Pourquoi cette mesure ?
La formation est le point de passage obligé d’un déploiement responsable. Un agent qui ne comprend pas les limites d’un modèle peut copier une donnée sensible dans un outil non autorisé, accepter une réponse fausse parce qu’elle paraît assurée ou déléguer sans le savoir une décision qui doit rester humaine. La mesure 9.05 reprend un chiffre devenu vérifiable en 2026 : la fonction publique compte 5,85 millions d’agents fin 2024. Mais ce nombre n’est pas un volume homogène à multiplier par un prix de formation unique. Les besoins d’un magistrat, d’un infirmier, d’un agent d’accueil et d’un administrateur système sont différents.
État des lieux en 2026 : partir de ce qui existe vraiment
La DGAFP a publié en mai 2026 les effectifs 2024 et la DINUM, la DITP et la DGAFP ont diffusé en juin 2026 un guide commun d’usage de l’IA pour les agents de l’État. Ce guide insiste notamment sur la responsabilité de l’agent, la protection des données sensibles, la transparence lorsque l’IA joue un rôle substantiel et la formation continue. La réforme L’analyse doit s’appuyer sur ce cadre existant. Elle propose une architecture de compétences à quatre niveaux au lieu d’un « grand cours IA » uniforme.
Concevoir, financer et sécuriser la mise en œuvre
Architecture, fonctionnement et conditions techniques
Niveau 1 : culture générale pour tous les agents exposés aux outils, avec données, hallucinations, confidentialité, droit d’auteur et règles internes. Niveau 2 : formation métier pour les utilisateurs réguliers, centrée sur des cas réels et les procédures de contrôle. Niveau 3 : formation de référents capables d’évaluer la qualité, la sécurité et la conformité d’un outil. Niveau 4 : expertise pour les équipes techniques, juridiques, achats et sécurité. Chaque niveau doit comporter une évaluation pratique et une mise à jour périodique, car les outils évoluent plus vite que les cycles de formation traditionnels.
Démonstration financière : séparer coût, capacité et économie
Le montant historique de 3,2 milliards d’euros par an ne peut être accepté par simple multiplication du nombre d’agents. Le coût dépend du nombre de personnes réellement concernées, de la durée, du mode pédagogique, des contenus réutilisés, du temps de travail mobilisé et de la formation déjà existante. Le suivi public publie donc une formule : coût total = coût pédagogique externe + temps de travail mobilisé + plateforme et certification − contenus mutualisés déjà financés. Tant que ces variables ne sont pas fixées par niveau de formation, aucun chiffre unique n’est présenté comme « coût certain ». Le suivi public publie trois scénarios pédagogiques reproductibles et sépare leurs hypothèses des coûts officiels.
Droit applicable et limites à ne pas franchir
Former ne suffit pas à rendre un usage licite. Les administrations doivent conserver des règles d’autorisation des outils et des données. L’AI Act comporte aussi une exigence de maîtrise des compétences en IA, mais la page distingue le droit européen de la politique interne plus exigeante. Pour les décisions affectant des personnes, la formation doit porter sur le RGPD, la supervision humaine, la traçabilité et les voies de recours. Les agents doivent savoir quand l’IA peut assister et quand elle ne peut pas décider.
Source au point d’usage : Règlement européen sur l’intelligence artificielle ↗
Plans A, B et C : l’objectif survit au blocage d’une voie
former d’abord les agents de l’État utilisant déjà des outils d’IA, puis étendre aux deux autres versants avec des modules mutualisés.
si la capacité de formation manque, créer une formation de formateurs et prioriser les métiers à risque élevé ou à forte volumétrie.
pour les agents peu exposés, remplacer les cursus longs par un module court obligatoire et un accès à des référents. La réussite ne se mesure pas au nombre d’heures consommées mais à la baisse des erreurs et usages non autorisés.
