L'IA dans la formation et le développement (2026)

Le L&D a un problème de mesure. Il est difficile de prouver le lien entre les investissements dans la formation et les résultats commerciaux (ou du moins difficile de présenter ce cas clairement à votre équipe financière).

Lors d'une enquête en 2025, près de 1 leader sur 3 a admis qu'il n'avait pas pu relier ses investissements L&D aux revenus ou à la marge bénéficiaire de son entreprise.

C'est un problème, et l'IA ne fait qu'aggraver la situation.

Prenez la formation des managers, quelque chose que j’ai réalisé des dizaines de fois. Il y a des années, il était facile d'obtenir l'engagement des dirigeants pour le développement des managers. Non seulement tout le monde y participait, mais il existait un corpus entier de recherches démontrant que les managers stimulent la performance et la rétention.

Aujourd'hui, il est beaucoup plus difficile de justifier l'investissement dans le management intermédiaire, surtout lorsque des entreprises essaient d'aplanir leurs hiérarchies ou de remplacer les managers par l'IA à part entière. Mais c'est aussi une occasion de reconsidérer si votre formation pour managers était réellement efficace.

Si cela vous cause une crise existentielle concernant votre description de poste, vous n'êtes pas seul. L'IA augmente les enjeux sur la manière dont nous mesurons l'impact et prouvons notre valeur pour l'entreprise. Je pense que cela nous donne également l'occasion de repenser la valeur que nous apportons en tant qu'experts en apprentissage.

Comment l'IA est-elle utilisée dans la formation et le développement ? 

87 % des professionnels L&D utilisent déjà l'IA selon notre rapport 2026. Cependant, la manière dont ils l'utilisent varie considérablement. Certaines organisations expérimentent encore, tandis qu'un petit nombre l'intègre systématiquement dans leurs flux de travail.

Voici quatre tendances que je remarque concernant l'utilisation de l'IA par les équipes L&D.

1. Accélérer la production de contenu

84 % des équipes L&D utilisent l'IA pour accélérer leur production de contenu. Cela inclut des tâches telles que la rédaction de contenu et de quiz (60 %), la génération de narration (63 %), la création de vidéos (52 %), et la localisation des matériaux (38 %). Pendant ce temps, seulement 39 % rapportent utiliser l'IA pour renforcer leur stratégie.

Note : notre enquête comptait 421 répondants, dont beaucoup sont soit nos clients, soit dans nos réseaux. Cela fausse probablement les taux d'adoption de l'IA à la hausse.

2. Mise en œuvre de parcours d'apprentissage adaptatifs 

33 % des équipes L&D prévoient de mettre en œuvre des parcours d'apprentissage personnalisés dans les 12 à 18 mois. La bonne nouvelle est que vous n'avez pas nécessairement besoin de concevoir de nouveau contenu pour commencer. 

Cela signifie que vous avez probablement du contenu eLearning qui traîne quelque part, que ce soit dans un LMS/LXP sous-utilisé ou même non publié dans un outil de création. Il peut être structuré comme des cours autonomes ou des programmes fixes avec des étapes prédéterminées, comme des évaluations. 

Avec des outils comme une plateforme d'apprentissage IA-native ou sans tête, ces composants d'eLearning peuvent être transformés en expériences dynamiques basées sur le rôle ou l'expérience antérieure de l'utilisateur. Cela signifie que vous n'avez plus à choisir entre évolutivité et personnalisation lors de la conception d'expériences d'apprentissage.

3. Offrir une formation dans le flux de travail

Josh Bersin a inventé "apprentissage dans le flux de travail" en 2018 pour décrire comment les employés obtiennent les informations dont ils ont besoin, quand ils en ont besoin, sans changer de contexte. Pour que cela fonctionne à grande échelle, la formation doit être modulaire. 40 % des équipes utilisent déjà l'IA pour la recherche et les assistants de connaissances afin de répondre à cela.

