Un modèle de matrice de compétences IA offre aux RH et aux managers une vision commune de qui sait faire quoi avec l'IA, et à quel niveau. Ce cadre, indépendant des outils, fonctionne avec ChatGPT, Copilot ou les fonctionnalités d'IA intégrées à Office et aux systèmes RH. Il rend la formation plus ciblée, les promotions plus équitables et transforme les obligations de maîtrise de l'IA prévues par l'article 4 de l'AI Act européen (en vigueur depuis le 2 février 2025) en quelque chose que vous pouvez planifier et documenter de façon systématique.
| Domaine de compétence | Sensibilisé | Débutant | Praticien | Utilisateur avancé | Champion |
|---|---|---|---|---|---|
| Fondamentaux et concepts de l'IA | Reconnaît des termes comme ChatGPT, IA générative et machine learning. Sait expliquer simplement pourquoi des collègues utilisent l'IA pour des brouillons, des recherches ou des traductions. | Utilise des prompts simples pour répondre à des questions ou résumer des textes. Respecte les règles de l'équipe quand on les lui rappelle et demande avant d'utiliser l'IA avec des données internes. | Explique à d'autres les forces et les limites de l'IA (hallucinations, biais, données d'entraînement). Utilise l'IA chaque semaine pour des tâches concrètes et vérifie les résultats avec un esprit critique. | Identifie de nouveaux cas d'usage de l'IA dans son périmètre, compare les options avec et sans IA et documente l'impact, par exemple le temps gagné ou la baisse du taux d'erreurs. | Définit la vision et les priorités de l'IA pour sa fonction, les relie à la stratégie et aux KPI et communique une vision réaliste des bénéfices et des limites. |
| Prompting et conception de workflows | Comprend que des instructions claires changent la qualité des résultats de l'IA. Utilise sans grande adaptation des exemples de prompts fournis par des collègues. | Écrit des prompts courts avec un contexte de base (rôle, tâche, langue). Itère une ou deux fois pour améliorer les résultats, mais documente rarement ce qui a fonctionné. | Conçoit des workflows de prompts en plusieurs étapes (par exemple « rédiger → critiquer → améliorer ») pour des tâches récurrentes. Enregistre et réutilise ses prompts et les partage dans un espace d'équipe. | Construit des processus assistés par l'IA de bout en bout, comme des flux de communication avec les candidats ou la génération de rapports mensuels. Teste des variantes et standardise les meilleurs prompts. | Définit des modèles de prompts, des templates et des conventions de nommage valables dans toute l'organisation. Accompagne les équipes dans la conception de workflows robustes et évalue les nouvelles fonctionnalités d'IA. |
| Culture des données et confidentialité (RGPD inclus) | Sait que l'IA repose sur des données et que le RGPD et les règles de l'entreprise s'appliquent. Évite de partager des informations manifestement sensibles dans des outils publics lorsqu'on le lui rappelle. | Évite systématiquement les données personnelles dans les outils d'IA publics. Utilise des contrôles simples (vérifications par sondage, regard d'un tiers) pour juger de la plausibilité des résultats de l'IA. | Applique des notions comme la minimisation des données et l'anonymisation. Prépare des entrées propres et anonymisées, documente ses sources et signale les résultats suspects. | Conçoit les flux de données et la documentation des cas d'usage de l'IA dans son périmètre. Travaille avec le délégué à la protection des données et l'IT pour définir les durées de conservation et les droits d'accès. | Pilote la gouvernance des données de l'IA entre les différentes entités. Examine les cas d'usage à haut risque, veille à ce que des audits et des AIPD soient en place et associe de manière proactive la Datenschutzbeauftragte. |
| Maîtrise des outils (ChatGPT, Copilot, Office, outils RH) | Sait que des outils comme ChatGPT, Copilot ou les fonctionnalités d'IA dans un SIRH existent. A assisté à une démo, mais ne les utilise que lorsque quelqu'un a tout configuré. | Utilise avec accompagnement les fonctionnalités d'IA des outils du quotidien : rédige des e-mails dans Outlook, utilise les formules IA d'Excel. A besoin d'aide pour résoudre des erreurs ou des problèmes de connexion. | Travaille de façon autonome avec les outils d'IA approuvés. Construit de petites automatisations (par exemple des modèles de réponse standard, des résumés de notes d'entretiens 1:1) et aide ses collègues pour les problèmes simples. | Adapte les outils aux besoins de l'équipe (bibliothèques de prompts, modèles RH, vues Copilot). Rédige de courts guides pratiques et anime des micro-formations internes. | Évalue les nouveaux outils d'IA avec l'IT et les RH. Décide lesquels tester en pilote, coordonne les déploiements et veille à ce que documentation, formation et support existent. |
