Deux courbes de la même enquête ont évolué en sens inverse cette année. L'usage quotidien de l'IA générative est passé de 14 % à 22 % chez les salariés, et 64 % ont utilisé l'IA au travail au cours des douze derniers mois — une hausse de dix points. Sur la même période, l'accès à la formation a pris la direction opposée : la part des salariés déclarant disposer des ressources de formation et de développement dont ils ont besoin est tombée à 51 %, contre 59 % (PwC, 2026). Soit 49 364 salariés dans 48 pays et régions et 29 secteurs, interrogés en mai et juin 2026.
Relisez-le : adoption en hausse de dix points, accès à la formation en baisse de huit. Quoi qu'il finance votre déploiement d'IA, ce n'est pas un budget de développement en croissance. Et les personnes les mieux placées pour le remarquer sont celles qui peuvent partir.
La courbe d'adoption et la courbe de développement se sont séparées
La tentation est de traiter ce 51 % comme un chiffre mou — un artefact d'enquête, une récrimination. Les données qui l'entourent dans le même communiqué rendent cela difficile.
Les salariés ont rapporté plus de changement, pas moins : 58 % de ceux qui ont vécu un changement au travail estiment qu'il y en a eu davantage l'an dernier que les années précédentes, et 40 % déclarent avoir dû appliquer de nouvelles compétences dans leur poste dans une large ou très large mesure. Dans le même temps, 27 % disent que la fatigue ou l'épuisement limite leur productivité, et seul un tiers avait de l'argent restant en fin de mois, en baisse de 8 % sur un an (PwC, 2026).
La demande de nouvelles compétences a donc augmenté, la pression sur les salariés a augmenté, et l'offre de développement structuré a diminué. Ce n'est pas une question de moral. C'est une question de capacité, et elle a une forme précise.
Le changement se concentre aussi en haut de l'organisation. PwC constate que 51 % des dirigeants et 46 % des managers ont appliqué de nouvelles compétences dans leur poste, contre 29 % des non-managers et 38 % des salariés en début de carrière. L'apprentissage se produit là où la marge de décision existe déjà.
Un seul budget, deux problèmes de rétention
PwC segmente la population active en quatre groupes selon la rareté des compétences et la capacité en IA :
| Segment | Part | Description |
|---|---|---|
| Front-runners | 14 % | Compétences rares, forte capacité en IA |
| AI insurgents | 18 % | Compétences moins rares, utilisent l'IA pour produire plus |
| Indispensables | 11 % | Compétences rares et très valorisées, début de la courbe IA |
| Engine room | 56 % | Compétences non rares, début de la courbe IA |
La conséquence sur la rétention frappe aux deux extrémités de cette distribution, et les deux extrémités demandent des budgets différents.
Chez les front-runners, 29 % jugent très ou extrêmement probable de changer d'employeur dans l'année. Ils sont surreprésentés parmi ceux qui sont récompensés pour remettre en cause les manières de travailler établies (1,5 fois la moyenne mondiale) et pour apprendre de nouvelles compétences (1,2 fois), et ils ont +33 points de probabilité de demander une promotion (PwC, 2026). C'est un risque de départ créé par la réussite. Vous les avez récompensés pour avoir bâti une compétence transférable, et cette compétence est transférable.
À l'autre extrémité, parmi les 56 % de l'engine room, seuls deux sur cinq déclarent disposer de l'accès à la formation dont ils ont besoin. Ce sont les moins récompensés pour l'usage de l'IA, l'apprentissage ou la remise en question des pratiques — et ils font l'essentiel du travail quotidien. Ce n'est pas un risque de départ. C'est un risque de capacité, et il se manifeste plus tard, sous forme de goulot d'étranglement plutôt que de démission.
Un budget formation réparti uniformément sur les effectifs ne finance ni l'un ni l'autre. Il est trop mince pour retenir les 14 % et trop générique pour faire bouger les 56 %.
