Le premier pas reste flou
La direction ou l’équipe perçoit un besoin, mais la littératie en IA commune ne suffit pas encore pour reconnaître et prioriser des cas d’usage pertinents.
Conseil IA hautes écoles Suisse
Conseil en IA pour hautes écoles et organisations proches de la recherche en Suisse
J’accompagne les hautes écoles suisses, les services de soutien à la recherche, les Grants Offices, les équipes de gestion de la recherche, les écoles doctorales et les programmes de compétences transversales, ainsi que les fondations, associations, sociétés savantes et organisations à but non lucratif, pour développer la littératie en IA et traduire un usage responsable de l’IA en pratiques concrètes.
Nous clarifions ensemble les usages pertinents, les compétences nécessaires et la prochaine étape adaptée : orientation, atelier, règles internes ou projet pilote limité.
Littératie en IA plutôt que discours technologique
Contexte suisse des hautes écoles et de la recherche
Prompting, assistants et bots avec architecture RAG
La responsabilité reste humaine
Situations de départ typiques : par où commencer ?
Les hautes écoles et les organisations proches de la recherche n’ont généralement pas besoin d’un outil supplémentaire en premier lieu. Elles doivent d’abord reconnaître les usages utiles, productifs et responsables dans leur propre contexte.
Une première clarification peut apporter des repères sans exiger d’emblée une stratégie complète ou un grand projet technologique.
Une orientation ou une formation est nécessaire
Les équipes de recherche, les doctorantes et doctorants, l’administration ou les organes de direction ont besoin de repères communs et d’exercices proches de leur pratique.
Les usages sont déjà dispersés
Différentes équipes utilisent plusieurs outils sans règles communes, responsabilités définies ni étapes de vérification.
Les données sont sensibles
Les données personnelles, documents internes, données de recherche ou demandes de financement exigent une clarification attentive avant tout usage.
Des questions récurrentes mobilisent les équipes
Les services de soutien à la recherche et les unités centrales répondent régulièrement à des questions similaires sur les procédures, règlements ou offres.
Les connaissances sont dispersées
Les informations sont réparties entre PDF, directives, sites et espaces internes, ce qui complique leur accès et leur mise à jour.
Pour quelles organisations et fonctions ?
De nombreuses questions liées à l’IA apparaissent dans des fonctions d’interface proches de la recherche, là où se rencontrent soutien à la recherche, logiques de financement, règles institutionnelles, gouvernance et mise en œuvre. La recherche sur les hautes écoles les décrit parfois comme un « Third Space » ; dans la pratique, des désignations concrètes comme services de soutien à la recherche, Grants Offices, gestion de la recherche, écoles doctorales, compétences transversales ou unités centrales proches de la recherche sont plus parlantes.
Hautes écoles suisses
Universités, hautes écoles spécialisées, hautes écoles pédagogiques, vice-rectorats, états-majors et unités centrales proches de la recherche.
Services de soutien à la recherche, gestion de la recherche et Grants Offices
Services qui accompagnent les appels, les demandes de financement, les budgets, les règlements, les informations confidentielles et le conseil aux chercheuses et chercheurs.
Écoles doctorales et compétences transversales
Programmes pour doctorantes, doctorants et postdocs, développement des carrières académiques et programmes de compétences transversales.
Fondations
Organisations de financement avec des besoins propres en matière de gestion des demandes de financement, reporting, connaissances de portefeuille et préparation des organes.
Associations, sociétés savantes et organisations à but non lucratif
Équipes disposant de ressources limitées, actives dans la communication, les demandes de financement, le travail de projet et l’organisation des connaissances.
Unités centrales proches de la recherche
Affaires internationales, gouvernance, communication scientifique, développement de la qualité et autres fonctions qui relient recherche, règles institutionnelles et mise en œuvre.
Pourquoi cette distinction est importante
Fondations
Les fondations abordent souvent l’IA du point de vue de l’octroi de financements : gestion des demandes de financement, reporting, connaissances de portefeuille, directives internes et préparation des organes.
Organisations à but non lucratif, associations et chercheuses/chercheurs
Ces acteurs utilisent plus souvent l’IA dans la perspective des demandes de financement, de la communication, du travail de projet, de l’organisation des connaissances et de ressources limitées.
Dans les deux cas, l’IA peut préparer, structurer et alléger certaines tâches. Le jugement professionnel et la responsabilité restent humains.
Démarche
Le conseil en IA comme démarche qui renforce l’autonomieDu besoin à la prochaine étape
Une bonne introduction de l’IA ne consiste pas à livrer une solution que personne ne pourra faire évoluer. L’IA peut améliorer le travail professionnel sans le rendre automatiquement plus simple : il faut cadrer les tâches, vérifier les résultats et assumer les décisions.
