Les transformations déclenchées par l’intelligence artificielle se lisent aujourd’hui au travers de chiffres nets et d’évolutions qui redéfinissent les pratiques professionnelles, les modèles opérationnels et les cadres de décision. Cet article, rédigé avec une objective claire: décrypter deux années de bascule majeure, s’appuie sur des résultats récents et des cas concrets issus du monde numérique et de l’entreprise. Les tendances décrites ici ne concernent pas seulement les technologies en soi; elles dévoilent aussi les mécanismes par lesquels les organisations orchestrent une transformation numérique plus rapide, influencent l’organisation du travail et reconfigurent les compétences requises. Au cœur de ce récit, l’intelligence artificielle n’est pas une promesse abstraite, mais une ressource tangible qui s’intègre, se teste et, surtout, se mesure. Les données ne sont pas de simples chiffres: elles incarnent des choix stratégiques, des investissements et des risques maîtrisés, ou non, selon les contextes. Dans ce cadre, les chiffres clés servent de boussole pour anticiper les défis, piloter l’innovation et calibrer les futurs développements. Le lecteur découvrira dans les sections suivantes des analyses croisées entre adoption, perception, usages, formation et risques, afin d’articuler une vision claire des trajectoires possibles pour 2026 et au-delà.
Dans une période où l’innovation technologique devient un élément de compétitivité fondamentale, il est crucial de relier les chiffres à des pratiques concrètes. L’intelligence artificielle ne se résume pas à des algorithmes ou à des outils isolés: elle agit comme un levier qui transforme les processus, accélère l’efficacité opérationnelle et transforme les métiers. La capacité à exploiter les données et l’apprentissage automatique pour automatiser des tâches, optimiser des flux et soutenir la prise de décision conditionne les stratégies de transformation numérique des entreprises et des institutions publiques. À travers les sections qui suivent, l’objectif est de proposer une grille d’interprétation, mêlant chiffres, exemples, risques et opportunités, afin d’offrir une compréhension opérationnelle et pragmatique des grandes orientations de l’IA en 2026 et ses perspectives à court et moyen terme.
Adoption généralisée de l’intelligence artificielle en 2026 : une dynamique qui restructure les organisations
Le premier constat, sans équivoque, porte sur l’ampleur de l’adoption. En 2026, près de 95 % des professionnels du numérique déclarent utiliser au moins un outil d’IA générative. Cette progression impressionnante, mesurée sur deux années, traduit une mutation profonde du paysage professionnel: l’IA n’est plus une option ou une expérimentation, elle est devenue un élément constitutif des pratiques quotidiennes. Cette réalité ne laisse pas de place au doute: les organisations qui réussissent ne se contentent pas d’expérimentations ponctuelles; elles intègrent des mécanismes d’IA dans les processus métier, les chaînes de valeur et les cycles de décision. Le recours à l’IA se diffuse à la fois dans le marketing digital, la gestion de projet, la rédaction, le design et la programmation, et touche aussi des domaines qui paraissaient moins évidents autrefois, comme l’assistance à la stratégie, l’audit interne ou la planification budgétaire.
Ce niveau d’adoption soulève des questions cruciales sur la gouvernance et l’organisation du travail. Les entreprises qui réussissent l’intégration réussissent à définir des cadres clairs autour de l’usage responsable de l’IA, des normes de qualité des données et des mécanismes de contrôle éthique. Un aspect clé est la gestion des données: les entreprises doivent assurer la traçabilité, la sécurisation et la gouvernance des jeux de données utilisés pour l’entrainement et l’exploitation des modèles. Cette dimension, souvent sous-estimée, est le socle sur lequel repose la confiance opérationnelle et la capacité à mesurer les bénéfices réels de l’automatisation et des algorithmes. De plus, l’intégration d’outils IA ne se fait pas sans coûts: il s’agit d’un investissement en infrastructure, en formation et en ressources humaines qui doit être calibré en fonction des objectifs et des risques identifiés. Dans cet esprit, les organisations se tournent de plus en plus vers des solutions hybrides et des approches modularisées qui permettent d’obtenir des résultats rapides tout en garantissant une évolutivité et une sécurité adaptées.