Avec l'IA, nous sommes plus proches que jamais de combler cette lacune. Considérez une infirmière préparant une procédure qu'elle n'a pas effectuée récemment. Avant d'entrer dans la salle, elle peut rechercher en langage naturel, "comment puis-je réaliser cette procédure," et obtenir immédiatement les bonnes instructions de la base de connaissances vérifiée de son organisation.

Les ressources sont déployées au moment de besoin, avec des normes de livraison flexibles afin que vous puissiez suivre ce qui fonctionne et ajuster ce qui ne fonctionne pas.

4. Prédire les lacunes de compétences

Selon le Rapport 2026 sur l'Avantage de Vélocité des Talents de LinkedIn, 86 % des entreprises rapportent avoir besoin de meilleures informations sur les compétences nécessaires à leur organisation pour s'adapter et croître.

Ce n'est pas une nouvelle. Nous recherchons toujours des moyens d'anticiper les demandes de l'industrie et son évolution. Cela signifie que nous devons non seulement mesurer notre main-d'œuvre, mais aussi améliorer notre capacité à prédire.

Ce que cela exige, ce sont des outils excellents en reconnaissance de modèles. Nous n'allons pas toujours réussir ce coup, mais ce que nous pouvons faire, c'est utiliser des outils IA pour créer des prédictions basées sur des modèles ancrés dans les données historiques. C'est ce pour quoi l'IA est efficace : traiter d'énormes ensembles de données et s'entraîner sur eux pour anticiper des corrélations subtiles, sans le biais que nous apportons.

La question est de savoir par où commencer. Les cas d'utilisation ci-dessous sont ceux où les équipes L&D voient le plus d'adhésion.

6 manières d'implémenter l'IA dans votre stratégie L&D

Il est tentant de commencer à expérimenter avec des outils IA, et si vous ne l'avez pas encore fait, il existe plein d'exemples montrant comment vos pairs utilisent déjà l'IA ci-dessous.

Mais avant de commencer à expérimenter, je vous invite à adopter une approche plus stratégique.

Une des erreurs les plus courantes que je vois est que les équipes commencent leur mise en œuvre de l'IA par les outils. Un nouvel outil brillant ne va pas résoudre tous vos problèmes, surtout si vous avez déjà du mal à montrer comment votre travail est lié aux affaires. 

Retournez plutôt à votre stratégie et à votre feuille de route. Trouvez une expérience d'apprentissage qui a besoin d'un rafraîchissement ou d'une refonte complète. Utilisez vos données d'évaluation pour déterminer ce qui doit changer, et pourquoi. Ensuite, documentez où l'IA interviendra dans le workflow, qui sera responsable de la qualité des résultats de l'IA, et comment vous saurez si cela améliore la performance. 

Voici des exemples de ce que je veux dire par là.

1. Génération de contenu

C'est la saison des évaluations de performance. Après avoir été à plusieurs reprises assuré que “rien” ne changeait, vous découvrez que l'échelle d'évaluation a été légèrement réécrite. Au lieu de paniquer à propos de tous les endroits où vous avez appliqué cette échelle d'évaluation, vous allez dans votre LLM approuvé par l'entreprise et lui demandez de sortir tous les actifs avec l'ancienne échelle. Une fois que vous avez localisé tous les actifs (guides pour facilitateurs, documents d'une page, etc.), vous utilisez le LLM pour générer des versions mises à jour. Session de création de contenu de nuit évitée.

2. Traduction

On vous a demandé de former des équipes techniques d'exploitation à travers l'Amérique Latine. Cela signifie traduire le contenu réglementaire en un apprentissage engageant, et ce en anglais, espagnol et portugais pour commencer. Avec une plateforme vidéo IA, vous pouvez produire et localiser la formation dans les trois langues, faire vérifier la qualité par un membre de l'équipe locale, et lorsque la réglementation changera l'année prochaine, mettre à jour la source une fois et republier dans toutes les variantes.

Voilà comment l'équipe de formation de soutien de LATAM Airlines a abordé la formation de sa population d'employés distribués de 37 000, réduisant le temps de production de 83 % et atteignant plus de 16 000 apprenants dans trois langues.

