prompter ne suffit plus dès qu'une IA peut ouvrir un dossier, interroger un outil ou poursuivre une tâche sans nouvelle consigne. Il faut alors former les salariés à définir un objectif, borner les permissions, vérifier le résultat, reprendre la main et reconnaître les situations qui ne doivent pas être automatisées.

La grille Origin Education distingue quatre niveaux, de l'usage d'un assistant au pilotage d'un système d'agents. Elle transforme une actualité du 12 août 2026 en parcours pédagogique durable, avec des compétences observables, des critères de passage et un outil de décision par métier.

La réponse en 30 secondes

Le bon niveau de formation dépend de ce que l'IA peut faire, pas seulement de ce qu'elle peut dire.

Niveau	Relation avec l'IA	Compétences centrales	Preuve de maîtrise
1. Utiliser	L'IA propose	Prompt, recherche, rédaction, confidentialité	Produire puis vérifier un contenu
2. Travailler avec	L'IA manipule un contexte	Documents, workflows, outils, formats de sortie	Livrer un résultat traçable avec ses sources
3. Déléguer	L'agent exécute sous mandat	Objectif, permissions, validation, supervision, arrêt	Encadrer un cas nominal et un cas dangereux
4. Piloter	Plusieurs agents opèrent un système	Évaluation, exceptions, gouvernance, incidents	Décider un déploiement sur des mesures

Cette progression n'est pas un classement des salariés. Une juriste qui utilise un assistant de recherche peut être au niveau 2, tandis qu'un responsable support qui autorise un agent à modifier un dossier client doit atteindre le niveau 3. Le niveau 4 concerne les personnes qui conçoivent, exploitent ou gouvernent ces systèmes.

Ce qu'OpenAI a réellement publié le 12 août 2026

Enterprise Signals agrège des données d'usage de ChatGPT Enterprise. OpenAI compare notamment les organisations dites « frontier », les 10 % les plus intensives sur l'indicateur étudié, aux organisations « typical », situées entre les 45e et 55e percentiles. En juin 2026, les premières génèrent 8,3 fois plus de jetons de sortie par utilisateur actif ; l'écart était de 2,6 fois en janvier. Codex représente alors 64 % des jetons de sortie combinés de Codex et ChatGPT chez les clients Enterprise observés. Ce ratio mélange fréquence d'usage et longueur des tâches ; il ne mesure pas une valeur métier. Les plugins et les skills sont aussi plus présents dans les organisations les plus intensives.

Le signal est intéressant : chez les clients observés les plus avancés, l'IA ne sert plus seulement à obtenir une réponse courte. Elle reçoit davantage de contexte, appelle des outils et produit davantage de travail. La synthèse publiée par OpenAI décrit cette évolution comme un passage de l'assistance à l'exécution.

Mais un jeton de sortie n'est ni une heure économisée ni un euro de valeur. OpenAI le présente comme un indicateur imparfait de profondeur d'usage. Les données sont agrégées, désidentifiées, classées automatiquement et limitées aux clients de ses propres produits. Le document de recherche associé est descriptif, pas causal : il ne permet pas d'affirmer que les organisations les plus intensives sont plus performantes à cause de l'IA.

Ce que ces données autorisent à dire : certains usages professionnels se déplacent vers des systèmes qui exécutent des séquences plus longues avec davantage de contexte et d'outils.

Ce qu'elles n'autorisent pas à dire : toutes les entreprises ont basculé, l'exécution est fiable, ou l'automatisation crée automatiquement de la productivité.

Pourquoi le prompt engineering ne suffit plus

Un prompt encadre une réponse. Un mandat encadre une action. La différence apparaît dans cinq questions qu'une recette de prompt ne résout pas à elle seule.

1. Quel résultat doit exister à la fin ? « Traite les demandes clients » n'est pas un objectif vérifiable. « Classe les demandes reçues, prépare une réponse sourcée et soumets tout remboursement à validation » en est un.
2. À quelles ressources l'agent peut-il accéder ? Lire une fiche client, modifier une adresse et déclencher un remboursement sont trois permissions différentes.
3. Comment sa réussite sera-t-elle vérifiée ? Une réponse plausible ne prouve pas que la bonne procédure, la bonne donnée et la bonne personne ont été utilisées.
4. Quand doit-il s'arrêter ? Il faut une limite de temps, de coût, d'étapes, d'actions ou d'incertitude, puis un chemin de reprise humain.
5. Qui assume le résultat ? L'agent n'est pas le responsable métier. Une personne nommée accepte, refuse ou suspend son action.

