IA accessible : le trait d’union nécessaire entre école, compétences et emploi

L’intelligence artificielle n’a pas besoin d’être réservée aux grandes entreprises, aux laboratoires ou aux établissements les mieux équipés pour produire des effets utiles. Dans les ressources humaines comme dans l’éducation, son intérêt se mesure surtout à une question concrète : permet-elle à davantage de personnes de mieux faire correspondre leurs compétences, leurs besoins de formation et leurs perspectives professionnelles ? En décembre 2024, cette promesse reste indissociable de plusieurs conditions, notamment l’accès aux outils, la qualité des données et la présence d’un contrôle humain.

L’IA peut traiter rapidement de grands volumes d’informations, repérer des tendances et formuler des recommandations. Elle ne connaît toutefois ni un élève ni un candidat au sens humain du terme. Ses résultats dépendent des données mises à sa disposition, des critères choisis et de la façon dont les professionnels les interprètent. Rendre l’IA accessible ne consiste donc pas seulement à ouvrir un logiciel : cela suppose de donner aux enseignants, aux élèves, aux salariés et aux recruteurs les moyens de comprendre ses usages, ses limites et leurs droits.

Pourquoi l’accès à l’IA est un enjeu de compétences

Le marché du travail évolue avec les métiers, les outils et les besoins des organisations. Les compétences attendues ne se résument plus à un intitulé de diplôme ou de poste. Elles peuvent inclure des savoirs techniques, des capacités d’analyse, des compétences relationnelles et des expériences acquises dans différents contextes. Or, les informations qui décrivent ces parcours sont souvent dispersées : d’un côté les établissements de formation, de l’autre les employeurs, les organismes de certification ou les services d’accompagnement.

Ce cloisonnement complique l’identification des compétences disponibles et des formations pertinentes. Un recruteur peut passer à côté d’un profil dont l’intitulé ne correspond pas exactement à l’offre. À l’inverse, un étudiant ou un salarié peut ne pas voir quelles formations lui permettraient de progresser vers un métier voisin. L’IA peut aider à rapprocher ces informations, à condition que les données soient suffisamment structurées, à jour et employées dans un cadre clair.

L’accessibilité a plusieurs dimensions :

• Technique, avec des outils utilisables par des organisations de tailles différentes et par des personnes aux niveaux numériques variés.
• Économique, afin que les bénéfices ne soient pas réservés à une minorité d’acteurs disposant de moyens importants.
• Pédagogique, car les utilisateurs doivent savoir ce que produit un système, et ce qu’il ne peut pas garantir.
• Juridique et éthique, pour que chacun sache quelles données sont mobilisées, dans quel but et selon quelles protections.

Dans les RH, mieux relier postes, candidats et formations

Dans un service des ressources humaines, les outils d’IA peuvent intervenir à plusieurs étapes. Ils peuvent, par exemple, rapprocher les compétences indiquées dans une candidature des exigences formulées pour un poste. Ils peuvent aussi aider à cartographier les savoir-faire présents dans une organisation et à identifier les domaines où une montée en compétences paraît nécessaire.

Le principe est celui du rapprochement de données, parfois appelé « matching ». Un système examine des informations telles que les expériences, les certifications, les formations ou les compétences mentionnées, puis les compare à des critères prédéfinis. Bien utilisé, ce travail peut faire gagner du temps dans le tri d’informations volumineuses et attirer l’attention sur des profils moins évidents à première vue.

L’IA peut également servir à anticiper les besoins de formation. Si une entreprise observe une évolution de ses activités, elle peut chercher quels savoir-faire devront être développés et proposer des parcours adaptés. Cette capacité d’analyse prospective est intéressante pour préparer les mobilités internes plutôt que de limiter la réponse aux recrutements externes.

Mais l’automatisation comporte un risque majeur : transformer des données incomplètes ou des critères discutables en décisions qui paraissent objectives. Un CV ne restitue pas toutes les qualités d’une personne. De même, une performance passée ne prédit pas à elle seule une réussite future. Les outils doivent donc assister les recruteurs, non décider seuls de l’accès à un emploi, d’une évolution de carrière ou d’une formation.

En éducation, l’IA peut-elle vraiment personnaliser l’apprentissage ?

L’usage de l’IA en éducation est souvent associé à la personnalisation. Des systèmes peuvent analyser les réponses d’un élève, le temps consacré à un exercice ou les erreurs récurrentes, afin de proposer des activités, des explications ou un rythme plus adaptés. Cette analyse peut contribuer à détecter tôt certaines difficultés et permettre une intervention pédagogique plus ciblée.

Pour les enseignants, certains outils peuvent aussi alléger les tâches répétitives : première correction d’exercices structurés, organisation de contenus, préparation de supports ou synthèse d’informations. Le temps ainsi dégagé peut être consacré à l’explication, à l’échange avec les élèves et à l’adaptation de la pédagogie. C’est là que réside la valeur potentielle de l’IA : non pas éloigner l’enseignant, mais lui laisser davantage de disponibilité pour son rôle éducatif.

Il faut néanmoins distinguer l’assistance de l’évaluation automatisée. L’IA peut repérer un schéma dans des réponses, mais elle ne comprend pas nécessairement les causes d’une difficulté : problème de méthode, manque de confiance, situation personnelle, handicap, langue ou consigne mal comprise. Dans ce contexte, le regard de l’enseignant demeure indispensable pour interpréter un signal et choisir la réponse appropriée.