| Collaboration, communication et conduite du changement | Est ouvert à l'IA, mais ne sait pas bien comment elle affecte son métier. Écoute les expériences des autres et participe à des démos d'IA sans les animer. | Partage de simples astuces d'IA avec ses collègues. Demande des retours sur les brouillons générés par l'IA et s'adapte lorsque d'autres expriment des réserves. | Anime de petites sessions entre pairs pour présenter des workflows d'IA concrets pour les RH, le management ou les tâches de contributeur individuel. Aborde les craintes et contribue à créer la sécurité psychologique nécessaire aux expérimentations. | Porte des initiatives d'IA transverses, comme une communauté d'enablement ou une bibliothèque de prompts. Lève les freins tels que des règles floues ou des accès aux outils manquants. | Intègre les sujets d'IA dans les rituels de l'entreprise (séminaires, réunions de direction, échanges avec le comité d'entreprise). Relie l'usage de l'IA à la culture, au bien-être et à la conception des postes. |
| Gouvernance, risques et éthique | Comprend que l'IA peut créer des risques juridiques, éthiques et de réputation. Sait que l'entreprise a des règles sur l'IA et où les trouver, mais a encore besoin de rappels. | Respecte les consignes (pas de données confidentielles dans les outils publics, pas de décisions d'embauche automatisées). Remonte les cas peu clairs au lieu de deviner. | Repère les risques potentiels dans les résultats de l'IA (par exemple une formulation biaisée dans des offres d'emploi) et propose des mesures d'atténuation, comme des étapes de relecture humaine ou d'autres prompts. | Rédige ou met à jour les directives d'IA au niveau de l'équipe avec les RH, le juridique et l'IT. Forme les autres à un usage sûr et tient un journal des décisions importantes prises avec l'aide de l'IA. | Est responsable du cadre de gouvernance de l'IA pour l'organisation. S'aligne sur les réglementations émergentes (par exemple l'AI Act européen), coordonne les consultations du Betriebsrat et surveille les risques. |
Ce qu'est ce modèle de matrice de compétences IA et à quoi il sert
Ce modèle de matrice de compétences IA est un cadre fondé sur les comportements, qui décrit les compétences liées à l'IA, de la simple sensibilisation au leadership stratégique. Il est volontairement indépendant des outils : qu'une organisation utilise ChatGPT, Microsoft Copilot ou des fonctionnalités d'IA intégrées à ses SIRH, à ses outils de recrutement ou de collaboration, cela ne change rien. Ce qui compte, ce sont les comportements observables.
Les RH, les managers et les collaborateurs utilisent la matrice pour aligner parcours de carrière, critères de promotion, entretiens de performance, plans de développement et feedback entre pairs autour d'un langage commun. Traduire les exigences d'un poste en repères comportementaux concrets et vérifiables rend les décisions plus équitables, et plus faciles à documenter et à justifier.
Les 5 niveaux de compétence : de Sensibilisé à Champion
Chaque niveau décrit le degré d'autonomie avec lequel une personne travaille avec l'IA, la complexité de ses cas d'usage et la force de son effet multiplicateur. Les deux premiers niveaux consistent à exécuter des tâches d'IA définies avec un accompagnement. À partir du niveau Praticien, la personne prend en charge de façon autonome ses workflows. Les Utilisateurs avancés et les Champions conçoivent, soutiennent et pilotent.
| Niveau | Définition courte | Périmètre typique |
|---|---|---|
| Sensibilisé | Comprend les concepts de base, observe des démos, n'utilise l'IA que sous étroit accompagnement et avec des prompts prédéfinis. | Ses propres tâches, avec un accompagnement étroit |
| Débutant | Exécute des tâches d'IA simples avec de l'aide, respecte les règles, commence à formuler ses propres prompts pour le travail quotidien. | Tâches de routine récurrentes |
| Praticien | Utilise l'IA de façon autonome pour ses tâches principales, construit des workflows stables et les améliore grâce aux retours et aux indicateurs. | Ses propres projets et processus |
| Utilisateur avancé | Construit des processus d'IA robustes, soutient les autres, mesure l'impact business et influence le choix des outils et des processus. | Cas d'usage d'équipe et transverses |
| Champion | Façonne la vision, la gouvernance et la culture, relie l'usage de l'IA à la stratégie, à la conformité et à la transformation de toute l'organisation. | Plusieurs fonctions, niveau de l'entreprise |
Un exemple pratique : dans une équipe RH, un Débutant utilise ChatGPT pour rédiger des offres d'emploi à partir d'un modèle. Un collègue Praticien a construit un workflow de sourcing complet, conforme au RGPD, avec des profils anonymisés. Le rôle de Champion négocie avec le comité d'entreprise et le juridique des directives d'IA contraignantes pour le recrutement et veille à leur application dans toutes les unités.
