Pourquoi former avant d'outiller : ce que le modèle de Nelson & Phelps dit de la diffusion de l'IA

Le 10 juin 2026, la Defense Logistics Agency (DLA) a fait état d'une session de formation à l'intelligence artificielle organisée par sa division Energy Aerospace, basée à San Antonio. L'agence la présente comme « un nouveau standard de modernisation des effectifs à l'échelle de l'agence ». Rien, dans cette annonce, ne concerne un outil, un contrat logiciel ou un pilote technique : c'est un investissement en formation, point final.

La DLA Energy Aerospace n'est pas une entité technologique. Sa fonction est logistique : stocker, qualifier et acheminer le carburant aviation (JP-8 et dérivés) vers les bases de l'armée américaine et de ses alliés. C'est précisément ce profil — infrastructure physique, personnel opérationnel, culture non technophile — qui rend le cas instructif pour des secteurs comparables : aéronautique, O&G, énergie, industrie lourde.

L'économie de la croissance offre un cadre précis pour lire ce choix de séquence : le modèle de Nelson & Phelps (1966). Les deux économistes modélisent la vitesse à laquelle une organisation ou une économie referme l'écart entre la frontière technologique disponible et son niveau effectif d'implémentation. Leur résultat central : cette vitesse de rattrapage n'est pas déterminée par la distance à la frontière elle-même, mais par le stock de capital humain capable d'absorber et de mettre en œuvre la nouvelle technologie. Plus ce stock est élevé, plus l'écart se referme vite, quel que soit l'outil disponible.

Appliqué à l'IA d'entreprise, ce résultat déplace le diagnostic habituel. La question dominante dans les comités de direction est souvent « quel outil IA choisir, et à quelle vitesse la frontière technologique avance-t-elle ? ». Nelson & Phelps suggèrent une question différente, et plus actionnable : quel est le stock de capital humain — littératie IA, capacité de jugement sur les sorties d'un modèle, aptitude à redessiner un processus autour de l'outil — dont dispose l'organisation avant même de choisir l'outil ? C'est ce paramètre, et non le choix de fournisseur, qui gouverne la vitesse de diffusion réelle.

La séquence choisie par la DLA — former d'abord, sans annonce d'outil associée — revient à investir directement dans le paramètre qui, selon le modèle, détermine la vitesse de rattrapage. C'est l'inverse de la séquence la plus répandue dans le secteur privé, où le budget outil précède largement le budget formation, et où ce dernier n'intervient souvent qu'en réaction à des blocages d'adoption déjà constatés sur le terrain.

Pour les directions industrielles, l'implication est concrète : un budget IA alloué à 90 % à des licences logicielles et 10 % à la formation ne referme pas l'écart de diffusion plus vite qu'un outil plus modeste accompagné d'un investissement en capital humain substantiel — le modèle prédit l'inverse. L'outil fixe la position de la frontière ; la formation fixe la vitesse à laquelle l'organisation s'en rapproche.

Une réserve s'impose : le modèle de Nelson & Phelps a été conçu à l'échelle macroéconomique, pour expliquer les écarts de croissance entre pays selon leur niveau d'éducation, non pour un cas d'entreprise ou d'agence isolée. Son application ici relève de l'analogie, utile pour structurer la décision budgétaire, mais elle ne remplace pas une mesure directe — encore rare — du retour sur investissement d'un programme de formation IA interne.

Le cas DLA reste, à ce stade, un signal plutôt qu'une preuve statistique : une agence logistique, sans vocation technologique, a choisi de rendre visible son investissement en formation avant tout achat d'outil. Pour des organisations industrielles qui arbitrent chaque trimestre entre licences IA et budgets de formation, ce choix de séquence mérite d'être examiné pour ce qu'il révèle d'une priorité rarement assumée aussi explicitement.