« Est-ce que ce document fonctionne pour l'indicateur 32 de Qualiopi ? »
« Génère-moi une procédure de traitement des réclamations. »
« Prépare mon audit de surveillanceAudit réalisé entre le 14e et le 22e mois suivant l'obtention de la certification Qualiopi, pour vérifier que l'organisme respecte toujours le référentiel.. »
Ces demandes sont fréquentes. Et elles produisent des réponses particulièrement convaincantes.
Mais que sait réellement l'assistant de votre organisme ? Connaît-il vos activités, vos procédures, vos outils, les documents déjà disponibles, les pratiques des équipes ?
Un assistant peut juger excellent un document parfaitement rédigé sans savoir s'il est utilisé. Il peut recommander une liste de preuves qui semble exhaustive, mais dont certaines ne correspondent à aucune pratique de l'organisme.
La question n'est donc pas de savoir si l'IA peut aider à préparer un audit Qualiopi. Elle le peut. Reste à savoir comment s'en servir pour renforcer une démarche qualité réelle, sans fabriquer une conformité de façade.
Cet article prolonge le guide de l'audit de surveillance et le décryptage du décret Qualiopi 2026. Les ressources IA mentionnées sont rassemblées sur la page Ressources IA et digitalisation.
1. Avec la V10, l'enjeu dépasse la préparation documentaire
Le référentiel national qualitéRéférentiel national qualité : référentiel de la certification Qualiopi. Il fixe sept critères, déclinés en indicateurs, sur lesquels les organismes de formation sont audités. a été actualisé par le décret n° 2026-728 du 1er août 2026, applicable depuis le 1er novembre 2026. Le guide de lecture Qualiopi V10 accompagne cette évolution. Parallèlement, l'arrêté du 28 octobre 2026 a modifié les modalités d'audit prévues par l'arrêté du 6 juin 2019.
Plusieurs dispositions changent directement la façon de se préparer.
L'audit vise l'appropriation effective des critères
L'arrêté précise que les audits ont pour finalité de vérifier l'appropriation effective des critères par l'organisme audité. Il faut donc regarder au-delà de la présence des documents : une procédure peut être parfaitement structurée, encore faut-il que les personnes concernées sachent comment elle s'applique et que les pratiques puissent être démontrées.
L'échantillonnage ne se prépare pas sur un seul dossier
Les actions examinées doivent être représentatives de l'activité de l'organisme sur la période de référence, et l'échantillon n'est pas communiqué avant la réunion d'ouverture. Concentrer ses efforts sur quelques dossiers exemplaires serait donc risqué. Ce qui compte, c'est un système qualité qui fonctionne et laisse des traces pertinentes sur les différentes prestations concernées.
Les preuves doivent être disponibles le jour de l'audit
Selon les nouvelles dispositions, l'absence de preuve le jour de l'audit donne lieu à une non-conformitéÉcart constaté lors d'un audit Qualiopi par rapport à un indicateur du référentiel. Mineure ou majeure selon sa gravité : une non-conformité majeure empêche la délivrance de la certification ou la fait suspendre.. Une pratique peut être réellement mise en œuvre : si l'organisme ne peut pas la démontrer à ce moment-là, il s'expose à un constat.
Préparer, c'est donc vérifier non seulement que les preuves existent, mais aussi qu'elles sont accessibles, bien classées, et que les personnes habilitées savent les retrouver.
Une préparation adaptée au type d'audit
L'audit de surveillance est désormais réalisé à distance. Il est réalisé sur site dans six cas : signalement conforme aux règles de réclamation de l'organisme certificateur, résultat d'une analyse de risque issue de l'audit précédent, échantillonnage de sites pour un organisme multi-sites, nouvel entrant, organisme réalisant une action de formation par apprentissage, ou demande de l'organisme audité. L'arrêté encadre aussi les personnes pouvant participer : les dirigeants et, le cas échéant, les salariés mandatés occupant un emploi permanent.
Il devient d'autant plus utile de préparer ces personnes à expliquer leur fonctionnement et à présenter les preuves disponibles. L'IA peut y contribuer. Elle ne remplace pas les professionnels qui doivent maîtriser et démontrer les pratiques de l'organisme.
