2^e partie

Qu’est-ce que le savoir ? La compétence ? L’expérience ? Nous avons vu dans la 1^ère partie de l’article, un peu de sémantique, un brin de philosophie, les travaux de quelques chercheurs et des exemples de réussites ou d’échecs dans les entreprises. Ceci nous permet dans cette deuxième partie de proposer du concret, du pragmatique et de l’utile pour gérer ce bien qui se raréfie qu’est la compétence. Et comme un trublion s’est invité à la fête, l’intelligence artificielle, nous allons lui faire une place dans cette réflexion. 

Les dangers

Deux dangers menacent les organisations « apprenantes ». 

Le premier fut mis à jour dès les années 1990.  Partant d’une bonne volonté mais dans un esprit trop normatif, certaines entreprises se sont créé d’immenses bases de connaissances documentaires… que personne ne consultait : des centaines de milliers d’euros de consultants, des intranets dopés aux moteurs de recherche mais zéro compétence transférée. La leçon est simple et rude : le savoir ne se déverse pas dans un réservoir, il vit dans des personnes et des relations. On ne « capte » pas l’expérience d’un expert dans un fichier, pas plus qu’on ne photographie une soudure pour apprendre à la faire. On la transmet par le compagnonnage, le tutorat, les communautés, la rotation des postes. Les entreprises qui réussissent sont celles qui organisent la rencontre — celles qui font travailler ensemble les seniors et les juniors — pas celles qui empilent des documents. J’ajoute, pour le plaisir de la formule : le knowledge management a échoué partout où on l’a confié à la DSI, et il a réussi partout où on l’a confié à ceux qui font.

Le deuxième danger est apparu dans la décennie 2010, trop inspiré d’un esprit « woke » qui, heureusement, est déjà en voie de rééquilibrage : trop confié à des directions de ressources humaines en dérive, le savoir a été confondu avec l’égalité hommes-femmes, la sélection par la discrimination positive ou la bienveillance érigée en totem de management. 

De Platon à la NASA, d’Aristote à Airbus, j’espère que cet article contribuera à remettre le knowledge management à sa place : 

• Le savoir se gère.
• La compétence s’entretient.
• L’expérience se respecte.
• La transmission s’organise.

L’intelligence artificielle, danger ou opportunité ?

Comme aucune rupture technologique avant elle, l’intelligence artificielle générative vient bousculer notre triptyque savoir, compétence, expérience. Quel est l’impact de l’IA sur chacun des maillons de cette chaîne quand la machine répond à presque tout, instantanément et gratuitement ?

Premier effet : l’accès au savoir n’est plus une rareté. Ce qui demandait des années d’étude est désormais accessible en quelques secondes. Le savoir appris par cœur perd de sa valeur marchande, comme le calcul mental a perdu de sa valeur après la calculatrice. Faut-il en conclure qu’apprendre ne sert plus à rien ? Bien évidemment non et c’est là que la théorie nous sauve. Un savoir est vivant quand on peut le discuter (Popper) ; une part du savoir est tacite (Polanyi). Or, pour évaluer une réponse d’IA, il faut précisément posséder le savoir explicite et le jugement tacite qui permettent de dire : cette réponse est juste, approximative ou fausse. Celui qui ne sait rien ne peut pas vérifier. Le savoir ne disparaît pas : il change de fonction. Il passe du rôle d’outil de production à celui d’outil de contrôle. Le praticien qui utilise une IA sans culture devient un pilote sans instruments par temps de brouillard. C’est le phénomène que les chercheurs nomment, joliment, « l’illusion de compétence » : les réponses fluides de la machine masquent l’incompétence réelle de son opérateur. L’agitation digitale remplace l’agitation des réunions et la même illusion d’agir.

Deuxième effet : l’IA devient un formidable accélérateur d’expertise pour celui qui sait déjà, alors qu’il est un puissant frein à l’expertise pour celui qui ne sait pas encore. Les compétences se déplacent. Celles que l’IA exécute mieux que nous — produire un premier jet, résumer, mettre en forme — perdent de la valeur. Celles qui restent profondément humaines prennent du poids : formuler le bon problème, juger la qualité d’une réponse, arbitrer dans l’incertain, assumer la responsabilité de la décision. Le vrai risque est générationnel : comment devenir expert si l’on n’a jamais été débutant ? L’expertise est le fruit de milliers de situations vécues (Dreyfus). Or un jeune qui délègue tout à l’IA dès son premier emploi ne vit jamais ces situations. Celui qui ne sait rien ne sait pas qu’il ne sait pas, il ne sait pas qu’il faudrait savoir. L’IA n’y changera rien. L’IA porte en elle le risque de voir encore plus se creuser le fossé entre les deux mondes qui s’affrontent, dont les émeutes ne sont que le côté visible de l’iceberg : celui qui sait et celui qui ne sait pas. Mais est-ce réellement nouveau ? Hier : « Travailleurs de tous les pays, unissez-vous » ; aujourd’hui : « Esclaves lobotomisés de TikTok, révoltez-vous ! »