Risques, objections et garde-fous
Un programme massif peut devenir une dépense sans effet si les agents suivent des vidéos génériques sans lien avec leur travail. Autre risque : confondre compétence à utiliser un chatbot et capacité à valider un système qui produit une recommandation administrative. Le programme doit donc être lié aux cas d’usage, aux chartes et aux procédures. Il faut aussi éviter l’obsolescence : les supports doivent être versionnés et révisés. Enfin, la formation doit inclure le droit de dire « l’outil ne convient pas » lorsqu’un cas d’usage crée plus de risque que de valeur.
Indicateurs, audit et preuve de réussite
Indicateurs : agents formés par niveau ; taux de réussite à l’évaluation pratique ; nombre d’incidents liés à une mauvaise utilisation ; part des directions disposant d’un référent ; délai de mise à jour des modules ; taux d’usage d’outils autorisés ; résultats d’audits ; satisfaction des usagers lorsque l’IA intervient ; gains de temps mesurés dans les métiers. Le volume brut de personnes formées reste une donnée d’activité, pas une preuve de résultat.
Former par rôle plutôt que donner le même cours à 5,85 millions d’agents
Une formation uniforme serait à la fois coûteuse et inefficace. Le dispositif doit distinguer au moins quatre niveaux. Le premier donne à tous les agents les règles de base : confidentialité, vérification, responsabilité et transparence. Le deuxième concerne les utilisateurs réguliers et enseigne la rédaction d’instructions, la critique des résultats et les limites.
Le troisième vise les responsables métiers capables de concevoir un processus, mesurer un gain et gérer le risque. Le quatrième forme les experts techniques, juridiques, sécurité et achat qui contrôlent les systèmes. Les métiers n’ayant aucun besoin immédiat peuvent recevoir une sensibilisation courte plutôt qu’une formation lourde. Cette segmentation permet de protéger les finances publiques et de concentrer les heures de formation là où elles modifient réellement le travail.
Mesurer une compétence observable plutôt qu’une présence en formation
Compter les inscriptions ou les heures suivies ne prouve pas que les agents savent utiliser l’IA. Chaque niveau doit se conclure par une vérification pratique : reconnaître une donnée qu’il ne faut pas copier, détecter une réponse non sourcée, expliquer quand une validation humaine est nécessaire, ou construire un petit cas d’usage mesurable. Les résultats servent à cibler les compléments et non à sanctionner les agents.
Les formations doivent aussi être réactualisées, car les outils et le droit changent rapidement. Une certification interne légère peut distinguer les rôles nécessitant une compétence permanente. Le tableau de bord publie alors nombre d’agents réellement évalués, taux de réussite, compétences critiques manquantes et gains métiers observés après formation.
Ne pas transformer la formation IA en marché de plusieurs milliards non démontré
Le chiffre historique de 3,2 milliards d’euros associé à cette mesure n’est pas retenu comme coût certain. La DGAFP indique que 5,85 millions d’agents travaillent dans la fonction publique fin 2024 et qu’un agent de la fonction publique de l’État a suivi en moyenne 4,1 jours de formation professionnelle en 2024. Ces données permettent de publier dès maintenant des scénarios reproductibles, tout en signalant que les coûts pédagogiques unitaires ci-dessous sont des hypothèses Delta-Sierra et non des tarifs officiels.
Scénario bas : 15 € pour une sensibilisation de tous, 80 € pour 30 % d’utilisateurs réguliers, 250 € pour 5 % de responsables métiers et 1 200 € pour 0,5 % d’experts, soit 336,4 millions d’euros de coûts pédagogiques directs. Scénario central : 25 €, 120 €, 450 € et 2 000 € avec des parts de 100 %, 35 %, 6 % et 0,75 %, soit 637,7 millions. Scénario haut : 40 €, 220 €, 800 € et 4 000 € avec 100 %, 45 %, 8 % et 1 %, soit 1,422 milliard. Ces montants excluent le coût du temps de travail et doivent être diminués des formations déjà financées qui sont réutilisées ; ils sont donc des bornes de programme, pas une facture budgétaire finale.
