L'IA commence dans les coulisses

Le succès des projets d'intelligence artificielle se joue dans les coulisses : qualité des données, structuration des contenus, gouvernance, architecture des systèmes, interopérabilité… Autant de chantiers que la fonction formation ne peut plus différer si elle veut tirer pleinement parti de l'IA.

Ce que l'on voit aujourd'hui, ce sont les assistants pédagogiques, les moteurs de recommandation, les agents conversationnels, les copilotes de conception ou de tutorat qui alimentent chaque semaine les annonces des éditeurs. Ce que l'on voit beaucoup moins : le travail préalable qui conditionnera leur efficacité. Face à cette accélération, beaucoup de responsables formation cherchent d'abord à identifier les solutions les plus prometteuses. Cette question est légitime (la pente naturelle), mais elle n'est probablement plus la plus importante. La valeur produite demain par une intelligence artificielle dépendra moins de l'outil retenu que de l'environnement dans lequel il sera déployé. Deux organisations utilisant la même plateforme pourront obtenir des résultats très différents selon la qualité de leurs données, la structuration de leurs contenus, la robustesse et la souplesse de leurs référentiels ou la capacité de leurs applications à partager l'information. Pendant plus de vingt ans, les projets Learning ont principalement consisté à acquérir et déployer de nouvelles solutions. L'intelligence artificielle déplace progressivement cette logique : avant d'investir dans de nouveaux outils, il devient indispensable de préparer le terrain sur lequel ils devront fonctionner.

La plupart des services formation disposent déjà d'un patrimoine considérable. Catalogues, ressources pédagogiques, référentiels de compétences, évaluations, historiques d'apprentissage, vidéos, classes virtuelles enregistrées ou contenus produits par les métiers représentent une masse d'informations accumulée au fil des années. Pourtant, cet ensemble reste souvent fragmenté. Les contenus ont été créés selon des règles différentes, les métadonnées sont incomplètes, plusieurs référentiels coexistent, certaines ressources semblent perdues et les informations demeurent dispersées entre des applications qui communiquent peu entre elles. Jusqu'à présent, ces limites pénalisaient surtout la recherche documentaire ou le pilotage de l'activité. Avec l'intelligence artificielle, elles risquent de dégrader directement la qualité des réponses, des recommandations ou des analyses produites. Une IA ne crée ni cohérence, ni fiabilité, ni qualité documentaire ; elle exploite ce que l'organisation met à sa disposition. Ce constat conduit la fonction formation à considérer autrement son patrimoine informationnel. Les contenus ne constituent plus seulement une offre pédagogique ; ils deviennent une base de connaissances appelée à alimenter des assistants, des moteurs de recherche et, demain, des agents spécialisés.

Préparer la fonction formation à l'intelligence artificielle ne signifie pas engager immédiatement un vaste programme de transformation. Il s'agit d'abord de comprendre l'état réel de son environnement. De là toute une série de questions, souvent éludées… Les données sont-elles fiables et exploitables ? Les contenus suffisamment structurés ? Les référentiels cohérents ? Les applications échangent-elles effectivement leurs informations ? Les responsabilités sont-elles explicitement établies ? Ces questions semblent très éloignées des démonstrations d'assistants ou d'agents IA ; elles détermineront pourtant leur efficacité future. Avant d'investir dans de nouvelles solutions, les équipes Learning gagneront donc à dresser un état des lieux objectif de leur patrimoine informationnel. Ce diagnostic ne constitue pas encore le chantier de transformation ; il en est le point de départ.

Le diagnostic ne constitue qu'un point de départ. Il révèle surtout que la préparation à l'intelligence artificielle dépasse largement la seule question des données. Elle concerne l'ensemble de l'écosystème Learning : son architecture, ses référentiels, ses règles de gouvernance, les échanges entre applications et, plus largement, l'organisation de son patrimoine informationnel. Cette évolution conduit rapidement vers des sujets longtemps considérés comme essentiellement techniques, mais qui deviennent désormais des enjeux stratégiques pour la fonction formation. Elle impose également de clarifier des responsabilités souvent restées implicites. Qui maintient le référentiel de compétences — la question qui fâche, tant les responsabilités peuvent être dispersées ? Qui valide les métadonnées des contenus ? Qui garantit la qualité des connaissances qui alimenteront les futurs assistants ? Qui définit les règles de classement, de recherche ou d'actualisation ? L'intelligence artificielle ne crée pas ces questions ; elle oblige simplement les équipes Learning à y répondre de façon explicite.

De nombreuses organisations engageront prochainement des investissements significatifs dans l'intelligence artificielle appliquée à la formation. Certaines privilégieront des assistants généralistes, d'autres des fonctionnalités intégrées aux plateformes existantes ou des agents spécialisés destinés aux apprenants, aux managers ou aux concepteurs pédagogiques. Le risque serait alors de croire que la performance de ces outils dépend principalement de leurs fonctionnalités. Elle dépendra tout autant, sinon davantage, de la qualité des informations qu'ils pourront mobiliser. Ces choix ne produiront leur plein effet que si la préparation a été menée en amont. Pour beaucoup d'équipes formation, le premier projet lié à l'intelligence artificielle ne sera donc pas le déploiement d'un nouvel outil, mais la mise en ordre de leur environnement informationnel. Gouvernance des données, structuration des contenus, qualité des référentiels, architecture des systèmes, interopérabilité des plateformes et clarification des responsabilités constituent désormais des investissements aussi stratégiques que les technologies elles-mêmes. Avant de comparer les assistants, les agents ou les plateformes, les responsables formation gagneraient ainsi à se poser une question plus fondamentale : leur environnement est-il réellement prêt à accueillir l'intelligence artificielle ? C'est probablement de la réponse à cette question que dépendra la réussite des projets à venir.

Dans un prochain article, nous examinerons les principaux chantiers que cette préparation implique concrètement : gouvernance des données, architecture, interopérabilité, référentiels, bases de connaissances et premiers cas d'usage.