Maîtrise de l'IA (AI literacy) : définition et niveaux

La maîtrise de l'IA, ou AI literacy, est la capacité à utiliser des outils d'intelligence artificielle en connaissance de cause : savoir ce qu'ils font bien, où ils se trompent, ce qu'on peut leur confier et comment contrôler leur résultat. Ce n'est pas une compétence technique réservée aux data scientists : c'est un socle de réflexes pour toute personne qui utilise l'IA dans son travail.

Quelle définition retenir ?

Le règlement européen sur l'IA (AI Act) en donne une définition juridique, à l'article 3, point 56 : « les compétences, les connaissances et la compréhension qui permettent aux fournisseurs, aux déployeurs et aux personnes concernées […] de procéder à un déploiement des systèmes d'IA en toute connaissance de cause, ainsi que de prendre conscience des possibilités et des risques que comporte l'IA, ainsi que des préjudices potentiels qu'elle peut causer ».

Trois idées en ressortent :

• compétences, connaissances et compréhension : savoir faire, savoir, et comprendre pourquoi ;
• en connaissance de cause : l'objectif n'est pas d'utiliser plus ou moins l'IA, mais de décider à bon escient ;
• possibilités et risques : la maîtrise de l'IA inclut ce qu'elle apporte, pas seulement ce qu'il faut craindre.

Depuis le 2 février 2025, l'article 4 du même règlement demande aux entreprises qui utilisent des systèmes d'IA de favoriser le développement de cette maîtrise chez leur personnel (voir l'article 4 de l'AI Act).

Quels niveaux viser en entreprise ?

Tout le monde n'a pas besoin du même niveau. Une grille simple en trois niveaux suffit pour organiser un programme :

Cette grille n'est pas un référentiel officiel : c'est une façon pratique de proportionner l'effort, comme le demande l'article 4 (connaissances, expérience, contexte d'utilisation).

Quelles compétences entraîner ?

Les compétences suivantes reviennent dans la plupart des programmes. Chacune correspond à une compétence mesurée par un jeu Maketools, ce qui permet de suivre la progression dans les rapports :

Savoir quand utiliser l'IA

• Savoir quand l'IA convient : travail de langue, reformulation, synthèse d'un texte non sensible.
• Préférer un script à un modèle : un calcul, un tri ou une conversion de format se font mieux, et gratuitement, par une formule ou un programme.
• Garder un humain responsable : une décision qui engage (recrutement, juridique, médical, financier) ne se délègue pas à un modèle.
• Protéger les données personnelles : pas de noms, pas de données de santé, pas de dossier client identifiable dans un outil non validé.
• Relire avant de publier : rien ne part vers un client ou le public sans relecture.

Jeu associé : IA ou pas IA ?, qui fait trancher des dizaines de demandes réalistes avec ces cinq règles.

Savoir demander

• Donner du contexte : rôle, public, objectif.
• Poser des contraintes : longueur, ton, format de sortie, ce qu'il ne faut pas inventer.
• Utiliser des exemples : un modèle de réponse attendue vaut souvent plus qu'une longue consigne.

Jeu associé : Prompt Quest, où l'on compose un prompt avec des briques et où l'on voit la réponse changer selon sa qualité.

Savoir vérifier

• Repérer une hallucination : fait inventé, source inexistante, chiffre fabriqué.
• Détecter un biais : stéréotype, généralisation, point de vue unique présenté comme neutre.
• Savoir quand vérifier : une réponse plausible mais invérifiable n'est pas une réponse fiable.

Jeu associé : Hallucination Hunter, qui fait trier des réponses d'assistant en fiables, hallucinées, biaisées ou à vérifier.

À quoi ressemble un programme type ?

Un programme efficace est court, répété et proche du quotidien. Par exemple :

1. Lancement (30 minutes) : pourquoi l'entreprise s'y met, les outils autorisés, la charte interne en une page.
2. Pratique du socle (une partie de 5 à 10 minutes par semaine pendant un mois) : un jeu par famille de compétences, dans l'ordre utiliser, demander, vérifier.
3. Approfondissement par métier : les équipes à risque rejouent un jeu dont le contenu a été adapté à leurs cas (RH, juridique, relation client).
4. Suivi : rapports par compétence, relance des personnes qui n'ont pas joué, mise à jour du contenu quand les outils changent.

Le plan d'acculturation en 30 jours détaille ce déroulé semaine par semaine.

Maîtrise de l'IA et culture des données

La maîtrise de l'IA s'appuie sur la data literacy : un modèle apprend de données, et une donnée sale produit un résultat faux avec la même assurance qu'une donnée propre. Un programme complet traite les deux.

Commencer

Jouez une partie d'IA ou pas IA ? depuis le catalogue, sans compte : c'est le moyen le plus rapide de voir où en sont vos propres réflexes. Les termes employés ici sont définis dans le glossaire.