2. Choisir ses preuves : la vraie question à poser à l'IA
Une erreur fréquente consiste à demander : « Donne-moi toutes les preuves nécessaires pour l'indicateur 32. »
L'assistant génère alors une liste impressionnante : procédure, registre, tableau de bord, plan d'action, compte rendu, bilan annuel, fiche d'analyse. Certains documents seront utiles, d'autres inadaptés à votre organisation. Et leur accumulation ne démontre pas, en soi, que l'exigence est respectée.
Une preuve pertinente n'est pas simplement un document disponible
Prenons l'amélioration continue. Vous possédez un tableau de vingt actions, dont quinze indiquées comme terminées. Est-ce une bonne preuve ? Potentiellement. Mais plusieurs questions restent ouvertes :
- D'où viennent ces actions ?
- Répondent-elles à des difficultés réellement identifiées ?
- Les décisions ont-elles été mises en œuvre ?
- Leurs effets ont-ils été examinés ?
- Le tableau reflète-t-il les pratiques de l'organisme ?
Un tableau renseigné peut soutenir la démonstration. Il ne suffit pas nécessairement à lui seul. C'est la logique que je développe dans l'article sur l'indicateur 32 et l'analyse des risques qualité : le tableau seul est utile, ce sont les traces de sa mise à jour qui convainquent.
Cinq critères pour examiner une preuve
- La pertinence : l'élément répond-il réellement à l'exigence examinée ?
- L'effectivité : permet-il d'observer une pratique mise en œuvre, au-delà d'une intention ou d'une procédure théorique ?
- La cohérence : est-il compatible avec les autres documents, les informations publiques et les explications des professionnels ?
- La contextualisation : peut-on identifier l'action, la période, les acteurs et les circonstances auxquels il se rapporte ?
- L'accessibilité : l'organisme peut-il le retrouver et le présenter lorsqu'on le demande ?
Ces critères sont une méthode pratique de sélection, pas une grille réglementaire supplémentaire. Ils permettent de poser une question plus utile : quelles preuves avons-nous déjà, que démontrent-elles, et que faut-il encore vérifier ?
Quelques exemples
| Situation | Preuve possible | Vérification complémentaire |
|---|---|---|
| Analyse des besoins | Dossier d'inscription, entretien, questionnaire | Les besoins identifiés ont-ils été pris en compte dans la conception ou l'adaptation ? |
| Évaluation des acquis | Grille renseignée, mise en situation, résultats d'évaluation | Les modalités sont-elles cohérentes avec les objectifs annoncés ? |
| Traitement d'une réclamation | Message reçu, réponse, historique des suites | Comment la difficulté a-t-elle été examinée et traitée ? |
| Amélioration continue | Analyse des retours, décisions, suivi d'actions | Les décisions ont-elles été mises en œuvre et exploitées ? |
Ce sont des exemples, pas une liste universelle de pièces obligatoires. L'IA doit aider à sélectionner les éléments utiles au regard des exigences applicables et des pratiques réelles, plutôt que pousser l'organisme à créer systématiquement de nouveaux documents. C'est aussi ce que rappelle l'article sur le rôle du référent qualité, bien plus qu'un ramasseur de preuves.
3. L'IA peut analyser les preuves, à condition de lui donner un cadre
« Est-ce que ce document est conforme à Qualiopi ? » Cette question est trop générale pour une analyse sérieuse. Avant de répondre, l'assistant doit savoir ce que l'on veut examiner, dans quel contexte et à partir de quelles références : la catégorie d'actions concernée, le périmètre du contrôle, les documents réellement accessibles.
La V10 du référentiel et son guide de lecture sont des références essentielles. Les modalités d'audit relèvent de l'arrêté du 6 juin 2019 modifié. Mais les citer dans une consigne ne garantit pas que l'IA les ait consultés. Elle doit distinguer une source effectivement vérifiée d'une référence simplement indiquée dans le prompt.
Vous ne savez pas comment construire votre prompt ?