Les 6 domaines de compétence en détail
Les six domaines couvrent ce dont les professionnels du savoir et les managers ont besoin pour utiliser l'IA de façon sûre et productive. Ils vont de la compréhension de base des concepts d'IA à la gouvernance, aux risques et à la conduite du changement. Pour définir ces domaines, associez l'IT, le juridique ou le délégué à la protection des données, le comité d'entreprise et les responsables métiers. Vous évitez ainsi de construire une matrice purement « gadget technologique », sans lien avec les profils de postes et les processus de performance réels.
- Fondamentaux et concepts de l'IA : de « sait expliquer ChatGPT simplement » à « fixe les priorités et la vision de l'usage de l'IA ». Connaissances de base pour tous.
- Prompting et conception de workflows : du prompt ponctuel à des workflows documentés en plusieurs étapes, qui rendent les processus clés stables et reproductibles.
- Culture des données et confidentialité : de « sait que le RGPD existe » à « pilote la gouvernance des données de l'IA avec audits et AIPD ». Particulièrement critique dans la zone DACH.
- Maîtrise des outils : de la simple observation de démos au pilotage, à la configuration et au déploiement d'outils dans toute l'entreprise, avec l'IT et les RH.
- Collaboration et conduite du changement : du partage d'astuces à la mise en place de l'enablement de l'IA et de la sécurité psychologique à l'échelle de l'organisation.
- Gouvernance, risques et éthique : du respect des règles de base à la définition du cadre de gouvernance de l'entreprise et à son alignement sur les exigences réglementaires.
Relier les domaines de compétence aux processus existants de gestion des compétences évite que la matrice ne fonctionne comme un silo parallèle. L'objectif est de l'intégrer aux cycles de performance et aux processus de mobilité interne.
Échelle d'évaluation et preuves
Une évaluation solide repose sur des comportements observables, appuyés par des preuves concrètes, et non sur des impressions. Deux recruteurs utilisent tous deux l'IA pour rédiger des offres d'emploi. L'un copie un prompt tiré des slides de formation et demande à un collègue de vérifier chaque brouillon (Débutant). L'autre a documenté son propre workflow, forme ses collègues et suit l'amélioration des taux de réponse (Utilisateur avancé). La différence ne tient pas à l'autoévaluation, mais à des schémas de comportement vérifiables sur plusieurs mois.
- Demandez des preuves précises : documents, captures d'écran, prompts, indicateurs, courts enregistrements de workflows d'IA.
- Utilisez une grille simple où les collaborateurs s'évaluent eux-mêmes et où les managers les évaluent, puis discutez des écarts.
- Documentez des exemples « cas A vs cas B » pour chaque niveau afin de réduire les écarts d'évaluation entre managers.
- Reliez les évaluations aux processus existants de gestion des talents et aux entretiens de développement.
- Stockez les évaluations et les exemples de façon centralisée, et non dans des tableurs locaux, afin de permettre calibrage et audits.
Exemples de profils de postes et niveaux cibles
Tous les postes n'ont pas besoin d'atteindre le niveau Champion. Des niveaux cibles réalistes par domaine de compétence gardent la formation concentrée et évitent des attentes trop ambitieuses, sources de frustration. Le tableau ci-dessous propose des points de départ : adaptez-les à votre contexte et à votre appétence au risque.
| Poste | Fondamentaux de l'IA | Prompting et workflows | Données et confidentialité | Maîtrise des outils | Collaboration et changement | Gouvernance et risques |
|---|---|---|---|---|---|---|
| Généraliste RH | Praticien | Praticien | Praticien | Praticien | Débutant | Débutant |
| Manager d'équipe (toutes fonctions) | Praticien | Praticien | Débutant | Praticien | Utilisateur avancé | Praticien |
| Professionnel du savoir, contributeur individuel (par ex. marketing, finance) | Praticien | Praticien | Débutant | Utilisateur avancé | Débutant | Débutant |
| Équipe de direction / C-level | Champion | Utilisateur avancé | Champion | Praticien | Champion | Champion |
Un poste à forte intensité de données en finance ou au juridique requiert généralement des niveaux cibles plus élevés en « Données et confidentialité » qu'un poste comparable en communication interne. Adaptez toujours le tableau à votre contexte métier spécifique.
