Lorsque les organisations abordent la question de la gouvernance de l’IA, la discussion porte rapidement sur les plateformes, les politiques et les contrôles. Or, les données indiquent autre chose. Dans l’étude BARC de 2026 intitulée « The State of Data and AI Governance », l’obstacle le plus fréquemment cité à la gouvernance des données et de l’IA n’est ni la réglementation ni la technologie. Il s’agit des personnes : 41 % des organisations évoquent un manque de personnel qualifié ou de formation.
Dans le même temps, seules 12 % des entreprises évaluent la réussite de leur programme de gouvernance en fonction du taux de participation aux formations des employés. Les compétences constituent le principal déficit, et presque personne n'en assure le suivi. Cet article examine ce que cela signifie, pourquoi la maîtrise de l'IA est déterminante pour le bon fonctionnement de la gouvernance dans la pratique, ce qu'exige désormais la loi européenne sur l'IA, et comment les organisations peuvent combler ce déficit.
Ce que signifie la culture de l'IA au sein d'une organisation
La culture de l'IA désigne l'ensemble des connaissances, des compétences et de la compréhension dont les individus ont besoin pour utiliser les systèmes d'IA de manière compétente et responsable. Cela implique notamment de savoir ce que l'IA est capable de faire et ce dont elle est incapable, d'en reconnaître les risques et de connaître les règles applicables aux données et aux outils utilisés dans le cadre de leur travail.
Au sein d'une organisation, la maîtrise de l'IA ne correspond pas à un niveau unique que tout le monde doit atteindre. Un développeur qui intègre des commandes dans un agent a besoin de compétences différentes de celles d'un responsable commercial qui valide un cas d'utilisation de l'IA ou d'un employé qui synthétise des documents à l'aide d'un assistant validé. La maîtrise de l'IA dépend du rôle de chacun et évolue aussi rapidement que les outils eux-mêmes.
▼ SECTION 4 – OBSTACLES
Les compétences constituent le principal obstacle à la gouvernance
Le BARC a demandé à 234 responsables des données, de l'IA, de l'informatique et des affaires de citer les trois principaux obstacles à une gestion efficace des données et de l'IA. Le déficit de compétences arrive largement en tête :
| Principaux obstacles à la gestion des données et de l'IA | Part des organisations |
|---|---|
| Manque de personnel qualifié ou de formation | 41% |
| Évolution de la réglementation | 25% |
| Qualité insuffisante des données | 24% |
| Données cloisonnées | 24% |
| Contraintes budgétaires | 21% |
| Manque de soutien de la part de la direction | 20% |
| Utilisation « au noir » de l'IA (non autorisée) | 17% |
Pour le BARC, il s'agit là de défis familiers auxquels les dirigeants d'entreprise et les responsables informatiques ont déjà été confrontés. Ce qui les rend plus difficiles aujourd'hui, c'est le rythme des innovations en matière d'IA. Les auteurs de l'étude résument le problème en une seule question :
« Comment former ou recruter du personnel qualifié pour utiliser des outils autonomes qui n’existaient pas il y a trois mois ? » BARC, « The State of Data and AI Governance », 2026
Mettez en place un socle de données fiable pour permettre une automatisation pilotée par l'IA et une prise de décision sûre. Téléchargez le livre blanc pour découvrir comment faire de la gouvernance des données une capacité stratégique — et tirer pleinement parti de l'automatisation évolutive et de l'IA.
L'écart de mesure : 41 % contre 12 %
Si les compétences constituent le principal obstacle, on pourrait s'attendre à ce que les organisations les évaluent. Or, ce n'est pas le cas. Les organisations mesurent principalement la réussite de leurs programmes de gouvernance à l'aune de la couverture des cas d'utilisation de l'IA (37 %), de la réduction des incidents liés à la qualité des données (33 %) et de la valeur métier des projets d'IA soumis à la gouvernance (31 %). Seules 12 % d'entre elles suivent la progression des formations suivies par les collaborateurs, et à peine 10 % mesurent le respect des politiques par ces derniers.
BARC qualifie cela d'inadéquation dans le domaine du capital humain et en tire une conclusion claire : les organisations doivent combler cet écart en formant leurs collaborateurs. Cet écart explique également pourquoi l'automatisation de la gouvernance reste difficile.
