Un dossier de preuve Qualiopi se prépare en rattachant, indicateur par indicateur, les documents que l'organisme produit déjà à ce que le référentiel exige, puis en isolant ce qui manque ou ce qui est trop ancien pour la période auditée, plusieurs mois avant la date de l'audit plutôt que dans les jours qui précèdent. C'est un travail de recherche et de classement avant d'être un travail de rédaction : la preuve existe le plus souvent quelque part, la difficulté est de la retrouver.
Cet article part d'un constat terrain : dans un organisme de formation de cinq à quarante formateurs, les preuves d'un cycle de certification de trois ans se dispersent sur un drive, une boîte mail, un LMS et un tableur de suivi, parfois tenus par des personnes qui ont quitté l'organisme depuis. Un assistant IA peut aider à reconstituer ce dossier plus tôt et plus méthodiquement. Il ne remplace ni l'interprétation de ce qu'attend l'auditeur, ni la décision de créer une preuve manquante, ni la relation avec l'organisme certificateur.
Ce que la machine range et signale reste distinct de ce qu'elle prouve : un trou détecté reste un trou, et l'intérêt est justement de le connaître trois mois avant l'audit plutôt que le jour où l'auditeur pose la question.
Points clés à retenir
- •Le vrai poste de temps, c'est la recherche, pas la rédaction : retrouver quelle preuve existe, où elle se trouve et si elle couvre la bonne période, sur plusieurs outils accumulés en trois ans.
- •La machine range et signale, elle ne prouve pas : elle rattache un document existant à un indicateur et repère les trous, elle ne rédige jamais une preuve à la place de l'organisme.
- •Le référentiel change en cours de route : les 7 critères restent stables, mais le nombre d'indicateurs passe de 32 à 33 le 1er novembre 2026, et l'interprétation d'une preuve reste un métier humain.
- •Le gain se mesure sur une tâche précise, le temps de recherche et de classement, jamais sur "la conformité" dans son ensemble, qui reste un jugement validé par le référent qualité.
La situation de départ : preuves dispersées, délai de quelques semaines
Un organisme de formation de cinq à quarante formateurs, certifié Qualiopi, prépare son audit de surveillance ou son audit de renouvellement de la même façon depuis des années : dans l'urgence, sur une fenêtre de trois à six semaines avant la date fixée avec l'organisme certificateur. Pendant ce temps, une personne, souvent le référent qualité, reconstitue le dossier de preuve à la main.
La tâche précise qui consomme ce temps n'est pas la production de nouvelles actions qualité. C'est la recherche : retrouver, pour chacun des indicateurs du Référentiel National Qualité, quelle preuve existe, dans quel outil elle se trouve, et si elle couvre bien la période auditée. Les preuves d'un cycle de trois ans se répartissent sur un drive, une boîte mail professionnelle, un LMS (la plateforme qui héberge les parcours et le suivi des apprenants) et un tableur de suivi tenu à la main, parfois par un salarié qui a quitté l'organisme entre temps.
| Point de repère | Situation confirmée |
|---|---|
| Nombre de critères | 7, inchangés par la réforme de 2026 |
| Nombre d'indicateurs | 32 aujourd'hui, 33 à partir du 1er novembre 2026 (décret n° 2026-728 du 1er août 2026) |
| Cycle de certification | 3 ans après un audit initial favorable |
| Audit de surveillance | Entre le 14e et le 22e mois, souvent réalisé à distance |
| Audit de renouvellement | Avant l'échéance des 3 ans, sur site, conditions proches de l'audit initial |
Sources : décret n° 2026-728 du 1er août 2026 (Légifrance) et guide de lecture Qualiopi du ministère du Travail.
Cette dispersion explique un phénomène que tout référent qualité reconnaît : la non-conformité relevée en audit tombe rarement sur un indicateur pour lequel aucune action n'a été menée. Elle tombe le plus souvent sur un indicateur où la preuve existait bel et bien, mais où personne n'a pu la produire au moment où l'auditeur l'a demandée. Sur ce point précis, une préparation qui commence trois mois plus tôt change tout, dans une logique proche de ce que nous décrivons pour d'autres automatisations de processus métier pour PME : le gain ne vient pas d'un outil miracle, il vient de retrouver plus tôt une information qui existait déjà.