Signaux de progression et signaux d'alerte
Des signaux clairs vous aident à voir qui est prêt pour le niveau suivant et où se situe le risque. Les promotions et les responsabilités accrues en matière d'IA devraient s'appuyer sur des schémas de comportement visibles dans la durée, et non sur une seule démo impressionnante.
Exemple hypothétique : un HR business partner automatise son rapport mensuel de people analytics, partage le modèle, aide deux autres BP à le mettre en place et documente des flux de données conformes au RGPD. Sur deux trimestres, ce schéma révèle un comportement clair d'Utilisateur avancé, un signal solide pour lui confier davantage de responsabilités.
- Signaux de progression : obtient de façon répétée des résultats appuyés par l'IA, avec moins d'erreurs et moins de supervision.
- Effet multiplicateur : des collègues utilisent ses prompts, guides ou modèles sans avoir besoin de lui à chaque fois.
- Élargissement du périmètre : passe de cas d'usage limités à l'équipe à des workflows transverses ou multi-pays.
- Maturité en matière de conformité : associe de manière proactive le délégué à la protection des données et le comité d'entreprise au lieu de les solliciter à la dernière minute.
- Signaux d'alerte : qualité irrégulière, règles ignorées, expérimentations cachées ou résistance aux retours.
Déploiement dans la zone DACH : BetrVG, RGPD et article 4 de l'AI Act européen
Déployer une matrice de compétences IA dans la zone DACH suppose de concilier rapidité, codétermination, RGPD et sécurité psychologique. Trois niveaux juridiques sont pertinents :
Article 4 de l'AI Act européen, obligation de maîtrise de l'IA (en vigueur depuis le 2 février 2025) : les fournisseurs et les déployeurs de systèmes d'IA doivent prendre des mesures pour favoriser le développement de la maîtrise de l'IA de leur personnel (article 4 de l'AI Act européen, reformulé par le Digital Omnibus, règlement (UE) 2026/1744, en vigueur depuis le 27 juillet 2026). Ils n'ont pas à garantir un niveau précis pour chaque personne ; ce qui compte, c'est de pouvoir démontrer que des mesures ont été prises. Quatre facteurs doivent être pris en compte : les connaissances techniques et l'expérience, le parcours de formation et d'éducation, le contexte précis d'utilisation et les groupes concernés par les systèmes d'IA. Comme le souligne l'analyse de Haufe, cela signifie concrètement pour les RH : une analyse des besoins, des formations adaptées aux rôles, un cadre de gouvernance et une documentation. Les plafonds d'amende fixes de l'article 99, paragraphes 3 à 5, ne mentionnent pas l'article 4, mais depuis la modification de 2026, l'article 99, paragraphe 1, impose aux États membres de prévoir des sanctions pour toute violation du règlement ; des amendes nationales sont donc possibles, en plus du risque de mise en cause de la responsabilité.
BetrVG, droits de codétermination : lorsque la matrice est utilisée au-delà de purs objectifs de développement, plusieurs articles de la loi allemande sur l'organisation des entreprises s'appliquent. L'article 94 BetrVG exige l'accord du comité d'entreprise pour les questionnaires portant sur le personnel et les directives générales d'évaluation, ce qui est pertinent lorsque les compétences sont recueillies de façon systématique avec des outils de notation. L'article 87, paragraphe 1, point 6 BetrVG s'applique si les évaluations sont liées au suivi de la performance ou à la surveillance des comportements. Les articles 96 à 98 BetrVG donnent au comité d'entreprise des droits de codétermination sur toute mesure de formation qui en découle. Clarifiez tôt si la matrice sert uniquement au développement ou aussi à l'évaluation formelle : cela détermine les étapes de consultation requises.
RGPD, minimisation et conservation des données : les évaluations individuelles de compétences sont des données personnelles. Définissez avec le délégué à la protection des données quelles preuves peuvent être stockées, où et pour combien de temps. Pour concevoir les formations et faire du benchmarking, des rapports agrégés et anonymisés suffisent. Les évaluations individuelles relèvent des processus de performance, pas de sharepoints publics ni de fichiers locaux.
- Commencez petit : un département pilote, une autoévaluation simple et un atelier pour aligner les attentes.
