Publications

Plan « Impulsion IA 2027 » : ce que l'État promet aux CFA, et l'angle mort qu'il laisse

Le 22 septembre 2026, le ministère du Travail a présenté « Impulsion IA 2027 », un plan de 80 millions d'euros destiné à embarquer salariés, apprentis et demandeurs d'emploi dans la diffusion de l'intelligence artificielle. Pour les centres de formation d'apprentis, l'annonce mérite mieux qu'un relais enthousiaste : elle appelle une lecture précise de ce qui est financé, de ce qui ne l'est pas, et de la réalité de terrain qu'elle prétend accompagner.

Car derrière les effets d'annonce se jouent deux questions bien plus lourdes pour les CFA : celle des moyens réels, et celle du métier de formateur.

Ce que contient le plan

Douze mesures, quatre priorités : former les actifs et adapter l'appareil de formation, sensibiliser et accompagner les entreprises en particulier les TPE-PME, renforcer le dialogue social autour des transformations liées à l'IA, mieux anticiper ses effets sur les conditions et l'organisation du travail. Le point de départ est un aveu de retard : en 2025, à peine 18 % des entreprises françaises avaient recours à au moins une technologie d'IA selon l'Insee, deux fois moins que les pays européens les plus avancés, avec un fossé qui se creuse entre grandes structures et PME.

Trois leviers pour les CFA

Trois dispositifs concernent directement les centres.

• ›Un outil d'acculturation dédié. Après « Explore IA », plateforme gratuite ouverte à tous pour tester ses connaissances et suivre des parcours sans prérequis, la start-up d'État Pix déploiera un second outil spécifiquement destiné aux apprentis en CFA.
• ›Un soutien financier fléché. Les CFA seront aidés pour renforcer les formations aux compétences réclamées par l'accélération de l'IA, du développement à la cybersécurité.
• ›Un fonds national dans le PLF 2027. Sa création est annoncée, assortie d'une majoration du financement public des formations en apprentissage jugées « stratégiques ». S'y ajoutent, hors périmètre CFA, un test de « maturité » IA proposé aux demandeurs d'emploi via France Travail et une réforme du CPF érigeant l'IA en priorité nationale.

La réalité de terrain que le plan rencontre

L'intention est cohérente avec ce que montrent les enquêtes disponibles. L'étude Stratice-AINOA, menée auprès de près de 1 800 formateurs et apprenants majoritairement en apprentissage, établit que plus de 70 % des apprenants et plus de 60 % des formateurs utilisent déjà l'IA. Mais l'essentiel de ces usages est individuel, spontané et non prescrit : moins d'un tiers des formateurs l'intègrent dans une activité pédagogique. L'IA est déjà là, massivement, mais en dehors du cadre pédagogique.

Le décalage est aussi générationnel : l'usage chute nettement après 35 ans, ce qui place beaucoup de formateurs en position de rattrapage face à des apprentis qui, eux, n'ont pas attendu. À cette tension s'ajoute une contrainte réglementaire : depuis août, l'AI Act impose de documenter les contenus générés par IA, et le référentiel Qualiopi passe à 33 indicateurs au 1er novembre 2026. La question n'est donc plus l'adoption, mais l'encadrement et la montée en compétence des équipes.

Le contrepoint budgétaire

C'est là que l'annonce se fragilise. Ce fonds national pour les CFA figure dans le même PLF 2027 qui supprime les deux enveloppes régionales dédiées au fonctionnement et à l'investissement des centres, et qui met fin aux Pric. Les Régions, qui pilotent l'apprentissage au plus près du terrain, jugent l'enveloppe très insuffisante et contestent que l'État soit le mieux placé pour évaluer les besoins des CFA.

80 millions, dans une mission budgétaire « Travail » amputée de 1,9 milliard pour 2027, relèvent du signal politique davantage que du plan de transformation. L'argent « IA » entre par une porte pendant que le financement structurel sort par l'autre.

L'angle mort : l'expertise des formateurs

Reste la question que le plan effleure sans la traiter. Financer un outil Pix et des formations techniques répond à l'acculturation des apprentis, mais ne dit rien de la transformation du métier de formateur lui-même. Quand une machine produit en quelques secondes un support, un corrigé ou un plan de séquence, ce qui se déplace, c'est le geste professionnel : la valeur du formateur se réfugie dans ce que l'IA ne fait pas, l'accompagnement, le discernement disciplinaire, l'évaluation du sens.

Aucune ligne budgétaire n'accompagne aujourd'hui cette bascule, ni le temps qu'elle exige. C'est pourtant là que se jouera l'écart entre les CFA qui subiront l'IA et ceux qui en feront un levier pédagogique.

Une école à 75 000 dollars vient de nous rappeler une vérité gênante sur l'IA en formation

Aux États-Unis, un réseau d'écoles privées baptisé Alpha School fait la une depuis des mois. Son argument de vente est spectaculaire : grâce à une plateforme « personnalisée par IA », ses élèves progresseraient 2,6 fois plus vite que les autres, et en deux heures de cours par jour au lieu de six. Visites ministérielles, plateaux télé, tribunes dans le New York Times : la promesse séduit. C'est l'analyste Dan Meyer qui, dans un article récent (Mathworlds, 12 août 2026), en démonte le ressort.

Sa démonstration nous concerne directement, nous qui travaillons sur l'IA dans la formation. Car derrière la promesse se cache un obstacle instructif.

Fabrique-t-on la réussite, ou la sélectionne-t-on ?

Alpha School est une école privée. À ce titre, elle choisit ses élèves : des parents assez aisés pour payer, assez engagés pour adopter un modèle atypique, et des enfants jugés « coachables », autonomes, jamais exclus pour raisons disciplinaires. Autrement dit, une population déjà sélectionnée pour réussir.