« Les organisations ne peuvent pas automatiser efficacement la gouvernance si elles ne disposent pas des compétences et de la rigueur opérationnelle nécessaires pour définir ce qu’est une bonne gouvernance dans les flux de travail d’IA en production. Il faut des équipes qualifiées pour traduire les politiques en contrôles automatisés à grande échelle. » BARC, The State of Data and AI Governance, 2026
Pourquoi ce sont les personnes qui déterminent si la gouvernance de l'IA fonctionne
La culture de l'IA est souvent considérée comme un sujet relevant des ressources humaines. Dans la pratique, elle détermine l'efficacité de l'rest e du programme de gouvernance. Trois conclusions de l'étude expliquent pourquoi.
Les systèmes de contrôle ont besoin de personnes capables de les mettre au point
Les politiques ne permettent de réduire les risques que lorsqu'elles sont intégrées sous forme de contrôles dans les flux de travail d'IA en production. Il faut que quelqu'un définisse ces contrôles, les intègre dans les modèles, les pipelines et les agents, et les maintienne à jour. Sans cette expertise, la gouvernance reste lettre morte. Pour découvrir comment les contrôles fonctionnent à l'échelle de l'architecture, consultez notre guide sur la mise en place d'un cadre de gouvernance de l'IA.
La qualité de la supervision humaine dépend entièrement de celle de l'être humain
59 % des organisations contrôlent les agents d'IA en recourant à une validation par un intervenant humain pour les actions sensibles. Ce contrôle dépend entièrement de la personne chargée de valider. Une personne qui ne comprend pas ce qu'un agent s'apprête à faire, quelles données il utilise ou où vont ses résultats ne peut que cliquer sur « valider ». Sans connaissances en IA, la supervision humaine devient une simple formalité.
L'IA « fantôme » se développe là où les gens manquent de repères
22 % des entreprises signalent déjà l’utilisation non autorisée ou « clandestine » de l’IA comme un incident lié à l’IA. Les employés qui ne savent pas quels outils sont autorisés, quelles données ne doivent pas sortir de l’entreprise ou quelles sont les alternatives trouveront leurs propres solutions. Pour en savoir plus, consultez notre article « Shadow AI : pourquoi la région EMEA signale davantage d’incidents liés à l’IA non autorisée ».
L'étude du BARC intitulée « The State of Data and AI Governance » s'appuie sur une enquête mondiale menée auprès de responsables des données, de l'IA, des technologies de l'information et des dirigeants d'entreprise. Elle met en évidence ce qui distingue les leaders de l'IA du reste du marché, et identifie les mesures permettant de transformer la gouvernance d'un simple exercice de conformité en un modèle opérationnel garantissant une évolution à grande échelle de l'IA en toute confiance.
Qui a besoin de quelles compétences en IA ?
Cette étude montre comment se répartissent aujourd'hui les responsabilités en matière de gouvernance des données et de l'IA : les dirigeants définissent les orientations, les responsables métier assurent la supervision et les ingénieurs se chargent de la mise en œuvre. Chaque groupe doit disposer d'un niveau de maîtrise de l'IA adapté à ses besoins.
| Fonction | Rôle principal dans la gouvernance aujourd'hui | les compétences en IA dont ils ont besoin |
|---|---|---|
| CDO, CAIO, CISO | Superviser (39 %, 38 % et 29 %) | Évaluer les risques et la valeur de l'IA, définir les priorités, piloter ensemble le programme de gouvernance |
| Responsables produit IA/ML, responsables métier | Mettre en œuvre (31 %, 28 %), superviser (27 %, 26 %) | Évaluation des cas d'utilisation, définition du niveau de risque acceptable, validation des décisions fondées sur l'IA |
| Développeurs, ingénieurs de données, ingénieurs en apprentissage automatique et en intelligence artificielle | Exécuter (56 %, 55 %, 53 %) | Intégrer des contrôles dans les agents, les pipelines et les modèles dès la phase de conception |
| Analystes en sécurité, ingénieurs et architectes | Exécuter (45 %) | Identité, accès, surveillance et protection contre les menaces spécifiques à l'IA |
| Responsables juridiques et de la conformité | Conseiller (49 %) | Les exigences réglementaires, telles que la loi européenne sur l'IA et le RGPD, appliquées à des cas concrets d'utilisation de l'IA |
| Tous les employés qui utilisent l'IA | Non pris en compte dans l'étude | Utilisation quotidienne en toute sécurité : outils homologués, classes de données, détection des résultats erronés, remontée d'informations |
BARC recommande aux responsables métier et aux chefs de produit d'assumer un rôle de supervision et de laisser les experts techniques se charger de la mise en œuvre, et aux dirigeants d'entreprise d'éviter de se perdre dans les détails. Surtout, combler le déficit de compétences ne commence pas par le recrutement :
« La gouvernance ne nécessite pas de nouveaux titres ; elle exige plutôt que les équipes et les fonctions existantes s'entraident, s'enseignent mutuellement et apprennent les unes des autres. » BARC, « The State of Data and AI Governance », 2026
La culture de l'IA et la loi européenne sur l'IA
Pour les organisations européennes, la maîtrise de l'IA constitue également une obligation légale. L'article 4 de la loi européenne sur l'IA est applicable depuis le 2 février 2025. Il s'applique aussi bien aux fournisseurs de systèmes d'IA qu'aux utilisateurs, c'est-à-dire à toute organisation qui utilise des systèmes d'IA dans un contexte professionnel, y compris les assistants prêts à l'emploi.
