Grille de compétences en IA
Une approche par l’auto-évaluation et les savoirs à développer
L’intelligence artificielle s’impose progressivement dans les organisations, mais une question demeure centrale : comment évaluer réellement son niveau de compétence en IA ?
Non pas pour classer ou sanctionner, mais pour se situer, progresser et structurer une montée en compétences cohérente.
Cette réflexion fait directement écho à l’article de Fred Cavazza, Un référentiel de compétences en IA pour faciliter l’adoption, dans lequel il souligne le décalage entre usage déclaré et maturité réelle des pratiques. Il y évoque notamment l’intérêt d’une grille d’auto-évaluation, pensée comme un outil de lucidité plus que comme un instrument de mesure.
Dans cette continuité, la grille présentée ici propose une tentative structurée de grille de compétences en IA, fondée sur l’auto-positionnement et le développement ciblé de savoirs.
Une grille d’auto-évaluation avant tout
La logique retenue est volontairement simple :
-
une question claire, formulée à la première personne ;
-
une échelle de positionnement de 0 à 5 ;
-
une exigence d’honnêteté, condition indispensable à la pertinence de l’outil.
⚠️ Cette grille ne fonctionne que si l’auto-évaluation est sincère.
Se surestimer empêche de progresser ; se sous-estimer fausse les priorités de formation.
Comment se positionner ?
Pour chaque question, le collaborateur se positionne sur une échelle de 0 à 5 :
-
0 : Je ne sais pas / je ne comprends pas
-
1 : J’en ai une vague idée
-
2 : Je comprends partiellement
-
3 : Je comprends globalement
-
4 : Je maîtrise bien
-
5 : Je maîtrise et je sais expliquer à d’autres
Dimension 1 — Compréhension et acculturation à l’IA
Question d’auto-évaluation
Est-ce que je comprends ce que fait réellement un outil d’IA lorsque je l’utilise ?
🔢 Auto-positionnement : 0 à 5
Compétences et savoirs associés à développer
Derrière cette question se cachent notamment :
-
Comprendre ce qu’est une IA (et ce qu’elle n’est pas)
-
Comprendre le rôle des données et des modèles
-
Identifier les limites : biais, hallucinations, probabilités
- Savoir expliquer simplement le fonctionnement général d’une IA
👉 Lien référentiel : DigComp / AI Literacy (OCDE)
Dimension 2 — Usage opérationnel des outils IA
Question d’auto-évaluation
Suis-je capable d’utiliser l’IA de manière concrète pour répondre à un besoin professionnel réel ?
🔢 Auto-positionnement : 0 à 5
Compétences et savoirs associés
-
Formuler une demande claire et contextualisée
-
Reformuler et itérer pour améliorer un résultat
-
Adapter l’outil IA au contexte métier
-
Choisir l’outil pertinent selon la tâche
👉 Lien référentiel : DigComp / logiques Pix (compétence en action)
Dimension 3 — Esprit critique et contrôle
Question d’auto-évaluation
Est-ce que je garde un regard critique sur les réponses produites par l’IA ?
🔢 Auto-positionnement : 0 à 5
Compétences et savoirs associés
-
Vérifier la fiabilité des résultats
-
Identifier incohérences et erreurs
-
Corriger ou compléter les productions IA
-
Conserver la décision finale humaine
👉 Lien référentiel : AI Literacy – jugement critique
Dimension 4 — Intégration dans les pratiques professionnelles
Question d’auto-évaluation
L’IA fait-elle réellement partie de mes pratiques de travail quotidiennes ?
🔢 Auto-positionnement : 0 à 5
Compétences et savoirs associés
-
Intégrer l’IA dans des processus existants
-
Structurer des usages récurrents
-
Capitaliser sur les expériences passées
-
Partager les bonnes pratiques
👉 Lien référentiel : DigComp – résolution de problèmes
Dimension 5 — Responsabilité et cadre d’usage
Question d’auto-évaluation
Suis-je capable d’utiliser l’IA de manière responsable et sécurisée ?
🔢 Auto-positionnement : 0 à 5
Compétences et savoirs associés
-
Identifier les données sensibles
-
Comprendre les enjeux de confidentialité
-
Connaître le cadre réglementaire (RGPD)
-
Savoir quand ne pas utiliser l’IA
👉 Lien référentiel : DigComp / OCDE – IA responsable
De la grille d’auto-évaluation à la grille de savoirs IA
Cette grille de compétences en IA ne constitue qu’une première étape.
Chaque réponse révèle :
-
des forces,
-
des zones d’incertitude,
-
des savoirs à acquérir ou à consolider.
L’enjeu n’est donc pas le score final, mais la capacité à relier l’auto-positionnement à une grille de savoirs IA à développer : compréhension des modèles, esprit critique, usage responsable, intégration métier.
C’est précisément cette articulation entre auto-évaluation et développement des savoirs qui permet une adoption durable et maîtrisée de l’intelligence artificielle.