D'où la question que pose Dan Meyer, et qui devrait devenir un réflexe pour tout professionnel de l'apprentissage : ces résultats mesurent-ils ce que le dispositif produit, ou ce que la population apporte déjà en entrant ?

Le hasard a offert une réponse. La même équipe a ouvert en Arizona une école publique sous contrat, Unbound Academy, appliquant exactement le même modèle « IA + deux heures de cours », mais sans pouvoir sélectionner : école gratuite, seul critère d'admission la résidence géographique. Le modèle, débarrassé de la sélection.

Résultat après un an : 10 % de maîtrise en mathématiques (contre 34 % de moyenne d'État), 28 % en anglais (contre 42 %). Non seulement très en dessous des cibles promises, mais en dessous du niveau de départ des élèves. Le modèle seul, une fois isolé, s'effondre.

Le biais qui traverse tout le discours EdTech

Ce que cette histoire illustre porte un nom en méthodologie : la confusion entre effet de traitement et effet de sélection.

L'effet de traitement, c'est la valeur ajoutée réelle du dispositif, ce qu'il ferait progresser un apprenant tiré au hasard. L'effet de sélection, c'est ce que la population aurait accompli de toute façon, quel que soit l'outil. Le tour de passe-passe consiste à présenter la somme des deux comme si elle revenait entièrement au premier.

Le secteur EdTech y est structurellement exposé, pour trois raisons :

• ›L'auto-sélection à l'entrée. Les dispositifs innovants attirent des publics déjà atypiques. En formation professionnelle, c'est le salarié qui se porte volontaire pour le module e-learning en autonomie : par définition plus autodéterminé que la moyenne. On mesure sa réussite, on la crédite à la plateforme.
• ›L'attrition différentielle. Les dispositifs auto-portés perdent en route ceux qui décrochent et ne mesurent souvent que les survivants. Les taux de complétion catastrophiques des MOOC en furent l'exemple canonique : on célébrait les 5 % qui finissaient en oubliant les 95 % qui partaient.
• ›La corrélation prise pour une causalité. « Les apprenants qui utilisent le plus la plateforme progressent le plus » est presque toujours vrai, et presque toujours ininterprétable : ce sont les plus engagés qui utilisent le plus l'outil. L'usage est un marqueur de la motivation préexistante, pas forcément sa cause.

Ce que cela change pour l'IA et le métier de formateur

Le discours dominant sur l'IA générative en formation reproduit très exactement cette structure. Quand on affirme qu'un formateur « augmenté » par l'IA obtient de meilleurs résultats, la vraie question n'est pas « l'IA fait-elle progresser ? », mais : par rapport à qui, et une fois neutralisée la sélection ?

Car le formateur qui adopte spontanément ces outils est déjà, statistiquement, plus réflexif, plus à l'aise avec l'ingénierie, plus enclin à l'innovation. Sa performance supérieure préexiste peut-être à l'outil. On risque alors de mesurer une propriété du professionnel et de l'attribuer à la technologie.

Une évaluation honnête suppose l'inverse de la logique du témoignage et du « cas de réussite » : un groupe de comparaison pertinent, la prise en compte de ceux qui abandonnent, et la distinction entre gains bruts et valeur ajoutée réelle. Faute de quoi, nous continuerons à confondre les outils qui transforment vraiment l'expertise avec ceux qui se contentent de révéler celle qui était déjà là.

La vraie bascule de 2026 n'est pas celle qu'on croit

On résume souvent la transformation pédagogique du supérieur à un catalogue de nouveautés : IA générative, hybridation, learning analytics, microcertifications. C'est vrai, mais c'est court. Derrière ces symptômes se joue quelque chose de plus profond, et deux modèles s'y confrontent.

Ce qui se reconfigure cette année, ce n'est pas la technologie. C'est l'expertise du formateur.

Deux matrices, deux histoires

Le monde anglo-saxon a fait, très tôt, un choix décisif : traiter l'enseignement lui-même comme un objet de savoir et un métier. Le Scholarship of Teaching and Learning, les Centers for Teaching and Learning, la figure de l'educational developer ont installé la qualité pédagogique comme une fonction dédiée, financée, adossée à la recherche. De là découlent l'alignement constructif, la culture de l'évaluation par critères et l'ancrage dans les sciences cognitives. Le tout sous une logique de marché : employabilité, ROI, unbundling du diplôme.

La France a emprunté un chemin presque inverse : une transformation descendante, pilotée par l'architecture de certification et la puissance publique. L'approche par compétences en est le pivot, structurée par le RNCP, les blocs de compétences et France Compétences, avec le BUT comme laboratoire. Qualiopi a fait de la qualité un enjeu systémique, l'alternance a replacé la situation de travail au centre, et France 2030 a financé la recherche pédagogique à une échelle inédite. Ici, la qualité pédagogique se construit davantage par la norme que par la profession.

Deux façons d'avancer, donc : par le bas et le métier d'un côté, par le haut et la certification de l'autre.

Ce qui les fait converger en 2026

Les concepts circulent. Les microcertifications, d'origine anglo-saxonne, envahissent désormais les catalogues français, surtout en formation continue. L'hybridation est devenue permanente. Le recentrage sur ce que l'étudiant sait faire, plutôt que sur les contenus mémorisés, est aujourd'hui partagé.

Mais le vrai point d'inflexion, c'est l'IA, qui passe cette année de l'expérimentation à l'intégration gouvernée. Et elle frappe là où ça fait mal : l'évaluation. Quand un travail écrit ne garantit plus l'authenticité d'un apprentissage, c'est toute la crédibilité du diplôme qui se rejoue. La réponse, des deux côtés de l'Atlantique, converge : des évaluations plus orales, plus contextualisées, plus contrôlées, centrées sur le processus autant que sur le produit.