3. Jeux de rôle basés sur des scénarios

Un manager vous contacte parce que les journaux d'appels montrent que les agents de support ont du mal à désamorcer des clients frustrés. Ils ne peuvent pas retirer tout le monde du sol pour un atelier, et vous n'avez pas la capacité de faciliter plusieurs sessions. Donc, vous vous tournez vers l'IA pour des jeux de rôle évolutifs. Vous alimentez les journaux d'appels dans un LLM pour générer trois scénarios basés sur les schémas de dé-escalade les plus courants. 

Avec un outil de coaching IA ou un agent, vous proposez des sessions de 5 minutes basées sur les scénarios. Ils obtiennent des retours en temps réel et ont la chance d'essayer à nouveau, avant de revenir aux appels. 

4. Soutien juste-à-temps

Un nouveau manager promu se sent dépassé. Son partenaire commercial RH est en vacances, et il n'a pas encore suivi de formation formelle au management. Dans une heure, il a une réunion avec un subordonné qui part en congé parental. Il n'a aucune idée de ce qu'il est censé faire.

Heureusement, vous avez construit un agent de soutien aux managers qui les aide à se préparer pour la réunion. Ils peuvent rapidement survoler les ressources de formation, comme un guide de coaching sur le soutien à la transition et le maintien du contact pendant le congé. L'agent leur envoie également des rappels concernant les contacts auxquels le subordonné peut s'adresser pour des questions concernant les avantages ou autre chose.

5. Parcours d'apprentissage personnalisés

Deux nouveaux ingénieurs logiciels rejoignent votre entreprise. Ils commencent dans le même rôle et ont le même nombre d'années d'expérience. Mais un des ingénieurs n'a jamais travaillé dans votre secteur auparavant. Votre plateforme d'apprentissage IA-native adapte leur expérience d'onboarding en conséquence, offrant un parcours d'apprentissage « nouveau au secteur » au second ingénieur. 

6. Cartographie des compétences et analyse des lacunes

Lors d'une session de planification, vous apprenez que l'entreprise prévoit d'élargir ses activités dans une nouvelle région dans les 18 mois à venir. L'équipe de planification des ressources humaines recherche du soutien pour cartographier la préparation de la main-d'œuvre existante pour cette transition. Donc, vous élaborez une carte des compétences et utilisez l'IA pour la croiser avec vos données actuelles de main-d'œuvre dans le HRIS. À partir de là, vous pouvez identifier les capacités manquantes et commencer à concevoir des parcours de développement — avant que l'expansion ne commence officiellement.

Quels sont les avantages et les défis de l'utilisation de l'IA dans le L&D ?

Si vous essayez l'un des cas d'utilisation que j'ai partagés, vous remarquerez probablement des bénéfices anecdotiques, comme faire gagner du temps à votre équipe. Mais si vous cherchez à justifier l'intégration de l'IA dans votre stratégie L&D, surtout si cela implique l'acquisition de nouveaux outils, vous devrez garder quelques considérations importantes à l'esprit.

1. Capacité

Avantages : Dans l'ensemble, le gain de temps le plus immédiat dont font état les responsables du L&D est la rapidité. 88 % des équipes rapportent un gain de temps sur la création de contenu. Une production plus rapide signifie que le contenu peut être livré plus près du moment où il est nécessaire. Cela suit le rythme de l'entreprise.

Défis : Produire du contenu plus rapidement ne se traduit pas nécessairement par de meilleurs résultats. Nous produisons plus de contenu, mais nous ne vérifions pas si celui-ci modifie les comportements. (J'ai écrit au sujet de ce modèle en tant que dette de préparation.) Le risque pour les responsables L&D est que l'IA facilite la production sans impact réel.

2. Cout

Avantages : 45 % des équipes signalent déjà des économies de coûts grâce à l'IA. C'est parce qu'elles peuvent arrêter de sous-traiter des tâches spécialisées comme la conception graphique ou la production de vidéo. Ces frais s'accumulent rapidement, surtout chaque fois qu'il y a une mise à jour du contenu.