Sources au point d’usage : DGAFP — 5,85 millions d’agents fin 2024 ↗ · DGAFP — 4,1 jours de formation en moyenne dans la FPE ↗
Articuler formation, mobilité et départs naturels
La formation n’est pas seulement un outil d’adoption technologique. Elle doit préparer les mobilités prévues par les autres mesures. Lorsqu’une tâche administrative diminue, l’agent peut évoluer vers le contrôle, l’accompagnement, la relation usager ou un métier en tension.
Cela exige des parcours plus longs que l’apprentissage d’un assistant conversationnel. Le système doit donc distinguer formation à l’outil et reconversion professionnelle. Les agents concernés doivent connaître les métiers cibles, les compétences attendues, les certifications et les conditions de mobilité. Cette articulation réduit le risque social d’une automatisation présentée comme pure économie d’effectifs et donne un contenu concret à la promesse de transformer les départs naturels et les gains de productivité en redéploiements organisés.
Créer une boucle de retour d’expérience depuis les services
Les agents sont les premiers à constater les erreurs, contournements et gains réels des outils. Chaque formation doit donc ouvrir un canal de retour vers les responsables du produit et de la politique de formation. Les questions fréquentes alimentent les modules ; les incidents graves modifient les règles ; les bons usages documentés deviennent des exemples réutilisables.
Cette boucle évite que la doctrine soit écrite uniquement par des équipes centrales éloignées du terrain. Elle permet aussi de mesurer les écarts entre métiers : ce qui fonctionne dans un service documentaire peut être dangereux dans un service de décision. Une revue trimestrielle des retours complète les indicateurs quantitatifs et aide à décider quelles formations doivent être renforcées, simplifiées ou supprimées.
Approfondissement opérationnel et conditions de réussite
Construire quatre niveaux de compétence au lieu d’une formation uniforme
Former plusieurs millions d’agents ne signifie pas leur donner le même cours. Le socle général explique capacités, limites, confidentialité et responsabilité. Un deuxième niveau forme les utilisateurs réguliers à leurs outils métier. Un troisième niveau concerne les agents qui contrôlent des résultats produits avec l’IA, notamment lorsque ceux-ci préparent une décision. Enfin, un niveau expert couvre conception, données, cybersécurité, évaluation et achat public. Chaque administration cartographie ses postes selon ces besoins plutôt que de multiplier un volume théorique d’heures par l’ensemble des effectifs. Cette segmentation permet également de calculer un coût crédible : nombre de personnes par niveau, durée, coût pédagogique, coût du temps de travail et renouvellement des compétences.
Évaluer la formation par les pratiques et non par le nombre de certificats
Le succès ne se mesure pas au nombre de modules terminés. Des exercices contrôlés vérifient si les agents savent reconnaître une donnée confidentielle, contester une réponse incorrecte, choisir le bon outil et documenter une utilisation sensible. Les métiers suivent ensuite des indicateurs de terrain : erreurs évitées, temps réellement gagné, incidents, recours à des outils non autorisés et besoin d’assistance. Une formation qui obtient un taux de complétion élevé mais laisse persister des usages dangereux doit être modifiée. Les résultats sont comparés par familles de métiers pour identifier ce qui fonctionne. Le renouvellement annuel cible les évolutions de règles et d’outils, plutôt que de faire recommencer à tous une formation complète identique.
Cartographier les besoins de compétence par métier et par responsabilité
La première donnée utile n’est pas le nombre total d’agents mais la répartition des tâches. Un agent qui utilise occasionnellement un assistant de rédaction n’a pas les mêmes besoins qu’un référent qui choisit des cas d’usage, qu’un acheteur qui rédige un marché ou qu’un agent qui valide une décision préparée par un système. Chaque ministère échantillonne ses métiers, identifie les usages probables et classe les responsabilités. Cette cartographie détermine le nombre de personnes à former dans chaque niveau. Elle est mise à jour au fur et à mesure du déploiement. Le programme peut ainsi commencer par les métiers réellement exposés plutôt que promettre une formation massive uniforme dont le coût et l’utilité seraient impossibles à démontrer.