Les exemples concrets abondent: l’automatisation des process métier, l’assistance à la rédaction et à la création de contenus, l’analyse prédictive des comportements clients, la modélisation financière assistée par IA, ou encore l’optimisation des campagnes marketing via des algorithmes d’optimisation. Cette tendance est renforcée par une économie des données qui devient plus mature: les entreprises ne se contentent plus de disposer de données, elles les exploitent de manière systématique pour générer des insights actionnables et alimenter les décisions stratégiques. Le chapitre XI de cette révolution reste néanmoins la qualité des données et la capacité à éviter les biais, car les résultats dépendent directement de la fiabilité des entrées. Enfin, l’adoption massive s’accompagne d’un besoin accru de compétences internes et externes: la formation continue devient une condition de réussite et un facteur de compétitivité pour les organisations qui veulent tirer pleinement parti des potentialités offertes par l’intelligence artificielle et l’apprentissage automatique.
Pour accéder à des synthèses et statistiques complémentaires sur ces tendances, il est utile de consulter des sources spécialisées qui analysent les évolutions récentes et leur impact sur les organisations. Par exemple, des ressources telles que Chiffres clés IA 2026 présentent une photographie consolidée des usages et des dynamiques du secteur, tandis que d’autres analyses cross-domaines offrent des perspectives sur l’intégration transversale de l’IA dans les pratiques managériales et opérationnelles. Les chiffres parlent d’eux-mêmes: l’adoption est devenue une condition de compétitivité et une attente explicite des équipes. Dans ce contexte, la capacité à déployer rapidement des solutions IA, à mesurer leur efficacité et à adapter les processus s’impose comme une compétence clé des organisations qui veulent rester pertinentes dans un paysage technologique en mutation rapide.
Constat pédagogique : l’adoption généralisée ne doit pas masquer les défis opérationnels et éthiques. La réussite dépend d’un cadre robuste de gestion des données, d’une gouvernance claire et d’un investissement soutenu dans les compétences humaines et techniques. Les entreprises qui réussissent à harmoniser ces dimensions transforment l’IA en un levier de performance durable et en un élément central de leur proposition de valeur. Cette dynamique sera sans doute accentuée par les futures évolutions et les nouveaux cas d’usage qui émergent avec les avancées en matière d’automatisation et d’innovation technologique.
Évolutions des usages et intégration dans les métiers
La réalité de 2026 se lit aussi dans la variété des usages adoptés. L’IA est en train de devenir une compétence transversale, permettant d’automatiser des tâches répétitives tout en libérant du temps pour des activités à plus forte valeur ajoutée. Dans le secteur du marketing, par exemple, les outils génératifs facilitent la création de contenu, l’optimisation des messages et l’analyse de performances; dans le domaine des ressources humaines, ils accompagnent le recrutement et l’évaluation des compétences. En développement logiciel, les assistants de codage et les outils de génération de code jouent un rôle de plus en plus central, réduisant les délais de livraison et améliorant la qualité du code généré par les équipes techniques. Cette diversité d’usages illustre une évolution majeure: loin d’être un simple ajout, l’IA devient un catalyseur de réingénierie des processus et de réallocation des ressources, où le savoir-faire humain se concentre sur les décisions à forte spécificité et la conception stratégique.
Pour illustrer les tendances, les outils d’IA générative les plus populaires ont vu leur paysage s’élargir, diminuant le monopole historique de certaines plateformes et autorisant une coexistence de solutions spécialisées et généralistes. Cette évolution est bénéfique pour l’innovation, car elle stimule la compétition et pousse les fournisseurs à améliorer la sécurité, l’évolutivité et l’intégration des systèmes. Le contexte 2026 montre aussi que les entreprises investissent davantage dans la surveillance des risques et dans la mise en place de cadres normatifs pour l’usage responsable, afin d’éviter les dérives et les risques potentiels liés à la génération de contenus, à la manipulation de données et à l’automatisation des décisions.
Pour approfondir, statistiques publiques et analyses macroéconomiques offrent des repères complémentaires sur l’impact économique et la transformation numérique, en mettant l’accent sur les effets structurels et les dynamiques sectorielles. Les chiffres ne sont utiles que s’ils éclairent l’action: dans ce sens, les tableaux et les graphiques qui accompagnent les rapports aident à situer les résultats dans un cadre opérationnel et stratégique.