Le vrai sujet : la reconfiguration de l'expertise

Voici, à mon sens, la tendance la plus lourde de sens. Ce n'est pas telle ou telle technologie. C'est le déplacement du geste professionnel de l'enseignant-formateur.

Et c'est là que le débat me semble mal posé. On parle d'« intégrer l'IA » comme on intégrerait un logiciel de plus, alors qu'elle n'est pas un instrument que l'on prend et que l'on repose à volonté. Elle s'invite dans les opérations mêmes qui fondaient l'expertise du formateur : expliquer, reformuler, produire un feedback, évaluer, concevoir une situation d'apprentissage. Elle ne s'ajoute pas à l'acte d'enseigner, elle en redistribue les gestes.

La vraie question n'est donc pas « comment l'adopter », mais « qui fait quoi » désormais dans la relation d'apprentissage, et ce qui, dans cette relation, reste irréductiblement du ressort du formateur.

Comment l'IA transforme le métier de formateur en profondeur

Pendant plus de 20 ans à accompagner des formateurs vers l'innovation pédagogique, une phrase est revenue, presque mot pour mot, à chaque atelier : « C'est top ce que vous nous montrez… mais on n'a pas le temps de construire des supports interactifs, dynamiques et engageants. »

Aujourd'hui, l'IA change la donne. Elle ne remplacera pas les formateurs. Mais elle redéfinit, en profondeur, là où se loge la valeur de notre métier.

Pendant longtemps, former, c'était d'abord transmettre : structurer un savoir, l'expliquer, le rendre accessible. Une part de ce travail se fait désormais en quelques secondes. La vraie question n'est donc plus « que sait faire l'IA ? », mais « que devient le formateur quand la transmission n'est plus son cœur de métier ? ».

Quatre déplacements que j'observe sur le terrain

1. De la transmission à l'ingénierie de l'expérience. L'objection du « je n'ai pas le temps » tombe : produire un support interactif n'a jamais été aussi rapide. Mais le temps libéré ne disparaît pas, il se réinvestit. Concevoir un parcours qui transforme réellement les pratiques reste, lui, profondément humain.

2. Du contenu au discernement. L'IA génère des réponses plausibles, parfois fausses. Notre rôle : apprendre à douter, à vérifier, à penser. La compétence clé de demain, ce n'est pas l'accès à l'information, c'est le jugement.

3. De la standardisation à la personnalisation. Adapter un parcours à chaque apprenant relevait du luxe. Cela devient possible à grande échelle. Encore faut-il garder la main sur le sens.

4. Du sachant au tiers de confiance. Face à des outils qui pensent à notre place, le formateur devient garant d'une souveraineté cognitive : aider chacun à rester auteur de ses apprentissages, et pas seulement consommateur de réponses.

Inclusion et intelligence artificielle : ce que la personnalisation des apprentissages change vraiment pour les apprenants en difficulté

Pendant longtemps, l'inclusion s'est pensée comme une affaire de rampes d'accès, de tiers-temps et d'aménagements d'examen. Indispensables, ces dispositifs traitent surtout les conséquences d'une difficulté une fois celle-ci constatée. La promesse de l'intelligence artificielle se situe ailleurs : agir en amont, au cœur même de la situation d'apprentissage, en ajustant le parcours à mesure qu'il se déroule. Encore faut-il distinguer ce qui relève de l'apport réel de ce qui relève du discours.

Un public plus nombreux, plus divers, et longtemps mal accompagné

La massification de l'accès au supérieur a rendu les promotions profondément hétérogènes. À la rentrée 2024, près de 64 000 étudiants en situation de handicap étaient recensés dans l'enseignement supérieur français, un effectif multiplié par dix en vingt ans, dont 90 % à l'université (données communiquées lors du comité interministériel du handicap de mars 2025). La progression reste vive : plus de 8 % d'étudiants supplémentaires en une seule année selon le ministère. Et la cohorte qui frappe aujourd'hui aux portes des écoles vient d'un second degré qui scolarisait, en 2023-2024, plus de 230 000 élèves avec un projet personnalisé de scolarisation (DREES).

Mais « l'étudiant en difficulté » déborde largement la seule catégorie administrative du handicap. Il y a les troubles dys et les profils neuroatypiques, souvent invisibles et sous-déclarés. Il y a, en alternance et en CFA, l'écart de niveau entre un bachelier général et un sortant de voie professionnelle réunis dans la même promotion. Il y a le primo-arrivant allophone, l'adulte en reconversion éloigné des codes scolaires depuis quinze ans, l'apprenant fragilisé par sa situation sociale ou sa santé. Le point commun de ces profils n'est pas la nature de l'obstacle, mais le fait qu'un enseignement uniforme, calibré pour un apprenant moyen qui n'existe pas, les laisse mécaniquement sur le bord du chemin.

Quatre leviers concrets, au-delà de l'effet de mode

L'apport de l'IA à la personnalisation ne tient pas dans un outil miracle, mais dans une poignée de fonctions qui, combinées, déplacent réellement la ligne.

Adapter le rythme et le format, pas seulement le contenu. Les systèmes d'apprentissage adaptatif ajustent en continu la difficulté des exercices, l'ordre des notions et le format de la ressource (texte, audio, schéma, vidéo) en fonction des réponses de l'apprenant. Pour un étudiant lent à consolider une notion, cela signifie disposer du temps et des répétitions nécessaires sans freiner le groupe, et sans subir le regard du groupe. La personnalisation cesse d'être un luxe artisanal pour devenir une mécanique soutenable à l'échelle d'une promotion.

