Formateur IA en 2026 : prouver et maintenir son expertise

Une expertise peut vieillir vite sans devenir inutile

Le premier piège consiste à mettre dans le même panier tout ce qu'une formation à l'IA peut transmettre. Certaines connaissances vieillissent lentement : cadrer un problème, comprendre ce qu'est une donnée d'entrée, distinguer probabilité et vérité, évaluer une sortie, protéger des informations sensibles, documenter une décision ou organiser un contrôle humain ne dépendent pas du nom du modèle affiché dans une interface.

D'autres connaissances nécessitent une actualisation régulière : capacités des familles de modèles, architectures agentiques, modalités d'accès aux outils, contexte réglementaire, méthodes d'évaluation ou conditions d'intégration dans un système d'information. Enfin, une troisième catégorie est beaucoup plus volatile : emplacement d'un bouton, nom d'un abonnement, limite d'usage, syntaxe privilégiée d'un produit, liste de connecteurs disponibles ou "astuce de prompt" liée à une version précise.

Le problème n'est donc pas qu'un formateur enseigne ChatGPT, Claude, Gemini, Mistral ou un autre outil. Le problème apparaît lorsque la maîtrise momentanée du produit est présentée comme une expertise générale de l'IA.

Cette distinction rejoint un sujet déjà développé sur Kachouri à propos de la dépendance technologique et du retour des forteresses du Web : lorsque toute la compétence d'une personne dépend d'une interface ou d'un fournisseur, une partie de cette compétence peut disparaître au prochain changement de plateforme.

Le métier de formateur contient déjà une partie de la réponse

Le référentiel français du titre professionnel de Formateur professionnel d'adultes, RNCP37275, apporte un repère intéressant. France compétences décrit le métier par une double expertise pédagogique et technique. Il précise également que le formateur doit s'adapter aux évolutions de son environnement et maintenir son niveau d'expertise grâce à une démarche de veille permanente et à l'analyse régulière de ses pratiques.

Cette certification n'est pas, à elle seule, une condition générale pour avoir le droit d'animer une formation. La fiche France compétences indique d'ailleurs qu'aucune réglementation d'activité spécifique n'est attachée à ce titre. Elle fournit en revanche un référentiel professionnel utile : savoir quelque chose ne suffit pas, il faut savoir le transformer en apprentissage, évaluer ce qui a été acquis et maintenir sa propre expertise.

Le cadre Qualiopi va dans le même sens, avec une autre fonction. La certification qualité est requise pour les prestataires qui veulent accéder aux financements publics ou mutualisés visés par l'article L6316-1 du Code du travail. Le Référentiel national qualité comprend notamment des exigences de veille légale et réglementaire, de veille sur les métiers et compétences, ainsi que de veille sur les innovations pédagogiques et technologiques.

Il faut cependant éviter deux raccourcis. Qualiopi n'est pas une certification scientifique du contenu d'un cours, et le numéro de déclaration d'activité d'un organisme de formation n'est pas un agrément de l'État. Le Code du travail impose même, lorsqu'un organisme mentionne cette déclaration dans sa publicité, la formule indiquant que cet enregistrement ne vaut pas agrément de l'État.

Autrement dit, les signes administratifs et qualité ont une utilité réelle, mais ils ne répondent pas seuls à la question qui intéresse l'apprenant : ce que l'on m'enseigne est-il encore exact, utile et adapté à mon besoin ?

"Expert en IA" ne dit presque rien tant que le périmètre n'est pas précisé

La recherche menée dans les référentiels de France compétences montre aussi pourquoi le mot "expert" doit être manié avec précision. Il existe bien des certifications portant ce terme. La certification RNCP38587, par exemple, s'intitule "Expert en ingénierie de l'intelligence artificielle" et couvre des activités précises : stratégie du système d'information, modèles et algorithmes, infrastructures de données et pilotage de projets d'IA.

