Une formation à l’IA pour s’entraîner à prendre une décision

À la fin d’une formation à l’IA, les personnes participantes devraient mieux savoir traiter une décision utile à leur travail. Pour rendre cet objectif observable, il faut prévoir une tâche appropriée pendant la séance. Une série de démonstrations impressionnantes ne révèle pas encore comment quelqu’un gérera une exigence ambiguë, une information manquante ou une réponse inadaptée.

La séquence qui suit peut être adaptée à une séance interne d’environ une heure. Cette durée est une proposition, sans prétention à un optimum établi scientifiquement. L’exemple s’adresse aux responsables et aux équipes scientifiques ; une équipe de formation clinique peut en adapter la structure à ses propres objectifs validés sur le plan professionnel.

Choisir une seule décision

Dans notre exemple fictif, un groupe doit décider si une proposition de projet interne est prête à être soumise à une décision. Les personnes participantes doivent repérer une hypothèse manquante, expliquer son importance et formuler une question complémentaire ciblée. Cet objectif est plus précis et plus observable qu’un objectif général d’aisance dans l’utilisation de l’IA.

Préparez deux courtes propositions fictives. Chacune omet une information importante pour la décision. La seconde change suffisamment le contexte pour qu’une simple reprise de la formulation du premier cas ne suffise pas. La première pourrait contenir une hypothèse sans fondement sur le temps de travail disponible ; la seconde laisserait ouverte la responsabilité d’une étape nécessaire.

La personne chargée de la formation définit à l’avance les raisonnements solides et les questions pour lesquelles plusieurs réponses sont défendables. Il n’est pas nécessaire de rendre une proposition artificiellement univoque. Une demande justifiée d’informations complémentaires peut constituer le résultat recherché.

Pourquoi prévoir une tentative autonome

En 2011, Karpicke et Blunt ont étudié des étudiants apprenant à partir de textes scientifiques. Dans leur première expérience, qui réunissait 80 personnes, le rappel actif a conduit à de meilleurs résultats à une évaluation de compréhension une semaine plus tard que les conditions de comparaison. L’article étudie un mécanisme d’apprentissage dans ces conditions ; il ne porte pas sur la formation professionnelle à l’IA. [1]

J’en tire pour cette séance une proposition pédagogique : les personnes participantes doivent produire elles-mêmes le raisonnement pertinent, puis l’appliquer à nouveau plus tard. Avoir reçu une bonne explication ne suffit pas à démontrer cette capacité. L’efficacité de l’exercice particulier doit être évaluée à partir de ses propres résultats.

Première phase : former un jugement autonome

Distribuez la première proposition et accordez quelques minutes de travail sans interruption. Chaque personne note trois éléments brefs : une décision provisoire, sa raison principale et une question non résolue. Le travail commence sans IA. Il s’agit de rendre visible le point de départ de chacun.

Expliquez la raison de cette étape. La première réponse nourrit la discussion ultérieure et ne doit pas devenir une évaluation individuelle dissimulée. Lorsque les niveaux d’expérience diffèrent fortement, prévoyez plusieurs degrés de difficulté. La question d’apprentissage reste commune, tandis que le volume de contenu et le vocabulaire technique sont adaptés aux fonctions.

Invitez les volontaires à expliquer leur raisonnement. La personne qui anime recueille les différentes approches sans résoudre immédiatement toutes les questions ouvertes. L’aide ultérieure aura ainsi un objet concret sur lequel porter.

Deuxième phase : utiliser une aide délimitée

Les personnes participantes accèdent maintenant à un environnement d’IA autorisé pour l’exercice, ou à des réponses d’IA préparées et clairement signalées comme telles. La tâche pourrait consister à formuler une question susceptible d’aider à examiner une hypothèse de la décision actuelle. Les personnes comparent la suggestion à leur propre raisonnement et expliquent si elle fait avancer la décision.

Cette limite est délibérée. Si l’objectif est de repérer une hypothèse manquante, l’exercice doit permettre de travailler précisément cette capacité. Une solution complète et détaillée pourra être discutée plus tard, mais ne doit pas remplacer rétrospectivement la tentative autonome.

En 2025, Kestin et ses collègues ont présenté une étude sur un tutorat par IA soigneusement conçu dans un cours de physique à Harvard. L’étude utilisait des contenus disciplinaires préparés et une interaction structurée. Elle invite à examiner la conception pédagogique de l’aide, tout en ne testant ni la séquence décrite ici ni ses effets sur des responsables d’entreprise. [2]

Les personnes participantes indiquent maintenant ce qu’elles ont changé dans leur décision et pourquoi. Une suggestion adoptée est utile lorsque son importance peut être comprise et justifiée. Un rejet argumenté peut également constituer un résultat pédagogique précieux.

Troisième phase : traiter une nouvelle tâche

Distribuez la seconde proposition. Le travail commence à nouveau sans IA. Les personnes doivent appliquer à un cas différent la distinction qu’elles ont apprise et expliquer leur décision. Si des informations supplémentaires sont nécessaires, elles doivent pouvoir les identifier précisément.

La personne chargée de la formation examine trois points. La lacune pertinente a-t-elle été repérée ? Son importance pour la décision a-t-elle été expliquée de façon cohérente ? La question complémentaire proposée répond-elle à cette lacune ? Cette petite grille peut être discutée à l’avance avec une autre personne compétente à partir de réponses d’exemple. Les désaccords entre formateurs doivent être résolus avant l’examen collectif, ou reconnus comme une véritable marge de jugement professionnel.

Une bonne seconde réponse peut indiquer un apprentissage. Elle ne démontre pas une capacité durablement disponible. Il faut pour cela une observation ultérieure et, selon la tâche, plusieurs cas différents.

Centrer la discussion sur les décisions

Interrogez le changement décisif dans le raisonnement. Quelle information manquait au départ ? Qu’est-ce qui a permis de le voir ? Quel indice a aidé, et lequel a détourné l’attention ? La discussion doit conduire à une explication qu’une autre personne peut suivre.

Les difficultés renseignent aussi l’organisation. La proposition était peut-être ambiguë. Les personnes participantes ne disposaient peut-être pas des connaissances préalables supposées par la personne qui animait. L’aide de l’IA était peut-être inadaptée à l’objectif. Examinez ces possibilités avant de transformer un résultat faible en jugement sur une personne.

Seuls des contenus fictifs ou explicitement autorisés ont leur place dans l’exercice. Des cas confidentiels du quotidien ne peuvent pas y être introduits spontanément en remplacement. La personne chargée de la formation doit expliquer cette limite dès le début et disposer de solutions appropriées.

Prévoir le prochain rendez-vous dès la préparation

Prévoyez, pendant la préparation de la séance, une courte tâche de suivi à une date ultérieure. Elle peut révéler si la distinction centrale reste disponible et où une autre explication est nécessaire. Le délai doit correspondre à l’objectif et au contexte de travail.

Précisez les conditions de participation et l’utilisation des résultats. Un suivi sans contexte peut être perçu comme un contrôle sans rapport avec la séance. Le relier explicitement à la décision précédente aide les personnes à reconnaître leurs progrès, à repérer leurs incertitudes et à demander un soutien là où il est nécessaire.

Après la première séance, les personnes responsables décident quels éléments modifier. Elles s’appuient sur les décisions observées, la qualité des raisonnements et les besoins d’apprentissage restants. Une formation à l’IA devient ainsi une occasion concrète de développer le jugement professionnel et d’améliorer la conception pédagogique à partir de l’observation de ses effets.