Défis : L'IA peut être coûteuse, surtout au niveau des grandes entreprises. Les coûts de licence et les plafonds d'utilisation peuvent affecter la manière dont vous concevez et utilisez ces outils (plus de détails dans la section outils ci-dessous).

3. Gouvernance

Avantages :  Intégrer la gouvernance de l'IA dans vos flux de travail est une opportunité de standardiser (et de documenter) les processus que votre équipe exécute probablement de manière informelle depuis des années. Des choses comme la manière dont le contenu est examiné ou comment les mises à jour sont approuvées.

Défis : La plupart des grandes entreprises apprennent encore à gouverner l'IA. Cela signifie que les équipes de L&D peuvent se retrouver dans une position où elles ne savent pas vraiment qui possède quel outil, ou comment introduire de nouveaux outils.

4. Impact sur l'entreprise

Avantages : 41 % des équipes L&D affirment que l'IA contribue déjà à l'impact sur l'entreprise en leur permettant de créer du contenu plus rapidement et de répondre aux besoins de l'entreprise. Elle raccourcit également le temps entre la livraison du contenu et le moment où nous pouvons voir des signaux de son efficacité.

Défis : La plupart des équipes n'ont pas atteint la maturité nécessaire pour démontrer un impact mesurable sur l'entreprise grâce à l'IA dans le L&D. Seul 19 % utilisent l'IA pour l'évaluation, contre 65 % pour le développement de contenu.

Comment mesurez-vous l'impact de l'IA sur les résultats de formation ?

Effectuer une évaluation robuste des résultats de formation peut parfois sembler une tâche herculéenne, c'est pourquoi il arrive parfois que nous nous contentions des NPS ou des taux d'achèvement. Et c'est probablement pourquoi 63 % des équipes L&D ont besoin de plus de soutien pour évaluer l'impact.

Une fois que vous intégrez l'IA dans l'équation, vous ajoutez une autre couche de complexité. Vous avez donc besoin d'une méthode simplifiée pour évaluer avant et après l'introduction de l'IA.

Pour commencer, vous aurez besoin de quatre éléments :

• Un comportement observable que la formation était censée changer ou influencer
• Deux signaux de ce comportement dans le flux de travail : un indicateur de tête (quelque chose que vous pouvez observer pendant ou juste après la formation) et un indicateur de retard (quelque chose qui apparaît dans les données de performance des semaines plus tard)
• Une mesure proxy de l'impact commercial

(Je sais, vous venez de lever les yeux en entendant signaux et mesure proxy.)

Voici ce que je veux dire, en utilisant l'un de mes cas d'utilisation ci-dessus — le coaching IA pour les agents du support client.

Disons qu'au dernier trimestre, vous avez développé un eLearning axé sur le désamorçage des appels avec des clients frustrés. Vous l'avez publié via votre LMS et l'avez assigné à 1 000 agents à l'échelle mondiale.

Avant de pouvoir introduire le coaching IA, vous devez documenter ce qui s'est passé lors de l'intervention précédente. Vous pouvez utiliser un modèle comme celui-ci :

« Nous nous attendions à un changement de comportement X. Nous constatons qu'il a effectivement eu lieu (ou non) parce que le critère Y a évolué dans la direction attendue (ou non). Voici ce que nous ferons ensuite. »

Dans ce cas, cela pourrait ressembler à :

« Après avoir terminé l'eLearning, nous nous attendions à ce que les agents désamorcent plus systématiquement les clients frustrés en utilisant le cadre de résolution en trois étapes [comportement observable]. Les managers rapportent moins d'escalades [indicateur de tête], et le temps moyen de traitement des appels difficiles a diminué [indicateur de retard]. En outre, le CSAT sur les plaintes résolues s'est amélioré [mesure proxy]. Néanmoins, les agents montrent encore des performances inconstantes dans les 60 premières secondes de ces appels, ce qui suggère qu'il est nécessaire de se concentrer sur la première étape, l'accusé de réception, dans le cadre de résolution. »

Il y a une raison pour laquelle il est difficile de corriger cela avec un cours unique.

