Compte-rendu du webinaire : Le mentorat inversé — pourquoi vous n'avez pas à vous débrouiller seul face à l'IA.

Ce webinaire explore comment le mentorat inversé peut aider les employeurs et les étudiants à aborder ensemble l’adoption de l’IA. Les intervenantes, Amanda Betts, vice-présidente du marketing chez Riipen, et Victoria Hefty, responsable de l’équipe « Réussite étudiante » chez Riipen, abordent la pression croissante à laquelle sont confrontées les entreprises pour adopter l’IA, l’écart entre les compétences des étudiants en matière d’IA et leur application concrète, ainsi que la manière dont le travail par projet peut répondre à ces besoins. Elles soulignent comment des projets clairement définis peuvent aider les employeurs à tester des idées, à faire progresser leurs priorités et à identifier les talents émergents, tout en offrant aux étudiants des opportunités concrètes de mettre en pratique leurs compétences, de renforcer leur confiance en eux et de se constituer un parcours professionnel solide.

Riipen a récemment organisé un webinaire très instructif intitulé « Le mentorat inversé : pourquoi vous n’avez pas à vous débrouiller seul face à l’IA », avec la participation d’Amanda Betts, vice-présidente du marketing chez Riipen, et de Victoria Hefty, responsable de l’équipe « Réussite étudiante » chez Riipen. Ensemble, elles ont abordé une question que de nombreux employeurs et étudiants se posent sans doute en ce moment : comment aller de l’avant avec l’IA alors que personne ne détient toutes les réponses ?

Plutôt que de considérer l'IA comme un enjeu que les organisations doivent résoudre seules, Amanda et Victoria se sont penchées sur la manière dont les employeurs et les étudiants peuvent mettre en commun leurs atouts respectifs. La session a abordé la pression croissante en faveur de l'adoption de l'IA, le décalage entre les compétences acquises dans le cadre de la formation et celles requises sur le marché du travail, ainsi que la manière dont des projets concrets peuvent ouvrir la voie à une avancée pratique pour les deux parties.

Voir l'enregistrement complet du webinaire :

La pression pour comprendre l'IA est bien réelle.

Le webinaire a débuté par une situation qui semblera sans doute familière à de nombreuses organisations : quelqu’un entre dans une réunion et demande : « Que faisons-nous en matière d’IA ? »

La question semble simple, mais la réponse l’est rarement. La plupart des équipes ne restent pas les bras croisés à attendre qu’une nouvelle initiative leur soit confiée. Elles gèrent déjà des clients, des échéances, des produits, des budgets et une longue liste de priorités. Même lorsque les équipes savent qu’il existe des opportunités d’utiliser l’IA, il peut être difficile de trouver le temps et la concentration nécessaires pour explorer ces opportunités de manière responsable.

Amanda et Victoria ont évoqué le dilemme entre la volonté d'aller vite et la nécessité de veiller à ce que l'IA soit utilisée de manière réellement utile, précise et responsable.

Les données présentées au cours de la session ont mis en évidence la pression qui pèse sur les employeurs pour qu’ils agissent. L’indice « Work Trend Index 2026 » de Microsoft, qui a interrogé 20 000 utilisateurs d’IA dans 10 pays, a révélé que 65 % d’entre eux craignaient de prendre du retard s’ils ne s’adaptaient pas rapidement. Parallèlement, 45 % ont déclaré se sentir plus en sécurité en se concentrant sur leurs objectifs actuels plutôt qu’en repensant leur travail avec l’IA, tandis que seuls 13 % ont indiqué avoir été récompensés pour avoir su se réinventer lorsque les premiers résultats n’avaient pas répondu aux attentes.

Les étudiants sont confrontés à un défi similaire. L'enquête mondiale 2026 du Digital Education Council, qui a recueilli plus de 27 000 réponses d'étudiants actifs, a révélé que seuls 15 % d'entre eux ont déclaré que l'IA était intégrée à leurs cours.

Une étude menée par Riipen a également révélé que plus de 76 % des employeurs accordent la priorité aux compétences en IA, tandis que 42 % n'avaient pas pris en compte les projets menés par des étudiants ni Riipen dans le cadre de leur stratégie en matière d'IA.

Pris dans leur ensemble, ces chiffres mettent en évidence une opportunité évidente. Les employeurs recherchent des compétences en IA, les étudiants les acquièrent, mais il n'existe pas toujours de passerelle concrète entre les deux.

Point clé : La pression pour adopter l'IA est bien réelle, mais les entreprises n'ont pas besoin d'avoir tout prévu avant de se lancer. Les projets concrets constituent un moyen pratique et moins risqué d'explorer les possibilités réelles de l'IA.