Compenser et rendre accessible, en temps réel. Synthèse vocale, transcription automatique de l'oral, reformulation de consignes, traduction, génération de supports en plusieurs modalités : ces fonctions, longtemps réservées à des outils spécialisés et coûteux, sont désormais intégrées aux environnements numériques courants (le module ALLY dans le LMS Blackboard, par exemple). Leur intérêt majeur est de relever d'une logique de conception universelle de l'apprentissage : ce qui est conçu pour l'étudiant dyslexique profite à l'allophone, à celui qui révise dans les transports, à tous. L'accessibilité quitte le registre de l'exception pour rejoindre celui de la qualité pédagogique ordinaire.

Repérer le décrochage avant qu'il ne soit consommé. L'analyse des traces d'apprentissage (connexions, temps passé, résultats, abandons d'activité) permet d'identifier des signaux faibles bien avant le premier conseil de classe ou la première absence répétée. Le gain n'est pas l'automatisation de la sanction, mais la possibilité d'une intervention humaine précoce et ciblée : un référent prévenu à temps vaut infiniment mieux qu'un tableau de bord sophistiqué.

Restituer du temps d'accompagnement. En déchargeant l'enseignant d'une partie de la correction de routine, de la production de variantes d'exercices ou de la génération de feedback de premier niveau, l'IA libère la ressource la plus rare et la moins automatisable : le temps de présence auprès de l'apprenant en difficulté. C'est sans doute là son effet le plus sous-estimé, parce qu'il est indirect.

Les angles morts : une lucidité de méthode

Rien de ce qui précède n'a de valeur si l'on tait les conditions et les risques. L'honnêteté professionnelle commande de nommer quatre points de vigilance.

D'abord, les données. Personnaliser finement suppose de croiser des informations sensibles, parfois relatives à la santé ou au handicap. Le RGPD et le règlement européen sur l'IA classent ces usages éducatifs parmi les plus exposés. Un dispositif inclusif qui se construirait sur une collecte opaque trahirait sa propre intention.

Ensuite, les biais. Un système entraîné sur des données reflétant les inégalités existantes peut les reproduire, voire les amplifier, au détriment précisément des publics qu'il prétend servir. La vigilance algorithmique n'est pas une option technique, c'est une exigence éthique.

Puis l'alibi technologique. Déployer un outil adaptatif ne dispense d'aucune ingénierie pédagogique. Sans objectifs clairs, sans scénarisation, sans évaluation des effets, la technologie ne fait qu'habiller de modernité une organisation inchangée. L'adoption, du reste, demeure prudente : une part importante des formateurs reste réservée quant à la fiabilité de ces outils, et leur usage régulier progresse lentement.

Enfin, la dépendance. Un accompagnement qui pense à la place de l'apprenant fabrique de la fragilité, pas de l'autonomie. L'enjeu de souveraineté cognitive est ici central : l'IA doit renforcer la capacité de juger, de douter et de décider, jamais s'y substituer. Pour un public déjà en difficulté, cette ligne de crête est encore plus étroite.

Mettre en œuvre : une affaire d'ingénierie, pas d'achat de licence

Pour un établissement du supérieur ou un organisme de formation, l'intégration réussie de ces outils repose moins sur la solution retenue que sur la démarche. Trois conditions me paraissent décisives.

La première est d'ancrer le projet dans une logique de conception universelle dès l'amont, plutôt que de juxtaposer des adaptations correctives. On ne personnalise pas en bricolant des exceptions, on conçoit d'emblée des parcours qui offrent plusieurs voies d'accès au savoir.

La deuxième est de traiter la donnée comme un actif sensible : finalités explicites, consentement, sécurité, gouvernance partagée entre responsables pédagogiques, référents handicap et fonctions techniques. Cette exigence rejoint directement la démarche qualité (critères Qualiopi sur l'adaptation aux publics et la prise en compte des situations de handicap), qui offre un cadre utile pour structurer le dispositif plutôt que de le subir.

La troisième, la plus déterminante, est la montée en compétence des équipes. Aucun outil ne compense un formateur démuni face à l'hétérogénéité. La formation des formateurs à l'usage critique et inclusif de l'IA conditionne tout le reste.

Une pédagogie du soin, pas une délégation du soin

L'inclusion ne se résume jamais à un problème d'accès ou d'outillage : c'est une manière de considérer chaque apprenant comme capable, à condition qu'on lui en donne les moyens. L'intelligence artificielle, bien employée, élargit ces moyens de façon inédite : elle rend tenable, à grande échelle, une attention individualisée qui relevait jusqu'ici de l'artisanat héroïque de quelques enseignants.

Mais elle ne remplacera ni le regard qui repère l'élève qui décroche, ni la parole qui rassure, ni la relation qui fait qu'un apprenant fragile ose continuer. L'IA peut prendre en charge ce qui se calcule. Ce qui relève du soin, de la reconnaissance et de la confiance reste, et doit rester, profondément humain.

Évaluer à l'ère de l'IA : trois principes pour reconstruire la preuve d'apprentissage

Et si le problème n'était pas que les étudiants utilisent l'IA, mais que nos évaluations ne mesurent plus rien ? La question en dérange beaucoup. Elle pousse pourtant une poignée d'établissements à reconstruire leur position autour de trois principes qui se tiennent ensemble. Pas une succession d'interdictions, mais une architecture cohérente.

Principe 1 — Cadrer les usages par une charte IA, conçue avec les équipes

Une charte imposée d'en haut ne tient jamais. Elle se contourne, se subit, ou se range dans un tiroir. Le cadrage qui fonctionne se construit avec celles et ceux qui vont l'appliquer : enseignants, responsables de filière, ingénieurs pédagogiques. On y définit ensemble ce qui est attendu, ce qui est toléré, ce qui ne l'est pas, et surtout le pourquoi de chaque ligne.

Le résultat n'est pas un document juridique de plus. C'est un référentiel partagé, vivant, qui donne aux équipes un langage commun pour décider au cas par cas. La charte ne remplace pas le jugement professionnel : elle l'outille.

