Quand l'apprentissage fait partie du travail: xa0la révolution des agents d'IA en L&D

Quand avez-vous pour la dernière fois délibérément cessé de travailler pour apprendre quelque chose ? Je me suis connecté au LMS, j’ai parcouru le module et j’ai terminé le quiz. Réfléchissez à quel point ce que vous avez couvert a réellement changé votre façon de travailler dès le lundi suivant. Pour la plupart des collaborateurs, la réponse honnête est : pas grand-chose.

Le problème est structurel, ancré dans la manière dont l'apprentissage a été conçu dès le départ. La formation a toujours été considérée comme une activité distincte, que l'on exerce avant une tâche ou après une évaluation de la performance, rarement au moment où elle ferait réellement une différence. On a toujours supposé que l'on pouvait retirer les collaborateurs de leur travail, leur enseigner quelque chose et s'attendre à ce que ces connaissances soient durablement acquises à leur retour. Cette hypothèse est de plus en plus difficile à défendre.

Les agents d'IA redéfinissent totalement cette équation, et cette évolution se produit plus rapidement que ce que la plupart des entreprises avaient prévu.

Pourquoi la séparation entre l'apprentissage et le travail s'estompe-t-elle ?

Gartner projette que d'ici fin 2026, 40 % des applications d'entreprise intégreront des agents d'IA spécifiques à une tâche, contre moins de 5 % en 2025 (Gartner, 2025). Ce n'est pas une évolution progressive. Il s'agit d'un remaniement fondamental de l'infrastructure, et cela a des implications directes pour chaque leader en L&D qui tente de comprendre à quoi ressemblera sa fonction dans deux ans.

Les agents d'IA ne sont plus de simples outils passifs attendant qu'on leur pose une question. Ils observent, interprètent et agissent au sein même du flux de travail, détectant les erreurs et intervenant avant qu’une erreur ne s’aggrave. Au moment où ils s'intègrent aux outils que les collaborateurs utilisent déjà, qu'il s'agisse de Salesforce, de Microsoft Teams ou d'un environnement de codage, l'infrastructure d'apprentissage devient l'infrastructure de travail. Les deux représentent la même chose.

Lorsqu’un agent d’IA corrige un argumentaire de vente en temps réel, signale une lacune dans la manière dont un manager a formulé un feedback difficile, ou suggère une approche plus efficace pour un morceau de code en cours de rédaction, la frontière entre le travail et l’apprentissage disparaît. La formation n’a pas lieu avant la tâche. Cela se passe en son sein.

C’est ce que nous appelons l’apprentissage invisible: un développement si intégré au travail lui-même que les collaborateurs le perçoivent à peine comme un apprentissage. Pas une bibliothèque de cours simplement relookée et intégrée dans Slack. Un agent capable de comprendre le contexte, d'identifier le déficit de compétences qui affecte les performances à l'heure actuelle, et d'intervenir avec une solution utile au moment où elle est nécessaire. La capacité continue de se développer, mais elle n’a plus besoin de se présenter.

À quelle vitesse les compétences en environnement de travail évoluent-elles et quelles en sont les implications pour la L&D ?

Ce changement est en partie dû à l'ampleur même du défi des compétences auquel sont confrontées les entreprises. Les recherches de LinkedIn estiment que 70 % des compétences utilisées dans la plupart des emplois auront changé d'ici 2030 (LinkedIn, 2025). Ce n'est pas une prédiction concernant un avenir lointain, mais une description d'une transition déjà en cours, et les délais sont suffisamment courts pour que les modèles d'apprentissage traditionnels ne puissent tout simplement pas suivre le rythme.

Les cycles de formation annuels, les programmes axés sur les cohortes et les catalogues de cours autodirigés ont été conçus pour un monde où les compétences avaient une plus longue durée de vie. Ils partent du principe que l’apprentissage se déroule à des périodes prédéfinies et que les connaissances acquises au cours de ces périodes restent pertinentes suffisamment longtemps pour justifier l’investissement. Cette hypothèse n'est plus fiable.

Ce qui le remplace, c’est quelque chose qui s’apparente davantage à une infrastructure d’apprentissage en continu. Pas plus de formation, mais une approche plus intelligente. Des agents d'IA qui comprennent sur quoi travaille une personne, où elle rencontre des difficultés et quelles capacités l'aideraient le plus dans l'heure à venir, plutôt que dans le prochain trimestre.

Comment fonctionnent les agents d'apprentissage IA dans la pratique ?

La mécanique d'un agent d'IA L&D mérite d'être rendue concrète, car la version abstraite de l'idée peut sembler trompeusement simple. La réalité est plus stratifiée.

