> ## Content Index > Fetch the complete content index at: https://www.atawak.com/llms.txt > Use this file to discover other available public pages before exploring further. # La fabrique : couches, workflows, stratégie - URL: https://www.atawak.com/la-fabrique-couches-workflows-strategie/ - Published: 2026-06-02T05:15:48.000Z - Updated: 2026-06-03T08:21:21.000Z - Description: La première vague d'IA en formation passe par la production de contenus. Mais pour que ça reste pilotable, il faut clarifier les couches : assets, outils auteurs historiques, outils IA natifs, LMS/LCMS. Sans cette distinction, impossible de définir une stratégie d'usage cohérente. - Author: Yann Bonizec - Tags: Article, Media, IA, L&D, Digital learning, Learning design, IA en formatin, LIFOW, Formation professionnelle La première vague d’IA en formation est passée par **la fabrique** : produire des contenus, des visuels, des voix, des supports, puis des modules entiers. Les premiers usages documentés de la GenAI en éducation et en L&D portent massivement sur la création de ressources et de matériels pédagogiques, bien avant les architectures agentiques plus avancées. Pour que cela reste pilotable, je me concentre ici sur **quatre couches directement accessibles au concepteur** dans *la fabrique*. Je traiterai ***la Soute***, c’est-à-dire les questions de diffusion, d’animation et de pilotage, dans un autre épisode. 1. **Assets** : des IA dédiées pour produire des briques réutilisables, textes, visuels, voix, vidéos, scripts, qui vivent dans un espace de référence, avec des règles de nommage, de stockage et de mise à jour. 2. **Outils auteurs historiques** : un workflow d’assemblage écran par écran, avec ou sans IA embarquée. L’IA, quand elle est présente, accélère certaines étapes, mais ne change pas fondamentalement la logique de construction du module. 3. **Outils auteurs IA natifs** : un workflow génératif qui part d’un prompt ou d’un corpus pour produire une structure complète de module ou d’activités. Ici, l’IA génère un premier jet structuré et le rôle du concepteur se déplace davantage vers l’édition, la correction et la personnalisation. 4. **LMS / LCMS** : des plateformes qui peuvent intégrer des fonctions d’IA pour recommander, adapter ou parfois générer du contenu, mais qui ne doivent pas devenir, à elles seules, le centre de la fabrique si l’on veut garder une maîtrise des versions et du cycle de vie des contenus. La difficulté, à mes yeux, n’est pas tant de choisir “le meilleur outil” que de décider **à quel niveau on fait quoi**. Si chaque équipe commence à générer du contenu à tous les étages, dans l’outil auteur, dans le LMS, dans des outils génératifs, dans des agents, l’écosystème devient rapidement ingérable : doublons, versions concurrentes, assets introuvables. Dans ma pratique, je préfère aller **à la source** plutôt que d’utiliser systématiquement les IA embarquées partout. Par exemple, je produis mes voix dans un outil dédié plutôt que via l’IA interne d’un outil auteur, parce que j’y gagne en fonctionnalités, en production par lots, en nommage de fichiers, en *versionning* et en archivage structuré. Cette logique source-centrée permet aussi de réutiliser les assets au-delà d’un seul module. Au fond, mon workflow a assez peu changé avec l’IA : 1. produire les assets dans la couche dédiée ; 2. partir d’un template déjà stabilisé dans l’outil auteur ; 3. intégrer dans l’outil auteur à partir d’un scénario pédagogique conçu en amont, éventuellement épaulé par des outils génératifs pour produire des premiers jets. L’IA accélère certaines étapes, mais elle n’efface ni le scénario, ni le template, ni les choix d’éditorialisation. Les bénéfices les plus nets apparaissent quand l’IA s’insère dans un processus déjà structuré et dans des couches bien définies et non quand elle remplace indistinctement toute la chaîne. La distinction entre **workflow augmenté** et **workflow génératif** me paraît particulièrement structurante. Dans le premier cas, vous gardez la main sur le scénario et l’IA vous fait gagner du temps ou vous offre de nouvelles possibilités. Dans le second, l’IA génère un premier jet plus complet et votre rôle se déplace vers une fonction de curation, de réécriture et d’ajustement pédagogique. Dans certains cas, le workflow évolue encore davantage : des agents en cascade peuvent générer une première version de module, majoritairement textuelle, à partir d’une structure type, puis les assets produits par ailleurs viennent enrichir cette base. C’est un chantier plus avancé, encore en cours de stabilisation, qui mériterait un article dédié. Autrement dit, **la fabrique** ne se résume pas à générer du contenu. Elle pose une question très concrète : sur quelle couche vous appuyez vous pour faire quoi, où vivent les assets, comment ils circulent, comment ils se mettent à jour, et à quel moment ils entrent vraiment dans le module. > Sans cette clarification des couches, la stratégie d’usage de l’IA en formation devient vite impossible à piloter. --- - #learningdesign - #formationprofessionnelle - #iaenformation - #elearning - #digitallearning --- Je conçois des écosystèmes apprenants pour les équipes L&D et les organismes de formation. Fondateur d’ATAWAK et auteur de « aiaiaiaiai ! – Apprendre et partager le savoir dans un monde liquide ». Maître de conférences associé à l’Université Sorbonne Nouvelle – UFR Sciences de l’information et de la communication. 2623-0123-01