Il existe une méthode simple. Plutôt que de demander directement un diagnostic, expliquez d'abord votre objectif à l'IA et demandez-lui de structurer la démarche. Par exemple :
« Je souhaite préparer un autocontrôle Qualiopi sur le traitement des réclamations. Nous sommes un organisme de formation continue. Je dispose d'une procédure, d'un registre et de quelques échanges avec les bénéficiaires. Aide-moi à construire le prompt adapté à cette analyse. Indique les références officielles à vérifier, les documents utiles à fournir, les informations manquantes et les points qui nécessiteront une vérification humaine. »
Cette étape semble supplémentaire, mais elle fait souvent gagner du temps : elle évite une première analyse fondée sur des hypothèses implicites. Un prompt bien structuré ne garantit pas une réponse exacte. Il clarifie ce que l'on attend de l'assistant et les limites du travail demandé.
Pour aller plus loin sur le choix du modèle et du mode de travail, voir l'article ChatGPT Work ou Chat : quel modèle et quel niveau d'intelligence choisir en 2026.
4. Cas pratique : une réclamation et des preuves à examiner
Imaginons un organisme de formation fictif. Un bénéficiaire signale que les six heures d'exercices pratiques annoncées dans son programme ne semblent pas avoir été intégralement réalisées. L'organisme lui répond quatre jours plus tard et propose un temps complémentaire.
Pour préparer un autocontrôle, le responsable qualité transmet cinq pièces à une IA :
- une procédure de traitement des réclamations ;
- le message du bénéficiaire ;
- la réponse apportée ;
- un extrait du registre indiquant que la réclamation est « traitée » ;
- le programme et une fiche de déroulement sur laquelle seules quatre heures de pratique sont explicitement identifiables.
Première erreur : conclure trop vite à une non-conformité
L'assistant pourrait affirmer que l'organisme n'a réalisé aucune analyse de la situation. Or cette analyse existe peut-être dans un autre document ou un outil non transmis. Le dossier fourni est incomplet : il faut distinguer ce qui n'est pas documenté dans les pièces reçues de ce qui n'a réellement pas été fait.
Deuxième erreur : considérer la réponse comme une preuve suffisante
À l'inverse, l'IA pourrait estimer que la réclamation a été correctement traitée puisque l'organisme a répondu et inscrit « traitée » au registre. Mais le temps complémentaire a-t-il eu lieu ? L'écart entre la durée annoncée et la durée réalisée a-t-il été examiné ? Une mention de réponse ou de clôture ne démontre pas l'ensemble du traitement.
Troisième erreur : recommander de nouveaux documents sans examiner l'existant
L'assistant pourrait proposer une procédure plus détaillée, une nouvelle fiche de réclamation, un tableau supplémentaire. Pourtant l'organisme dispose peut-être déjà d'outils suffisants. Le problème ne vient pas forcément de la documentation : il peut tenir à son utilisation, à la traçabilité de certaines décisions, ou simplement à des informations non transmises.
Le raisonnement à rechercher
L'IA devrait d'abord établir les faits démontrés par les pièces, puis identifier les contradictions apparentes et les informations manquantes. Elle devrait enfin recommander des vérifications ciblées : consulter les traces pédagogiques complémentaires, interroger le formateur, retrouver les échanges internes, vérifier si le temps supplémentaire proposé a été réalisé.
L'analyse peut mobiliser l'indicateur 31, relatif au traitement des difficultés, réclamations et aléas. Elle peut aussi examiner, lorsque c'est pertinent, l'indicateur 32, relatif à l'amélioration continue à partir de l'analyse des appréciations et des réclamations, et à l'analyse des risques sur la qualité des formations. Il ne s'agit pas d'imposer une action corrective distincte pour chaque réclamation, mais d'examiner comment l'organisme traite les situations et en tire les enseignements nécessaires.
L'objectif n'est pas de trouver le document idéal. C'est de construire une démonstration cohérente de ce qui a réellement été fait.
Ce cas est fictif. Il illustre une méthode d'analyse : il ne correspond ni à un audit réalisé ni à un test comparatif conduit sur plusieurs modèles.
5. Ne pas s'arrêter à la première réponse
Une première analyse peut soulever des points intéressants sans être aboutie. Procédez par étapes : demandez à l'IA de vérifier une référence réglementaire, de confronter deux documents, de rechercher les hypothèses non démontrées, d'examiner une conclusion sous un autre angle.
