Concevoir une journée de formation demande plusieurs jours de travail, dont une grande partie est invisible : reformuler un besoin client mal exprimé, écrire des objectifs évaluables, doser une progression, produire des supports, imaginer des activités qui ne soient pas des exercices déguisés. L’IA générative agit fortement sur cette production — et beaucoup moins sur ce qui fait la qualité d’une formation, qui se joue en salle. Cet article suit le cycle pédagogique étape par étape, en distinguant les deux.
Ce que l’IA change dans le travail d’un formateur
Réponse courte
L’IA accélère surtout l’ingénierie pédagogique : reformulation d’un besoin, rédaction d’objectifs, structuration d’une progression, production de supports et de variantes d’exercices, création de cas pratiques, adaptation d’un contenu à un autre public. Elle n’améliore ni l’animation, ni la lecture d’un groupe, ni la capacité à rebondir sur une objection — c’est-à-dire ce qui différencie réellement un formateur. Le gain se situe en amont de la salle.
Une conséquence pratique en découle : le temps libéré doit être réinvesti, pas économisé. Un formateur qui produit ses supports deux fois plus vite et conserve le même déroulé n’a rien amélioré pour ses apprenants. Celui qui utilise ce temps pour construire deux mises en situation supplémentaires change la formation.
Seconde conséquence, moins agréable : la production de contenu pédagogique devient facile pour tout le monde, y compris pour des personnes qui ne maîtrisent pas le sujet. La différenciation se déplace vers l’expérience réelle, les cas vécus et la qualité de l’animation.
Le cycle pédagogique, du besoin au retour d’expérience
- Analyse du besoin
- Objectifs pédagogiques évaluables
- Programme et progression
- Supports et ressources
- Activités et mises en situation
- Évaluation des acquis
- Animation en salle
- Feedback et amélioration
Analyse du besoin : poser les questions que le client n’a pas anticipées
Une demande de formation arrive rarement claire. « On voudrait une journée sur l’IA pour l’équipe » peut recouvrir dix intentions différentes : rassurer, outiller, cadrer les usages, répondre à une obligation, préparer un projet.
L’usage le plus utile est le questionnement en amont. À partir de la demande brute, faites produire la liste des informations manquantes pour concevoir : niveau réel des participants, contexte d’usage, contraintes de temps, résultat attendu par le commanditaire, résultat attendu par les participants — les deux diffèrent souvent —, moyens disponibles, suites prévues.
Demandez également les zones de risque : ce qui pourrait faire échouer la formation compte tenu du contexte décrit. Des groupes de niveaux trop hétérogènes, une participation contrainte, une absence de cas pratiques disponibles apparaissent dès cette étape, alors qu’on les découvre habituellement le matin même.
Objectifs pédagogiques : passer du thème au comportement observable
C’est l’étape que l’IA traite le mieux, parce que la transformation est formelle et que les critères sont explicites. Un thème — « sensibiliser à l’IA générative » — n’est pas un objectif. Un objectif décrit ce que la personne saura faire, dans quelles conditions et à quel niveau d’exigence.
La méthode : donnez le besoin, le public et la durée, puis demandez des objectifs formulés en termes de comportements observables, avec pour chacun le moyen de vérifier l’atteinte. Demandez ensuite une critique : lesquels ne sont pas évaluables en l’état, lesquels sont irréalistes dans la durée prévue ?
Cette dernière question est précieuse. Le défaut le plus fréquent d’un programme n’est pas la formulation, c’est l’ambition : huit objectifs annoncés sur une journée de sept heures, dont la moitié ne sera jamais atteinte. Un regard extérieur systématique sur la faisabilité vaut mieux qu’une relecture par soi-même.
- Formulez en comportement observable, jamais en thème ou en contenu
- Associez à chaque objectif le moyen de vérifier son atteinte
- Faites contrôler la faisabilité dans la durée réellement disponible
- Distinguez ce qui sera maîtrisé de ce qui sera seulement découvert
Programme et progression : le dosage plutôt que le contenu
Produire un plan de formation est immédiat ; produire une progression qui tient en salle l’est beaucoup moins. La difficulté n’est pas le contenu mais le rythme : alternance entre apport et pratique, placement des moments difficiles dans la journée, gestion de la baisse d’attention de l’après-midi.
L’usage utile consiste à faire critiquer votre déroulé plutôt qu’à le faire produire. Fournissez la séquence prévue avec les durées, et demandez : où le rythme risque-t-il de décrocher, quelle séquence est trop dense, quel moment demande une activité plutôt qu’un apport, quel enchaînement suppose un prérequis non traité.
Sur le timing, méfiez-vous des estimations générées : elles sont systématiquement optimistes, parce qu’elles ne tiennent compte ni des questions, ni des retards, ni du temps réel d’un exercice en groupe. Vos propres données d’animation restent la meilleure référence.
Supports et ressources : produire vite sans produire creux
C’est le poste où le gain de temps est le plus spectaculaire : trames de diaporamas, fiches mémo, synthèses de fin de module, glossaires, documents apprenants, versions adaptées à différents niveaux.
Deux règles évitent l’écueil du contenu générique. La première : partez de votre matière — vos notes, vos cas, votre déroulé — plutôt que d’un thème. Un support généré à partir d’un titre ressemble à tous les autres supports générés à partir du même titre. La seconde : imposez la forme qui vous distingue, en fournissant un exemple d’un de vos supports existants comme référence de style.
Réservez systématiquement une passe finale personnelle. Un support entièrement généré se repère en salle, notamment aux exemples : ils sont plausibles, propres, et sans rapport avec le quotidien des participants. Ce sont vos exemples vécus qui font la crédibilité, et ils ne se génèrent pas.