- Désignez un responsable clair (par ex. L&D ou HRBP) et planifiez une revue annuelle pour mettre la matrice à jour.
- Utilisez des rapports anonymes et agrégés pour concevoir les formations ; gardez les évaluations individuelles dans les processus de performance.
- Reliez les résultats à vos programmes de formation à l'IA ; des cadres pratiques sont décrits dans le guide sur la formation des collaborateurs à l'IA.
- Intégrez la matrice aux processus de développement des talents plutôt que de la faire vivre comme un outil séparé.
Questions d'entretien par domaine de compétence
Vous pouvez aussi utiliser le modèle de matrice de compétences IA pour recruter ou pour des mobilités internes. Les questions comportementales montrent si les candidats ont une vraie expérience ou s'ils n'ont fait que regarder des démos. Pour un poste de manager d'équipe, vous pourriez demander : « Racontez-moi une situation où vous avez aidé votre équipe à adopter une nouvelle façon de travailler avec l'IA. Qu'avez-vous fait concrètement, et qu'est-ce qui a changé ? » Les bonnes réponses citent des workflows précis, les doutes qui ont été traités, des indicateurs et les enseignements tirés.
- Fondamentaux de l'IA : « Décrivez une situation où vous avez appris un nouvel outil ou concept d'IA pour résoudre un problème de travail concret. Qu'avez-vous fait et que s'est-il passé ? »
- Prompting et workflows : « Donnez un exemple où vous avez itéré sur vos prompts jusqu'à obtenir un résultat fiable. Comment vous y êtes-vous pris ? »
- Données et confidentialité : « Parlez-moi d'un cas d'usage de l'IA où des questions de RGPD ou de protection des données se sont posées. Comment les avez-vous traitées ? »
- Maîtrise des outils : « Comment utilisez-vous des outils comme ChatGPT ou Copilot dans votre semaine de travail ? Qu'est-ce que cela a changé ? »
- Collaboration et changement : « Décrivez un moment où vous avez impliqué des collègues pour tester ou améliorer un workflow d'IA. Comment cela s'est-il passé ? »
- Gouvernance et risques : « Racontez une situation où vous avez arrêté ou modifié une idée d'IA parce que vous voyiez des risques. Qu'est-ce qui l'a déclenché ? »
Creusez systématiquement : « Quel a été le résultat ? », « À quelle fréquence le faites-vous ? » et « Que feriez-vous différemment aujourd'hui ? ». Les candidats de niveau supérieur parlent de schémas, de parties prenantes et d'indicateurs, pas seulement de tâches individuelles.
Points d'étape d'équipe et sessions de calibrage
Pour que le modèle de matrice de compétences IA reste vivant et ne devienne pas un tableur ponctuel, il faut des points d'étape légers et récurrents. Ils réduisent les écarts d'évaluation entre managers et construisent peu à peu des standards communs.
Un format pratique : une fois par trimestre, tous les managers d'une unité se réunissent pendant 60 minutes. Chaque manager apporte deux exemples réels de cas d'usage de l'IA avec preuves, propose des niveaux, puis le groupe en discute et s'aligne. Les RH notent les schémas et les besoins de formation.
- Organisez de courtes sessions de calibrage récurrentes par fonction (RH, ventes, opérations) à partir d'exemples réels.
- Utilisez les repères comportementaux de la matrice plutôt que des étiquettes vagues comme « senior » ou « haut potentiel ».
- Réalisez des contrôles de biais de base : comparez les évaluations selon le genre, l'âge, le lieu et le manager.
- Documentez les niveaux finaux et les principales preuves dans votre système de gestion de la performance ou des talents.
- Transformez les lacunes communes en parcours de formation à l'IA ciblés, par exemple le cursus décrit dans le guide sur la formation des équipes RH à l'IA.
Conclusion
Un modèle de matrice de compétences IA bien conçu crée de la clarté : on passe de « soyez plus digitaux » à « voici à quoi ressemble le niveau X dans le domaine Y, avec des repères comportementaux et des preuves concrets ». Les collaborateurs comprennent quels comportements mènent au niveau suivant. Les managers disposent d'une base plus équitable pour les retours, les entretiens de performance et les promotions. Dans le même temps, l'organisation remplit de façon systématique ses obligations de maîtrise de l'IA au titre de l'article 4 de l'AI Act européen, y compris la documentation qui rend la conformité démontrable.