- Adoption généralisée et maturité des pratiques
- Évolution des outils et diversification des options
- Prise en compte des risques et formalisation des cadres éthiques
| Critère | 2024 | 2025 | 2026 |
|---|---|---|---|
| Proportion d’utilisateurs IA | 85,5% | 89% | 95,4% |
| ChatGPT comme outil principal | 88,6% | 67,8% | 67,8% |
| Claude adoption | absent | 18,3% | 51,2% |
| Formation auto-initiée | 55,6% | ~ | 55,6% |
Pour approfondir les chiffres et les interprétations, consulter les ressources comme Chiffres clés Intelligence Artificielle et L’IA en 2025: tendances et chiffres clés permet d’élargir le cadre analytique et d’ajouter des nuances autour du rôle des data et des algorithmes dans la performance des organisations.
Perception de l’impact et prudence accrue face à l’IA en milieu professionnel
Le deuxième grand chapitre des chiffres 2026 concerne l’impact perçu de l’IA sur le travail lui-même. Alors que l’adoption était en croissance rapide, l’évaluation qualitative a évolué différemment: la part des professionnels jugeant l’impact positif a légèrement décliné, passant à 55,9 % en 2026 après des niveaux autour de 65 % les années précédentes. Cette stabilité, mais avec une tendance baissière, peut sembler paradoxale: elle reflète la complexité croissante des usages et l’apparition de limites qui n’étaient pas encore présentes lors des premières phases d’implémentation. Les raisons sont plurielles et méritent une lecture fine. D’une part, l’usage intensif d’outils IA met en exergue des défis techniques et organisationnels, tels que la gestion de la confidentialité des données et le besoin de validations humaines pour les résultats sensibles. D’autre part, l’élargissement des cas d’usage expose à des biais et à des scénarios d’utilisation non anticipés qui obligent à repenser les mécanismes de contrôle et les seuils de confiance.
Les chiffres révèlent aussi une pression croissante sur les équipes quant à l’équilibre entre efficacité et éthique. Une part croissante des professionnels identifie des risques et des effets indésirables: la proportion de réponses négatives a augmenté, passant de 15,6 % à 24,9 % sur deux ans. Cette dynamique n’est pas nécessairement synonyme de désintérêt, mais plutôt d’un regard plus prudent sur les résultats générés par des systèmes d’IA qui apprennent et s’adaptent. Dans ce contexte, les organisations s’efforcent d’établir des mécanismes de supervision et de contrôle qui permettent d’expliquer et de justifier les décisions prises par les IA. L’attention se porte aussi sur l’impact sur les compétences et les métiers, avec des besoins croissants de formation et de requalification pour accompagner ces transformations et garantir que les talents restent au cœur des processus d’innovation.
Pour ancrer les chiffres dans une réalité opérationnelle, l’étude met en évidence l’évolution marquée des attentes concernant l’importance de la formation et du développement des compétences, avec une tendance à privilégier les approches combinées: formation interne, accompagnement par les équipes, et participation à des programmes externes. Cette approche hybride est le gage d’adoption durable et d’amélioration continue des pratiques. En parallèle, l’analyse des risques montre que les professionnels s’accordent sur le fait que la perte d’esprit critique constitue un risque majeur, en hausse continue, et devient le facteur le plus cité parmi les risques identifiés. Cette préoccupation souligne la nécessité de renforcer l’éducation et les pratiques autour de l’évaluation des résultats générés par les systèmes IA, afin d’éviter l’automatisation aveugle et de maintenir une responsabilité humaine claire dans les décisions critiques.
Pour approfondir les considérations de risques et de perception, une source utile est Bilan IA 2025: tendances et chiffres clés, qui offre des analyses comparatives et des scénarios d’évolution. D’autres ressources sur la gestion des risques et la sécurité de l’information dans le cadre des projets IA peuvent être consultées auprès de IA et vérité au travail et des protocoles de conformité pour les usages professionnels.
La diversification des outils et la compétitivité du marché
La diminution relative de la part de ChatGPT comme outil principal, couplée à la montée en puissance d’Anthropic Claude et de Claude Code, illustre une transition majeure du paysage des outils d’intelligence artificielle. Cette diversification offre aux organisations une plus grande latitude pour aligner les outils sur des besoins spécifiques et des exigences de sécurité. Claude a connu une progression spectaculaire en 2026, passant de 18,3 % à 51,2 % d’adoption, ce qui indique une attractivité croissante pour les solutions alternatives et les environnements qui privilégient certaines architectures ou pratiques de sécurité. Du côté du développement logiciel, Claude Code atteint des niveaux d’usage parmi les développeurs qui rivalisent avec les solutions grand public, ce qui signale une accélération de l’intégration des assistants de code génératif dans les pipelines de développement. Cette dynamique met en évidence la capacité des acteurs à répondre à des besoins techniques précis et à proposer des propositions de valeur différenciées, en combinant sécurité, productivité et flexibilité.