La relecture contradictoire
Faites examiner l'analyse successivement par trois profils :
- un consultant qualité, attentif aux exigences et à l'effectivité des pratiques ;
- un spécialiste de l'IA, qui cherche les informations manquantes, les affirmations non étayées et les risques de mauvaise interprétation ;
- un responsable opérationnel, qui vérifie que les recommandations correspondent à la réalité du travail et sont applicables.
Réalisée par un seul assistant, cette méthode n'est pas une validation indépendante. C'est un moyen de questionner la réponse et d'en chercher les limites. Pour structurer ce questionnement, la grille Supposer, Vérifier, Décider peut servir de repère.
Savoir arrêter les itérations
Multiplier les versions ne garantit pas une amélioration. Après plusieurs relectures, l'IA peut répéter les mêmes recommandations, introduire des complications ou dégrader un résultat déjà satisfaisant. Chaque passe doit donc avoir un objectif précis.
Je détaille cette méthode dans l'article Travailler par itérations avec l'IA : améliorer ses résultats sans tourner en boucle.
Quand les corrections deviennent répétitives ou marginales, mieux vaut changer de forme de vérification : consulter une source, examiner une pièce supplémentaire, réaliser un test ou solliciter un regard humain. On cherche une analyse fiable et utilisable, pas la version la plus longue.
6. Préparer les preuves, c'est aussi préparer les personnes
Un responsable qualité peut avoir parfaitement organisé les documents et développé des assistants IA spécialisés. Mais les professionnels concernés savent-ils expliquer ce qu'ils font ? Un formateur peut-il présenter les évaluations réalisées ? Un gestionnaire sait-il expliquer comment une réclamation est orientée ? Un responsable pédagogique peut-il montrer comment les besoins identifiés sont pris en compte ?
Ces questions pèsent davantage avec des modalités d'audit qui visent l'appropriation effective des critères. Cela ne signifie pas que chaque collaborateur doit maîtriser tout le référentiel. Il s'agit que chacun comprenne les processus de son activité, et que l'organisme puisse les expliquer et les démontrer par les personnes habilitées à participer à l'audit.
Utiliser l'IA pour préparer les échanges internes
Un assistant peut aider à concevoir un exercice d'autocontrôle : proposer des questions sur une situation réelle, demander quelles traces démontrent les actions réalisées, signaler les points à clarifier. Mais cet exercice doit viser l'amélioration du travail, pas seulement la préparation de réponses pour l'auditeur.
Les formateurs peuvent eux-mêmes utiliser l'IA pour vérifier la cohérence entre leurs objectifs pédagogiques, leurs activités et leurs évaluations. L'IA devient alors un outil de réflexion partagé, plutôt qu'un instrument de contrôle réservé au responsable qualité.
7. Faire attention aux données confiées à l'IA
Les dossiers qualité contiennent des données personnelles et des informations confidentielles. Réclamations, évaluations individuelles, situations de handicap, informations sur les salariés : ces éléments ne se transmettent pas indistinctement à n'importe quel outil.
Avant d'utiliser une solution, examinez les données nécessaires, les conditions de traitement, les autorisations d'accès et les règles de conservation. Pour un premier test, des documents fictifs ou suffisamment anonymisés sont souvent préférables. Les ressources de la CNILCommission nationale de l'informatique et des libertés : autorité administrative indépendante qui veille à la protection des données personnelles, accompagne les organismes et peut contrôler et sanctionner. aident à définir des règles d'usage adaptées, notamment lorsque les outils sont connectés à une GED, un LMSLearning management system : plateforme en ligne qui permet de proposer des formations, de suivre les apprenants et de mesurer leurs résultats. ou d'autres applications métier.
L'objectif : faciliter les contrôles sans créer de nouveaux risques pour les personnes ni pour l'organisme. Sur le choix des outils eux-mêmes, voir comment digitaliser un organisme de formation sans se tromper d'outil.
8. Intégrer l'IA à la démarche qualité, pas seulement à l'audit
Un autocontrôle réussi peut devenir une pratique régulière : sélectionner périodiquement quelques dossiers représentatifs, examiner les écarts, vérifier les suites données, documenter les décisions. C'est le principe du pilotage qualité entre deux audits.
Il ne s'agit pas d'ajouter une procédure pour chaque usage de l'IA, mais de mieux exploiter les outils existants et de renforcer les vérifications là où elles apportent de la valeur. La fréquence et le périmètre sont à définir selon l'activité, les besoins et les risques de l'organisme.