C'est une expertise identifiable. Elle ne signifie pas que son titulaire devient automatiquement expert en pédagogie, en droit de l'IA, en cybersécurité, en propriété intellectuelle, en conduite du changement, en usages RH ou en déploiement d'un modèle dans n'importe quel métier.

Les sources consultées ne font pas apparaître de titre réglementé général qui transformerait "expert en IA" en statut universel. La question utile devient donc moins "êtes-vous expert en IA ?" que : expert de quoi, pour quel type d'usage, sur quelles preuves, et à quelle date ?

Cette manière de poser le problème rejoint la logique développée dans l'article sur l'IA et la pensée complexe : découper le sujet en modèles, données, droit, sécurité, usages et décisions est nécessaire, mais aucune de ces briques ne suffit à représenter seule l'ensemble du système.

L'AI Act demande de la maîtrise, pas un diplôme universel

Le cadre européen renforce encore cette idée. L'article 4 de l'AI Act s'applique depuis le 2 février 2025, mais son contenu a été modifié en juillet 2026 par le règlement (UE) 2026/1744, le Digital Omnibus on AI. Le texte consolidé demande désormais aux fournisseurs et déployeurs de systèmes d'IA de prendre des mesures pour favoriser le développement de la maîtrise de l'IA de leur personnel et des personnes qui utilisent ces systèmes pour leur compte, en tenant compte de leurs connaissances techniques, de leur expérience, de leur formation et du contexte d'utilisation.

Le même article précise que cette obligation ne contraint pas l'organisation à garantir un niveau spécifique de maîtrise de l'IA pour chaque individu. Il n'impose donc ni diplôme unique, ni certificat universel de "formateur AI Act". La Commission européenne présente elle-même la maîtrise de l'IA comme une démarche contextualisée, soutenue par des ressources, des formations et des échanges de pratiques.

L'ironie est assez révélatrice : une formation consacrée à l'AI Act et préparée avant juillet 2026 peut contenir une version de l'article 4 qui n'est déjà plus celle du texte consolidé. C'est précisément pourquoi le calendrier de l'AI Act ne suffit plus sans gouvernance des usages. Former sur un cadre mouvant suppose de dater ce que l'on enseigne et de savoir ce qui doit être revérifié.

Former à l'IA ne peut plus consister à apprendre le bouton du mois

Le référentiel de compétences en IA pour les enseignants publié par l'UNESCO ne constitue pas une règle juridique française pour les formateurs professionnels. Il apporte néanmoins un repère pédagogique intéressant. Il décrit 15 compétences réparties en cinq dimensions : approche centrée sur l'humain, éthique de l'IA, fondements et applications, pédagogie de l'IA et IA pour l'apprentissage professionnel.

La cinquième dimension est probablement la plus importante pour notre question : elle inscrit explicitement l'apprentissage professionnel dans la durée. Un enseignant ou un formateur ne peut pas traiter l'IA comme un chapitre que l'on apprend une fois avant de le répéter pendant cinq ans.

Cela ne signifie pas qu'il faille abandonner les ateliers pratiques ou les outils du moment. Une formation sans manipulation concrète risquerait de devenir abstraite. Mais la pratique devrait servir à transmettre des mécanismes réutilisables : comparer deux modèles sur une même tâche, définir ce qu'est une réponse acceptable, identifier une donnée que l'on ne devrait pas envoyer, vérifier une affirmation, documenter une source, repérer une erreur, choisir un contrôle humain ou comprendre ce qui change lorsque l'on remplace un fournisseur.

C'est aussi la logique explorée dans l'article consacré à l'Answer Engineering : obtenir une réponse correctement structurée ne garantit pas qu'elle soit vraie. Apprendre à utiliser un modèle devrait donc inclure l'apprentissage des conditions qui permettent d'accepter ou de refuser sa sortie.

La vitesse des modèles ne supprime pas l'expertise technique

Il existe néanmoins un contre-argument important. À force d'insister sur la veille, l'esprit critique et la capacité à apprendre, on pourrait finir par diluer l'expertise jusqu'à la transformer en compétence générale : savoir chercher, savoir vérifier, savoir s'adapter. Ce serait insuffisant.