Des données de compétences encore trop cloisonnées

Le rapprochement entre éducation et emploi se heurte à une difficulté structurelle : les données circulent mal entre les acteurs. Les établissements disposent d’informations sur les cursus et les acquis. Les entreprises connaissent les compétences recherchées et celles mobilisées dans leurs métiers. Les organismes de formation, les services publics de l’emploi et les personnes elles-mêmes détiennent encore d’autres éléments. Sans langage commun ni règles de partage, il est difficile de construire une vision cohérente.

Des démarches d’interopérabilité cherchent précisément à améliorer cette situation. L’idée est de permettre à différents systèmes d’échanger des données selon des formats et des définitions compatibles, sans effacer la responsabilité de chaque acteur sur les informations qu’il détient. Le projet de type Skills Data Space, évoqué dans ce contexte, illustre cette ambition : mieux relier les données de compétences, les formations et les opportunités professionnelles.

L’interopérabilité ne doit pas être confondue avec une mise en commun sans limites. Faciliter l’échange d’informations ne signifie pas que tout employeur devrait accéder à tout le dossier scolaire d’un candidat, ni qu’un établissement devrait transmettre sans précaution des données sur ses élèves. La finalité du partage, le niveau de détail, la durée de conservation et les personnes autorisées à accéder aux données doivent être définis avant tout déploiement.

Confidentialité, biais : les garde-fous indispensables

Les hésitations des établissements et des départements RH face à l’IA ne sont pas de simples résistances au changement. Elles renvoient à des enjeux concrets de sécurité, de confidentialité et d’équité. Dans l’éducation, les données peuvent concerner des mineurs, les résultats scolaires ou des difficultés d’apprentissage. Dans l’emploi, elles peuvent porter sur des candidatures, des évaluations, des parcours et des informations professionnelles sensibles.

Le premier principe consiste à ne collecter que les données nécessaires à une finalité précise. Avant d’utiliser un outil, une organisation doit pouvoir expliquer ce qu’il traite, pourquoi il le fait et qui peut consulter les résultats. Les personnes concernées doivent disposer d’informations compréhensibles sur l’usage de leurs données. La sécurité technique est tout aussi importante : un système mal protégé peut exposer des informations qui ne devraient jamais circuler.

Le deuxième enjeu est celui des biais. Si un système est entraîné ou configuré à partir de données marquées par des inégalités passées, il peut reproduire ou amplifier ces déséquilibres. Dans le recrutement, cela peut conduire à défavoriser injustement certains profils. À l’école, cela peut enfermer un élève dans une catégorie ou une prédiction. Tester les outils, documenter leurs critères, contrôler leurs résultats et offrir une possibilité de contestation sont donc des précautions essentielles.

En Europe, le règlement sur l’intelligence artificielle, couramment appelé AI Act, est entré en vigueur le 1er août 2024. Son application est progressive. Il pose un cadre fondé sur le niveau de risque des systèmes et concerne notamment certains usages dans l’éducation et l’emploi. Pour les organisations, ce texte rappelle qu’un déploiement responsable ne peut se réduire à l’achat d’un outil : il implique une gouvernance, des compétences internes et un suivi dans le temps.

Former les professionnels plutôt que leur imposer des outils

L’adoption de l’IA échoue souvent lorsque les personnes qui doivent l’utiliser ne participent ni au choix de l’outil ni à la définition de ses règles. Un enseignant doit savoir comment vérifier une réponse générée et protéger les travaux de ses élèves. Un professionnel des RH doit pouvoir questionner les critères d’un classement automatique et identifier les cas où une appréciation humaine s’impose.

La formation ne doit pas se limiter à des fonctions techniques. Elle doit inclure la lecture critique des résultats, les principes de protection des données, la détection des erreurs possibles et les modalités d’alerte. Les élèves, les étudiants et les salariés ont également besoin de repères : savoir quand une IA les accompagne, comprendre qu’elle peut se tromper et conserver la capacité de faire valoir leur point de vue.

La coopération entre établissements, entreprises et organismes de formation peut rendre cet effort plus utile. En échangeant sur les compétences réellement attendues, sans calquer l’éducation sur les seuls besoins immédiats du marché, ces acteurs peuvent concevoir des parcours plus lisibles. L’objectif n’est pas de produire des profils standardisés, mais d’aider chacun à identifier et à développer des compétences transférables.

Ce qu’il faut surveiller pour une IA réellement inclusive

L’avenir de l’IA dans les ressources humaines et l’éducation dépendra moins de la multiplication des outils que de la qualité de leur intégration. Il faudra observer si les solutions atteignent aussi les petites structures, les établissements moins dotés et les publics éloignés du numérique. Une technologie qui améliore les possibilités des uns tout en laissant les autres sans accompagnement renforcerait les écarts existants.

Il faudra aussi suivre la capacité des organisations à évaluer les effets réels des systèmes utilisés. Un outil fait-il gagner du temps aux enseignants sans dégrader la qualité de l’accompagnement ? Aide-t-il les recruteurs à élargir leur recherche, ou reproduit-il les choix habituels ? Les recommandations proposées débouchent-elles sur des formations accessibles et utiles ? Ces questions doivent guider l’évaluation, au-delà des seules promesses techniques.

L’IA peut favoriser une meilleure articulation entre formation et emploi, en rendant les compétences plus visibles et les parcours plus adaptables. Elle ne pourra toutefois jouer ce rôle qu’à une condition centrale : rester un instrument au service des personnes. L’accès aux technologies, la maîtrise des données et la décision humaine doivent progresser ensemble, afin que l’innovation ne se fasse pas au détriment de l’égalité des chances.