Principe 2 — L'IA est une culture commune

Pas une compétence réservée aux filières techniques. Pas une option pour les curieux. Un socle, au même titre que l'esprit critique ou la maîtrise de l'écrit. Cela suppose un effort symétrique : on ne demande pas aux étudiants de s'approprier ces outils si les équipes pédagogiques n'y sont pas elles-mêmes acculturées. La culture commune se construit des deux côtés du bureau.

Principe 3 — L'IA est autorisée, sous condition, dans les évaluations et certifications

Et la condition est unique : prouver la démarche. Le livrable final ne suffit plus à attester d'une compétence. Ce qui se certifie, c'est le chemin : les choix, les itérations, le regard critique posé sur ce que la machine propose, la capacité à reprendre la main.

Autrement dit, on ne sanctionne pas l'usage de l'IA. On valorise la maîtrise de cet usage.

Ce déplacement est exigeant. Il oblige à repenser nos grilles, nos consignes, notre conception même de la preuve d'apprentissage. Mais il a un mérite : il replace la pensée de l'apprenant au centre, là où l'outil menaçait de l'effacer.

Et chez vous, où en est la réflexion ?

Souveraineté cognitive : la compétence que l'IA rend incontournable

Lecture récente et marquante : le Petit traité de souveraineté cognitive de Guillaume Chillet. Un peu plus de quatre-vingts pages, lues en quelques heures, mais qui posent une question qui me suit depuis longtemps : comment outiller réellement les esprits face à la désinformation ?

Ce traité m'a d'autant plus parlé que j'ai été professeur d'histoire-géographie. Apprendre à interroger une source, à distinguer le fait de l'interprétation, à repérer un récit orienté : c'était déjà, sans le nommer ainsi, un travail de souveraineté cognitive.

La première ligne de défense n'est pas technologique

La thèse de l'auteur, psychologue et responsable du domaine sciences humaines et sociales à l'Agence de l'innovation de défense, est nette. Le fact-checking arrive après la diffusion. La régulation se heurte à la liberté d'expression. Les solutions techniques créent leurs propres problèmes. Reste l'essentiel : la capacité de chacun à protéger son propre jugement.

Résister avant de devenir souverain

C'est tout l'enjeu de ce que l'auteur appelle la résistance cognitive, qu'il pose comme le préalable à la souveraineté cognitive. On ne devient pas souverain dans sa pensée sans avoir d'abord appris à résister, à ne pas se laisser emporter par le flux. Et cette souveraineté est elle-même la clé de toutes les autres : la manipulation vise d'abord les personnes, avant d'atteindre les organisations et les États.

Une compétence devenue structurante

À l'heure où l'IA générative démultiplie le volume comme la vraisemblance des contenus, former à la souveraineté cognitive n'est plus une option. C'est sans doute l'une des compétences les plus structurantes que nous ayons à transmettre.

Et si l'innovation pédagogique était le cœur de la conduite du changement ?

Dans de nombreuses écoles et organismes de formation, la conduite du changement est souvent abordée sous l'angle des processus, des outils ou des réorganisations. Un levier reste pourtant largement sous-estimé : l'innovation pédagogique.

Transformer les pratiques pédagogiques ne consiste pas uniquement à introduire de nouveaux outils numériques ou à intégrer l'intelligence artificielle. Il s'agit avant tout de repenser l'expérience d'apprentissage, les modalités d'accompagnement et la place donnée aux apprenants. L'innovation pédagogique devient alors un véritable vecteur de transformation organisationnelle.

Pourquoi un tel levier ?

Parce qu'elle agit sur la dynamique collective bien au-delà de la seule dimension technique :

• ›Elle mobilise les équipes autour d'une vision commune.
• ›Elle favorise l'expérimentation et le droit à l'essai.
• ›Elle développe les compétences collectives plutôt que la simple maîtrise d'outils.
• ›Elle crée des espaces de dialogue entre direction, formateurs, apprenants et partenaires.

La nouveauté ne suffit pas

Toute innovation ne produit pas automatiquement le changement. L'enjeu n'est pas de rechercher la nouveauté à tout prix, mais de construire une pédagogie robuste, capable de s'adapter aux évolutions technologiques, aux attentes des apprenants et aux transformations des métiers.

Comme le rappelle Olivier Hamant, la performance maximale n'est pas toujours la meilleure stratégie dans un environnement incertain. La robustesse, elle, permet de durer.

Ingénierie de formation vs ingénierie pédagogique : deux logiques, un même enjeu

Dans nos organisations, on parle beaucoup d'ingénierie de formation et d'ingénierie pédagogique. Les deux notions sont complémentaires, mais leurs logiques d'action ne se situent pas au même niveau — et la littérature académique l'explique depuis longtemps.

Le niveau macro : l'ingénierie de formation

L'ingénierie de formation opère au niveau macro. Dans la continuité des travaux d'Albero sur les dispositifs (2010), elle structure l'architecture globale : analyse du besoin, choix des modalités, cohérence réglementaire, articulation des blocs de compétences, modèles économiques et organisationnels. C'est le GPS stratégique du projet.

Le niveau micro : l'ingénierie pédagogique

L'ingénierie pédagogique, héritière des approches de Meirieu, Jonnaert ou Perrenoud, se situe au niveau micro. Elle conçoit l'expérience d'apprentissage : scénarisation, activités, supports, évaluation, régulations, dynamique de groupe. C'est le terrain de jeu du « comment l'apprenant apprend ».

Le rôle charnière de l'ingénieur pédagogique

Dans cet écart fertile entre le macro et le micro intervient l'ingénieur pédagogique. Il fait le pont. Il traduit les objectifs stratégiques en expériences d'apprentissage cohérentes, alignées et mesurables. Il joue un rôle charnière : expert du design pédagogique, analyste des besoins, médiateur entre les contraintes institutionnelles, les attentes des formateurs et les besoins des apprenants.