L'écart de confiance fait des dégâts silencieux
La comparaison, dans l'enquête, entre utilisateurs quotidiens et occasionnels est la partie à présenter à votre prochain comité opérationnel. Les utilisateurs quotidiens affichent 68 % de confiance dans la sécurité de leur emploi contre 57 % pour les utilisateurs occasionnels, et sont +12 points plus enclins à demander une promotion, +15 à faire confiance à la direction et +21 sur la confiance dans leur capacité à apprendre (PwC, 2026).
Ce sont des corrélations, pas des estimations causales — les personnes confiantes adoptent peut-être simplement plus vite. Mais l'implication opérationnelle tient dans les deux lectures. Si la maîtrise de l'IA va de pair avec la confiance dans la direction et la croyance en sa propre capacité d'apprendre, alors la moitié de vos effectifs sans accès au développement est aussi la moitié la moins susceptible de croire à votre programme de transformation, et la moins susceptible de vous le dire.
L'accès à la formation est un résultat de conception organisationnelle, pas une ligne budgétaire
Voici le contre-argument sur lequel un directeur des opérations devrait s'arrêter avant d'approuver davantage de dépenses de formation : les entreprises qui sous-investissent dans les compétences transférables agissent souvent rationnellement, et plus de budget seul ne corrige rien.
De nouveaux travaux de Deming, Sadun et Stanton reformulent la formation financée par l'entreprise comme un résultat de conception organisationnelle plutôt que d'échelle ou de générosité (NBER Working Paper 35920, 2026). À partir d'une enquête auprès de 954 entreprises américaines de 100 salariés ou plus, ils constatent que disposer d'une taxonomie de compétences est associé à une hausse de 26 points de pourcentage de la probabilité qu'une entreprise mène un programme de formation structuré, et un inventaire de compétences à 17 points. Les entreprises de 10 000 salariés et plus ont 13 points de probabilité supplémentaires de mener de tels programmes que celles de 100 à 999 — et cet effet de taille est déjà contrôlé dans la spécification qui produit les 26 points.
Cet ordre de grandeur compte pour une entreprise de 50 à 500 salariés. L'infrastructure de mesure prédit le développement structuré deux fois plus fortement que le fait d'être vingt fois plus grand. Vous ne pouvez pas vous en sortir par les effectifs, et il n'est pas nécessaire d'avoir une taille de grand groupe pour y remédier.
Leur mécanisme explique aussi le risque de départ des front-runners. La conception organisationnelle, soutiennent les auteurs, est la manière dont les entreprises rendent spécifique une compétence générale — et la compétence spécifique à l'entreprise est la manière dont l'entreprise capte le rendement de la formation. Formez quelqu'un à une capacité générique sans architecture de poste autour, et vous avez financé l'intégration chez son prochain employeur. Formez-le dans un modèle de compétences défini, avec une prochaine étape interne visible, et le rendement reste chez vous.
Leur analyse par grappes ajoute un avertissement : la formation tend à se concentrer soit sur le développement managérial soit sur celui de la première ligne, rarement les deux. C'est précisément le mode de défaillance que mesure PwC — un développement concentré là où l'ancienneté se trouve déjà.
Le volet coûts aggrave la situation. Gartner situe les postes liés à l'IA à trois ou quatre fois le salaire moyen, avec des cycles de vie des compétences IA qui se réduisent à deux à cinq ans, et anticipe que jusqu'à 30 % des salariés déplacés par l'IA seront réembauchés d'ici 2029, souvent à un coût supérieur (Gartner, 2026). Une compétence coûteuse, à dépréciation rapide et mobile est le pire actif à détenir sans structure de développement et de succession autour.