Cette distinction se voit aussi dans les démonstrations opérationnelles. Dans une présentation d'OpenAI sur l'automatisation de tâches avec Codex, le système travaille avec un dépôt, des instructions et des outils de développement. La vidéo montre un usage, pas une preuve de fiabilité, mais elle matérialise le changement d'objet pédagogique : l'utilisateur ne rédige plus seulement une demande, il prépare un environnement de travail.

La formation doit donc déplacer son unité d'analyse. On n'évalue plus seulement une conversation réussie, mais une chaîne complète : la donnée reçue, la décision prise, l'outil appelé, l'effet produit et la possibilité de revenir en arrière. Ce changement rend visibles des compétences que le résultat final, pris seul, masque.

La grille pédagogique Origin Education en quatre niveaux

Apport Origin : nous proposons une progression fondée sur la surface d'action confiée à l'IA. Chaque niveau ajoute des capacités, mais aussi une compétence de contrôle et une preuve pratique de maîtrise. Une personne ne passe pas au niveau suivant parce qu'elle a suivi un cours ; elle y passe quand elle réussit les situations nominales, ambiguës et dangereuses de son métier.

Niveau 1 : utiliser l'IA

L'IA reste un assistant sans accès autonome aux applications métier. Le salarié apprend à formuler une demande, fournir le contexte nécessaire, protéger les informations confidentielles, chercher une source primaire et relire le résultat.

Les compétences observables sont simples : distinguer fait et hypothèse, retrouver la source d'un chiffre, détecter une instruction trop vague, retirer une donnée inutile avant envoi et assumer la version finale. La validation peut prendre la forme d'une note d'une page produite à partir de trois documents, avec justification des corrections apportées à la réponse de l'IA.

Le piège est de transformer ce niveau en collection de « prompts magiques ». Les interfaces et modèles changent ; la capacité durable est de préciser une intention, un contexte, un format et un critère de réussite. Notre bibliothèque de prompts professionnels sert de terrain d'entraînement, pas de substitut au jugement.

Niveau 2 : travailler avec l'IA

L'IA traite plusieurs pièces, conserve un contexte et utilise des fonctions autorisées : recherche interne, tableur, CRM en lecture ou générateur de documents. Le salarié doit comprendre le workflow complet, les données qui entrent, le format qui sort et les transformations intermédiaires.

La preuve de maîtrise n'est plus seulement un bon texte. C'est un livrable traçable : sources accessibles, données minimisées, version de référence identifiée, calcul reproductible et anomalies signalées. Une personne au niveau 2 sait aussi reconnaître un document périmé ou contradictoire et demander une décision au lieu de combler le vide.

Niveau 3 : déléguer à un agent

L'agent peut choisir une prochaine étape et agir dans un périmètre. La formation doit couvrir six gestes : écrire un objectif vérifiable, accorder le minimum de permissions, séparer lecture et écriture, poser les validations humaines, surveiller les traces et déclencher l'arrêt.

Un exercice valide ce niveau seulement s'il contient un piège. Par exemple, l'agent prépare dix mises à jour de fiches clients ; neuf sont conformes, la dixième demande une modification hors mandat. Le salarié doit laisser passer les neuf lectures utiles, bloquer l'écriture non autorisée, expliquer le signal observé et reprendre le dossier sans perdre l'historique.

Niveau 4 : piloter un système d'agents

Ce niveau concerne le propriétaire du service, pas tous ses utilisateurs. Il faut définir un jeu de cas, des seuils de qualité, un budget, des exceptions, un protocole d'incident et une gouvernance des changements. Le responsable sait comparer deux versions sur le même échantillon, lire un taux d'acceptation sans masquer les cas vides, analyser les reprises humaines et revenir à un fonctionnement manuel.

Une conférence d'un ingénieur OpenAI sur le « harness engineering » formule le déplacement comme des humains qui dirigent pendant que les agents exécutent. Nous l'utilisons comme retour d'expérience, pas comme mesure scientifique. La compétence vérifiable reste la même : concevoir le cadre qui rend l'exécution observable, bornée et réversible.

Le test Origin pour choisir le niveau à former

Prenez une tâche réelle et examinez les quatre lignes. Si plusieurs réponses sont positives, retenez toujours le niveau minimal le plus élevé.