L’IA peut temporairement soutenir la réflexion, la structuration ou la rédaction, mais elle ne doit pas devenir une délégation permanente du jugement. Le parcours relie donc orientation, cas d’usage, atelier ou pilote et évaluation.
1
Clarifier
Objectifs, processus, publics, données, règles et compétences internes.
2
Prioriser
Quelques cas d’usage selon leur utilité, leur risque, leur faisabilité et leur adéquation.
3
Tester ou former
Un projet pilote délimité ou un atelier adapté aux rôles concernés.
4
Évaluer et ancrer
Examiner les résultats, documenter les responsabilités et décider de la suite.
Formats de conseil et de mise en œuvre
Selon la question, nous commençons par une orientation, développons les compétences dans un atelier ou testons un cas d’usage concret dans un projet pilote clairement délimité.
Littératie en IA et orientation
Nous examinons quel outil convient au contenu, à la tâche et au niveau de responsabilité. L’objectif est de renforcer la compréhension et la capacité de décision, pas de multiplier les outils.
Découverte et priorisation des cas d’usage
Nous partons des tâches réelles pour identifier quelques cas d’usage utiles, réalisables et suffisamment limités pour être testés de manière responsable.
Projets pilotes délimités et évaluables
Un projet pilote teste un objectif clair avec des publics, sources, rôles et critères d’évaluation définis. Son analyse permet de décider d’une adaptation, d’une extension ou d’un arrêt.
Ateliers de littératie en IA et de prompting
Ces ateliers ne sont pas de simples démonstrations. Les participantes et participants apprennent à cadrer une tâche, fournir le bon contexte, vérifier les résultats et utiliser l’IA de manière responsable.
Assistants IA et bots avec architecture RAG
Des règlements, procédures, FAQ et modèles de communication peuvent constituer une base de connaissances sélectionnée et structurée pour des assistants IA, chatbots ou voicebots avec architecture RAG. Des rôles clairs, des sources entretenues, une logique d’instructions système, des tests réalistes et des limites définies restent indispensables.
Chatbots, voicebots et assistants internes
Ces systèmes peuvent faciliter l’accès aux connaissances et répondre à des demandes récurrentes. Nous clarifions leur rôle, leurs sources, les voies d’escalade et les situations où une personne doit reprendre la main.
L’IA comme copilote, pas en pilotage automatique
Nous distinguons les tâches où l’IA peut assister utilement de celles où elle reprendrait trop de jugement ou de responsabilité. Cette distinction nourrit des règles compréhensibles pour les outils, les données, les tâches, les résultats et la vérification humaine.
Questions que nous clarifions ensemble
Nous partons de vos tâches et décisions réelles, pas d’une liste d’outils prédéfinie.
Quelles tâches se prêtent réellement à un usage pertinent de l’IA ?
Quels outils peuvent être utilisés avec quels contenus ?
Où l’IA joue-t-elle un rôle de copilote, et où reprendrait-elle trop de responsabilité ?
Quels cas d’usage sont suffisamment utiles et limités pour un projet pilote ?
Quelles règles faut-il pour les contenus publics, internes ou confidentiels ?
Comment développer la littératie en IA plutôt que formuler uniquement des interdictions ?
Quand un assistant simple suffit-il, et quand une architecture RAG est-elle utile ?
Comment soutenir les fonctions d’interface entre recherche, administration et gouvernance ?
Pas simplement « IA ou non » : quel usage est responsable ?
La pertinence d’un usage ne dépend pas uniquement de l’outil. Il faut examiner la combinaison concrète entre contenu × outil × tâche × résultat.
Un texte public, un procès-verbal interne et une demande de financement confidentielle nécessitent des décisions différentes, tout comme une recherche d’idées, une traduction ou une évaluation professionnelle.
Contenu : est-il public, interne, confidentiel, personnel ou sensible ?
Outil : où vont les données, quelles conditions s’appliquent et l’outil est-il adapté ou autorisé ?
Tâche : l’IA soutient-elle une étape ou reprend-elle une évaluation, une sélection ou une décision ?
Résultat : reste-t-il interne, sera-t-il publié ou influencera-t-il une décision ? Qui le vérifie ?
Les questions de protection des données, de confidentialité et d’intégrité scientifique ne se résolvent pas toujours par de simples règles oui/non. Il faut examiner le contenu, l’outil, la tâche, le résultat attendu et la personne chargée de la vérification. Le conseil aide à traduire les bonnes pratiques scientifiques, la transparence et la responsabilité en règles de travail concrètes.