Un professionnel qui assemble, ajuste, prototype, régule et met en qualité les parcours.

Décret du 6 juin 2025 : un an après, trois chantiers que les OF et CFA ne peuvent plus repousser

Le décret du 6 juin 2025 a un an. Et beaucoup d'organismes de formation découvrent seulement maintenant ce qu'il implique vraiment.

Publié au JO le 8 juin 2025, entré pleinement en vigueur au 1^er octobre, le décret 2025-500 a « serré la vis » de la certification professionnelle. Un an plus tard, il ne s'agit plus d'anticiper un texte : ses effets sont concrets, et le plan interministériel qualité / lutte contre la fraude est venu en élargir la portée. Trois chantiers que les OF et CFA ne peuvent plus repousser. Voici comment je les lis.

1. Le temps des bilans est arrivé

C'est le point le plus sous-estimé. Désormais, toute demande de renouvellement d'enregistrement doit être complétée par un bilan de mise en œuvre de la certification ou de l'habilitation précédente. Autrement dit : France compétences ne regarde plus seulement ce que vous promettez, mais ce que vous avez réellement produit.

Concrètement : si vos preuves (taux de présentation, de réussite, d'insertion) n'ont pas été tracées depuis un an, le rattrapage est rude. Ce travail se construit en continu, pas la veille du dépôt.

2. Habilitation à former : la liberté préalable, c'est fini

Le décret a posé un cadre strict pour les habilitations délivrées par les certificateurs. Le plan va plus loin en instaurant une habilitation obligatoire du CAP au BTS, instruite par les rectorats (avec l'appui des DREETS).

Concrètement : former sur ces diplômes sans autorisation préalable ne sera plus possible. Il faudra démontrer en amont ses moyens pédagogiques, techniques et d'encadrement. Échéance annoncée : S2 2026. Le temps de structurer un dossier solide, c'est maintenant.

3. Qualiopi élargi + audits durcis : la conformité « sur le papier » ne suffit plus

L'obligation Qualiopi s'étend à tous les organismes préparant à une certification, y compris ceux financés uniquement par les frais de scolarité. En parallèle : contrôles sur place systématisés, présence du dirigeant obligatoire, auditeurs eux-mêmes certifiés.

Concrètement : on évalue l'appropriation réelle du référentiel, pas une mise en scène le jour J. Un audit se prépare dans les processus quotidiens, plus la veille.

L'IA en éducation : amplificateur de compétences ou piège de la paresse cognitive ?

Amplificateur de compétences ou piège de la paresse cognitive ? C'est le fascinant paradoxe mis en lumière par une étude majeure publiée dans Frontiers in Psychology : The cognitive paradox of AI in education: between enhancement and erosion.

D'un côté, l'IA — ChatGPT, adaptive learning, tuteurs intelligents — offre une personnalisation inédite et booste l'efficacité pédagogique. De l'autre, elle expose les apprenants à un risque invisible mais critique : le cognitive offloading (la décharge cognitive).

En déléguant la mémorisation, la recherche et la résolution de problèmes aux algorithmes, nous risquons d'assister à une véritable érosion des capacités cognitives fondamentales des étudiants. Voici les trois enseignements de cette étude qui doivent bousculer nos pratiques de formateurs et de concepteurs.

1. Le mirage de la mémoire immédiate

L'IA donne un accès instantané à la connaissance, mais nuit à la rétention à long terme. Sans effort d'activation initiale des connaissances — un pré-test, par exemple — l'apprentissage profond s'effondre. L'IA doit accompagner l'effort, pas le remplacer.

2. Le piège des niveaux supérieurs de Bloom

Si l'IA excelle à synthétiser et à rappeler l'information (le bas de la taxonomie de Bloom), elle pousse inconsciemment les étudiants à contourner les niveaux supérieurs : l'analyse critique, l'évaluation et la création autonome. Le risque ? Une posture passive et une standardisation de la pensée.

3. Une créativité augmentée… mais normée

Les outils génératifs accélèrent la fluidité des idées, mais provoquent un effet de fixation cognitive. L'IA devient un co-créateur utile, mais profondément normatif, qui bride parfois la confiance créative des apprenants.

Quelle feuille de route pour une ingénierie pédagogique robuste ?

Pour éviter la dépendance cognitive et préserver la souveraineté intellectuelle des apprenants, il s'agit de concevoir des dispositifs d'IA augmentative et non substitutive :

• → sanctuariser des moments « sans IA » pour forcer l'engagement cognitif initial
• → valoriser la métacognition : évaluer non pas le résultat final, mais la démarche, la vérification des sources et l'argumentation
• → renforcer les interactions humaines pour nourrir le sentiment de compétence et l'autodétermination (modèle de Ryan & Deci)

Co-intelligence d'Ethan Mollick : IA, souveraineté cognitive et enjeux pour la formation

L'IA ne remplacera probablement pas les humains. Mais les humains qui sauront travailler avec l'IA remplaceront ceux qui refusent de s'y intéresser. C'est l'une des idées fortes du livre Co-intelligence : vivre et travailler avec l'IA d'Ethan Mollick — un ouvrage particulièrement stimulant pour tous les acteurs de la formation, de l'enseignement supérieur et du développement des compétences.

Une nouvelle ère cognitive

Ce que ce livre montre très bien, c'est que nous entrons dans une nouvelle ère cognitive. L'IA devient un partenaire intellectuel capable de produire, synthétiser, structurer, reformuler, analyser… parfois en quelques secondes. La question n'est donc plus seulement technologique. Elle devient profondément pédagogique, culturelle… et politique.

