Il y a quelques jours, j'ai reçu une offre de travail d'un LSP en quête d'un responsable linguistique dans le cadre d'un projet de longue durée en langue française. Caractéristiques minimales recherchées pour le profil :
- au moins une décennie d’expérience avérée dans le domaine linguistique, en gestion de projets, encadrement d’équipes, d'aptitudes à la communication, de disponibilité sur le long terme, etc.
- être expérimenté dans les projets liés à l’intelligence artificielle, incluant la création de prompts ainsi que la génération et la régénération sur de grands modèles de langage (LLM)
D'où ma question : quel professionnel, en 2025, maîtrise un tel éventail de compétences ?
*
Selon une étude McKinsey publiée le 12 mars 2025, 78 % des sondés affirmaient que leur organisation utilisait l'IA fin 2024 / début 2025, contre 72 % début 2024 et 55 % un an auparavant. Quant à l'IA générative, son utilisation est passée de 33% en 2023 à plus de 71% en 2024, aucun pourcentage n'étant fourni pour 2025.
En clair, ces chiffres nous montrent que 2023 est l'année où débute l'adoption à grande échelle de l'intelligence artificielle, désormais inarrêtable. Or il est tout aussi évident que le nombre de formateurs qualifiés n'a pas suivi cette même progression exponentielle, et que, vu la rapide augmentation des emplois nécessitant des compétences en intelligence artificielle, on s'oriente vers une pénurie de formateurs.
L'une des principales raisons des pénuries de compétences est le rythme rapide de l'évolution technologique. Les technologies émergentes telles que l'intelligence artificielle nécessitent une main-d'œuvre qui possède les connaissances et l'expertise nécessaires pour développer, mettre en œuvre et entretenir ces systèmes. Cependant, les établissements d'enseignement et les programmes de formation peuvent avoir du mal à suivre l'évolution des exigences du marché du travail, ce qui entraîne une pénurie de travailleurs qualifiés.
Les enquêtes de l'OCDE sur l'IA menées auprès des employeurs montrent que le manque de compétences est actuellement le deuxième obstacle le plus important à l'adoption de l'IA après le coût, bien plus important que la réglementation gouvernementale ou une réticence générale à l'égard de la technologie.
Le cadre de la situation est donc tracé.
*
Pour faire simple, il y a essentiellement trois types de formations en IA :
- Formations de base (initiation / sensibilisation pour non-spécialistes, managers, professionnels de tous horizons et secteurs)
- Formations techniques (pour développeurs, data scientists, ingénieurs)
- Formations métiers spécialisées (pour des professionnels d'un domaine spécifique)
Génération : désigne le processus par lequel un LLM produit du texte en réponse à une requête (prompt) ou une tâche donnée. Le modèle utilise ses connaissances apprises lors de l'entraînement pour générer des phrases ou des paragraphes cohérents, en s'appuyant sur des probabilités statistiques pour prédire les mots suivants.
Régénération : fait généralement référence à une sorte d'itération, une nouvelle tentative de génération de texte pour une même requête, souvent pour obtenir un résultat différent ou amélioré. Utile pour affiner une réponse ou explorer d'autres formulations.
Je mettrai bientôt en ligne un glossaire EN --> FR dédié à l'IA...
*
Comment définir ce nouveau profil de formateur en IA ? Sans oublier cette autre question fondamentale : qui forme les formateurs ?
Les intervenants classiques en formation sont toujours les mêmes :
- Le monde académique (professeurs, enseignants, chercheurs : les doctorats et autres masters spécialisés, en IA, Data Science, etc., ou les écoles d'ingénieurs sont la voie royale)
- Les organismes de formation professionnelle continue (entreprises spécialisées dans les formations technologiques, cabinets de conseil et agences spécialisées en IA, organismes de formation plus généralistes)
- Les géants de la technologie (les certifications proposées par Google, Microsoft, AWS, IBM, NVIDIA... sont de plus en plus reconnues)
- Les experts internes aux (grandes) entreprises (départements R&D, équipes data, etc.)
- Les consultants indépendants et freelances (y compris les autodidactes comme le soussigné...)
- Experts techniques : solide expérience pratique en IA, ayant travaillé sur des projets concrets de machine learning, deep learning, vision par ordinateur, traitement du langage naturel, etc. Ils maîtrisent les concepts, les algorithmes, les frameworks (TensorFlow, PyTorch) et les outils (Python, R).
- Pédagogues : au-delà de l'expertise technique, un bon formateur doit savoir vulgariser des concepts complexes, adapter son discours à différents publics (débutants, experts, non-techniques) et créer des exercices pratiques engageants.
- Veilleurs technologiques : l'IA évolue très vite. Les formateurs doivent constamment se tenir informés des dernières avancées, des nouveaux outils et des meilleures pratiques pour offrir des formations à jour.
- Spécialistes sectoriels (parfois) : formations plus ciblées (IA pour la finance, la santé, le marketing, etc.)
- Les concepts clés de l'IA (qu'est-ce que l'IA aujourd'hui, données = carburant de l'IA, GIGO, perspectives à court-moyen-long terme)
- La présentation des outils d'IA générative (ChatGPT, outils de génération de textes, d'images, etc.) pour créer des contenus pédagogiques et améliorer la productivité, le prompt engineering
- Comment structurer un cours, créer des exercices pratiques, études de cas, projets concrets, rédiger des fiches métier
- Les enjeux éthiques, juridiques et sociétaux de l'IA
En clair, sur 3 niveaux d’approfondissement :
Niveau |
Objectif principal |
Public cible |
Exemples |
1. Accultura-tion / Sensibi-lisation |
Comprendre ce qu’est l’IA, ses usages et ses limites |
Tous publics, cadres, enseignants, citoyens |
Conférences, ateliers découverte, e-learning |
2. Pratique / Utilisation |
Savoir utiliser des outils IA, automatiser des tâches,
dialoguer avec des LLMs |
Métiers opérationnels, communicants, formateurs |
Prompt engineering, automatisation de workflows |
3. Technique / Conception |
Développer, paramétrer ou auditer des systèmes IA |
Développeurs, data scientists, ingénieurs |
Python, TensorFlow, RAG, fine-tuning |
je revendique les deux premiers !
*
Véritablement former à l’IA, c’est apprendre à penser, à utiliser, à questionner l’IA. Cela doit permettre aux personnes d’être non plus passives face aux outils, mais actives, responsables et critiques dans leurs usages.
Si ma démarche vous intéresse, veuillez consulter ma fiche-programme, entièrement adaptable à vos besoins, en restant disponible pour étudier toute forme de personnalisation selon vos exigences personnelles ou professionnelles.
L'intitulé de ce billet pose une question : où sont les formateurs en IA ? Si vous l'avez lu, vous en avez déjà trouvé au moins un ! 😀
Aucun commentaire:
Enregistrer un commentaire