Voici votre point de référence avant l'IA. Vous pouvez maintenant vous concentrer sur la création de pratiques et de boucles de feedback pour les agents. Ainsi, vous identifiez un groupe sélectionné des 1 000 qui ont besoin de plus de pratique et testez un outil de coaching IA. Vous construisez quelques scénarios axés spécifiquement sur les 60 premières secondes d'un appel difficile.

Après un mois, vous observez plus de constance dans les accusés de réception dans les transcriptions d'appels parmi les participants au projet pilote. Le taux d'escalade continue également de diminuer par rapport au groupe témoin.

Pour garder les coûts sous contrôle (le coaching IA peut être coûteux), vous décidez de rendre l'outil disponible en fonction des besoins. Les managers signalent toute personne montrant un motif d'inconstance dans les accusés de réception et les encouragent à s'inscrire au coaching.

Enfin, vous suivez si les représentants ayant utilisé les scénarios IA montrent une amélioration des taux de résolution au premier contact au cours des trois mois suivants. Après tout, c'est la métrique commerciale qui intéresse le leadership.

S'ils montrent une amélioration, c'est votre argumentaire pour investir dans l'IA.

Quels sont les meilleurs outils IA pour la formation et le développement ?

Trouver les meilleurs outils IA pour le L&D ressemble à dénicher le pantalon parfait. Vous devez essayer beaucoup de modèles pour trouver la bonne taille, au bon prix, qui fonctionne avec ce que vous possédez déjà.

Bien que la métaphore puisse sembler un peu simpliste, voici ce que je veux dire. Chaque fois que vous ajoutez à votre pile technologique, vous le faites dans un cadre budgétaire et organisationnel. Cela signifie comprendre quels outils vous avez déjà (qu'ils soient ou non sous la responsabilité du L&D) et comment ils fonctionnent ensemble ou non. Les préoccupations en matière de sécurité et de précision, les défis d'intégration et les restrictions légales peuvent également ralentir l'acquisition d'IA.

C'est pourquoi je veux commencer par un outil auquel vous avez probablement déjà accès, mais que vous ne contrôlez probablement pas : le LLM.

1. Modèles de langage de grande taille (LLMs)

Je considère les LLMs comme les chevaux de bataille de l'IA pour les équipes L&D. C'est là où nous pouvons obtenir le plus de soutien, que ce soit en termes de gain de temps et d'économies de coûts pour la conception pédagogique ou de capacité libérée pour un travail plus stratégique.

La plupart des équipes des grandes entreprises ont déjà un LLM, ce qui signifie qu'il est peut-être déjà connecté aux sources de connaissances internes et, espérons-le, à votre pile technologique L&D. Alors que ce soit Claude, ChatGPT, Perplexity, Gemini, ou autre chose, faites-en bon usage pour vous. 

Si votre entreprise envisage différents LLMs, ou si vous avez la possibilité d'en choisir un vous-même, je recommande vivement de lire le décryptage de Dr. Philippa Hardman sur les modèles IA pour les concepteurs pédagogiques.

2. Systèmes de gestion de l'apprentissage et plateformes d'expérience d'apprentissage (LMS/LXP)

Alors qu'un LMS a traditionnellement été le lieu où l'apprentissage est livré, suivi et mesuré, un LXP s'est plus concentré sur l'expérience d'apprentissage elle-même. Aujourd'hui, les frontières entre les deux s'estompent.

Il existe peu de plateformes LMS ou LXP natives de l'IA. Plus fréquemment, vous voyez l'IA ajoutée pour des tâches administratives comme les inscriptions et les rappels, ou pour l'analyse comme les tableaux de bord et les rapports. Où réside le plus grand potentiel, c'est dans les expériences d'apprentissage personnalisées : la capacité pour les employés d'utiliser la plateforme de la manière dont ils utiliseraient un LLM — poser des questions, comme vous le feriez avec un tuteur, mais dans un environnement contrôlé où l'information est soigneusement validée.