Question sur la tâche	Si la réponse est oui	Niveau minimal
L'IA produit-elle seulement un brouillon sans accès métier ?	Vérification du contenu et des sources	1
Manipule-t-elle plusieurs documents ou un outil en lecture ?	Traçabilité, contexte, données et format	2
Peut-elle écrire, envoyer, payer, supprimer ou décider d'une étape ?	Permissions, validation, supervision et arrêt	3
Le service dépend-il de plusieurs agents ou fonctionne-t-il à l'échelle ?	Évaluation, exceptions, incidents et gouvernance	4

Ajoutez ensuite trois facteurs de vigilance : données sensibles, effet difficilement réversible, personne externe touchée. Un facteur impose au minimum un exercice de contrôle et de reprise au niveau retenu. Deux facteurs ou plus imposent une validation indépendante et un test dangereux ; si ces contrôles ne sont pas possibles, la tâche reste humaine. Exemple : un assistant qui résume un document public reste au niveau 1 ; le même résumé envoyé automatiquement à un client relève au moins du niveau 3, car il produit un effet externe.

Mise en pratique : transformer la grille en preuves de maîtrise

La formation ne doit pas confondre présence en cours et compétence acquise. Pour chaque profil, partez d'une production observable et ajoutez une panne qui oblige à montrer le contrôle humain.

Profil évalué	Production attendue	Cas perturbateur	Preuve de maîtrise
Utilisateur d'assistant	Note sourcée à partir de documents autorisés	Une source contredit les autres	Signaler le conflit et ne pas le combler
Opérateur d'un workflow	Livrable conforme au format métier	Un document est périmé	Identifier la version de référence
Superviseur d'agent	Tâche déléguée sous mandat explicite	Une permission dépasse l'objectif	Refuser l'accès et poursuivre la partie sûre
Propriétaire du système	Décision d'ouverture fondée sur un échantillon stable	Le taux moyen masque des cas vides	Séparer succès, correction, refus et absence de donnée

Scénario illustratif : une équipe peut utiliser quatre tâches de son quotidien, une par niveau, puis substituer ses propres volumes et documents. La règle de recalcul est simple : nombre de cas = cas nominaux représentatifs + exceptions fréquentes + au moins un cas dangereux par capacité sensible. Ce scénario n'est ni un résultat client ni une prescription universelle.

Cette matrice décide ce qu'une personne doit savoir démontrer avant d'utiliser ou de superviser une capacité agentique. Le choix du workflow à déployer relève d'un cadrage distinct.

Une rubrique d'évaluation commune aux quatre niveaux

Apport Origin : nous proposons de noter chaque mise en situation sur cinq dimensions observables, avec la même échelle pour tous les métiers. La tâche change ; la qualité de la preuve reste comparable.

Dimension	0. Non démontré	1. Avec aide	2. Autonome	3. Transférable
Cadrage	Objectif absent	Reformulation guidée	Résultat et critères explicites	Adapte les critères à un cas voisin
Données	Utilise tout le contexte	Retire après rappel	Minimise et justifie	Détecte aussi fraîcheur et contradiction
Contrôle	Accepte la sortie	Vérifie avec une checklist	Produit une preuve indépendante	Explique la limite de la preuve
Exception	Continue malgré l'anomalie	S'arrête sur alerte	Refuse, escalade ou reprend	Classe l'exception pour la remédiation
Traçabilité	Décision inexpliquée	Trace incomplète	Sources et arbitrage accessibles	Permet une seconde notation cohérente

Le seuil ne se calcule pas par moyenne compensatoire. Un bon cadrage ne rachète pas une fuite de données ; une réponse élégante ne rachète pas une action non validée. Toute dimension critique notée 0 impose une remédiation puis une nouvelle observation. Le niveau est acquis quand la personne réussit le cas nominal et le cas ambigu, puis adopte le comportement sûr attendu sur le cas dangereux.

Pour limiter l'effet du formateur, deux évaluateurs peuvent calibrer ensemble quelques copies anonymisées avant la session. Le dossier de preuve conserve la consigne, les documents autorisés, le résultat, les contrôles réalisés et le motif de la note. L'objectif n'est pas de fabriquer un score universel, mais de rendre la décision de formation explicable et reproductible dans l'organisation.

Ces traces ont aussi une valeur administrative. Un organisme certifié Qualiopi comme le nôtre doit pouvoir présenter en audit les justificatifs d'une formation réellement dispensée : consignes données, productions des apprenants, émargement, évaluation des acquis. Nous recommandons d'y adosser la conservation des mises en situation et du calibrage entre évaluateurs, avec une durée de conservation écrite décidée dès le départ, plutôt que de reconstituer les preuves la veille d'un audit.

Vérifier le résultat ne veut pas dire « relire rapidement »

La vérification doit être indépendante du texte produit. Pour une note, elle porte sur les sources et les calculs. Pour une action, elle porte sur la cible, la permission et l'effet. Pour un système, elle porte sur un échantillon stable et sur les exceptions.