En juillet 2026, le « Digital Omnibus » sur l’IA (règlement (UE) 2026/1744) a modifié cette obligation. Il est entré en vigueur le 27 juillet 2026. Les fournisseurs et les exploitants doivent toujours prendre des mesures pour favoriser la culture de l’IA au sein de leur personnel et chez les autres personnes qui exploitent des systèmes d’IA pour leur compte. Ce qui a changé, c’est la norme : le libellé initial leur imposait de garantir, dans la mesure du possible, un niveau suffisant de culture de l’IA. L’obligation porte désormais sur les mesures prises plutôt que sur la garantie d’un certain niveau de compétence pour chaque individu. La Commission européenne et les États membres doivent aider les organisations à la mettre en œuvre. Les exploitants de systèmes d’IA à haut risque restent soumis à des exigences de compétence plus spécifiques.
Concrètement, cela signifie qu’il n’est toujours pas envisageable de ne rien faire. Les organisations doivent être en mesure de démontrer quelles mesures elles ont prises, pour qui et pourquoi. Cela s’avère plus facile lorsque la formation est planifiée en fonction des rôles et documentée, ce qui nous ramène à nouveau au problème du manque de mesures.
Cinq étapes pour combler le déficit de culture en matière d'IA
1. Partir des rôles et des cas d'utilisation
La formation générale à l'IA s'adresse à tout le monde, mais n'aide que peu de personnes. Commencez par vous pencher sur les cas d'utilisation de l'IA en production et sur les rôles impliqués : qui développe, qui valide, qui utilise, qui surveille ? Définissez pour chaque rôle ce qu'il doit savoir pour remplir sa mission en toute sécurité. Cela vous fournira également une base pour documenter vos mesures.
2. Enseigner la voie à suivre, et pas seulement les règles
Les employés doivent savoir bien plus que ce qui est interdit. Ils doivent savoir quels outils sont autorisés, quelles données ils peuvent utiliser et à quelles fins, comment reconnaître un résultat erroné ou biaisé, et qui contacter en cas de problème. Une procédure claire et bien encadrée constitue la protection la plus efficace contre l’IA « fantôme ».
3. Développer les compétences grâce à un centre d'excellence
38 % des organisations gèrent leur programme de gouvernance sous la forme d’un centre d’excellence qui définit les normes de manière centralisée, tandis que des équipes décentralisées se chargent de la mise en œuvre. Parmi les leaders en matière d’IA, cette proportion atteint 48 %. Selon BARC, ce modèle favorise les projets d’IA émanant de la base tout en formant les contributeurs, en favorisant le partage des connaissances et en renforçant les contrôles. Il transforme la gouvernance en un espace où les équipes apprennent les unes des autres, comme le recommande l’étude.
4. Formation des agents et contrôle humain
Les agents repoussent les limites. Toute personne chargée d'approuver les actions d'un agent doit comprendre ce que celui-ci est autorisé à faire, ce qu'il s'apprête à faire et à quel moment il faut l'en empêcher. À l'heure actuelle, seules 16 % des organisations disposent de « kill switches » pour leurs agents. Formez les responsables de l'approbation à partir de scénarios concrets issus de vos propres processus, et associez la supervision humaine à des contrôles automatisés tels que la journalisation des audits et la définition de limites d'action.
5. Évaluer la formation comme n'importe quel autre élément de contrôle
Le BARC recommande de traduire les principaux risques en un petit ensemble d'indicateurs opérationnels, en incluant explicitement la formation des collaborateurs. Ces indicateurs constituent l'un des six piliers d'un cadre de gouvernance de l'IA. Il convient de suivre la réalisation des formations par poste, le respect des politiques et les incidents qui révèlent des lacunes en matière de compétences, tels que l'utilisation non autorisée de l'IA ou la diffusion de résultats erronés aux clients. Si 41 % des personnes interrogées citent les compétences comme le principal obstacle, celles-ci doivent figurer dans le tableau de bord de gouvernance.