Troisième effet, le plus souvent oublié : une IA générative a « lu » plus de textes qu’aucun humain, mais elle n’a jamais vécu une seule situation : elle n’a jamais négocié face à un client mécontent, géré une crise un dimanche soir, ni commis l’erreur qui permet d’apprendre plus que toutes les formations. Sa connaissance est statistique, non expérientielle. Il y a là une conséquence paradoxale : plus le savoir explicite est dévalorisé par les machines, plus le tacite et l’expérience prennent de la valeur économique. Ce qui est rare devient cher. L’équation du dirigeant s’en trouve renversée : hier, le savoir-faire documentable était la base de la pyramide ; demain, il sera commodité universelle, et la valeur remontera vers le haut de la pyramide : le jugement en situation inédite, la transmission par le geste, la confiance, la lecture d’un contexte humain, l’imaginaire et la créativité, la capacité de décision deviennent un avantage concurrentiel décisif. Savoir manager son IA, comme savoir manager ses collaborateurs, est déjà une nouvelle compétence. 

L’IA impose de réarmer le triptyque, elle ne dispense pas de l’avoir. Les entreprises qui réussiront cette transition ne sont ni celles qui l’interdisent (perdantes dès demain), ni celles qui s’y ruent sans compétence pour la contrôler (perdantes dès après-demain, et dangereuses en attendant) ; ce sont celles qui réinvestissent massivement dans les fondamentaux humains (savoir solide, expérience structurée, transmission organisée), pour que chaque collaborateur devienne un utilisateur de l’IA en expert contrôlant son outil, et non en béotien vénérant son oracle. 

Quelques clés pour réarmer la chaîne

Que retenir de ce voyage, de Platon à la NASA et à l’IA ? Que la théorie converge, depuis vingt-cinq siècles, sur un point : le savoir est nécessaire mais pas suffisant. Il ne faut pas concevoir le savoir comme acquis, comme statique. Il faut l’inscrire dans une dynamique. Il faut maîtriser le savoir du moment mais ne pas oublier que ce savoir progresse, évolue avec le progrès qu’il génère. Ce mouvement est celui de notre chaîne de départ enrichie de deux nouveaux maillons : savoir, compétence, expérience, transmission, évolution. Pour nos enjeux d’entreprises, les enseignements que l’on peut tirer de ces réflexions sont les suivants.

Cartographier le savoir critique avant qu’il ne parte. Identifiez les postes et les personnes porteurs de savoir critique — technique, relationnel, culturel —, croisez avec les départs à la retraite prévisibles à cinq ans, et classez ce savoir en deux colonnes : ce qui est documentable et ce qui est tacite. La seconde colonne est celle qui doit vous inquiéter : elle ne se photographie pas, elle se transmet. La NASA l’a découvert trop tard ; vos retraités partent, eux, à date connue. Pire, vos plans d’économie, pour ne pas dire de licenciement, organisent la disparition du savoir tacite ; Boeing ne s’en est toujours pas remis. L’IA peut planifier tout cela, l’organiser, mais ne saura pas le mettre en œuvre. Le temps est venu de revaloriser la capacité d’action et de se séparer des brasseurs de vent plutôt que des porteurs d’expérience.

Organiser la transmission par les humains, pas par les outils, mais avec l’aide des outils. C’est la grande leçon de toutes les disparitions de savoir-faire, voire de civilisations entières. Les échecs dans la mise en œuvre du knowledge management ont tous eu la même cause : une base documentaire ne transmet pas une compétence. Ce qui transmet, c’est un binôme. Compagnonnage, tutorat, binômes senior-junior sur les postes critiques, projets menés à deux générations. Les entreprises qui réussissent ne demandent pas à leurs experts d’écrire des mémoires : elles leur donnent du temps et de la reconnaissance pour transmettre en travaillant. Chez Toyota ou Michelin, cette transmission est organisée, budgétée, valorisée dans les parcours. Ce n’est pas de la générosité, c’est de la stratégie industrielle. L’IA ne peut rien pour ceux qui ne savent pas lire ou rester concentrés pour avoir le temps de comprendre.

Systématiser le retour d’expérience. Une erreur qui reste dans la tête de celui qui l’a faite est une dépense ; la même erreur capitalisée en retour d’expérience devient un investissement. Les après-chantiers, les débriefings de projet, les revues d’incidents de l’aéronautique fonctionnent parce qu’ils sont des rituels : réguliers, sans blâme, orientés vers le collectif. La condition est culturelle avant d’être organisationnelle : il faut que « je ne sais pas » ou « j’ai commis une erreur » soit mieux récompensé que caché. C’est un choix de direction — le premier débriefing où le dirigeant commence par analyser sa propre erreur fixe la règle pour dix ans. Là aussi l’IA peut aider, mais ce n’est pas elle qui assumera et donnera du poids à la reconnaissance de l’erreur.