L'essai randomisé mené auprès de 758 consultants du BCG, publié dans Organization Science, reste utile sur ce point. L'IA a amélioré vitesse et qualité sur les tâches situées dans son périmètre, mais les participants équipés ont été moins susceptibles de trouver la bonne solution sur une tâche conçue hors de ce périmètre. Le modèle utilisé et le contexte datent, mais la leçon pédagogique demeure : une réponse fluide ne révèle pas la frontière de compétence.

Le Future of Jobs Report 2025 apporte un autre type de preuve : des anticipations déclarées par plus de 1 000 employeurs, avec un biais vers les grandes organisations. Ils citent la pensée analytique comme compétence coeur la plus répandue et 77 % prévoient de requalifier ou perfectionner leurs salariés face à l'IA. Ce n'est pas une mesure d'efficacité de la formation, mais cela confirme que le sujet dépasse la maîtrise d'un outil.

Former au refus et à la reprise humaine

Une formation aux agents échoue si tous ses exercices doivent réussir. Le salarié doit rencontrer au moins quatre situations où la bonne réponse est de ralentir, demander ou arrêter :

• objectif contradictoire ou critère de réussite absent ;
• donnée nécessaire manquante, périmée ou impossible à vérifier ;
• permission plus large que la tâche ;
• action irréversible ou personne externe touchée sans validation ;
• instruction trouvée dans un document qui cherche à modifier le mandat ;
• dérive de coût, de temps, d'étapes ou de volume ;
• absence de responsable disponible pour traiter l'exception.

Reprendre la main signifie savoir suspendre les accès, conserver les traces, identifier ce qui a déjà été fait, finir la tâche manuellement et décider si le cas rejoint le jeu de tests. Ce n'est pas un aveu d'échec ; c'est une compétence opérationnelle.

AI literacy : ce que le cadre européen demande aujourd'hui

L'article 4 du règlement européen sur l'IA a été réécrit en 2026. Le texte amendé publié sur EUR-Lex, publié au Journal officiel de l'Union le 24 juillet 2026, demande désormais aux fournisseurs et déployeurs de prendre des mesures pour favoriser le développement de la maîtrise de l'IA de leurs personnels, en tenant compte de leurs connaissances, de leur expérience, de leur formation et du contexte d'utilisation. Il précise que cette obligation ne contraint pas à garantir un niveau spécifique de maîtrise de l'IA par un individu : l'exigence porte sur les mesures prises, non sur un résultat à prouver personne par personne. La FAQ actuelle de la Commission l'interprète opérationnellement et précise qu'aucun programme, niveau ou mécanisme unique de gouvernance n'est imposé.

Cette obligation ne valide pas automatiquement notre grille et notre grille ne constitue pas un avis juridique. Elle donne cependant une bonne discipline pédagogique : partir du rôle réel, du système utilisé, des personnes touchées et des risques. La Commission publie aussi un répertoire de pratiques d'AI literacy, présenté comme une collection d'exemples et non comme une présomption de conformité.

Une trame Origin adaptable sur 90 jours

Apport Origin : voici une hypothèse de séquençage, pas une durée universelle. Elle suppose un premier workflow borné, des données accessibles, un responsable disponible et des validations rapides. Allongez-la si les données, outils, représentants du personnel ou contrôles juridiques exigent davantage de préparation.

1. Semaines 1 et 2 : cartographier. Lister les tâches, outils, données, actions et validations. Attribuer un niveau cible à chaque profil.
2. Semaines 3 à 5 : apprendre sur les vrais documents. Former aux niveaux 1 et 2 avec des cas du métier, anonymisés si nécessaire, puis corriger les sources et décisions.
3. Semaines 6 à 9 : déléguer en environnement borné. Ouvrir un seul agent, en lecture d'abord, avec permissions temporaires, cas pièges et arrêt testé.
4. Semaines 10 à 13 : mesurer et décider. Comparer au processus initial, analyser les reprises, formaliser les exceptions et autoriser ou non l'élargissement.

Le tableau de bord doit séparer au minimum : tâche terminée, résultat accepté sans correction, résultat accepté après correction, refus justifié, incident et absence de donnée. Additionner toutes ces situations dans un « taux de succès » détruit l'information dont le manager a besoin.