Un ingénieur qui conçoit un système de machine learning, un chercheur qui travaille sur l'évaluation des modèles, un spécialiste de la sécurité des agents ou un juriste qui interprète un règlement possède des connaissances profondes qui ne peuvent pas être remplacées par une simple capacité à "rester à jour". La veille n'est utile que lorsqu'elle s'appuie sur un socle suffisamment solide pour comprendre ce que le changement signifie réellement.

Les travaux de METR sur l'horizon temporel des tâches illustrent d'ailleurs à la fois la progression et la prudence nécessaire. Leur méthodologie suit la durée de tâches logicielles qu'un agent peut accomplir avec une probabilité donnée et observe une progression rapide depuis plusieurs années. Mais METR insiste aussi sur les limites de cette mesure : un horizon de tâche plus long ne signifie pas qu'une activité entière peut être déléguée de manière fiable, ni que toutes les professions progressent au même rythme.

L'expertise en 2026 n'est donc ni un stock de connaissances définitif, ni une pure faculté d'adaptation. Elle combine un socle profond, un périmètre clair, une pratique réelle et une méthode d'actualisation.

Ma lecture : un bon formateur devrait pouvoir dater sa propre expertise

J'en arrive à une règle assez simple. Une formation sérieuse sur l'IA devrait pouvoir répondre à cinq questions sans détour : quel est le périmètre exact de l'intervenant, quand les supports ont-ils été revus, quelles sources ou versions structurent le cours, quelles parties sont susceptibles de changer rapidement, et comment l'apprenant pourra-t-il revérifier ces éléments six mois plus tard ?

Ce n'est pas demander au formateur de prédire l'avenir. C'est lui demander de rendre visible la durée de validité de ce qu'il transmet.

Dans un domaine stable, la légitimité peut longtemps reposer sur l'accumulation : davantage d'années, davantage de connaissances, davantage de cas rencontrés. Dans l'IA actuelle, cette accumulation reste précieuse, mais elle doit être accompagnée d'une autre capacité : savoir identifier ce qui a cessé d'être vrai.

Le formateur crédible n'est donc pas celui qui prétend tout connaître d'une intelligence artificielle devenue trop vaste pour une seule personne. C'est celui qui sait où s'arrête son expertise, qui peut montrer comment il l'entretient et qui donne à l'apprenant suffisamment de méthode pour ne pas dépendre éternellement de lui.

Ce que l'on ne peut pas conclure

Cet article ne permet pas d'établir une fréquence universelle d'obsolescence des compétences en IA. Les annonces de nouveaux modèles ne sont pas nécessairement comparables entre elles et une modification commerciale ou ergonomique n'a pas la même portée qu'une évolution scientifique ou réglementaire.

Il ne permet pas non plus d'affirmer qu'un formateur non certifié serait nécessairement mauvais, qu'un organisme Qualiopi serait nécessairement compétent en IA, ou qu'une certification RNCP suffirait à établir une expertise hors de son périmètre. Ces dispositifs n'ont pas le même objet.

Enfin, le référentiel UNESCO concerne les enseignants et l'éducation. Il constitue ici un point de comparaison utile sur le développement professionnel continu, pas une norme imposée aux formateurs professionnels français.

Le constat le plus solide est plus limité : plus l'objet enseigné évolue vite, plus la qualité d'une formation dépend de la capacité à distinguer les fondamentaux durables des connaissances provisoires, et à documenter leur mise à jour.

À lire aussi

• AI Act 2026-2028 : le calendrier ne suffit plus, place à la gouvernance des usages
• IA et pensée complexe : ce qu'Edgar Morin change à notre manière de la gouverner
• Answer Engineering : après le prompt, définir ce qu'une réponse doit respecter
• IA et dépendance technologique : le retour des forteresses du Web