Exiger le niveau, d’abord dans ses propres pratiques. Quand l’école n’assure plus le socle — lire, écrire, parler, raisonner —, il est bien sûr commode d’en rejeter la faute sur le système éducatif, mais tant que les 1,2 million de personnes, dont 800 000 enseignants, n’arrivent plus à répondre aux besoins, il faut bien trouver la solution au sein des entreprises : ne pas baisser ses exigences de recrutement par lassitude, réintroduire la formation de base dans l’entreprise quand elle manque, ouvrir les écoles ou universités internes, etc., entre autres. Là aussi, l’IA peut aider à produire plus vite et moins cher, mais ce n’est pas l’IA qui prendra la décision politique et d’action à la place du dirigeant ou du Comex.

Placer le savoir au tableau de bord. Ce qui ne se mesure pas ne se pilote pas. Avant le carnet de commandes, les indicateurs de production ou le compte d’exploitation, il est normal de suivre l’activité commerciale. Avant tout cela, dans la chaîne de valeur, il serait aussi intéressant de suivre le « savoir » de l’entreprise ; sans lui, tous les autres indicateurs finiront par dépérir. C’est un domaine où l’IA peut presque tout faire toute seule.

Conclusion

Depuis l’Antiquité, l’humanité était le seul producteur et le seul bénéficiaire du savoir. Pour la première fois, une machine en accumule, en produit, en enseigne plus que quiconque en est capable. Si on regarde l’histoire, chaque fois qu’un support a menacé la mémoire humaine — Platon craignait déjà que l’écriture ne ruine l’oralité ! — l’humanité a répondu non pas en se vidant, mais en montant d’un étage. L’écriture n’a pas tué la mémoire, elle a libéré le raisonnement ; l’imprimerie n’a pas tué le raisonnement, elle a libéré la science ; l’IA ne devrait pas tuer la compétence, mais nous faire gravir un nouvel étage de notre évolution.

Mais monter d’un étage suppose que les étages inférieurs tiennent. Et c’est bien ce qui peut inquiéter aujourd’hui : nous comprimons la transmission humaine — l’école délitée, l’apprentissage dévalorisé, le maître remplacé par l’écran au moment exact où l’expérience devient notre seule richesse irremplaçable. Chaque grande civilisation qui a cessé de transmettre n’a pas été vaincue par un rival extérieur : elle s’est éteinte de l’intérieur, en silence. L’IA ne tuera pas l’humanité, l’homme en est capable sans elle.

Une organisation qui ne transmet pas est une bibliothèque en train de brûler, feuillet après feuillet, en silence, un feu qui ne fait pas de bruit jusqu’au jour où l’on cherche un livre et qu’il n’y en a plus. La réponse n’est pas dans une méga-mémoire contenant tout le savoir, elle n’est pas un algorithme remplaçant la compétence, elle n’est pas dans un robot accumulant une expérience mécanique ; elle est dans ce que chaque dirigeant, chaque enseignant, chaque parent décidera de transmettre — ou non — à la génération suivante. 

Le futur du savoir n’est pas écrit dans les données. Il est écrit dans nos vies et dans ce que nous en faisons passer. Transmettons ! Vite !

« Le pessimisme est d’humeur ; l’optimisme est de volonté ». Alain.

Michel MATHIEU

Doctor of business administration

Octobre 2026

L’IA et moi :

L’IA Mistral m’a aidé pour ce travail. Je l’utilise d’abord pour faire la revue de littérature. Dans un deuxième temps, je lui fournis un plan très détaillé de mon article incluant tous les points que j’ai en tête, Mistral a en mémoire toutes mes publications et « connait » mon style par type d’article. Mistral me produit alors une version 0 du texte. Sur la base proposée, je dois faire un important travail de nettoyage car l’IA est trop bavarde et trop scolaire. J’ai alors une V1 de mon texte sur lequel j’améliore la rédaction tout en vérifiant que l’IA ne s’est pas laissé aller à quelques hallucinations. Cela donne une V2 qui permet la relecture orthographique et grammaticale ainsi que l’intégration de quelques effets de pure communication, c’est donc une V3.  Je soumet cette V3 à la relecture d’un ou deux amis compétents et/ou expérimentés pour être certain que le travail ne souffre pas de défauts majeurs. Cela donne la version diffusée. J’évalue que cette utilisation de l’IA me fait gagner 25 à 30 % de temps sur une base, pour un article comme celui-là, d’environ 20 heures de travail, hors tout le temps de maturation en amont sur l’idée même de l’article.