Activités et mises en situation : le meilleur usage, et le plus négligé
Concevoir une bonne activité prend du temps : il faut un contexte crédible, des données de départ, une consigne sans ambiguïté, un livrable attendu et une grille d’observation. C’est pour cette raison que beaucoup de formations se limitent à des questions ouvertes et à un exercice unique en fin de journée.
L’IA change réellement la donne ici : produire cinq variantes d’un même cas pratique adaptées à cinq secteurs, générer des jeux de données fictifs mais réalistes, écrire des rôles pour une simulation, préparer des situations dégradées pour les participants les plus avancés — tout cela devient rapide.
Le gain est double : vous pouvez différencier selon les niveaux, ce qui est le principal problème d’un groupe hétérogène, et vous pouvez renouveler vos cas d’une session à l’autre au lieu de réutiliser le même pendant trois ans.
Précision utile : les données des cas pratiques doivent être fictives et présentées comme telles. Reprendre des données réelles d’un client pour construire un exercice pose un problème de confidentialité, y compris lorsque les noms sont changés.
Évaluation : concevoir avant de former
L’évaluation ne se conçoit pas à la fin : elle découle des objectifs, et se prépare en même temps qu’eux. L’IA aide à produire des questionnaires alignés sur les objectifs, des grilles d’observation pour les mises en situation, et des situations d’évaluation plutôt que des questions de connaissance.
Attention toutefois : générer un questionnaire à choix multiples est facile, et c’est justement la modalité la plus fragile quand les apprenants disposent eux-mêmes d’assistants. La question de fond — comment vérifier une compétence réelle aujourd’hui — mérite un traitement à part, développé dans comment évaluer les apprenants à l’ère de ChatGPT.
Pour les organismes certifiés, rappelons que l’évaluation des acquis et le traitement des retours font l’objet d’exigences précises du référentiel national qualité. L’usage de l’IA ne change pas ces obligations : il change seulement la façon de produire les supports qui les documentent.
Animation : ce qui ne se délègue pas
En salle, l’IA n’a quasiment aucun rôle, et c’est une bonne nouvelle. Lire un groupe, repérer la personne décrochée depuis dix minutes, décider de sacrifier une séquence pour approfondir une question qui intéresse tout le monde, gérer une objection frontale, créer les conditions pour que quelqu’un ose dire qu’il n’a pas compris : rien de tout cela ne se prépare avec un modèle.
Deux usages périphériques restent utiles. En amont, préparer les objections probables et les questions difficiles selon le public — l’équivalent d’une répétition avec un contradicteur. Et en aval, le lendemain, transformer vos notes d’animation en points d’amélioration concrets pendant que le souvenir est frais.
Un troisième usage, discutable, mérite d’être signalé : faire manipuler l’IA par les participants pendant la session. Sur une formation à l’IA, c’est évidemment le cœur du sujet. Sur une formation métier, cela peut enrichir un exercice comme le vider de son intérêt — la question à trancher est de savoir si la compétence visée inclut ou non l’usage de l’outil.
Feedback et amélioration continue
Les questionnaires de fin de session produisent une matière rarement exploitée au-delà de la note moyenne. L’analyse des commentaires libres sur plusieurs sessions — regroupement par thème, détection des remarques récurrentes, comparaison entre publics — révèle des problèmes que les notes masquent.
Un exemple courant : une note globale satisfaisante qui cache un décrochage systématique sur le même module d’après-midi, visible uniquement dans les commentaires. Ce type de constat oriente une révision utile, alors qu’une moyenne n’oriente rien.
Prolongez l’analyse au-delà de la satisfaction. Le vrai indicateur d’une formation professionnelle est le transfert : ce que les participants font différemment un mois plus tard. Un questionnaire à trente jours, exploité avec la même méthode, apporte davantage que dix questionnaires de fin de session. Sur le versant organisationnel, notre plan d’adoption en 90 jours décrit ce qui doit être mis en place côté entreprise pour que ce transfert ait lieu.
Questions fréquentes
L’IA va-t-elle remplacer les formateurs ?
+
Elle rend la production de contenu pédagogique accessible à tous, ce qui dévalorise les formations qui n’étaient que de la transmission de contenu. Ce qu’elle ne produit pas : l’animation d’un groupe, la crédibilité tirée d’une pratique réelle, la capacité à traiter une objection ou à adapter un déroulé en direct. La conséquence est un déplacement de la valeur, pas une disparition.
Faut-il dire aux participants que les supports ont été produits avec l’IA ?
+
Sur une formation à l’IA, le montrer est même pédagogiquement utile : la façon dont vous avez construit vos supports constitue une démonstration. Sur d’autres sujets, il n’existe pas d’obligation générale, mais un support manifestement générique produit l’effet inverse de celui recherché — c’est un problème de qualité avant d’être un problème de transparence.
Peut-on utiliser des données de clients pour construire des cas pratiques ?
+
Non sans autorisation explicite, et la simple modification des noms ne suffit pas : un contexte suffisamment précis reste identifiable. Construisez des cas fictifs inspirés de situations réelles, et présentez-les clairement comme fictifs.
Comment adapter une formation existante à un autre secteur ?
+
C’est l’un des usages les plus efficaces : fournissez votre déroulé et vos cas, précisez le nouveau secteur et son vocabulaire, demandez les adaptations nécessaires et les exemples à remplacer. Vérifiez ensuite la pertinence sectorielle des exemples produits — c’est exactement le point sur lequel un modèle produit du plausible plutôt que du juste.
À faire maintenant
- 1Reprendre une demande de formation en cours et faire produire les questions manquantes avant de concevoir
- 2Vérifier que chacun de vos objectifs est évaluable et réaliste dans la durée prévue
- 3Produire trois variantes sectorielles d’un cas pratique existant
- 4Analyser les commentaires libres de vos six dernières sessions par thème