Peu de plateformes sont capables de fournir cette expérience, c'est pourquoi je recommande Sana.

Sana soutient l'apprentissage en intégrant des fonctionnalités comme son tuteur IA. Les employés peuvent rechercher des réponses en langue naturelle, obtenir des conseils juste à temps sans quitter la plateforme et recevoir des recommandations de contenu personnalisées.

Fonctionne mieux pour : équipes cherchant à remplacer un système hérité ou à introduire une nouvelle plateforme, et équipes passant de bibliothèques de contenu statiques à un apprentissage dynamique et personnalisé.

Défaut : Les équipes ayant une bibliothèque de contenu SCORM robuste qu'elles cherchent à maintenir dans une seule plateforme.

3. Outil de création de formations en ligne

Les outils de création d'eLearning sont ce qui vous permet de construire le contenu hébergé dans votre LMS ou LXP. Certaines plateformes disposent d'un outil de création interne, ce qui vous permet de créer des cours ou des programmes avec des éléments tels que des vérifications des connaissances ou des scénarios interactifs.

De nombreux outils de création d'eLearning intègrent de l'IA, et il y a une raison structurelle à cela. Ces outils ont été conçus pour produire du contenu sous forme de paquets SCORM. Le SCORM est une norme statique, ce qui signifie que l'IA ne peut pas modifier les contenus. Cela limite votre capacité à adapter le contenu à chaque apprenant ou à capturer des données au-delà des taux de réussite et des scores d'évaluation. C'est pourquoi vous voyez des plateformes comme Sana adopter une approche de création native à l'IA.

Cela dit, l'une des principales manières dont l'IA collabore avec les outils de création d'eLearning consiste à transformer la façon dont le contenu est élaboré. Alors qu'auparavant, un concepteur pédagogique devait se plonger dans ces outils et créer un cours en sélectionnant chaque composant manuellement, maintenant, il peut utiliser le langage naturel et le contenu existant pour prendre un bon départ. C'est le cas avec l'Assistant IA d'Articulate 360.

Articulate 360 est un ensemble d'outils d'eLearning, y compris Rise, un outil de création basé sur le navigateur. Avec leur Assistant IA, les équipes peuvent créer des cours en utilisant le langage naturel et des matériaux existants comme des présentations ou des PDF. Il rédige du contenu et génère des évaluations, des images et des narrations.

Idéal pour : les équipes utilisant déjà Articulate ou les équipes ayant besoin d'un output conforme à SCORM ou xAPI.

Défaut : Les équipes ayant une bibliothèque de contenu SCORM robuste qu'elles cherchent à maintenir dans une seule plateforme.

4. Plateformes vidéo

Les équipes L&D investissent de plus en plus dans des solutions de formation offrant un apprentissage personnalisé à grande échelle, comme la formation vidéo. Les plateformes vidéo IA transforment ce qui était un processus de production long et coûteux en un flux de travail léger que tout concepteur pédagogique peut adapter rapidement.

Avec des plateformes alimentées par l'IA comme Synthesia, les concepteurs pédagogiques peuvent diriger le processus de création vidéo. Ils peuvent commencer avec un prompt, un script, ou un document existant comme un transcript ou un SOP, et produire une vidéo de formation affinée qui peut être publiée ou distribuée dans le flux de travail dans plus de 140 langues.

Synthesia.

Synthesia transforme le contenu de formation écrit en vidéos présentées par des avatars, que vous partiez d'un script, d'un SOP ou même d'une ancienne présentation. Vous pouvez rapidement générer un premier brouillon d'une vidéo, ce qui peut être particulièrement utile pour des formations qui nécessitent d'être mises à jour fréquemment et délivrées à grande échelle.

Voulez-vous voir à quoi ressemble un flux de travail de création vidéo assisté par IA ? Regardez cet aperçu rapide.