Repenser la question de savoir qui apporte l'expertise.

La conversation a ensuite porté sur l'un des principes fondamentaux du mentorat inversé : l'expertise ne provient pas toujours d'une seule personne ou d'un seul endroit.

On pense souvent que les projets liés à l'IA doivent être dirigés par un spécialiste chevronné de l'IA, un collaborateur technique ou un consultant externe. S'il existe certes des projets qui nécessitent ce niveau d'expertise, de nombreuses organisations commencent par se poser des questions bien plus concrètes.

L'IA pourrait-elle contribuer à améliorer un processus de travail ? Les retours clients peuvent-ils être analysés plus efficacement ? Existe-t-il un processus qui pourrait être rationalisé ? Une entreprise pourrait-elle tester un nouvel outil avant de réaliser un investissement plus important ?

Ce sont là des questions qui peuvent souvent donner lieu à des projets d'élèves bien définis.

Les employeurs apportent aux étudiants quelque chose qu’ils ne peuvent pas facilement reproduire en classe : le contexte professionnel, la connaissance des clients, les priorités de l’entreprise, les normes de qualité et la responsabilité de la décision finale. Les étudiants, quant à eux, apportent des compétences actuelles, de la curiosité, des perspectives nouvelles, des capacités de recherche et une expérience pratique des outils émergents.

C'est cette combinaison qui rend le mentorat inversé si précieux.

Comme l'a expliqué Amanda :

« La question que nous souhaitons aborder aujourd’hui n’est pas nécessairement de savoir qui en sait le plus sur l’IA. Il s’agit en réalité de déterminer comment une combinaison adéquate de compétences, de contexte et de discernement peut contribuer à résoudre un problème. »

Victoria a également évoqué ce que recherchent les étudiants. Ceux-ci savent peut-être utiliser l'IA pour la recherche, la programmation, la conception ou d'autres types de travaux, mais ils n'ont pas toujours l'occasion de mettre ces compétences en pratique pour résoudre un véritable problème professionnel ayant des conséquences concrètes.

« Ce que les élèves souhaitent vraiment, c’est avoir l’occasion de montrer qu’ils sont capables de comprendre un problème, d’assumer la responsabilité de leur contribution et de produire quelque chose qui a une portée bien plus grande que le cadre de la classe. »

Point clé : le mentorat inversé ne vise pas à faire des étudiants des « experts en IA ». Il s'agit plutôt de réunir des expertises variées afin que les employeurs et les étudiants puissent apprendre les uns des autres tout en menant à bien des projets porteurs de sens.

Transformer les compétences en IA en résultats concrets pour l'entreprise.

Les intervenants ont ensuite examiné ce qui se passe lorsque ces différents atouts se conjuguent autour de priorités commerciales concrètes.

Un projet étudiant bien défini peut aider un employeur à faire avancer des tâches qui figurent peut-être depuis des mois dans la feuille de route. Il peut s'agir d'une étude de marché qui n'a pas pu être réalisée faute de ressources, des retours clients à analyser, d'une fonctionnalité produit sans cesse reportée, ou encore d'un cas d'utilisation de l'IA qui doit être testé avant que l'entreprise n'y consacre davantage de moyens.

L'essentiel, c'est que ce travail soit concret.

Pour les employeurs, cela peut se traduire par l'obtention d'un résultat concret, la vérification d'une hypothèse, la réduction des incertitudes ou simplement l'acquisition d'informations supplémentaires avant de réaliser un investissement plus important.

Pour les élèves, cela leur apporte quelque chose d'aussi précieux : des preuves.

Au lieu de dire « Je sais utiliser l'IA », un étudiant peut expliquer le problème métier sur lequel il a travaillé, quelles étaient ses responsabilités, comment il a abordé ce défi, quels outils il a utilisés, comment il a validé son travail et ce que l'entreprise a pu faire grâce à ce résultat.

Le rapport « L'avenir de l'emploi 2025 » du Forum économique mondial a révélé que 63 % des employeurs interrogés considéraient les déficits de compétences comme un obstacle majeur à la transformation de leur entreprise. Le travail par projet permet de mettre ces compétences au service des besoins concrets de l'entreprise et offre aux employeurs l'occasion d'observer les talents émergents en situation réelle.

Victoria a insisté sur le fait que les étudiants devaient repartir avec un projet solide qui explique non seulement ce qu'ils ont fait, mais aussi pourquoi ils l'ont fait et quels changements cela a entraînés.

Point clé : les projets concrets permettent de mettre les compétences en pratique. Les employeurs bénéficient d'un travail concret et ont l'occasion d'observer les talents émergents en situation réelle, tandis que les étudiants acquièrent une expérience dont ils peuvent parler avec assurance en dehors de la salle de classe.