Pour démarrer : choisissez une équipe pilote dans les quatre à six prochaines semaines, réalisez des évaluations par les collaborateurs et par les managers et tenez une première session de calibrage à partir de cas d'usage réels. En trois à six mois, vous pouvez en déduire des parcours d'apprentissage de l'IA ciblés et commencer à confronter les décisions de promotion à la matrice. En six à douze mois, la matrice peut être déployée dans d'autres unités, intégrée aux cycles de performance et mise à jour avec le délégué à la protection des données et le comité d'entreprise lors d'une première revue annuelle.
FAQ
Comment commencer à utiliser le modèle de matrice de compétences IA sans trop compliquer les choses ?
Commencez avec une seule équipe et les six domaines uniquement. Demandez à chacun une rapide autoévaluation et un à deux exemples concrets par domaine. Les managers ajoutent leur point de vue. Discutez des écarts lors d'entretiens 1:1, puis organisez une courte session de calibrage pour aligner les niveaux et recueillir les besoins de formation. Gardez d'abord une documentation légère et ajoutez du détail une fois que les équipes comprennent le langage et en voient la valeur.
Que exige l'article 4 de l'AI Act européen des entreprises ?
L'article 4 de l'AI Act européen (en vigueur depuis le 2 février 2025) exige des fournisseurs et des déployeurs de systèmes d'IA qu'ils prennent des mesures pour favoriser le développement de la maîtrise de l'IA de leur personnel, en tenant compte des connaissances techniques, de la formation et du contexte d'utilisation ; depuis la reformulation de 2026, il n'exige plus de garantir un niveau précis. Démontrer les mesures prises (analyse des besoins, formation, gouvernance, documentation) est le plus important. Les plafonds d'amende fixes de l'article 99, paragraphes 3 à 5, ne mentionnent pas l'article 4, mais depuis le règlement (UE) 2026/1744, l'article 99, paragraphe 1, impose aux États membres de prévoir des sanctions pour toute violation du règlement ; des amendes nationales sont donc possibles, en plus du risque de mise en cause de la responsabilité.
Quels droits du comité d'entreprise s'appliquent lors de l'introduction d'une matrice de compétences IA en Allemagne ?
Lorsque les compétences sont recueillies de façon systématique avec des outils de notation, l'article 94 BetrVG exige l'accord du comité d'entreprise pour les questionnaires portant sur le personnel et les directives générales d'évaluation. Si les évaluations sont liées au suivi de la performance, l'article 87, paragraphe 1, point 6 BetrVG s'applique. Pour les mesures de formation qui en découlent, le comité d'entreprise dispose de droits de codétermination au titre des articles 96 à 98 BetrVG. Clarifiez tôt si la matrice sert uniquement au développement ou à l'évaluation formelle : cela détermine les étapes de consultation requises.
Les évaluations des compétences IA doivent-elles influencer les promotions et les décisions salariales ?
Pas au tout début. Utilisez d'abord la matrice comme outil de développement et de formation, pour que les collaborateurs se sentent en sécurité et soient honnêtes. Une fois les repères comportementaux et les exigences de preuves bien compris, vous pouvez progressivement relier certains niveaux dans certains domaines aux critères de promotion des postes concernés. Combinez toujours les compétences IA avec la performance et l'impact globaux, jamais comme un score isolé.
Comment éviter les biais lors de l'évaluation des compétences IA ?
Les biais diminuent lorsque les décisions reposent sur des comportements observables et des grilles partagées. Utilisez la matrice comme une check-list : « Quels exemples prouvent ce niveau ? » Recueillez si possible des preuves de plusieurs sources, et pas seulement l'avis du manager. Organisez des sessions de calibrage entre équipes et surveillez les schémas d'évaluation selon le genre, l'âge, le lieu et le manager. Des regroupements suggèrent l'absence de standards communs, pas nécessairement des erreurs individuelles.
À quelle fréquence réévaluer les compétences IA et mettre à jour la matrice ?
Réévaluez les postes clés au moins une fois par an, idéalement en lien avec votre cycle d'évaluation habituel. Pour les équipes en forte évolution (par ex. data, digital, RH), un point léger en milieu d'année peut aider. Révisez la matrice elle-même au moins une fois par an : affinez les repères comportementaux, ajoutez les nouveaux outils et intégrez les évolutions réglementaires (par ex. les obligations de l'AI Act européen pour les systèmes à haut risque, applicables à partir du 2 décembre 2027 après que le Digital Omnibus sur l'IA les a repoussées depuis août 2026). Traitez le document comme un outil vivant : assez stable pour garantir la cohérence, assez souple pour s'adapter aux nouvelles réalités de l'IA.