Pour les responsables informatiques et les directions générales, l’enjeu est clair: orchestrer une mosaïque d’outils IA qui maximise les bénéfices tout en maîtrisant les risques. Cela implique de structurer des politiques internes pour le choix des outils, la gestion des accès, la surveillance des résultats et la conformité réglementaire. Dans ce cadre, l’achat d’outils IA n’est plus une simple dépense: il s’agit d’un investissement stratégique qui nécessite une évaluation rigoureuse du coût total de possession et de l’impact sur les performances des équipes. Enfin, l’influence des outils IA sur les métiers et les compétences pousse les organisations à repenser les plans de formation et les parcours professionnels, afin que les talents puissent tirer pleinement parti des capacités offertes par ces technologies et contribuer à l’innovation continue.
Pour enrichir ce chapitre, il convient d’explorer les dynamiques de formation et d’apprentissage liées à l’IA. Deux axes se dégagent: l’auto-formation et la formation organisée par l’employeur. Des statistiques récentes indiquent que plus de la moitié des professionnels se forment de manière autonome, tandis qu’une minorité bénéficie d’un accompagnement structuré. Cette réalité appelle à repenser les dispositifs de formation et à favoriser des partenariats entre les entreprises, les prestataires et les communautés professionnelles. Dans les sections qui suivent, l’angle sera porté sur la formation et les apprentissages, afin de comprendre comment les organisations peuvent soutenir et accélérer le développement des compétences liées à l’IA et à l’automatisation.
Pour élargir le champ d’analyse, les données sur la formation et les risques peuvent être croisées avec les idées présentées dans Data et IA: 10 ans de transformations et défis, qui met en lumière les défis et les opportunités sur le long terme liés à la transformation numérique et à l’apprentissage automatique dans les organisations. Cette perspective enrichit la compréhension des enjeux et permet d’apprécier les trajectoires possibles pour les années à venir.
Formation et montée en compétences dans l’ère de l’IA : de l’initiative individuelle à l’accompagnement institutionnel
La dynamique de formation autour de l’IA est riche et difficile à résumer par une simple statistique. À l’échelle des organisations, la montée en compétences est devenue une priorité stratégique, non seulement pour garantir l’efficacité opérationnelle, mais aussi pour préserver la sécurité et l’éthique dans l’utilisation des systèmes d’intelligence artificielle. Les chiffres observés en 2026 montrent que la formation est majoritairement portée par l’initiative individuelle des professionnels: environ 56 % des répondants déclarent se former par eux-mêmes, alors que près d’un tiers bénéficie d’un dispositif de formation organisé ou financé par l’employeur. Cette répartition signale une double réalité: d’un côté, une proactivité élevée des professionnels qui cherchent à actualiser leurs compétences de manière autonome; de l’autre, une attente forte vis-à-vis des entreprises pour structurer des parcours clairs et accessibles. Dans ce contexte, les organisations qui veulent rester à la pointe doivent créer des environnements d’apprentissage qui encouragent l’expérimentation, la curiosité et l’échange de connaissances, tout en garantissant que les compétences acquises soient transférables et alignées sur les objectifs stratégiques.
Les parcours de formation autour de l’IA doivent être conçus pour répondre à des besoins concrets et mesurables. Cela implique une combinaison de modules théoriques sur les fondements de l’IA et de sessions pratiques axées sur l’application dans les métiers. Les formations orientées “cas d’usage” permettent aux professionnels de voir rapidement les bénéfices potentiels: amélioration de l’efficacité opérationnelle, réduction des temps de traitement, amélioration de la qualité des livrables, et meilleure connaissance des risques et des biais potentiels. L’objectif est de créer une culture d’apprentissage continu, dans laquelle les échecs et les erreurs deviennent des occasions d’apprentissage et d’amélioration. Pour les entreprises, cela signifie aussi de développer des mécanismes d’évaluation et de suivi des compétences, afin de garantir une progression mesurable et une adaptation constante face à l’évolution rapide des technologies et des méthodes.