Un exemple concret : « My AI Pathway ».

Ce webinaire a illustré cette idée à travers l'expérience de My AI Pathway, une entreprise partenaire de Riipen, dirigée par son fondateur et PDG, Claudius Thomas.

My AI Pathway développe FRED, une place de marché basée sur l'IA qui met en relation les agriculteurs et les entrepreneurs du secteur agroalimentaire avec leurs clients. Plutôt que de créer des projets uniquement à des fins d'apprentissage, Claudius a transformé de véritables priorités commerciales en projets bien définis couvrant des domaines tels que l'étude de marché, les tests d'expérience utilisateur, le développement de produits, le déploiement sur mobile et le traitement des données liées à l'IA.

D'après les estimations de Claudius présentées lors du webinaire, le soutien apporté aux étudiants a permis à l'entreprise d'éviter de prendre environ deux ans de retard sur son calendrier de développement.

L'un des exemples les plus intéressants concernait la capacité de FRED à comprendre les différents noms et termes utilisés pour désigner les produits agricoles selon les communautés et les régions.

Au départ, l'entreprise a testé un service de traduction par IA à usage général, mais les résultats ont montré pourquoi le contexte humain est essentiel. Un exemple évoqué lors du webinaire concernait le terme « ewedu », qui aurait dû être identifié comme « feuilles de jute », mais qui a été traduit par « concombre ».

La technologie a fourni une réponse sans hésitation, mais ce n'était pas la bonne.

Cette distinction revêt une importance capitale lorsqu'on travaille avec l'IA. Un outil peut générer une réponse rapidement, mais il ne comprend pas nécessairement le contexte culturel, linguistique, client ou sectoriel qui sous-tend cette réponse.

My AI Pathway a mis en place un projet bien défini via Riipen et a collaboré avec les étudiants pour constituer l'ensemble de données nécessaire à la mise au point d'une fonctionnalité plus précise et tenant compte des dialectes. Claudius a apporté sa vision du produit, sa connaissance des clients, le contexte linguistique et sa compréhension de ce à quoi devait ressembler un résultat précis. Les étudiants ont quant à eux apporté les compétences techniques et le soutien ciblé nécessaires à la structuration et au test des données.

L'ensemble de données ainsi obtenu a servi de base à une fonctionnalité linguistique que l'entreprise était en train de développer.

Point clé : Les projets d'IA les plus performants allient technologie et contexte humain. Les étudiants peuvent apporter des compétences techniques précieuses et une vision novatrice, tandis que les employeurs fournissent les connaissances pratiques nécessaires pour déterminer si le travail est précis, pertinent et utile.

Une IA responsable commence par le jugement humain.

L'un des thèmes majeurs abordés tout au long du webinaire était que l'utilisation responsable de l'IA ne signifie pas pour autant qu'il faille l'utiliser partout.

L'objectif n'est pas d'intégrer l'IA simplement parce qu'elle est disponible. Il s'agit de comprendre dans quels cas elle peut réellement être utile — et de savoir quand il vaut mieux ne pas y recourir.

Claudius a résumé cette approche en une phrase simple mais percutante :

« J'encourage les élèves à utiliser l'IA, mais les travaux qu'ils présentent doivent être le fruit de leur propre travail. »

Le fait d'être propriétaire, ça compte.

Les étudiants doivent comprendre les sources sur lesquelles s'appuie leur travail, expliquer leur méthodologie, vérifier les résultats fournis par l'IA, identifier les limites et être capables de répondre aux questions concernant les choix qu'ils ont faits.

Amanda a également mis en avant une étude de Microsoft montrant que 86 % des utilisateurs d'IA interrogés considéraient les résultats fournis par l'IA comme un point de départ plutôt que comme une réponse définitive.

Ce principe s'applique directement au travail par projet. L'IA peut apporter son aide pour la recherche, l'analyse, le codage, la rédaction et d'autres tâches, mais les humains doivent toujours évaluer les résultats et assumer la responsabilité de ce qui est finalement livré.

Parfois, la décision la plus responsable peut même être de ne pas recourir à l'IA. Si les informations sont trop sensibles, si les résultats ne sont pas suffisamment fiables ou si une décision nécessite un jugement humain, il faut en tenir compte dans le cadre du processus.

Point clé : Une IA responsable ne consiste pas à maximiser son utilisation. Il s'agit plutôt de l'utiliser de manière réfléchie, de vérifier les résultats, d'en comprendre les limites et de veiller à ce que les personnes restent responsables du travail final.

Trouver le bon point de départ.

