Le modèle de compétences Scenaptic.AI pour les compétences en IA

À quoi ressemble réellement quelqu'un de « bon avec l'IA » ? La plupart des formations en IA ne répondent jamais à la question. Vous assistez aux sessions, vous voyez les outils, vous recevez le certificat. Ce que presque aucune ne vous dit — ni à vous ni à votre employeur — c'est si vous pouvez désormais faire quelque chose différemment. Demandez ce que les diplômés d'un programme savent faire, de manière observable, qu'ils ne savaient pas faire avant, et les réponses dérivent vers le registre de « comprendre », « discuter », « être au fait de » — des verbes qui décrivent l'exposition, pas la capacité.

Ce n'est pas un problème nouveau, et ce n'est pas dans l'IA que je l'ai rencontré pour la première fois. J'ai travaillé comme consultant en systèmes de compétences pour des entreprises pharmaceutiques et de santé, puis j'ai apporté cette discipline à l'aviation — une industrie qui ne peut pas se permettre de confondre exposition et capacité. Dans un travail publié par l'OACI en 2010, j'ai soutenu qu'une compétence n'est pas un sujet couvert mais, selon la définition de Spencer et Spencer, une caractéristique sous-jacente d'un individu causalement liée à une performance supérieure dans un poste ou une situation — définie par des comportements observables et validée par des données. L'aviation définit les compétences ainsi parce que des vies dépendent de la définition. La technologie a changé depuis. La question, non : comment savez-vous que quelqu'un sait réellement faire le travail ?

Appliquée à l'IA, la question expose un vide. Les tutoriels d'outils font ce qu'ils promettent : des fonctionnalités générales, enseignées de la même manière à tous — utiles et, pour cette même raison, incapables de créer un avantage, parce qu'un avantage ne peut pas venir de ce que tout le monde apprend à l'identique. La formation en stratégie s'occupe de l'organisation. Ce que ni l'une ni l'autre n'offre, à aucun niveau, c'est le lien entre l'IA et ce que vous, précisément, faites bien : juger quand déléguer une tâche à l'IA et quand ne pas le faire, évaluer un résultat à l'aune de votre propre expertise, savoir jusqu'où faire confiance à une réponse et ce qu'une erreur coûterait. Ces capacités valent autant pour l'analyste que pour le dirigeant — le jugement d'un dirigeant est aussi une expertise — et presque nulle part elles ne sont formulées comme des résultats évaluables. Ce sont des compétences de jugement. Personne ne développe son jugement en regardant des démonstrations.

Le modèle de compétences que nous utilisons chez Scenaptic.AI définit les compétences en IA à la manière de l'aviation : comportements observables, démontrés en simulations réalistes, évalués sur des preuves — parce que le jugement se construit en décidant, pas en regardant. C'est la même discipline que derrière l'article original, appliquée à une technologie qui rend la différence entre exposition et capacité plus coûteuse que jamais.

L'article du ICAO Journal de 2010, « Training the Digital Generation for the Aviation Industry », est disponible ici (en anglais).