Avant d'agir sur les segments, vérifiez comment ils ont été mesurés
Une mise en garde, car elle change ce que vous pouvez faire de ces données en interne. La segmentation de PwC repose sur ce que les salariés déclarent de leur propre capacité en IA. La compétence IA auto-déclarée est un signal faible et documenté : dans l'Automation Anxiety Report 2026 de GCheck (N = 1 500 salariés américains à temps plein, interrogés en avril 2026), 63 % ont déclaré avoir exagéré ou menti sur leurs compétences en IA pour paraître plus capables, et jusqu'à 80 % chez les moins de 30 ans, tandis que 64 % ont dit que leur employeur n'avait jamais tenté de vérifier cette affirmation (GCheck, 2026). C'est une enquête de fournisseur — GCheck vend de la vérification — donc traitez l'ampleur comme indicative et la direction comme solide.
L'implication n'est pas que le tableau mondial de PwC est faux. Sur 49 364 répondants, l'inflation déclarative est largement du bruit dans l'agrégat. L'implication est locale : si vous reproduisez cette segmentation dans votre entreprise avec un formulaire d'auto-évaluation, vous classerez mal les gens, et de façon biaisée — vos adoptants les plus bruyants atterriront dans la case front-runner, qu'ils y appartiennent ou non.
Une segmentation par capacité ne vaut que ce que vaut la mesure qui la soutient. Compétence évaluée, production démontrée et performance observée sur des tâches sont des instruments différents d'une question de confiance en soi, et ils divergent systématiquement.
Ce qu'un Head of Operations devrait faire ce trimestre
Quatre actions, par ordre de levier.
1. Recalculez votre taux d'accès à la formation par segment, pas en agrégat. Vous avez presque certainement un chiffre unique de participation ou de satisfaction formation. Éclatez-le : par niveau, par fonction, et selon qui sont réellement vos gros utilisateurs d'IA (la télémétrie des licences vous le dira, pas un sondage). Une moyenne de 51 % peut masquer 80 % au sommet et 40 % au milieu — c'est ce que PwC constate à l'échelle mondiale. L'écart, pas la moyenne, est le chiffre à piloter.
2. Construisez la taxonomie avant d'acheter le contenu. Si un effet de 26 points est associé au fait de disposer d'une taxonomie de compétences, et que cet effet résiste aux contrôles de taille et de secteur (NBER Working Paper 35920, 2026), alors l'action la moins chère au meilleur rendement consiste à définir les compétences que vos postes exigent réellement et à mesurer par rapport à elles, cycle par cycle. C'est ce travail qui transforme une ligne de dépense en système de développement — une mesure des compétences qui alimente la préparation à la succession et la mobilité interne plutôt qu'un catalogue de cours, la distinction autour de laquelle est organisée la couche performance et succession de Scovai.
3. Donnez du périmètre à vos 14 %, pas une licence de plus. Les front-runners dont 29 % sont susceptibles de partir sont récompensés pour bousculer le statu quo et apprendre vite. Davantage d'outils ne les retient pas ; une prochaine étape interne visible, oui. Nommez les postes vers lesquels ils pourraient évoluer et la fenêtre de préparation — prêt maintenant, ou dans douze à vingt-quatre mois — et dites-le-leur. Un marché interne qui fonctionne est ici l'instrument de rétention.
4. Vérifiez la capacité avant d'affecter des postes critiques pour l'IA. Installez un bref contrôle de compétence appliquée avant de confier à quiconque l'exécution, la supervision ou la refonte d'un processus dépendant de l'IA. Avec un taux d'inflation déclarative supérieur à 60 % (GCheck, 2026), une planification de capacité fondée sur la maîtrise déclarée repose sur un chiffre faux par construction.
La décision devant vous
Un accès à la formation qui baisse de huit points quand l'usage de l'IA monte de dix n'est pas un problème de ligne budgétaire en attente d'une enveloppe plus grosse. C'est un problème de répartition, et la répartition est un choix de conception que vous faites déjà par défaut.
La question de ce trimestre est donc étroite : connaissez-vous votre taux d'accès à la formation pour les 14 % que vous ne pouvez pas perdre, et pour les 56 % qui font le travail ? Si ces deux chiffres ne sont pas sur une page d'ici la fin du trimestre, vous ne gérez pas une fracture des compétences en IA. Vous la financez.