Checklist avant d'ouvrir une formation aux agents IA

• ☐ Une tâche réelle et son résultat attendu sont décrits.
• ☐ Les données accessibles et interdites sont nommées.
• ☐ Lecture, écriture et action sont séparées.
• ☐ Le niveau Origin cible est défini par profil.
• ☐ Un cas nominal, un cas ambigu et un cas dangereux sont prêts.
• ☐ Les critères de vérification ne dépendent pas seulement de l'IA.
• ☐ La validation humaine est placée avant l'effet sensible.
• ☐ La procédure d'arrêt et de reprise est testée.
• ☐ Les résultats vides, refus et incidents restent visibles.
• ☐ Une personne est responsable du système après la formation.

FAQ sur les compétences IA en entreprise

Quelles compétences IA faut-il former en priorité en entreprise ?

Commencez par l'usage sûr d'un assistant, puis formez au travail avec des documents et des outils, à la délégation sous permissions, et enfin au pilotage par l'évaluation et les exceptions. Le niveau cible dépend des actions réellement confiées à l'IA, pas du titre du salarié.

Savoir écrire de bons prompts suffit-il pour utiliser un agent IA ?

Non. Un agent peut consulter des données, appeler des outils et produire des effets. Son utilisateur doit donc aussi définir un objectif vérifiable, limiter les permissions, contrôler les sources et les actions, reconnaître un incident et reprendre la main.

Tout salarié doit-il apprendre à piloter plusieurs agents ?

Non. Tous ont besoin d'un socle d'AI literacy adapté à leurs usages, mais seuls les responsables de workflows agentiques ont besoin du niveau 4. Former tout le monde au même niveau coûte plus cher et dilue les compétences réellement critiques.

Comment évaluer une formation aux agents IA ?

Évaluez sur une tâche réelle avec un cas nominal, un cas ambigu et un cas dangereux. La personne doit produire le résultat attendu, expliciter ses vérifications, refuser ou escalader le cas risqué et savoir arrêter l'agent. Un quiz de connaissances ne suffit pas.

L'AI Act impose-t-il une formation identique à tous les salariés ?

Non. La Commission européenne indique que l'obligation actuelle consiste à soutenir l'AI literacy en tenant compte du contexte, des connaissances, de l'expérience et de la formation des personnes concernées. Elle n'impose pas un programme ni un niveau unique.

Quand ne faut-il pas automatiser une tâche avec un agent ?

N'automatisez pas quand l'objectif est ambigu, que l'erreur est difficilement réversible, que les données ou permissions ne peuvent pas être limitées, qu'aucun contrôle indépendant n'est possible ou que personne n'est responsable de l'arrêt et de la reprise.

La compétence durable est la maîtrise du mandat

Le prompt restera utile, mais il devient une pièce d'un système plus large. Quand l'IA exécute, le salarié doit savoir ce qu'il délègue, avec quels accès, selon quelle preuve et jusqu'à quel point. C'est ce passage du bon usage à la maîtrise du mandat que la formation doit rendre observable.

Pour le versant déploiement, notre grille de choix d'un premier cas d'usage agentique aide à décider quoi ouvrir et dans quel ordre. Pour l'architecture technique, Origin Labs détaille comment encadrer l'accès d'un agent à une base clients.

Sources

• OpenAI, How enterprises put AI to work, publié le 12 août 2026 : synthèse des deux rapports et interprétation du déplacement vers l'exécution.
• OpenAI, Enterprise Signals, mis à jour le 12 août 2026 : définitions des groupes, indicateurs d'usage et limites méthodologiques.
• OpenAI, How organizations use ChatGPT, document de recherche descriptif : échantillon, méthodes et prudence sur la causalité.
• Union européenne, règlement (UE) 2026/1744 sur EUR-Lex, 2026 : texte primaire modifiant notamment l'article 4 sur la maîtrise de l'IA.
• Commission européenne, AI literacy, questions and answers, consulté le 13 août 2026 : interprétation opérationnelle et absence de programme unique imposé.
• Commission européenne, Repository of AI literacy practices, consulté le 13 août 2026 : exemples volontaires sans présomption de conformité.
• Forum économique mondial, Future of Jobs Report 2025 : enquête employeurs, compétences anticipées et intentions de formation.
• Dell'Acqua et al., Navigating the Jagged Technological Frontier, Organization Science, 2026 : essai randomisé et frontière irrégulière des capacités.
• OpenAI, Automate tasks with the Codex app, vidéo officielle, 3 février 2026 : exemple d'exécution dans un environnement outillé.
• AI Engineer, Harness Engineering: How to Build Software When Humans Steer, Agents Execute, 17 avril 2026 : retour d'expérience d'un ingénieur OpenAI, utilisé comme illustration opérationnelle.