Former des chercheurs à l'IA : retour d'expérience IRSST

Octobre 2025. Six sessions, 72 participants, un institut de recherche qui veut intégrer l'IA sans compromettre sa rigueur scientifique. Retour sur un projet qui nous a autant appris qu'à eux.

Quand l'IRSST nous contacte pour former leurs équipes à l'IA, le brief est direct : "On veut comprendre comment l'utiliser sans compromettre notre rigueur."

Chercheurs, documentalistes, professionnels de laboratoire. Des gens qui manipulent des données sensibles. Des gens méfiants. Légitimement.

Six groupes, six approches

Première décision : pas de formation générique répétée six fois.

Un documentaliste qui indexe des articles n'a pas les mêmes besoins qu'un chimiste qui analyse des composés. Alors on construit six formations différentes. Chacune adaptée au profil, aux cas d'usage réels, aux inquiétudes spécifiques.

C'est plus long. Beaucoup plus. Mais c'est ce qui fait la différence.

Diagnostic avant enseignement

On ne débarque jamais avec un contenu préfabriqué.

Chaque session commence par une phase d'observation. On regarde comment ils utilisent déjà l'IA. Leurs habitudes, leurs frustrations, leurs doutes. Ce qu'ils font bien sans le savoir. Ce qu'ils font mal sans le réaliser.

Cette phase change radicalement ce qui suit. Parce qu'on n'enseigne pas à partir d'hypothèses, mais à partir de leur réalité.

Lucidité plutôt qu'enthousiasme

L'IA hallucine. Elle invente des références, déforme des conclusions, produit des résultats plausibles mais faux.

On pourrait minimiser ces limites. Vendre du rêve.

On fait l'inverse. On consacre une partie significative de chaque session à exposer frontalement les failles de l'IA. Pas pour décourager. Pour construire une adoption lucide.

Plusieurs participants nous ont dit : "C'est la première fois qu'on me parle des limites aussi clairement. Paradoxalement, ça crée de la confiance."

Expérimenter sur leurs vrais documents

Pas d'exemples génériques. On travaille sur leurs documents réels. Rapports IRSST, articles scientifiques, données de laboratoire.

Les participants expérimentent la différence entre une approche basique et une approche rigoureuse. Sur leur propre travail. Pas en théorie. En pratique.

C'est là que le déclic se produit.

Construire des garde-fous ensemble

Chaque session se clôt par un temps de co-construction. Les participants élaborent leur propre protocole d'usage : cas autorisés, validations obligatoires, lignes rouges.

On facilite. On propose un cadre. Ils l'ajustent à leur réalité.

Résultat : plus de la moitié peuvent appliquer ce qu'ils ont construit tel quel. Les autres l'adaptent légèrement. Mais tous repartent avec quelque chose de concret.

Ce que ça a donné

Les participants sont repartis avec une progression de confiance nette : +2 points en moyenne. Certains qui étaient au niveau 1 ou 2 avant la formation se sentent maintenant à 8.

La grande majorité identifie au moins une tâche concrète à automatiser dans leur travail. Pas un vague "je vais essayer", mais des cas d'usage précis qu'ils peuvent appliquer dès la semaine suivante.

Le score moyen : 8.6/10.

Ce qu'ils ont dit

"Formation bien vulgarisée et adaptée à notre contexte de travail, avec des exemples concrets et des conseils pratiques."

"C'est la première fois qu'on me parle des limites de l'IA aussi frontalement. Ça fait du bien."

"Formation pertinente et ancrée dans notre réalité."

"Le formateur a très bien su intégrer son contenu à notre contexte IRSST."

Ce qu'on a appris

La fiabilité est l'inquiétude centrale. Dans toutes les sessions. Les gens ont peur que l'IA invente. En milieu scientifique, cette peur est rationnelle.

Le diagnostic change radicalement l'approche. Investir du temps au début pour comprendre transforme la qualité de ce qui suit.

La pratique crée le déclic, pas la théorie. Les participants ne nous croient pas vraiment jusqu'à ce qu'ils expérimentent eux-mêmes.

Notre approche

Diagnostic avant action. Lucidité plutôt qu'enthousiasme. Personnalisation plutôt que standardisation. Pratique plutôt que théorie. Co-construction plutôt qu'imposition.

C'est plus long. C'est plus complexe. Mais c'est ce qui produit une adoption réelle.

Former à l'IA, c'est facile si on vend du rêve. C'est plus exigeant si on veut construire quelque chose de durable.

Les organisations qui réussiront l'intégration de l'IA prendront le temps de construire une adoption lucide, critique, outillée.

C'est ce type d'accompagnement qu'on sait faire.