Au-delà des formations formelles, l’apprentissage informel et communautaire constitue une composante essentielle. Les échanges entre pairs, les ateliers pratiques et les projets collaboratifs favorisent la diffusion des bonnes pratiques et la diffusion d’expériences réussies ou non, ce qui accélère la diffusion des connaissances. Dans ce cadre, la montée en compétences ne peut se limiter à des sessions isolées: elle nécessite des parcours permanents et un accompagnement soutenu par les managers et les responsables RH. L’objectif est d’assurer que chaque professionnel puisse non seulement utiliser les outils IA, mais aussi comprendre les mécanismes sous-jacents, les limites et les risques potentiels.
Pour suivre les tendances et les bonnes pratiques en matière de formation à l’IA, plusieurs ressources spécialisées proposent des cadres, des plans et des outils, comme Formations IA Professionnel, qui détaillent les modules essentiels et les méthodes d’évaluation des compétences. Par ailleurs, les cas d’entreprise et les retours d’expérience publiés par des acteurs de référence dans le domaine illustrent comment les organisations ont réussi à mettre en œuvre des programmes d’apprentissage efficaces et durables.
- Établir des parcours hybrides combiant théorie et pratique
- Favoriser l’apprentissage par projets et par pairs
- Mettre en place une gouvernance de l’apprentissage alignée sur les objectifs stratégiques
- Mesurer les résultats et ajuster les formations en continu
- Intégrer les dimensions éthique et sécurité dans chaque module
Pour compléter le cadre, les chiffres et les analyses disponibles en ligne, comme OpenAI Academy et initiations IA, offrent des idées sur les formats, les niveaux et les contenus qui fonctionnent le mieux dans des organisations variées. Ces ressources aident à construire une approche cohérente et efficace de la montée en compétences autour de l’intelligence artificielle et à anticiper les futures évolutions du secteur.
La formation demeure un investissement central dans la réussite des projets IA. Les entreprises qui s’engagent durablement dans l’accompagnement des talents, qui privilégient l’apprentissage continu et qui instaurent des mécanismes de gouvernance clairs autour de l’usage des IA, tirent parti des gains de productivité et de qualité tout en réduisant les risques. L’avenir de l’IA dépend largement de la capacité des organisations à transformer les connaissances en pratiques pérennes et à faire des professionnels les acteurs d’une innovation responsable et efficace.
Risques, vigilance et éthique: les limites qui guident l’usage de l’IA
Le dernier chapitre, mais non le moindre, porte sur les risques perçus et réels autour de l’intelligence artificielle dans les organisations. Les 10 points clés soulignent qu’une part croissante des professionnels identifie au moins un risque lié à l’IA, passant de 83,4 % en 2024 à 89,5 % en 2026. Cette évolution reflète une maturité accrue et une compréhension plus nuancée des effets potentiels des systèmes d’IA sur les processus, les données et la sphère éthique. La prudence grandit alors que l’usage se généralise: il ne s’agit plus seulement d’optimiser des performances, mais aussi de protéger les individus, les données, et l’intégrité des décisions prises par des algorithmes ou des agents génératifs. Dans ce cadre, l’enjeu est double: d’une part, amplifier les bénéfices tout en minimisant les risques; d’autre part, préserver l’esprit critique et les garde-fous humains qui restent indispensables lorsque les systèmes peuvent produire des résultats surprenants ou trompeurs.
La perte d’esprit critique est identifiée comme le risque le plus cité en 2026, avec près de 48 % des répondants qui la lient à l’utilisation de l’IA. Cette statistique met en lumière un paradoxe: plus l’IA devient présente dans les tâches quotidiennes, plus le besoin de raisonnement et de vérification humaine s’impose. La sécurité des données, les enjeux de confidentialité et les risques liés à l’automatisation des décisions constituent d’autres domaines sensibles, qui exigent des cadres de conformité et des mécanismes de supervision rigoureux. Face à ces défis, les organisations adoptent des politiques internes destinées à encadrer l’usage des outils IA, à clarifier les responsabilités et à instaurer des processus transparents pour le contrôle et la vérification des résultats générés par les systèmes d’intelligence artificielle.