Déroulé type
Dans une préparation d'audit classique, il n'est pas rare qu'un référent qualité découvre, en semaine deux, qu'une preuve de recueil de satisfaction pour une session d'il y a deux ans existe bien, mais uniquement en pièce jointe dans la boîte mail d'un ancien formateur, jamais reversée au dossier qualité central. Ce n'est pas un manque d'action. C'est un manque de traçabilité.
Ce qu'un assistant IA automatise, précisément, dans le dossier de preuve
Quatre tâches, précises et bornées, se prêtent à l'automatisation dans ce contexte. Aucune ne consiste à juger de la conformité de l'organisme : toutes consistent à retrouver, classer et signaler.
Le rattachement des documents existants aux indicateurs. L'assistant parcourt le corpus documentaire fourni (drive, exports de LMS, pièces jointes classées) et propose, pour chaque document, l'indicateur ou les indicateurs auxquels il se rapporte, en s'appuyant sur le contenu réel du document et le texte du référentiel, pas sur un simple nom de fichier.
Le repérage des indicateurs sans preuve, ou avec une preuve trop ancienne. Une fois le rattachement fait, il devient possible de lister, indicateur par indicateur, ce qui manque totalement et ce qui existe mais date d'avant le début de la période auditée. C'est la fonction la plus utile de l'exercice, parce qu'elle produit une liste actionnable plutôt qu'une impression de complétude.
La préparation d'un dossier organisé par indicateur. Les documents rattachés sont regroupés dans une structure consultable, indicateur par indicateur, avec la source d'origine tracée : quel outil, quelle date, quel auteur. C'est ce que produit techniquement un assistant IA sur vos documents internes, appliqué ici à un usage de conformité plutôt qu'à une base de connaissances métier classique. Sur le plan technique, la logique est la même que celle de notre assistant IA interne RAG : le système recherche dans les documents réels de l'organisme, il n'invente rien qui n'y figure pas.
La production de la liste des trous, plusieurs mois avant l'audit. C'est le vrai apport de la démarche : au lieu de découvrir un manque trois jours avant l'audit, l'organisme reçoit une liste exportable dès que le corpus est traité, avec le temps de la corriger. Cette liste peut être formatée comme n'importe quel rapport de suivi, sur le même principe que ce que nous détaillons pour automatiser la génération de rapports IA dans un contexte PME.
Ce qu'on refuse d'automatiser, et pourquoi
Cette section est la plus importante de l'article, parce qu'elle fixe une limite qui ne se discute pas. Un dossier de preuve Qualiopi touche à la crédibilité de la certification elle même : franchir la ligne transforme un gain de temps en fraude documentaire.
Créer une preuve absente, ou antidater un document
Un outil qui rédigerait, à la place de l'organisme, une preuve qui n'existe pas, un compte rendu d'entretien jamais tenu, une évaluation jamais réalisée, ne serait pas un gain de productivité. Ce serait un outil de fraude documentaire. Même chose pour antidater un document existant afin de le faire correspondre artificiellement à la période auditée. Un trou détecté reste un trou : la seule réponse légitime est de produire la vraie action, ou d'assumer qu'elle n'a pas eu lieu et d'en tirer les conséquences.
Juger de la recevabilité d'une preuve, et répondre à l'auditeur
Un assistant peut signaler qu'un document existe et qu'il semble correspondre à un indicateur. Il ne peut pas dire s'il sera jugé recevable par l'auditeur : cette appréciation dépend d'une lecture du référentiel, d'une jurisprudence d'audit propre à chaque organisme certificateur, et parfois d'un échange oral pendant l'audit lui même. De la même façon, l'engagement pris devant l'auditeur, l'explication d'une action qui s'écarte de la procédure type, la négociation d'un plan d'actions correctives, restent des décisions humaines, prises par la personne qui porte la responsabilité de la certification devant l'organisme certificateur.
