De l’assistant à l’agent : pourquoi la formation des managers à l’IA doit changer de programme

Il y a trois ans, former un manager à l'intelligence artificielle consistait largement à lui apprendre à poser de bonnes questions à un modèle de langage. L'exercice était nouveau, spectaculaire, et suffisant : l'IA restait cantonnée à une fenêtre de conversation, et le collaborateur gardait la main sur ce qu'il en faisait.

Cette période est close. En 2026, les systèmes d'IA déployés en entreprise ne se contentent plus de répondre : ils agissent. Ils enchaînent des étapes, interrogent des bases de données, déclenchent des traitements, appellent d'autres outils. Ce déplacement — de l'assistant à l'agent — n'est pas une évolution technique de plus. Il change la nature de la responsabilité managériale, et il périme une bonne partie de ce que les formations à l'IA enseignaient encore l'an dernier.

Ce qui a changé entre 2023 et 2026

Du prompt à la délégation

La différence entre un assistant et un agent tient en une phrase : l'assistant produit un texte que vous relisez, l'agent produit un résultat que vous constatez. Dans le premier cas, l'humain est dans la boucle par construction. Dans le second, il faut l'y remettre volontairement, en concevant les points de contrôle.

Pour un manager, la conséquence est directe. Déployer un assistant, c'est équiper une équipe. Déployer un agent, c'est déléguer un périmètre de décision à un système, en assumer les sorties devant ses clients, ses collaborateurs et son comité de direction. Les questions ne sont plus « comment obtenir un meilleur résultat ? » mais « jusqu'où puis-je laisser ce système opérer sans supervision ? », « à quel seuil de fiabilité est-ce acceptable ? », « qui répond de l'erreur ? ».

Ces questions ne sont pas techniques. Elles sont managériales — et personne, dans l'organisation, n'est mieux placé qu'un cadre expérimenté pour les trancher. Encore faut-il qu'il dispose du bagage pour le faire de façon informée plutôt qu'intuitive.

Une obligation réglementaire devenue exigible

À ce déplacement des usages s'ajoute une contrainte de droit. L'article 4 du règlement européen sur l'intelligence artificielle — l'AI Act — impose depuis le 2 février 2025 aux fournisseurs comme aux déployeurs de systèmes d'IA de garantir « un niveau suffisant de maîtrise de l'IA » chez leur personnel et chez toute personne utilisant ces systèmes sous leur autorité.

Trois points méritent d'être soulignés. Cette obligation ne dépend pas du niveau de risque du système : elle s'applique dès l'usage d'un assistant conversationnel courant. Elle ne connaît aucun seuil de taille ou de chiffre d'affaires. Et à compter du 2 août 2026, les autorités nationales compétentes — en France, la CNIL au titre de son périmètre — peuvent en contrôler l'application.

Autrement dit : la montée en compétence des équipes sur l'IA cesse d'être un investissement discrétionnaire pour devenir une obligation documentée. Et la charge de démontrer que cette montée en compétence est adaptée « à la nature des systèmes, au profil des personnes et aux usages » revient à l'employeur.

Pourquoi les formations conçues avant les agents ne suffisent plus

Le manager n'est plus l'utilisateur, il est le donneur d'ordre

La plupart des formations à l'IA disponibles sur le marché restent construites sur le modèle de 2023 : découverte des modèles, atelier de rédaction de prompts, panorama des outils. Ce socle garde son utilité, mais il forme un utilisateur avancé. Or ce n'est plus le rôle qu'occupe un cadre dirigeant face à un système agentique.

Le manager qui pilote un déploiement d'IA doit être capable de trois choses que l'usage seul n'enseigne pas. Spécifier ce qu'il attend du système, en termes de périmètre, de données et de comportements interdits. Vérifier que le système fait bien ce qu'il prétend faire, sur des cas représentatifs de son activité et pas sur une démonstration. Organiser la chaîne de responsabilité qui va du fournisseur à l'opérateur en passant par lui-même.

Le point de rupture n'est plus technique, il est organisationnel

Le constat est désormais documenté. L'étude The GenAI Divide : State of AI in Business 2025 conduite par le projet NANDA du MIT, adossée à plus de 300 déploiements en entreprise, 52 études de cas et 153 entretiens de dirigeants, établit que 95 % des projets pilotes d'IA générative ne produisent aucun retour mesurable sur le compte de résultat. L'explication avancée par les auteurs n'est pas la qualité des modèles : c'est un écart d'apprentissage, à la fois individuel et organisationnel, entre l'outil et l'entreprise qui l'accueille.

Ce diagnostic recoupe ce que l'on observe sur le terrain. Les projets qui échouent ne butent presque jamais sur une limite du modèle. Ils butent sur un cas d'usage mal cadré, sur des données indisponibles au moment de passer en production, sur une absence de critère partagé pour décider si le résultat est « assez bon », ou sur des équipes qui n'ont pas été associées à la conception de l'outil censé transformer leur travail.

Ce sont là quatre problèmes de management. Aucun ne se résout par un séminaire de sensibilisation.

La refonte 2026 : ce qui change concrètement dans l'Executive Master IA pour les managers innovants

C'est de ce constat qu'est née la refonte pédagogique de l'Executive Master Intelligence Artificielle pour les Managers Innovants. Le programme, ouvert en 2020, avait déjà connu plusieurs actualisations de contenu. La révision engagée cette année est d'une autre nature, et son ampleur se lit dans les chiffres : sur les 96 séances que compte le parcours, 29 ont été créées ou entièrement refondues pour cette promotion. L'architecture elle-même a changé.