Comment SoftProject peut vous aider
La formation est essentielle, mais personne ne peut retenir toutes les règles applicables à chaque ensemble de données et à chaque outil d’IA. Plus la gouvernance est intégrée aux systèmes utilisés par les collaborateurs, moins on dépend de la mémoire individuelle. C’est le principe qui sous-tend la plateforme convergente de SoftProject :
- Une vision commune des données : la gouvernance des données, grâce à un catalogue de données axé sur les besoins métier, permet aux services métier et aux services informatiques de parler d'une même langue : quelle est la signification d'un ensemble de données, à qui appartient-il, quelle est sa qualité et à quelles fins peut-il être utilisé ?
- Des règles qui s'appliquent là où le travail s'effectue : l'automatisation des processus intègre les validations, les règles d'accès et les procédures d'escalade directement dans le flux de travail, de sorte que les employés et les agents suivent par défaut le parcours défini.
- Traçabilité : l'historique et les pistes d'audit permettent de retracer le parcours des données et des décisions, ce qui facilite à la fois l'analyse des incidents et la mise en évidence de la conformité.
La maîtrise de l'IA a toutefois ses limites : même des personnes bien formées obtiennent de mauvais résultats à partir de données de mauvaise qualité. Savoir utiliser l'IA de manière responsable n'est profitable que lorsque les données sur lesquelles elle s'appuie sont fiables, documentées et régies ; c'est pourquoi la gouvernance des données constitue le fondement de l'IA.
L'alphabétisation et la gouvernance intégrée vont de pair : les utilisateurs comprennent pourquoi les règles existent, et la plateforme fait en sorte que la bonne façon de faire soit la plus simple.
En tant que directeur des produits, Édouard Cante est chargé de l'orientation stratégique et du développement du portefeuille de produits de SoftProject. Fort d'une excellente connaissance du marché et d'un esprit d'innovation très marqué, il promeut des solutions centrées sur le client et veille à la compétitivité à long terme de l'entreprise.
FAQ : Connaissances de base en IA
Qu'est-ce que la culture de l'IA ?
La culture de l'IA désigne l'ensemble des connaissances, des compétences et de la compréhension dont les individus ont besoin pour utiliser les systèmes d'IA de manière compétente et responsable. Elle implique notamment de savoir ce que l'IA est capable de faire et ce dont elle est incapable, d'en reconnaître les risques et de connaître les règles applicables aux données et aux outils utilisés dans le cadre de son travail. Au sein des organisations, les compétences requises varient selon les fonctions.
Pourquoi la culture de l'IA relève-t-elle de la gouvernance ?
La gouvernance ne fonctionne que lorsque les personnes sont capables de traduire les politiques en mesures de contrôle, d'évaluer ce qu'elles approuvent et d'utiliser correctement les technologies d'IA approuvées. Dans l'étude BARC de 2026, 41 % des organisations citent le manque de personnel qualifié ou de formation comme leur principal obstacle à la gouvernance des données et de l'IA, devant tout autre facteur.
La culture de l'IA est-elle obligatoire en vertu de la loi européenne sur l'IA ?
Oui. L'article 4 de la loi européenne sur l'IA s'applique depuis le 2 février 2025 aux fournisseurs et aux exploitants de systèmes d'IA. Depuis l'entrée en vigueur, le 27 juillet 2026, du « Digital Omnibus » sur l'IA, ceux-ci doivent prendre des mesures pour favoriser la culture de l'IA au sein de leur personnel et parmi les autres personnes utilisant l'IA pour leur compte, sans pour autant devoir garantir un certain niveau de compétence à chaque individu.
Qui a besoin d'une formation aux bases de l'IA ?
Toutes les personnes qui développent, valident, supervisent ou utilisent l'IA, avec un contenu adapté à chaque rôle. Les dirigeants doivent évaluer les risques et la valeur ajoutée, les chefs d'entreprise doivent analyser les cas d'utilisation, les ingénieurs et les développeurs doivent mettre en place des contrôles, les services juridiques et de conformité doivent disposer de connaissances en matière de réglementation, et tous les collaborateurs doivent connaître les outils approuvés et les règles relatives aux données.
Comment évalue-t-on la culture en matière d'IA ?
Peu d'entreprises le font : seules 12 % mesurent le taux d'achèvement des formations et 10 % le respect des politiques par les employés. Parmi les indicateurs utiles, on peut citer le taux d'achèvement des formations par poste, le respect des politiques et les incidents révélant des lacunes en matière de compétences, tels que l'utilisation clandestine de l'IA ou la diffusion de résultats erronés générés par l'IA auprès des clients.
