Capacité à hiérarchiser : quelles tâches sont délégables à l'IA, lesquelles ne le sont pas, avec une justification structurée - pas une liste arbitraire.

Utilisation de critères explicites : tâche répétitive, basée sur le langage, sans enjeu décisionnel critique. Mention des limites (décisions RH, médicales, judiciaires).

Cohérence entre le choix de l'outil et le profil métier de l'apprenant - budget, intégration aux outils existants, nature des données traitées.

Comparaison de 2 à 3 outils maximum. Argumentation contextualisée : "Mistral plutôt que ChatGPT parce que données RH sensibles + hébergement EU".

Intégration systématique de la dimension RGPD dans la sélection d'outil - surtout quand les données impliquées sont personnelles (clients, RH, santé).

Mention de la localisation d'hébergement, de la politique de réentraînement du modèle, du niveau de sensibilité des données. Formule : "pour des données clients, je privilégie un outil conforme RGPD avec hébergement EU".

Présence explicite et cohérente des 5 composantes : Rôle, Objectif, Contexte, Contraintes, Output. Chaque composante doit être identifiable dans le prompt soumis.

Les 5 lettres ROCCO couvertes. Cohérence interne : le rôle donné à l'IA est cohérent avec l'objectif visé. L'output décrit le format exact attendu (liste, tableau, texte, longueur).

La preuve d'une démarche itérative : le formateur ne présente pas directement "la bonne version" - il montre le premier résultat, identifie ce qui ne va pas, reformule, améliore.

Au moins 1 itération visible et commentée à voix haute : "j'obtiens X, ce n'est pas assez précis parce que… j'ajoute Y pour améliorer". Le raisonnement compte autant que le résultat.

Conscience que chaque modèle a ses spécificités - un prompt optimisé pour ChatGPT peut donner un résultat différent sur Mistral ou Gemini. Capacité à ajuster.

Au moins 1 mention d'une différence entre 2 outils sur un usage concret. Ne pas promettre qu'un prompt fonctionnera identiquement sur tous les modèles.

Capacité à repérer les données personnelles dans un contexte réel et à nommer le risque précis : transfert hors UE, réentraînement du modèle, catégorie spéciale (santé, origine, etc.).

Identification de chaque donnée problématique dans l'exemple fourni. Formule de référence : "cette donnée est sensible au sens RGPD parce que…". Mention du type de risque (transfert, fuite, réidentification).

Capacité à réécrire un prompt contenant des données personnelles identifiantes de façon conforme - tout en conservant l'utilité opérationnelle du prompt.

Suppression ou pseudonymisation de chaque donnée nominative. Reformulation qui reste fonctionnelle. Principe à démontrer : "l'IA n'a pas besoin du nom réel pour être utile - elle a besoin du contexte et de la structure".

Capacité à tracer une ligne claire entre sensibilisation (rôle du formateur) et conseil juridique (rôle du DPO / juriste). Savoir dire "je ne suis pas en mesure de répondre à ça" sans perdre en crédibilité.

Formule explicite et naturelle : "ce n'est pas mon rôle de vous conseiller juridiquement - pour votre situation précise, consultez votre DPO ou service juridique". Dite sans hésitation, sans s'excuser.

Capacité à formuler une demande à l'IA qui intègre explicitement des critères d'accessibilité définis - pas "rends ça accessible" mais "rédige ce texte en respectant les critères FALC : phrases courtes, mots simples, une idée par phrase".

Le standard est nommé dans le prompt (WCAG 2.1 AA, FALC, audiodescription, sous-titrage SRT). Les critères concrets sont explicités - pas une mention vague. L'IA reçoit assez de précision pour produire quelque chose de conforme.

Maîtrise des distinctions essentielles : WCAG (accessibilité web, contraste, navigation clavier, lecture d'écran) vs FALC (accessibilité cognitive, lecture simplifiée) vs sous-titrage (accessibilité auditive).

Utilisation des termes exacts dans le bon contexte. Exemple : pour un contenu destiné à des personnes malvoyantes, citer la lisibilité des polices, le contraste WCAG AA et la compatibilité avec les lecteurs d'écran - pas le FALC.

Capacité à lire un contenu produit par l'IA et à vérifier s'il répond aux critères demandés - pas juste "c'est mieux", mais "ce critère est respecté / ce critère ne l'est pas encore parce que…".

Vérification structurée : critère par critère, avec justification. Si le résultat ne satisfait pas un critère, reformuler le prompt de correction (lien avec C5).

Capacité à analyser un contenu produit par l'IA selon des critères définis (ton, format, longueur, public cible, exactitude) et à nommer précisément ce qui ne va pas - pas "c'est pas top".

Diagnostic structuré avant toute correction : "le ton est trop formel pour ce public", "le format ne respecte pas la contrainte longueur", "l'exemple est hors contexte". Minimum 2 défauts identifiés et nommés.

Capacité à demander à l'IA d'améliorer le contenu plutôt que de le réécrire soi-même. L'IA est l'outil de correction - le formateur la guide avec précision.

Un prompt de correction qui cite les défauts identifiés en Cr5.1 et demande des modifications précises. Comparaison avant/après visible. Le contenu final est produit par l'IA, pas par le formateur.

Capacité à reconnaître un biais algorithmique dans un exemple concret et à l'expliquer sans jargon - stéréotypes de genre, biais culturels, représentation des données d'entraînement.

Identification du type de biais (genre, culturel, géographique…). Explication du mécanisme : pourquoi l'IA produit ce résultat. Mention d'une stratégie pour le limiter (reformulation du prompt, vérification humaine).

Application raisonnée de la classification IA Act (inacceptable / élevé / limité / minimal) à un cas concret - avec la conséquence pratique qui en découle.

Niveau de risque correct + justification + obligation principale : "cet usage est à risque élevé donc il nécessite transparence, supervision humaine et documentation". La chaîne de raisonnement est complète.

Capacité à animer une discussion sur les impacts de l'IA (emploi, sobriété, responsabilité) en maintenant une posture neutre - accueillir toutes les positions sans les valider ni les invalider, et ramener au cap pédagogique.

Formules de facilitation neutres ("c'est une position que beaucoup partagent", "qu'en pensent les autres ?"). Recadrage vers l'objectif sans couper la parole. Aucune prise de position personnelle visible.