Les organisations savent que la métacognition est la compétence-clé pour travailler avec l'IA. Pourtant leurs dispositifs de formation l'empêchent de se développer — et l'IA elle-même peut aggraver le déficit qu'elle est censée révéler.
Dans la plupart des debriefs, les praticiens ne résistent pas aux étapes du cycle de Gibbs — ils ne les distinguent pas. C'est le format qui les rend invisibles, pas la mauvaise volonté. Et c'est le format qu'il faut changer.
Un check-in hebdomadaire peut être un tour de table inutile ou la décision la plus structurante de la semaine. La différence ne tient pas à sa fréquence, mais à ce qu'il contient — et à ce que les équipes peuvent y dire.
L'IA améliore chaque collaborateur pris isolément — mais quand tous utilisent le même outil de la même manière, la diversité collective chute. Ce n'est pas une fatalité de l'outil : c'est une conséquence du mode d'usage.
La répétition espacée produit des effets de rétention documentés sur les individus. Ces effets disparaissent dans les organisations. Ce n'est pas un problème de connaissance — c'est un problème de design.
1 salarié sur 2 ne sait pas ce qu'on attend de lui. Pointer le management du doigt est juste — mais insuffisant : avant que le manager puisse porter la clarté, encore faut-il qu'il y ait quelque chose à porter.
Tout le monde sait qu'il vaut mieux garder le contrôle quand on travaille avec l'IA. Mais maintenir cette vigilance critique coûte — et sans cadre organisationnel, la plupart des collaborateurs dérivent vers l'autopilote non par choix, mais par épuisement.
Exposer un novice aux mêmes situations qu'un expert est nécessaire — mais pas suffisant. Ce qui distingue l'apprentissage qui construit les bons schémas de celui qui consolide les mauvais, c'est la qualité de la médiation dans la situation.
Le dialogue bidirectionnel est présenté comme la solution à l'alignement stratégique. Mais un feedback mal cadré produit du consensus mou, pas de l'alignement. Ce qui fait la différence, c'est le protocole — pas la volonté de dialoguer.
L'IA rend les résultats des juniors et des experts difficiles à distinguer dans les situations courantes. Mais cette convergence masque une asymétrie d'exposition au risque que les organisations ne savent pas encore mesurer.