Le contexte 2026 rend la mesure beaucoup plus concrète
En juin 2026, la DINUM, la DITP et la DGAFP ont publié un guide interministériel d’usage de l’IA destiné aux agents de l’État. Il rappelle notamment la responsabilité de l’agent, la protection des données sensibles, la transparence et la nécessité de se former. [1] L’État déploie parallèlement un socle d’IA et des outils communs. [2] La mesure 2.13 peut donc s’insérer dans une stratégie déjà opérationnelle plutôt que créer un programme isolé.
La DGAFP a également engagé un accord-cadre sur le déploiement de l’IA dans la fonction publique et publie des ressources pour accompagner la formation. [3] Le nombre de 400 000 reste toutefois une cible du Plan ; il ne doit pas être présenté comme un besoin officiel déjà établi. Le premier travail est de définir quels métiers et niveaux de compétence justifient ce volume.
Créer quatre niveaux de compétence
Le niveau 1 est une acculturation courte pour comprendre limites, confidentialité, hallucinations, droit d’auteur et responsabilité. Le niveau 2 porte sur les usages bureautiques et métier : synthèse, recherche, rédaction assistée, classification ou extraction. Le niveau 3 forme des référents capables d’évaluer un cas d’usage, la qualité des données et les risques. Le niveau 4 concerne les spécialistes qui conçoivent, auditent ou exploitent les systèmes.
Le terme « diplômante » doit être opérationnalisé. Tous les agents n’ont pas besoin d’un diplôme long ; le Plan peut prévoir une certification reconnue pour le socle et des diplômes universitaires ou titres plus approfondis pour les référents et spécialistes. Cette architecture évite de payer 400 000 parcours lourds tout en donnant une preuve de compétence vérifiable.
Relier chaque formation à un cas d’usage et à un garde-fou
La plateforme Mentor propose déjà des formations d’acculturation à l’IA pour les agents publics. [4] V20.35.0 ajoute une règle : aucun parcours métier n’est validé sans exercice sur un cas réel ou réaliste et sans évaluation des risques. Un agent qui utilise l’IA pour préparer une réponse administrative doit savoir distinguer assistance et décision, vérifier les sources et protéger les données.
Les métiers à fort impact — justice, santé, contrôle, ressources humaines, sécurité — reçoivent des modules renforcés sur la traçabilité, le contrôle humain et le cadre européen. Les outils autorisés par l’administration sont utilisés pendant la formation pour éviter que les agents apprennent sur des services grand public incompatibles avec les exigences de sécurité.
Mesurer le rendement sans promettre une économie magique
Le coût comprend heures de formation, formateurs, plateforme, certification, remplacement temporaire des agents et outils. Les gains doivent être évalués sur des tâches précises : temps moyen avant/après, qualité, taux d’erreur, satisfaction et coût d’inférence. Une minute gagnée n’est pas automatiquement une économie budgétaire si elle est réaffectée à une mission plus utile.
Le programme publie donc trois résultats : compétences certifiées, gains de productivité observés et économies réellement encaissées. Cette séparation évite le double comptage avec la digitalisation 2.07 ou les réductions d’effectifs 2.09. La réussite de 2.13 est d’abord une administration capable d’utiliser l’IA de façon sûre et mesurable, pas un nombre de diplômes posé sur une affiche.
Transformer 400 000 formations en capacités opérationnelles mesurables
Le contexte 2026 fournit désormais un socle concret : l'État a publié un guide commun d'usage de l'intelligence artificielle et développe une stratégie interministérielle. [1] [2] La cible de 400 000 agents en cinq ans reste toutefois une cible politique du Plan ; elle ne doit pas être présentée comme un besoin officiel déjà établi. La première année doit donc servir à segmenter les populations : utilisateurs, agents métiers, chefs de projet, spécialistes données et responsables de contrôle.
Une formation crédible combine cas d'usage, droit, sécurité et mesure du résultat. L'agent doit savoir reconnaître une donnée sensible, vérifier une réponse, conserver la traçabilité de la décision et identifier les tâches qui exigent un contrôle humain. La négociation d'un accord-cadre IA dans la fonction publique montre que les questions d'organisation du travail et de garanties sociales sont désormais traitées au niveau national. [3] Le parcours doit donc être conçu avec les métiers et les représentants des agents, pas seulement comme une initiation à un outil.
La DGAFP et la plateforme Mentor disposent déjà de ressources de formation qui peuvent être industrialisées et complétées par des modules certifiants. [4] [5] Chaque cohorte devrait être reliée à un indicateur métier : temps de traitement, taux d'erreur, qualité de rédaction, détection d'anomalies ou satisfaction des usagers. Une formation sans cas d'usage mesuré reste une dépense pédagogique ; une compétence réellement intégrée au travail peut devenir un actif de transformation.
Règle de chiffrage
Investissement. Les gains ne sont comptés qu’après mesure des cas d’usage, du temps libéré et des coûts d’outils/inférence.
Le coût de transition — migrations, formation, immobilier, indemnités ou double fonctionnement — est publié séparément et n’est jamais masqué dans l’économie annuelle.
Cette mesure dans le système
La mesure 2.13 est un multiplicateur de 2.07 et 2.10 : elle doit rendre les agents capables d’utiliser les nouveaux outils et d’occuper des fonctions transformées. Les gains revendiqués au titre de l’IA ne seront toutefois comptés qu’une fois, dans la démarche où ils sont observés. Le budget de formation, les licences, la sécurité et le contrôle humain restent des coûts propres à 2.13 et doivent être déduits avant toute économie nette attribuée à la transformation numérique.
Notes et sources
- DINUM — Guide d’usage de l’IA pour les agents de l’État — source primaire/institutionnelle utilisée pour le cadre de la mesure.
- IA dans l’État — stratégie et socle interministériel — source primaire/institutionnelle utilisée pour le cadre de la mesure.
- DGAFP — négociation de l’accord-cadre IA, juin 2026 — source primaire/institutionnelle utilisée pour le cadre de la mesure.
- DGAFP — Accompagner et former les agents publics à l’IA — source primaire/institutionnelle utilisée pour le cadre de la mesure.
- Mentor — formations IA et données — source primaire/institutionnelle utilisée pour le cadre de la mesure.