Construire un curriculum commun complété par des modules métier
Le socle national couvre vocabulaire, limites, confidentialité, sécurité, biais, vérification des sources et responsabilité. Les modules métier ajoutent ensuite des exemples concrets : fiscalité, achat, ressources humaines, justice, relation usager, production réglementaire ou analyse de données. Les exercices utilisent les outils autorisés et montrent aussi les cas où l’IA ne doit pas être utilisée. Les supports sont versionnés pour suivre l’évolution rapide des outils et du droit. Les administrations peuvent réutiliser les modules communs au lieu de financer chacune un cours introductif identique. Cette architecture pédagogique équilibre mutualisation et pertinence : elle évite à la fois cinquante formations redondantes et un cours central tellement général qu’il ne change aucune pratique.
Certifier une capacité pratique plutôt qu’une connaissance théorique
Pour les niveaux impliquant une responsabilité, la validation repose sur des mises en situation. L’agent doit, par exemple, détecter une information confidentielle, identifier une réponse non vérifiée, expliquer une décision sans s’abriter derrière le modèle ou choisir le niveau de contrôle adapté. Les critères sont connus et une seconde tentative est possible après accompagnement. La certification n’est pas un concours destiné à exclure mais une preuve minimale pour certains usages sensibles. Les résultats agrégés orientent les améliorations du curriculum. Un taux d’échec élevé sur une compétence précise indique d’abord un problème de formation ou d’outil. Cette méthode produit une information plus utile que le nombre d’heures suivies et permet de réserver les habilitations sensibles aux agents réellement préparés.
Calculer le coût en incluant le temps de travail et la réutilisation des contenus
Le coût d’une formation publique ne se limite pas à la facture d’un organisme. Il inclut conception, plateforme, formateurs, assistance et surtout temps de travail mobilisé. Le modèle budgétaire multiplie le nombre réel de participants de chaque niveau par sa durée et un coût de temps approprié, puis ajoute les dépenses externes. Il retranche les contenus mutualisés déjà financés et évite de compter plusieurs fois la même plateforme. Un scénario bas, central et haut permet de tester l’impact des durées et volumes. Les gains éventuels ne sont comptés que si les services observent ensuite un temps réellement libéré ou une réduction d’erreurs. Cette méthode remplace un grand montant politique par un calcul contrôlable et révisable.
Formation IA des agents : relier chaque compétence à un risque et à un usage métier
Le guide interministériel fournit le socle commun
Les principes publiés en 2026 — responsabilité de l’agent, choix de l’outil selon les données, transparence, utilité et formation — peuvent devenir le tronc commun. Mais un agent des finances, un magistrat ou un communicant n’utilise pas les mêmes données ni les mêmes outils.
La formation doit donc ajouter des cas pratiques propres au ministère et aux applications autorisées.
Évaluer une capacité, pas la mémorisation d’un cours
L’épreuve peut demander de repérer une donnée sensible, vérifier une source, comparer deux réponses, justifier une intervention humaine et documenter l’usage de l’IA. Ce type de cas révèle mieux la maîtrise qu’un questionnaire de vocabulaire.
Un seuil distinct peut être prévu pour les agents qui participent à des décisions ayant un effet sur les usagers.
Suivre le gain métier après formation
Le nombre de personnes formées ne mesure pas l’impact. Il faut comparer qualité, délai et taux d’erreur sur des tâches ciblées avant et après, en tenant compte du temps consacré à la vérification des résultats de l’IA.
La formation est révisée lorsque les usages réels montrent de nouveaux risques ou des gains différents de ceux attendus.
Sources primaires et institutionnelles
Les affirmations de droit ou d’état de l’art ci-dessus sont rattachées à des sources publiques. Les hypothèses propres au Plan Delta-Sierra sont signalées comme propositions et ne sont pas présentées comme des chiffres officiels.
- DGAFP — 5,85 millions d’agents fin 2024 ↗
- Guide IA des agents de l’État ↗
- Portail des chartes IA ↗
- Règlement UE 2026/1744 ↗
Date de vérification : 12 août 2026. Le cadre de l’IA évolue rapidement ; les dates d’application du règlement européen sont vérifiées contre le règlement (UE) 2026/1744.