L'enjeu de la souveraineté cognitive

Car derrière la « co-intelligence » se joue aussi un enjeu majeur : celui de notre souveraineté cognitive. Autrement dit : sommes-nous encore capables de penser par nous-mêmes dans un environnement où les IA influencent progressivement nos raisonnements, nos choix, notre attention et nos productions intellectuelles ?

Une société qui externalise entièrement ses capacités cognitives prend le risque d'appauvrir son autonomie intellectuelle.

De nouvelles responsabilités pour la formation

Dans le monde de la formation, cela implique de nouvelles responsabilités :

• → développer l'esprit critique face aux contenus générés
• → apprendre à questionner l'IA plutôt qu'à simplement la consommer
• → préserver les capacités de réflexion, de créativité et d'argumentation
• → former à une collaboration homme-machine consciente et maîtrisée
• → construire des usages robustes, éthiques et émancipateurs

Pourquoi l'hybridation pédagogique est entrée dans sa deuxième génération

L'hybridation pédagogique a longtemps été présentée comme une innovation. Elle est aujourd'hui devenue une norme dans l'enseignement supérieur et la formation professionnelle. Mais nous sommes en train de changer de paradigme.

La première génération : une logique organisationnelle et technologique

La première phase d'hybridation s'est structurée autour d'une logique essentiellement organisationnelle et technologique : digitaliser des contenus, déployer des environnements numériques d'apprentissage, assurer la continuité pédagogique dans des contextes contraints. Dans cette logique, le distanciel a souvent été pensé comme une simple transposition du présentiel.

Une deuxième génération centrée sur le design pédagogique

L'hybridation n'est plus un sujet de modalité. Elle devient un sujet d'ingénierie pédagogique. La question centrale n'est plus « comment organiser le distanciel ? » mais :

Quelle architecture d'apprentissage est la plus pertinente au regard des compétences visées ?

Dans cette deuxième génération, chaque modalité est mobilisée pour sa valeur spécifique :

• → le distanciel asynchrone pour l'appropriation et l'autonomie
• → le présentiel pour l'interaction, la mise en situation, la socialisation
• → les formats hybrides pour articuler apprentissage individuel et collectif

Une transformation du rôle des formateurs

Ce changement de paradigme a un impact direct sur les métiers. Le formateur n'est plus uniquement dans une logique de transmission. Il devient :

• → concepteur de dispositifs
• → architecte d'expériences d'apprentissage
• → facilitateur de parcours
• → accompagnateur du développement des compétences

L'IA comme accélérateur, pas comme finalité

L'émergence des IA génératives s'inscrit dans cette dynamique. Elles permettent d'individualiser les parcours, de générer des feedbacks rapides, d'augmenter certaines activités pédagogiques. Mais sans ingénierie pédagogique solide, leur usage reste superficiel.

On peut anticiper une hybridation de troisième génération — augmentée par la donnée et l'IA — avec des parcours adaptatifs, des boucles de feedback en continu, une personnalisation à grande échelle. Mais le risque serait de revenir à une approche technocentrée. Le point d'équilibre restera le même : maintenir la primauté du design pédagogique.

Le péril IA, de Gilles Babinet : quand l'enjeu technologique devient pédagogique, culturel et humain

Je viens de terminer Le péril IA de Gilles Babinet. Un ouvrage particulièrement stimulant car il évite les deux excès qui saturent aujourd'hui les débats autour de l'intelligence artificielle : la fascination aveugle et la peur caricaturale.

Le livre pose surtout une question fondamentale : sommes-nous réellement prêts, collectivement, aux transformations que l'IA est déjà en train d'imposer à nos modèles éducatifs, professionnels et organisationnels ?

Le renversement de la logique éducative

Ce qui m'a particulièrement marqué, c'est l'impact sur la transmission des savoirs. Pendant longtemps, nos systèmes éducatifs ont valorisé :

• → l'accès à l'information
• → la restitution des connaissances
• → la maîtrise technique

Or, l'IA bouleverse déjà cette logique. Quand une machine peut produire en quelques secondes un texte, une synthèse, un plan stratégique, du code ou une analyse argumentée, la valeur ne réside plus uniquement dans la production de contenu.

Là où se déplace la valeur

Elle se déplace vers des capacités que l'IA ne peut pas supplanter :

• → la capacité à penser et à contextualiser
• → relier les savoirs entre eux
• → exercer un discernement et créer de la nuance
• → développer une véritable culture critique

Émancipation ou dépendance cognitive ?

C'est probablement l'un des grands défis des prochaines années pour l'enseignement supérieur, la formation professionnelle et les organisations. Le sujet n'est plus seulement technologique — il devient profondément pédagogique, culturel et humain.

L'IA peut devenir un formidable levier d'émancipation intellectuelle. Mais elle peut aussi accélérer une forme de dépendance cognitive si nous ne repensons pas nos approches de formation et de développement des compétences.

La question n'est plus de savoir si l'IA transformera durablement nos métiers. La question est désormais de savoir quelles organisations sauront réellement s'y préparer. Une lecture que je recommande vivement à tous les acteurs de l'éducation, de la formation et du management.

Anomie numérique et souveraineté cognitive : réflexions après lecture de Réinventer l'école à l'ère de l'intelligence artificielle

Je viens de terminer la lecture de Réinventer l'école à l'ère de l'intelligence artificielle, d'Ahmed Messaoudi. Un ouvrage qui met des mots sur un phénomène que nous observons tous, souvent sans le nommer : une forme d'anomie numérique.

Un diagnostic lucide sur nos environnements numériques

Surinformation, accélération permanente, dépendance aux recommandations algorithmiques, externalisation de la mémoire et du raisonnement… Nos environnements numériques transforment progressivement notre rapport au savoir, à l'attention et même à l'effort cognitif. Ce que montre très bien ce livre, c'est que l'enjeu éducatif n'est plus uniquement technologique. Il devient culturel, cognitif et profondément humain.