Un agent bien conçu ne se limite pas à mettre en avant le contenu sur demande. Il surveille le travail en cours, identifie les schémas suggérant une lacune et intervient de manière proactive. Un vendeur qui perd régulièrement des affaires lors de la phase de gestion des objections ne reçoit pas de notification pour suivre un cours dédié à la gestion des objections. Ils reçoivent une suggestion contextuelle tirée des données de leurs propres conversations, qui répond au type d'objection spécifique qu'ils peinent à surmonter lors de la préparation de leur prochain appel.

La boucle de feedback se ferme immédiatement. La prochaine interaction que l'agent observe confirme que l'intervention a fonctionné ou oriente la suivante. La compétence n'est plus théorique. On constate la mise en œuvre, capturée en temps réel, qui alimente la compréhension de l'entreprise quant à l'emplacement réel des capacités. L'apprentissage devient itératif et personnalisé d'une manière qu'aucun catalogue de cours, aussi bien sélectionné soit-il, ne saurait reproduire.

Le manuel de performance traditionnel montre ses limites : seules 25 % des entreprises parviennent à obtenir un impact durable grâce à leurs programmes actuels. Pour combler cette lacune, McKinsey met en avant une évolution vers la collaboration entre les humains et les agents d’IA. Les entreprises qui intègrent ces capacités avec succès constatent une augmentation exponentielle de leur productivité. Une étude connexe montre que les agents d'IA intégrés au flux de travail entraînent une hausse de 30 % de l'engagement des collaborateurs et un gain de temps de 25 % pour acquérir des compétences, par rapport aux modes de formation traditionnels. La question est de savoir si les équipes L&D sont positionnées pour la saisir (McKinsey, 2026).

Comment mesurer l’impact de l’apprentissage invisible sur l’entreprise ?

L'un des défis persistants auxquels L&D a été confronté consiste à démontrer sa valeur avec des arguments qui résonnent auprès de la haute direction. Les heures de formation achevées, les scores de satisfaction et les taux d’achèvement n’ont jamais été des indicateurs convaincants de l’impact sur l’entreprise. Parce que l'apprentissage invisible se produit dans le cadre du travail réel, les indicateurs évoluent également, et ce qui est mesuré passe de l'activité à la performance réelle.

Les adopteurs précoces dépassent les indicateurs de formation traditionnels pour mesurer les taux de retouche : la fréquence à laquelle les collaborateurs terminent les tâches correctement du premier coup après avoir reçu des conseils contextuels d’IA. En intégrant des « agents experts » dans le flux de travail, ces entreprises constatent une réduction allant jusqu'à 70 % des coûts d'exécution des flux autonomes, grâce non seulement à l'automatisation, mais aussi à un renforcement des compétences continu et en temps réel de leurs effectifs (McKinsey, 2025).

Ce changement de perspective déplace les discussions concernant la L&D du centre de coûts au moteur de performance. Lorsque l’apprentissage est indissociable du travail, sa contribution à la production devient mesurable selon les mêmes termes que la production. C'est aussi pourquoi l'IA accapare déjà, en moyenne, plus d'un tiers des budgets alloués aux initiatives numériques, et que plus de la moitié des entreprises allouent entre 21 % et 50 % de leurs dépenses numériques à l'automatisation par l'IA (Deloitte, 2025). Pour une fonction qui a toujours eu du mal à obtenir des investissements, un tel niveau de consensus est significatif.

Quelles devraient être les priorités des leaders en L&D, alors que les agents d'IA remodèlent leur fonction ?

L'implication pratique de ce changement n'est pas que toutes les entreprises doivent immédiatement remplacer leur LMS. En effet, les critères pour juger si un investissement en apprentissage est pertinent ont changé. La question n'est plus de savoir si le contenu est de bonne qualité. Il s'agit de savoir si l'infrastructure d'apprentissage peut atteindre les collaborateurs au moment où ils en ont besoin, au sein des outils et des flux de travail qu'ils utilisent déjà.

Cela redéfinit entièrement la manière dont la technologie est abordée. La valeur d'une plateforme d'apprentissage en 2026 ne réside pas dans sa bibliothèque de cours, ni dans son tableau de bord de rapports. C'est sa capacité à s'intégrer aux systèmes où le travail s'effectue réellement et à proposer un développement des capacités pertinentes, sans exiger des collaborateurs qu'ils cessent leur travail pour en bénéficier.

Il y a également ici un aspect humain qui mérite notre attention. 71 % des employés américains s’inquiètent de l’impact de l’IA sur leurs fonctions (American Psychological Association, le 19 août 2025) ; 80 % d’entre eux réclament activement davantage de formations pour suivre le rythme (EY, 2023). L'appétit pour le développement est réel. Ce dont les employés ont besoin, ce n’est pas davantage de contenu. Ils ont besoin d’un apprentissage qui soit pertinent, opportun et lié au travail réel qu’ils s’efforcent d’accomplir.

