Certif'IAG · certification enregistrée au Répertoire spécifique de France Compétences (RS6891) Espace candidat Espace partenaire
Trouver ma formation

AI Act : ce qui change concrètement pour les entreprises

Le règlement (UE) 2024/1689, dit « AI Act », organise l’encadrement de l’intelligence artificielle par une approche par les risques. Les obligations les plus lourdes visent les systèmes à haut risque et leurs fournisseurs. Mais une disposition intéresse directement toutes les organisations : l’exigence d’un niveau suffisant de maîtrise de l’IA chez les personnes qui l’utilisent pour le compte de l’employeur.

Trois obligations qui concernent l’employeur

1
Assurer la littératie IA des utilisateurs.

Les personnes qui manipulent des systèmes d’IA doivent disposer des connaissances nécessaires pour en comprendre les effets et les limites. C’est une obligation de moyens qui suppose une action de formation traçable.

2
Informer sur l'usage de l'IA.

Les contenus générés doivent être identifiables comme tels dans les cas prévus, et les personnes concernées informées lorsqu’elles interagissent avec un système d’IA.

3
Maintenir une supervision humaine.

Aucun système d’IA ne peut décider seul dans les usages sensibles : il faut identifier les points de contrôle humain et les documenter.

Ce que cela implique en pratique

Une entreprise qui laisse ses équipes utiliser l’IA sans cadre ni formation ne peut démontrer aucune de ces trois obligations. Inversement, un dispositif de formation certifiante constitue une preuve documentée, opposable en cas de contrôle.

Le lien avec le RGPD

L’AI Act ne remplace pas le RGPD, il s’y superpose. La CNIL rappelle que les principes de minimisation des données, de limitation des finalités et de transparence s’appliquent pleinement aux usages d’IA générative — y compris lorsqu’un salarié saisit des données dans un outil grand public. Deux textes, une même conséquence : ce qui est saisi dans l’outil doit avoir été qualifié avant de l’être.

Traduire la conformité en compétence

La conformité ne se décrète pas dans une charte : elle se joue dans les gestes quotidiens de ceux qui utilisent les outils. C’est exactement ce que le référentiel de certification structure — décider si l’usage est légitime, qualifier les données, configurer l’outil en conséquence, contrôler le résultat.

Sources : Règlement (UE) 2024/1689 établissant des règles harmonisées concernant l’intelligence artificielle · CNIL, recommandations sur l’IA.

Les 5 conditions pour choisir son outil IA

La question n’est pas « quel est le meilleur outil ? » mais « quel outil convient à cette tâche, avec ces données, dans cette organisation ? ». Un même outil peut être le bon choix pour rédiger une note interne et un choix inacceptable pour traiter des données de santé.

1

Le sort réservé à vos données

Les données saisies servent-elles à entraîner le modèle ? Sont-elles conservées, et combien de temps ? Où sont-elles hébergées ? Un usage professionnel exige une réponse écrite à ces trois questions, pas une mention rassurante sur une page marketing.

2

Le niveau de configuration possible

Peut-on désactiver la mémoire, restreindre l’apprentissage, définir des instructions permanentes, cloisonner par équipe ? Sans ces réglages, l’outil impose son comportement au lieu de servir le vôtre.

3

La traçabilité des usages

Existe-t-il un journal des accès et des requêtes ? Peut-on savoir qui a produit quoi ? Sans traçabilité, aucune analyse d’incident n’est possible — et aucune preuve de conformité non plus.

4

L'adéquation à la tâche réelle

L’outil traite-t-il les formats que vous manipulez vraiment ? S’intègre-t-il à vos usages existants ? Un outil brillant qu’il faut alimenter à la main ne sera pas adopté.

5

La réversibilité

Que récupérez-vous si vous partez : vos historiques, vos configurations, vos contenus ? Un outil dont on ne peut pas sortir n’est pas un choix, c’est une dépendance.

Une condition absente de cette liste

La performance brute du modèle. Elle évolue trop vite pour fonder une décision durable, et l’écart entre les principaux outils reste faible sur les tâches professionnelles courantes. Ce qui les distingue, c’est ce qu’ils vous permettent de contrôler.

Rôles, mémoire, agents : comprendre les usages avancés de l’IA générative

Écrire une requête et lire la réponse : c’est l’usage que 90 % des professionnels font d’un outil d’IA générative. Or trois familles de fonctions changent radicalement la fiabilité du résultat — et le niveau de risque associé.