Lorsque des exigences juridiques, de protection des données ou d’autorisation interne sont concernées, les services compétents de votre organisation doivent être associés.
Accéder à la grille IA pour une première orientationContextes de collaboration choisis
Sollberger AI Consulting collabore sur mandat avec des organisations du domaine suisse des hautes écoles et de la recherche.
Académie suisse des sciences humaines et sociales
Collaboration en cours sur mandat avec l’Académie suisse des sciences humaines et sociales.
Université de Berne
Collaboration en cours sur mandat, notamment dans le cadre du programme Transferable Skills.
Université de Fribourg
Mandat achevé avec le Service Promotion Recherche de l’Université de Fribourg.
Pourquoi Dr. Michael Sollberger
Dr. Michael Sollberger est le fondateur de Sollberger AI Consulting. Philosophe de formation et docteur en philosophie, il relie la réflexion analytique à une pratique concrète dans le secteur suisse de la formation, de la recherche et de l’innovation.
Il dispose de plus de dix ans d’expérience en gestion de la recherche. Son travail associe ateliers IA, présentations, introductions et conseil à la conception ou au choix de solutions IA adaptées à des tâches concrètes. Cela comprend des assistants IA spécialisés, des chatbots et des voicebots, ainsi que la clarification des scénarios d’usage, des limites, de la protection des données, de l’assurance qualité et de la responsabilité humaine.
En savoir plus dans le CVFAQ
Quel est un premier pas utile pour notre organisation ?
Un bon départ consiste à clarifier les objectifs, les tâches, les données, les règles existantes et les compétences internes. Nous pouvons ensuite déterminer si une orientation, un atelier, des règles minimales ou un projet pilote limité constitue la prochaine étape adaptée.
Faut-il déjà disposer d’une stratégie ou d’une charte IA complète ?
Non. Pour des premières étapes peu risquées, un cadre clair sur les objectifs, les outils et données admis, les responsabilités et la vérification humaine suffit souvent. Une stratégie plus complète peut se construire à partir de l’expérience acquise.
Peut-on saisir des données confidentielles ou des demandes de financement dans un outil d’IA ?
Cela dépend du contenu, de l’outil, de la tâche et du résultat attendu. Les informations publiques, documents internes, données personnelles et demandes confidentielles doivent être traités différemment. Avant tout usage, il faut clarifier l’outil, les informations réellement nécessaires, les règles internes et la personne qui vérifiera le résultat.
Quelle est la différence entre un assistant IA et l’architecture RAG ?
Un assistant IA, un chatbot ou un voicebot est l’interface de travail utilisée pour une tâche concrète : rechercher des informations, formuler, structurer ou répondre à des questions récurrentes. L’architecture RAG décrit plutôt ce qui se passe en arrière-plan. Elle permet à l’assistant de rechercher, si nécessaire, des informations dans une base de connaissances sélectionnée, structurée et tenue à jour, puis de les utiliser pour répondre. L’enjeu n’est donc pas l’architecture RAG comme mot-clé, mais la conception d’un assistant utile, avec des sources claires, des rôles, des limites, des tests et une responsabilité humaine.
Un projet pilote peut-il commencer sans grand projet informatique ?
Oui, si son objectif, ses publics, ses sources, ses rôles et ses critères de vérification sont clairement délimités. Un projet pilote sert à tester des hypothèses avant toute décision d’extension.
Quels ateliers conviennent aux équipes de recherche et aux doctorantes et doctorants ?
Les ateliers utiles développent la littératie en IA à partir de pratiques concrètes : prompting, travail avec les textes, vérification critique, sensibilité à la protection des données et usage responsable. L’objectif est de transférer ces compétences dans le travail quotidien, pas de présenter une série d’outils.
Les fondations et les organisations à but non lucratif ont-elles les mêmes besoins ?
Pas toujours. Les fondations abordent souvent l’IA du point de vue de l’octroi de financements, du reporting et des connaissances de portefeuille. Les associations et organisations à but non lucratif l’utilisent davantage pour les demandes de financement, la communication, le travail de projet et l’organisation des connaissances. Le jugement et la responsabilité restent humains dans les deux cas.
Comment commence une collaboration ?
Elle commence généralement par un premier entretien sans engagement. Cet échange permet de clarifier le besoin, les publics concernés, la situation des données, les projets pilotes possibles et un périmètre réaliste.
Introduire l’IA avec discernement, clarté et méthode
Si vous souhaitez examiner comment l’IA peut être utilisée de manière responsable dans votre haute école, votre service de recherche ou votre organisation, un premier entretien est une prochaine étape simple et utile.
Demander un premier échange