La question centrale à l'ère des IA génératives

À mesure que les IA génératives s'installent dans les usages, une question devient centrale : comment former des individus capables de discernement dans un univers où les réponses précèdent désormais les questions ?

L'auteur défend une vision particulièrement intéressante : l'école ne doit pas simplement intégrer l'IA ; elle doit redevenir un espace de structuration intellectuelle et de stabilisation dans un environnement numérique devenu instable et fragmenté.

Des enjeux qui résonnent avec la formation professionnelle

Cette réflexion entre en forte résonance avec les défis actuels de l'enseignement supérieur et de la formation professionnelle :

• → préserver l'autonomie cognitive des apprenants
• → réhabiliter l'attention longue face à la fragmentation informationnelle
• → développer l'esprit critique comme compétence fondamentale
• → apprendre à dialoguer avec l'IA sans lui déléguer entièrement la pensée

IA et formation : le vrai sujet n'est pas technologique, mais pédagogique

Depuis deux ans, l'intelligence artificielle s'impose dans tous les discours sur l'enseignement supérieur. Chaque école y va de son initiative. Mais derrière cette effervescence, une confusion persiste : intégrer un outil n'a jamais transformé un modèle pédagogique. Et c'est précisément là que se situe le problème.

1. Une illusion d'innovation

Dans de nombreux établissements, l'IA est abordée comme une compétence supplémentaire — un contenu à ajouter dans des maquettes déjà saturées. Cette approche repose sur une hypothèse implicite : les métiers évoluent à la marge. Or, dans les industries créatives, c'est l'inverse.

L'IA reconfigure en profondeur les processus d'écriture, les logiques de production, les chaînes de valeur en post-production. Nous ne sommes pas face à une évolution, mais face à une recomposition des métiers.

2. Des modèles pédagogiques en tension

Les travaux de Donald Schön sur le praticien réflexif ou de David Kolb sur l'apprentissage expérientiel rappellent un point fondamental : on apprend en situation, par l'action, l'itération et la réflexivité.

Or, que constate-t-on encore massivement ? Des pédagogies descendantes, des logiques de cours cloisonné, des évaluations déconnectées des situations réelles. Dans un environnement instable, ces modèles ne sont plus seulement limités — ils sont contre-productifs.

3. Former à l'incertitude

L'enjeu n'est plus de maîtriser un outil. C'est de savoir évoluer dans un environnement où les outils changent en permanence. Cela suppose de former des professionnels capables de tester, détourner, hybrider des technologies, et de développer une pensée critique face aux résultats produits. Dans un monde de complexité, la compétence clé devient la capacité de décision en contexte incertain.

4. Une responsabilité des institutions

Le marché évolue plus vite que les référentiels. Les pratiques professionnelles devancent les maquettes pédagogiques. Les étudiants expérimentent seuls ce que l'école n'intègre pas encore. Ce décalage n'est pas neutre — il produit une forme d'obsolescence institutionnelle.

5. Assumer une rupture

Intégrer l'IA dans les formations ne suffira pas. Il faut repenser les parcours autour de situations professionnelles complexes, décloisonner les disciplines, faire évoluer les référentiels en continu, repositionner le rôle du formateur.

Autrement dit : passer d'une logique de programme… à une logique de système d'apprentissage adaptatif.

Former au discernement, pas seulement à l'usage

Il y a quelques semaines, un formateur me demandait comment intégrer l'IA générative dans son programme. Ma réponse l'a surpris : « La vraie question n'est pas comment l'utiliser, mais quand ne pas l'utiliser et pourquoi. »

C'est peut-être là que se joue l'essentiel du défi pédagogique.

La mauvaise question

Le débat public s'est largement structuré autour d'une question : comment utiliser ces outils ? C'est probablement la mauvaise question. Car plus les systèmes deviennent puissants, plus la valeur se déplace vers ce qu'ils ne produisent pas spontanément : jugement, contextualisation, arbitrage, responsabilité. Plus les IA progressent, plus les facultés critiques humaines — esprit critique, réflexivité, pensée complexe — deviennent stratégiques.

Souveraineté cognitive : le concept qui manque au débat

Les IA génératives ne sont pas des outils neutres. Elles embarquent des architectures, des biais, des logiques d'optimisation, des visions implicites du monde. Former à leur usage sans former à leur lecture critique, c'est former des utilisateurs incapables de prendre de la distance.

Le risque n'est pas seulement une dépendance technologique, mais une dépendance cognitive. La souveraineté cognitive est la capacité pour des individus comme pour des institutions, à conserver une autonomie de jugement dans des environnements de plus en plus automatisés.

Les industries créatives sont en première ligne

Cinéma, audiovisuel, animation, design, écriture : peu de secteurs sont aussi profondément exposés. Prévisualisation générative, voix synthétiques, assistants scénaristiques, génération d'assets… Les mutations sont déjà structurelles.

Mais ce qui se joue, c'est une redéfinition possible de la création, de l'auteur, de l'originalité, parfois même de la valeur culturelle. C'est pourquoi la formation y devient un enjeu stratégique de filière.

Former des arbitres, pas seulement des utilisateurs

Le défi n'est plus de former des professionnels capables d'utiliser l'IA. C'est de former des professionnels capables d'arbitrer : quand l'utiliser, comment, et jusqu'où. Cela suppose d'intégrer au cœur des formations l'éthique appliquée, l'analyse critique des modèles, la gouvernance des usages et la capacité à articuler créativité et discernement.

Les établissements ne peuvent se contenter d'ajouter quelques modules sur les usages. Ils doivent construire une culture critique de l'IA. La finalité de l'enseignement supérieur n'est donc pas seulement l'employabilité, mais aussi la formation au jugement et à l'esprit critique.