L'avènement de l'intelligence artificielle (IA) générative a profondément bouleversé le monde de l'entreprise. Du marketing à la finance, en passant par les ressources humaines, aucun secteur n'échappe à cette déferlante technologique. Pourtant, un décalage préoccupant apparaît entre les attentes des recruteurs et la formation dispensée par les institutions d'enseignement supérieur en gestion.
Une étude universitaire récente, publiée par le média académique The Conversation, met en lumière ce fossé : alors que les employeurs intègrent massivement l'IA dans leurs processus quotidiens, les écoles de commerce peinent à préparer adéquatement leurs étudiants à cette nouvelle réalité. L'analyse révèle que le défi ne réside pas seulement dans l'apprentissage technique des outils, mais dans la capacité à conjuguer ces technologies avec des compétences fondamentalement humaines.
Le paradoxe des compétences : l'humain au cœur de l'ère algorithmique
L'étude publiée par The Conversation — menée par des chercheurs américains et centrée sur le marché du travail d'outre-Atlantique, ce qui constitue un biais géographique à prendre en compte bien que les tendances soient globales — apporte un éclairage contre-intuitif. Contrairement aux idées reçues, l'omniprésence de l'IA ne diminue pas l'importance des compétences comportementales (les fameuses soft skills). Au contraire, elle les exacerbe.
Les employeurs interrogés continuent de placer au sommet de leurs exigences le triptyque classique : la communication, le professionnalisme et le travail d'équipe. Pourquoi ? Parce que l'IA excelle dans l'automatisation des tâches techniques, de la rédaction de rapports standards à l'analyse de données de premier niveau. En revanche, elle s'avère incapable de négocier un contrat complexe, de motiver une équipe en crise ou de faire preuve d'empathie face à un client mécontent.
Ce constat est largement partagé à l'échelle internationale. Le Forum Économique Mondial, dans son rapport sur l'avenir de l'emploi (Future of Jobs Report), souligne que la pensée analytique, la pensée créative et l'intelligence émotionnelle figurent parmi les compétences les plus recherchées et en plus forte croissance d'ici 2027. Le véritable défi pour les futurs managers n'est donc pas de devenir des ingénieurs en informatique, mais de savoir orchestrer le travail entre les humains et les machines.
Pourquoi les écoles de commerce tardent-elles à s'adapter ?
Plusieurs facteurs expliquent la lenteur de la réaction des écoles de commerce face à cette transition :
1. L'inertie des programmes académiques : La modification d'un curriculum dans l'enseignement supérieur est un processus lourd, souvent soumis à des validations internes et externes complexes. Les processus d'accréditation internationale (tels que AACSB ou EQUIS), bien qu'ils intègrent désormais des critères liés à l'innovation technologique, favorisent une certaine stabilité qui s'accorde mal avec le rythme effréné des mises à jour de l'IA.
2. Le déficit de formation des enseignants : Pour enseigner l'impact de l'IA sur la stratégie d'entreprise ou le marketing, les professeurs doivent eux-mêmes maîtriser ces outils et comprendre leurs implications éthiques et opérationnelles. Or, le corps professoral académique n'est pas toujours formé à ces évolutions rapides.
3. L'approche cloisonnée de l'enseignement : Trop souvent, l'IA est reléguée à des cours optionnels de "data science" ou de systèmes d'information, au lieu d'être intégrée de manière transversale dans toutes les disciplines de la gestion (comptabilité, droit des affaires, management des ressources humaines).
Au-delà de la technique : repenser la pédagogie de la gestion
Pour combler ce fossé, les institutions d'enseignement supérieur doivent opérer un changement de paradigme. L'Organisation de coopération et de développement économiques (OCDE), dans ses perspectives sur les compétences (OECD Skills Outlook), insiste sur la nécessité de développer une "complémentarité technologique". Cela signifie que l'éducation doit former les individus à réaliser des tâches que les ordinateurs ne peuvent pas faire, tout en leur apprenant à utiliser l'IA pour améliorer leur propre productivité.
L'évolution pédagogique nécessaire doit s'articuler autour de trois axes majeurs :
* La pensée critique et la vérification des faits : Les étudiants doivent apprendre à ne pas faire une confiance aveugle aux résultats générés par l'IA. Savoir auditer un algorithme, repérer les biais cognitifs ou techniques et vérifier les sources d'une information générée par une IA sont des compétences de gestion critiques.
* La formulation de problèmes (Prompt Engineering managérial) : Poser la bonne question est devenu plus important que de formuler la réponse. Les futurs managers doivent être capables de traduire un problème d'affaires complexe en requêtes précises pour les outils d'IA.
* L'éthique et la responsabilité sociale : L'utilisation de l'IA soulève des questions cruciales en matière de protection des données, de propriété intellectuelle et d'impact environnemental (consommation énergétique des centres de données). Ces dimensions doivent être intégrées dans chaque étude de cas.
Pistes de transfert pour les équipes éducatives francophones
Pour les universités et Grandes Écoles de l'espace francophone (France, Québec, Belgique, Suisse, Afrique de l'Ouest), plusieurs initiatives concrètes peuvent être déployées rapidement pour adapter les formations :
* L'évaluation par le processus plutôt que par le résultat : Puisque les outils d'IA peuvent rédiger des mémoires ou résoudre des études de cas en quelques secondes, les enseignants doivent évaluer la démarche de l'étudiant. Par exemple, demander un journal de bord expliquant comment l'IA a été utilisée, quelles requêtes ont été formulées, quelles erreurs ont été corrigées et quelle a été la valeur ajoutée humaine.
* Les projets interdisciplinaires "hybrides" : Faire travailler ensemble des étudiants en école de commerce et des étudiants en école d'ingénieurs ou en design sur des projets réels d'entreprises. Cela reproduit les conditions réelles de travail où la collaboration interdisciplinaire est indispensable pour mener à bien des projets d'IA.
* L'apprentissage par l'échec et la simulation : Utiliser des simulations de gestion de crise où l'IA fournit des données contradictoires ou biaisées, forçant les étudiants à faire preuve de discernement, de leadership et de communication interpersonnelle sous pression.
En conclusion, l'intégration de l'intelligence artificielle dans les écoles de commerce ne doit pas être perçue comme une simple mise à niveau technologique, mais comme une opportunité historique de remettre les compétences profondément humaines au centre de la formation des leaders de demain. Les institutions qui réussiront cette transition seront celles qui ne se contenteront pas d'enseigner le fonctionnement des algorithmes, mais qui apprendront à leurs étudiants à rester des décideurs éclairés, éthiques et empathiques face à la machine.
Discussion
Posez vos questions et partagez votre point de vue. Matania, l'assistante de recherche et de vérification des faits, lit les commentaires et y répond dès qu'elle peut apporter des sources fiables ou des précisions. Les liens ne sont pas autorisés : citez vos sources par leur nom.