Le rôle : cadrer le comportement, pas la question

Attribuer un rôle à l’outil (« tu es responsable qualité dans un organisme de formation ») ne relève pas de l’astuce : cela fixe le registre, le niveau de détail et les références implicites. Un rôle bien défini réduit les reformulations et rend les résultats comparables d’une session à l’autre — condition d’un usage professionnel reproductible.

La mémoire : le réglage le plus sous-estimé

La plupart des outils grand public conservent, par défaut, des éléments des échanges passés. Pratique pour un usage personnel, problématique dès qu’un contexte professionnel sensible est en jeu : une information saisie pour une tâche peut ressurgir dans une autre, y compris devant un autre interlocuteur.

La règle simple

Le niveau de mémoire activé doit être décidé en fonction de la sensibilité des données — pas laissé au réglage par défaut. C’est précisément ce que la certification évalue.

Les agents : de l’assistance à l’exécution

Un agent n’attend plus une requête : il enchaîne des actions pour atteindre un objectif. Le gain est réel sur les tâches répétitives, mais le déplacement du risque l’est autant — plus l’outil agit, moins l’humain voit chaque étape. D’où la nécessité de définir à quels moments un contrôle humain reste obligatoire avant d’automatiser quoi que ce soit.

Ce que ces fonctions ont en commun

Elles se paramètrent avant l’usage, pas pendant. C’est la logique du référentiel : le cadrage précède la production, et le paramétrage traduit ce cadrage dans l’outil.

Vérifier, corriger, fiabiliser les contenus générés par IA

Le principal risque d’un contenu généré n’est pas d’être faux : c’est d’être plausible. Un texte cohérent, bien écrit et correctement formaté déclenche moins de vigilance qu’un brouillon maladroit — alors qu’il peut contenir une donnée inventée, une référence inexistante ou un raisonnement biaisé.

Quatre catégories d’erreurs à chercher séparément

Les faits. Chiffres, dates, noms, citations, références : tout élément vérifiable doit l’être à la source. Un chiffre sans source identifiable ne sort pas du document.

Les approximations. Formulations vagues qui donnent une impression de précision sans en avoir : « de nombreuses études montrent », « la plupart des experts ».

Les biais. Un point de vue implicite, un cadrage orienté, l’omission systématique d’une position. À traquer particulièrement dans les contenus destinés à éclairer une décision.

Les incohérences. Contradictions internes, ruptures de logique, conclusions qui ne découlent pas de ce qui précède — fréquentes dans les textes longs.

Ne pas faire vérifier l'IA par l'IA

Demander à un outil de contrôler sa propre production reproduit ses biais. La vérification factuelle se fait à la source, par un humain qui connaît le domaine.

Documenter les précautions, pas seulement corriger

Corriger ne suffit pas : il faut expliciter ce qui reste à vérifier, les mentions obligatoires à apposer et les limites à signaler au destinataire. C’est cette explicitation — et non la perfection du contenu — qui distingue un usage professionnel d’un usage improvisé.

IA générative : la nouvelle compétence transversale des métiers

Le World Economic Forum estime que 39 % des compétences requises auront évolué d’ici 2030. Le Stanford HAI relève que 78 % des organisations déclaraient utiliser l’IA en 2024, contre 55 % un an plus tôt. Et l’APEC observe que si 35 % des cadres français utilisent l’IA générative au moins une fois par semaine, seuls 24 % ont été formés.

Une compétence sans métier attitré

L’usage professionnel de l’IA générative ne relève ni de l’informatique, ni de la communication, ni du juridique — il traverse tous les postes où l’on produit de l’information. Cette transversalité explique le retard des référentiels métiers : la compétence n’a pas de propriétaire naturel dans les organisations.

Utiliser n’est pas maîtriser

L’accès immédiat aux outils crée une illusion de compétence : il suffit d’écrire pour obtenir un résultat. Mais la compétence professionnelle ne se situe pas dans la production — elle se situe avant (décider si l’usage est légitime, qualifier les données) et après (vérifier, corriger, assumer). Ces deux moments-là ne s’apprennent pas par la pratique spontanée.

Ce que change une certification

Elle transforme une pratique personnelle, invisible et non comparable, en une compétence décrite, évaluée par un tiers et lisible par un employeur — au même titre qu’une compétence linguistique ou bureautique.

Un référentiel qui suit le cycle réel d’usage

C’est la logique des cinq blocs de compétences : décider, cadrer, paramétrer, produire, contrôler. Aucune de ces cinq étapes ne relève d’un outil particulier — toutes restent valables quand les outils changent, ce qui est la condition d’une certification qui ne se périme pas en dix-huit mois.

Sources : World Economic Forum, Future of Jobs Report · Stanford HAI, AI Index Report 2025 · APEC, 2025.