Cette démarche peut être conduite en autonomie, avec des outils adaptés, ou avec un consultant qualité et digital lorsque la situation demande une expertise complémentaire : interpréter les exigences, examiner les pratiques sur le terrain, sélectionner les preuves pertinentes, organiser les processus et accompagner leur appropriation. L'IA n'exclut pas cet accompagnement. Elle peut en améliorer la préparation et développer les compétences de l'organisme.
Des ressources pour expérimenter
FormaSwift met à disposition des prompts et des skills destinés aux organismes de formation, notamment pour les autocontrôles, l'analyse documentaire et la démarche qualité :
- Prompts : la catégorie Conformité et qualité du dépôt Prompts-OF réunit 24 prompts, dont un audit blanc Qualiopi par indicateur.
- Skill Audit Qualiopi : elle passe en revue les indicateurs et la solidité des preuves d'effectivité. Elle se télécharge ici et s'installe dans Claude.
- Skill Audit d'un programme de formation : elle vérifie les mentions attendues et la lisibilité d'un programme (téléchargement).
- Toutes les ressources : la page Ressources IA et digitalisation présente l'ensemble des prompts et des skills, avec leurs conditions de réutilisation.
Ce sont des points de départ à adapter. Leur usage suppose toujours de vérifier les références mobilisées, la pertinence des preuves et les conclusions proposées.
Pour être accompagné dans la mise en place de ces usages, voir la page Accompagnement ou contactez-moi.
Conclusion
Préparer son audit Qualiopi avec l'IA est une bonne idée à une condition : s'en servir pour mieux questionner, analyser et comprendre ses pratiques.
La V10 et les nouvelles modalités d'audit rappellent l'importance de l'effectivité, de l'appropriation des critères et de la capacité à présenter les preuves pertinentes. L'IA peut faciliter leur recherche, leur comparaison et leur analyse. Mais elle ne décide pas, à la place des professionnels, de ce que ces preuves démontrent.
Le bon réflexe n'est pas de demander à l'IA quels documents fabriquer pour chaque indicateur. C'est de lui demander comment examiner les pratiques existantes, choisir les preuves utiles et repérer ce qui reste à vérifier.
La conformité ne se construit pas quelques jours avant l'audit. Elle se démontre dans le fonctionnement quotidien de l'organisme.
Références principales
- Décret n° 2026-728 du 1er août 2026 relatif au référentiel national sur la qualité des actions concourant au développement des compétences, applicable depuis le 1er novembre 2026.
- Arrêté du 6 juin 2019 relatif aux modalités d'audit associées au référentiel national, dans sa rédaction issue de l'arrêté du 28 octobre 2026.
- Ministère du Travail, guide de lecture Qualiopi V10, novembre 2026.
- CNIL, ressources relatives à l'utilisation de systèmes d'IA générative.
- Règlement (UE) 2016/679 relatif à la protection des données personnelles.
Questions fréquentes
L'IA peut-elle préparer un audit Qualiopi à ma place ?
Non. L'IA peut aider à rechercher, comparer et analyser des preuves, ou à préparer des questions d'autocontrôle. Mais elle ne connaît ni vos pratiques réelles ni les documents qu'on ne lui a pas transmis, et elle ne décide pas de ce que vos preuves démontrent. Cette appréciation reste celle des professionnels de l'organisme.
Que changent la V10 et les nouvelles modalités d'audit pour la préparation ?
L'audit vise l'appropriation effective des critères, les actions examinées doivent être représentatives de l'activité, l'échantillon n'est pas communiqué avant la réunion d'ouverture et une preuve absente le jour de l'audit donne lieu à une non-conformité. La préparation porte donc sur le fonctionnement réel, l'accessibilité des preuves et la capacité des équipes à les présenter.
Peut-on confier des dossiers de bénéficiaires à une IA pour s'entraîner ?
Pas indistinctement. Réclamations, évaluations individuelles ou situations de handicap contiennent des données personnelles. Pour un premier test, mieux vaut utiliser des documents fictifs ou suffisamment anonymisés, et vérifier les conditions de traitement de l'outil avant tout usage réel.