Un module entier consacré aux agents

Le module 4, Automatisations et agents dans un projet IA, est le plus neuf du parcours : la moitié de ses séances ont été écrites pour cette rentrée. Les participants n'y observent pas des démonstrations, ils construisent. Prototypage d'un premier agent en no-code, passage du POC au MVP, outillage de l'agent par des compétences externes, arbitrage de l'orchestration multi-agents, intégration au système d'information, puis mise en production — ce que le programme appelle l'AgentOps.

L'objectif n'est pas d'en faire des développeurs. Il est de leur donner ce qu'aucune présentation ne transmet : une intuition juste de ce qui est facile, de ce qui est coûteux, et de ce qui ne fonctionne pas encore. Un cadre qui a lui-même vu un agent échouer sur une donnée mal formatée négocie différemment un cahier des charges, un délai et un budget.

La bascule agentique n'attend d'ailleurs pas le module 4. Dès la première semaine, un atelier apprend à distinguer assistant, agent et orchestrateur ; le premier module se referme sur le RAG et le multi-agents.

L'évaluation, compétence managériale à part entière

Construire ne suffit pas. La troisième semaine du module 4 est consacrée à gouverner et fiabiliser : audit de la qualité des données, détection de la dérive, explicabilité, supervision hybride pour garder l'humain dans la boucle. Elle se referme sur un atelier LLM-as-a-judge appliqué à un cas volontairement sensible — l'évaluation d'un outil de tri de CV.

C'est là que se joue, très concrètement, l'écart entre un pilote impressionnant et un service déployé. Comment mesure-t-on la qualité d'un système probabiliste ? À partir de quel seuil accepte-t-on de le mettre entre les mains d'un client ? Que fait-on des cas où il se trompe, et comment les détecte-t-on en production ? La semaine suivante enchaîne sur la gestion d'incidents et sur le cadrage juridique de l'agent construit, au regard du RGPD et de l'AI Act.

Un fil rouge porté sur un cas réel

Ces modules ne sont pas des parenthèses techniques : ils s'articulent à un Projet Fil Rouge unique, posé dès la deuxième séance de la première semaine sur le terrain du participant. Chaque module en produit une pièce — la note d'opportunité au module 2, le cahier des charges opposable et la feuille de route défendus devant un comité de direction au module 3, l'agent construit et audité au module 4, le plan de conduite du changement au module 5, le modèle économique et son financement au module 6.

Le parcours se referme sur une soutenance blanche adverse, où le pitch est mis en contradiction par des agents autant que par des humains, avant la soutenance finale du mémoire devant jury académique. Ce choix pédagogique a une conséquence pratique appréciée des employeurs : à l'issue des six mois, l'organisation ne récupère pas seulement un diplômé, mais un dossier de projet instruit de bout en bout.

Une pédagogie co-construite avec le terrain depuis 2020

Cette orientation résolument opérationnelle tient à la façon dont le programme a été conçu. Depuis sa création en 2020, l'Executive Master IA est co-construit avec JustAI, cabinet de conseil et d'intégration en intelligence artificielle qui accompagne des PME et ETI françaises sur leurs déploiements.

Cette collaboration donne au programme une boucle de retour rare dans l'enseignement : les difficultés rencontrées sur des projets réels alimentent directement le contenu enseigné, et les cas travaillés en cours sont ceux que les organisations rencontrent effectivement l'année en cours.

« Ce que nous voyons échouer en clientèle, ce ne sont pas des modèles : ce sont des cadrages. Un cas d'usage choisi parce qu'il est démontrable plutôt que parce qu'il est utile, un critère de réussite que personne n'a écrit, une équipe métier découvrant l'outil le jour de la mise en production. La refonte 2026 part de là : nous avons remonté les points de rupture les plus fréquents de nos missions et nous en avons fait des exercices. »

Jonathan Foureur, fondateur de JustAI, co-concepteur du programme.

La refonte a suivi la même méthode. Elle s'appuie sur le retour des promotions précédentes, sur les évolutions du marché de l'emploi des cadres et sur l'entrée en vigueur progressive de l'AI Act, dont le volet formation devient exigible cette année.

À qui s'adresse l'Executive Master IA ?

Le programme s'adresse à des cadres expérimentés qui souhaitent anticiper les évolutions de leur métier et piloter des projets de transformation par l'IA, au sein de leur organisation ou dans une démarche entrepreneuriale. Il ne suppose aucun prérequis en programmation.

Format

100 % à distance

Durée

6 mois

Rythme

Lundi au jeudi, 13 h – 15 h

Diplôme

Master « Management de l'Innovation », RNCP niveau 7

Admission

Bac+5, ou Bac+4 et 5 ans d'expérience — VAP possible

Financement

Éligible CPF

Le parcours combine cours en direct — également disponibles en replay —, cas pratiques, travail collaboratif en binôme ou en groupe, et deux séances de coaching individuel par mois. Chaque bloc de compétences est validé par une étude de cas ; le diplôme est délivré après soutenance du projet fil rouge devant jury.

Le programme a été distingué par le « Prix de l'innovation » au classement Eduniversal 2026. Ses diplômés ont notamment lancé des assistants IA, des applications SaaS et des agents conversationnels au sein de leur entreprise ou en création d'activité.

Intéressé.e par notre Executive Master Intelligence Artificielle ?

La promotion de septembre 2026 est la première à suivre le parcours refondu. Une seconde entrée est proposée en février 2027.

Pour découvrir le programme détaillé, les modalités d'admission et les possibilités de financement, consultez la fiche complète de l'Executive Master Intelligence Artificielle pour les Managers Innovants, ou contactez directement l'équipe Executive Education de l'Institut Mines-Télécom Business School à l'adresse execed@imt-bs.eu ou au 01 60 76 41 11.