Idéal pour : Les formations qui nécessitent des mises à jour fréquentes ou une localisation, des démonstrations de processus, et du contenu livré en complément à un programme existant, comme l'onboarding, la conformité ou la formation en management.

Peut être limité lorsqu : vous souhaitez des simulations de scénarios complexes ou une qualité de production cinématique. 

5. Coaching « Coacher »

Quand j'ai commencé ma carrière L&D, le coaching était réservé aux employés seniors ou à fort potentiel. Les bons coaches sont coûteux, à juste titre, et peu d'équipes L&D disposent du budget nécessaire pour rendre le coaching accessible à un plus grand nombre de leurs employés.

Au cours de la dernière décennie, des plateformes comme BetterUp ont tenté de changer cela en connectant des coaches expérimentés du monde entier aux employés via des modèles d'abonnement. Maintenant, ces entreprises rendent cette expérience encore plus abordable grâce au coaching IA.

BetterUp Grow est une plateforme de coaching IA basée sur la science du comportement et informée par plus de cinq millions de sessions de coaching. Elle est personnalisable pour votre organisation, ce qui signifie que vous pouvez partager des documents directeurs comme des référentiels de carrière ou des bibliothèques de compétences et des valeurs d'entreprise. Ainsi, le coaching est aligné sur les priorités de votre organisation.

Idéal pour : la mise à l'échelle des pratiques et le renforcement des retours après des programmes de développement en direct et pour offrir un soutien juste à temps autour de moments critiques comme les évaluations de performance.

Peut être limité lorsqu : vous souhaitez un coach humain avec tous les composants sociaux, des conseils sur les carrières ou de l'empathie face au coût émotionnel du travail. 

Au-delà de l'ensemble principal

En plus des catégories ci-dessus, il existe un autre ensemble d'outils à considérer lors de l'évaluation de votre ensemble technologique. Les preneurs de notes IA, les outils de transcription de réunions, les plateformes de gestion des connaissances et la recherche en entreprise entrent dans cette catégorie. Ces outils sont souvent gérés par les équipes informatiques ou opérationnelles, mais ils représentent des sources de données précieuses qui peuvent aider à rapprocher l'apprentissage du flux de travail.

Votre équipe utilisera également probablement quelques outils plus légers, payés par carte de crédit ou via des abonnements individuels. Si votre équipe a besoin de capacités infographiques, par exemple, un outil comme Venngage vaut la peine d'être exploré.

Quelle que soit la solution que vous envisagez, je vous recommande de réfléchir aux questions dans la liste de contrôle ci-dessous.

À quoi ressemble l’avenir de l’IA pour le L&D ?

Si vous êtes arrivé jusqu'ici, félicitations, c'était un joli parcours. Avant de partir, voici quelques points de notre enquête qui méritent réflexion.

Bien que je ne sois pas dans le domaine des prévisions, je pense que les données sont intéressantes en direction. Seulement 47 % des personnes interrogées ont déclaré penser que le LMS sera la colonne vertébrale de leur ensemble dans trois ans. Je comprends le sentiment, mais je suis sceptique quant à la chronologie.

Trop d'organisations comptent sur leur LMS pour le suivi de la conformité et les bibliothèques de contenu, ce qui nécessiterait un changement de gestion trop important pour la plupart. Bien sûr, des organisations plus agiles s'en débarrasseront, ou peut-être ne l'acqueront jamais au départ. Mais je ne pense pas que cela changera de sitôt. Vous vous souvenez quand tout le monde a dit que le SCORM allait disparaître ? J'attends toujours cela.

Cela dit, une idée que je trouve véritablement précieuse est que 58 % des personnes interrogées croient que l'IA donne plus d'influence stratégique à L&D.

Personnellement, je pense que cela est dû au fait qu'elle nous donne la capacité dont nous avons toujours eu besoin mais pour laquelle nous avons rarement été dotés : démontrer véritablement le pouvoir du développement en milieu de travail. Pour être un véritable partenaire des affaires. Celles qui débloquent les talents et peut-être même aident à prendre le prochain gros risque.