Les entreprises qui réussiront ne seront pas celles qui auront conçu la stratégie d'apprentissage en IA la plus performante. Ils seront ceux qui auront tellement intégré l'apprentissage aux habitudes de travail que les collaborateurs le percevront à peine. C'est la référence à suivre. Et les plateformes telles que Cornerstone sont de plus en plus conçues pour accompagner cette démarche, en intégrant le développement des capacités dans le flux de travail, au lieu de l'en séparer.

Conclusion

Le passage d'une formation ponctuelle à un apprentissage continu et intégré n'est pas une tendance à venir. Pour les entreprises qui investissent sérieusement dans l’IA agentique, elle est déjà là. Le silo d'apprentissage n'a jamais été le modèle idéal. C'était tout simplement la seule possibilité que la technologie permettait. Cette contrainte ne s'applique plus.

Pour les leaders en L&D, l'opportunité stratégique est considérable, mais elle nécessite une volonté de redéfinir la vocation réelle de cette fonction : ni la production de contenus ni le suivi de la conformité. Mettre en place l'infrastructure qui permet aux collaborateurs de s'améliorer continuellement, intégrée dans le flux de leur travail.

C'est ainsi que se manifeste l'apprentissage invisible dans la pratique, et les entreprises qui le mettent en œuvre dès maintenant constatent déjà que l'écart se réduit.

Des questions sur lesquelles s'attarder

• Savons-nous où les déficits de compétences de nos collaborateurs impactent réellement la performance actuellement, ou seulement là où ils ont terminé leur dernier module de formation ?

• Nos plateformes d'apprentissage sont-elles intégrées aux outils utilisés quotidiennement par les collaborateurs, ou demandent-elles encore aux collaborateurs de quitter leur travail pour y accéder ?

• Mesurons-nous l'apprentissage sur la base de son achèvement ou sur celle de l'impact réel qu'il a sur les performances ?

• Quels éléments faudrait-il mettre en place pour que notre fonction L&D soit si intégrée au travail quotidien que les collaborateurs la perçoivent comme une partie intégrante de leur façon de travailler, plutôt qu'une entité distincte ?

Pour voir à quoi cela ressemble en pratique, lisez notre e-book : L'apprentissage invisible : Un apprentissage qui se fait pendant le travail.

Foire aux questions

Qu'est-ce que l'apprentissage invisible ?

L'apprentissage invisible, c'est ce qui se produit quand le développement est tellement intégré au travail lui-même que les collaborateurs le perçoivent à peine comme un apprentissage. Les capacités se développent au moment où elles sont nécessaires, au sein même des outils et des tâches que les collaborateurs utilisent déjà, plutôt que par le biais de programmes de formation ou de catalogues de cours distincts.

En quoi les agents d’apprentissage IA se distinguent-ils des assistants d’apprentissage IA ?

Les agents d'apprentissage IA agissent de manière proactive — ils observent le travail au fur et à mesure qu'il s'effectue et interviennent sans qu'on le leur demande. Les assistants d'apprentissage IA sont réactifs — ils répondent aux questions et fournissent des conseils lorsqu’un collaborateur sollicite de l’aide dans le cadre d’une expérience d’apprentissage.

Pourquoi les modèles traditionnels de formation ont-ils du mal à s'adapter à l'évolution des compétences ?

Les cycles de formation annuels et les programmes axés sur les cohortes ont été conçus pour un monde où les compétences avaient une durée de vie plus longue. Alors que le rythme du changement s'accélère, l'écart entre le moment où l'apprentissage se produit et celui où il est réellement nécessaire est devenu trop grand pour que les modèles traditionnels puissent le combler.

Comment mesurez-vous le retour sur investissement (ROI) de l'apprentissage intégré au flux de travail ?

Au lieu de suivre les taux d'achèvement ou les scores de satisfaction, les entreprises s'orientent vers des indicateurs comportementaux tels que les taux de retouche, la précision d'exécution des tâches dès la première fois et les résultats en matière de performance. Quand l'apprentissage est intégré au travail, son impact devient mesurable dans les mêmes termes que le travail lui-même.

Alors que les agents d'IA deviennent plus répandus, sur quoi les leaders en L&D devraient-ils se concentrer ?

L'intégration est prioritaire sur le contenu. La valeur d'une plateforme d'apprentissage réside dans sa capacité à connecter les systèmes où le travail s'effectue réellement et à mettre en avant le développement pertinent sans éloigner les collaborateurs de leur travail pour le recevoir.

Les collaborateurs sont-ils ouverts à l'apprentissage basé sur l'IA dans l'environnement de travail ?

L'appétit est fort. La plupart des collaborateurs souhaitent développer leurs compétences et suivre l’évolution. Le défi consiste à proposer un apprentissage perçu comme pertinent et opportun, plutôt qu'une charge supplémentaire à un emploi du temps déjà chargé.