Au-delà des aspects techniques et opérationnels, l’impact social et organisationnel mérite une attention soutenue. L’IA peut transformer les dynamiques de travail, les rapports entre les équipes et les chaînes de valeur, mais cette transformation doit être accompagnée d’un cadre éthique robuste et d’un engagement clair en matière de protection des droits et des libertés des individus. Cette dimension éthique est devenue un élément central des discussions autour des futurs développements et des stratégies d’investissement dans le domaine de l’IA. Pour aller plus loin dans la compréhension des risques et des pratiques de gestion associées, des ressources comme Intelligence artificielle 2025 et Statistiques IA et Intelligence artificielle fournissent des cadres analytiques, des cas d’usage et des recommandations pratiques pour les entreprises qui veulent naviguer dans ce paysage en mutation rapide.
Pour résumer, la gestion des risques autour de l’IA nécessite une articulation entre adoption, formation et gouvernance. Les organisations qui réussissent à combiner ces éléments, en veillant à préserver l’esprit critique et à assurer la sécurité des données, seront les mieux placées pour tirer pleinement parti des potentialités offertes par l’IA et pour transformer les défis en opportunités d’innovation durable.
Enfin, pour éclairer les enjeux et les perspectives de manière plus large, la référence publique et les analyses sectorielles disponibles sur statistiques économiques et transformation numérique permettent d’intégrer l’IA dans une vision macroéconomique et sociétale. Cette approche globale facilite la compréhension des enjeux et des bénéfices potentiels, tout en aidant à anticiper les futures évolutions et les domaines d’investissement prioritaires autour de l’intelligence artificielle et des technologies émergentes.
Focalisation pratique : le cadre proposé par les chiffres et les analyses ci-dessus permet de tracer des trajectoires claires pour les organisations souhaitant capitaliser sur l’IA tout en maîtrisant les risques. L’objectif demeure de convertir les chiffres en actions concrètes et mesurables.
Conclusion opérationnelle et perspectives
Les chiffres de 2026 racontent une histoire de maturation, de diversification et de prudence accrue. L’IA est désormais une composante centrale des chaînes de valeur et des pratiques managériales. L’enjeu consiste à conjuguer adoption rapide et gestion rigoureuse des risques, pour que les bénéfices économiques et organisationnels se fassent durablement ressentir. Des outils comme IA en entreprise: interdiction ou stratégie? et des analyses prospectives montrent que les prochaines années seront marquées par une intensification des pratiques d’intégration, des cadres éthiques renforcés et des innovations qui s’appuieront sur l’empreinte des données et des algorithmes dans les organisations.
Pour conclure de manière nuancée, la transformation numérique guidée par l’intelligence artificielle ne peut réussir sans une approche équilibrée qui associe performance opérationnelle, éthique et développement des compétences. Les chiffres en 2026 indiquent la voie, mais c’est dans l’action et dans l’apprentissage continu que la prochaine phase de croissance véritable pourra s’inscrire. La route est tracée: elle passe par la collaboration, l’innovation et une gestion proactive des risques – afin que les futures évolutions profitent à l’ensemble des parties prenantes et renforcent le rôle de l’IA comme levier de progrès, plutôt que comme source d’incertitude.
Ressources complémentaires : Adobe et IA: création assistée et Questions RH et équité salariale à l’ère IA complètent utilement ce panorama pour ceux qui souhaitent approfondir les aspects humains et organisationnels de la transformation.
Qu’est-ce qui explique l’adoption quasi universelle de l’IA en 2026 ?
Les usages se diversifient et les bénéfices en termes de productivité et d’efficacité se matérialisent rapidement. Les cadres de gouvernance et les investissements dans les données et les compétences humaines jouent aussi un rôle clé pour soutenir cette adoption à grande échelle.
Comment gérer les risques lorsque l’IA est partout dans l’organisation ?
Mettre en place une supervision robuste, des mécanismes de traçabilité des données, des contrôles de qualité et une formation continue centrée sur l’éthique et la vérification humaine. L’esprit critique demeure un facteur de sécurité indispensable.
Quels axes privilégier pour former les équipes à l’IA ?
Combiner des modules pratiques axés sur les cas d’usage, des parcours hybrides et des programmes de mentorat, tout en renforçant l’éthique et la sécurité des données au cœur des curricula.