Les intervenants ont présenté trois approches concrètes que les employeurs peuvent envisager pour lancer un projet lié à l'IA : découvrir, tester et améliorer.

Au stade de l'analyse, une organisation peut avoir conscience qu'un processus est répétitif, inefficace ou source de frustration, mais ne sait pas forcément si l'IA est la solution adéquate. Un projet étudiant pourrait aider à cartographier ce processus, à étudier les approches existantes, à identifier des cas d'utilisation potentiels ou à déterminer si l'IA est réellement nécessaire.

Au stade des tests, une organisation peut avoir une idée plus précise. Les étudiants pourraient analyser les retours des clients, tester un processus de travail assisté par l'IA, comparer différents outils ou évaluer dans quels cas les résultats fournis par l'IA ne sont plus fiables.

Au stade de l'amélioration, une organisation utilise peut-être déjà l'IA et souhaite optimiser un système ou un processus existant. Les projets peuvent porter sur l'expérience utilisateur, l'assurance qualité, la gouvernance, les études de marché, l'intégration des processus ou d'autres domaines permettant de renforcer les initiatives déjà en cours.

Ce qu'il faut retenir, c'est que les projets liés à l'IA ne nécessitent pas forcément de recruter un ingénieur spécialisé en IA.

Les organisations ont également besoin de personnes capables de comprendre les utilisateurs, de mener des études, d'analyser les processus de travail, de communiquer leurs conclusions, d'identifier les problèmes et de déterminer quand un outil est réellement utile.

Pour les étudiants, Victoria a proposé une approche utile : au lieu de se demander « Ai-je suffisamment de compétences techniques pour travailler dans le domaine de l'IA ? », il vaut mieux se demander « Quelles compétences ce problème métier requiert-il, et comment puis-je y apporter ma contribution grâce à mes connaissances ? »

Pour les employeurs, la question est tout aussi concrète : plutôt que de se demander si l’entreprise est « suffisamment avancée » pour mener un projet d’IA, il faut se demander : « Sur quelle tâche précise un étudiant compétent pourrait-il nous aider à avancer ? »

Point à retenir : il n'est pas nécessaire d'avoir une stratégie parfaite en matière d'IA pour se lancer. Un problème métier clair et un projet bien défini peuvent suffire pour faire le premier pas.

Synthèse et ressources.

Le webinaire s'est conclu par un message simple : ni les employeurs ni les étudiants ne doivent se débrouiller seuls face à l'IA.

Un employeur bien préparé crée les conditions permettant aux étudiants d'apporter une contribution efficace en définissant clairement le problème, le résultat attendu, les livrables, les informations disponibles et les limites. Cela donne aux étudiants suffisamment d'orientations pour comprendre ce qu'est la réussite, tout en leur laissant la liberté de réfléchir, d'expérimenter et de s'approprier le projet.

Pour les étudiants, l'intérêt est de prendre conscience qu'ils n'ont pas besoin d'être déjà des experts en IA. Leurs compétences actuelles, leur curiosité, leur envie d'apprendre et leur capacité à prendre des responsabilités peuvent être tout aussi précieuses.

En fin de compte, le mentorat inversé crée une relation dont les deux parties ont tout à gagner. Les employeurs peuvent faire avancer des priorités stratégiques concrètes tout en se faisant une idée plus précise des talents émergents. Les étudiants ont quant à eux l'occasion de mettre leurs compétences au service d'un travail qui a du sens et de se forger un parcours professionnel fondé sur ce qu'ils ont réellement accompli.

Comme l'a résumé Victoria :

« Un employeur bien préparé crée les conditions permettant aux étudiants d'apporter une contribution efficace. Et un étudiant bien préparé transforme cette opportunité en un travail dont l'employeur peut réellement tirer parti. »

Vous souhaitez continuer à vous former ? Vous pouvez visionner l'enregistrement de ce webinaire et découvrir les webinaires Riipen précédents ici.

‍

A propos de l'auteure :

Bisola Ogamba occupe le poste de responsable sénior des programmes, de la communication et du contenu chez Riipen, où elle assure le soutien à la communication et au contenu des programmes tout en dirigeant les initiatives de l'organisation en matière d'événements et de partenariats. Elle se passionne pour la création d'expériences captivantes et de collaborations fructueuses qui permettent de rapprocher les apprenant.e.s, les formateur.trice.s, les employeur.euse.s et les partenaires de la mission de Riipen. Grâce à une communication stratégique, à des événements percutants et à des partenariats solides, Bisola contribue à mieux faire connaître les programmes de Riipen et à élargir l'accès aux opportunités d'apprentissage intégré au travail partout au Canada.