Garde-fou
Comme le résume Anas Rabhi, fondateur de Tensoria : « Le jour où on découvre un trou dans la preuve, mieux vaut que ce soit trois mois avant l'audit qu'au moment où l'auditeur pose la question. L'outil sert à gagner ce délai, jamais à combler le trou à la place de l'organisme. »
| Tâche | Qui s'en charge |
|---|---|
| Retrouver et rattacher un document existant à un indicateur | Assistant IA, sous contrôle |
| Repérer un indicateur sans preuve ou avec une preuve trop ancienne | Assistant IA, sous contrôle |
| Organiser le dossier de preuve, indicateur par indicateur | Assistant IA, sous contrôle |
| Créer ou compléter une preuve manquante | Toujours l'organisme, jamais l'IA |
| Antidater ou reformuler un document pour le faire correspondre | Interdit, ligne rouge |
| Juger si une preuve sera recevable pour l'auditeur | Toujours le référent qualité |
| Répondre à l'auditeur pendant l'audit | Toujours l'organisme |
Ce que la machine se trompe à faire pendant la mise au point
Un assistant de ce type n'est pas fiable dès la première utilisation. Trois erreurs reviennent, systématiquement, tant que le système n'a pas été calibré sur le référentiel réel et sur les documents propres à l'organisme.
Rattacher un document à un indicateur voisin plutôt qu'au bon indicateur
Certains indicateurs du référentiel se ressemblent sur le plan sémantique sans être identiques : l'un porte sur l'adaptation des contenus au public, un autre sur le suivi individuel des bénéficiaires, un troisième sur l'évaluation des acquis. Un modèle qui compare uniquement le sens général du texte confond souvent ces indicateurs voisins et propose un rattachement plausible mais faux. La correction passe par un exemple type validé pour chaque indicateur, pas par une simple relecture du libellé officiel.
Confondre un modèle vierge avec une preuve réellement renseignée
Un organisme conserve souvent, à côté des documents remplis, les modèles vierges qui ont servi à les produire : trame d'entretien, grille d'évaluation, questionnaire de satisfaction non complété. Un système mal calibré détecte la présence d'un fichier au bon format et le classe comme preuve, sans vérifier qu'il contient réellement des données renseignées. Le contrôle qui corrige cette erreur est simple à poser, mais il doit être explicite : exiger un champ rempli, une date, une signature ou un identifiant de bénéficiaire avant de valider un document comme preuve.
Considérer une preuve ancienne comme valable pour la période auditée
Sans indication explicite de la fenêtre temporelle à couvrir, l'assistant ne devine pas qu'une preuve datant d'il y a trois ans, valable pour un cycle de certification antérieur, ne compte plus pour le cycle en cours. Il a tendance à considérer qu'un document existant vaut preuve, quelle que soit sa date. C'est précisément pour cela que la période auditée doit être fournie en amont, comme paramètre explicite, et non déduite par le système lui même.
Ce qu'il faut lui fournir pour que ça marche
Trois éléments conditionnent la qualité du résultat, et un quatrième mérite une attention particulière parce qu'il touche directement à la fiabilité du dossier produit.
Une arborescence documentaire accessible. L'assistant a besoin d'un accès structuré au drive, aux exports du LMS, aux dossiers de messagerie archivés et au tableur de suivi qualité, plutôt qu'à une sélection préalable de documents jugés pertinents. C'est justement dans le tri initial que se perdent le plus souvent les preuves oubliées.
La période auditée, exprimée en dates précises. Date de début et date de fin du cycle concerné, pas seulement "les trois dernières années" en approximation. C'est ce paramètre qui permet d'écarter les preuves trop anciennes plutôt que de les compter à tort comme valables.
L'historique des non-conformités précédentes. Le rapport du dernier audit, initial ou de surveillance, indique souvent sur quels indicateurs l'organisme certificateur a déjà formulé une remarque ou une non-conformité mineure. Ces indicateurs méritent une attention renforcée dans le rattachement, parce que l'auditeur y reviendra en priorité au prochain passage.
La version du référentiel qui compte, c'est celle en vigueur pendant la période auditée
Le Référentiel National Qualité n'est pas figé. Le décret n° 2026-728 du 1er août 2026 fait passer le nombre d'indicateurs de 32 à 33 à compter du 1er novembre 2026, avec un nouvel indicateur propre aux CFA et aux formations en apprentissage ; les 7 critères, eux, restent inchangés. Ce type d'évolution ne se limite pas à un chiffre : les guides de lecture publiés par le ministère du Travail précisent régulièrement les attentes autour de chaque indicateur, sans changer le texte réglementaire lui même.
Un assistant aide à retrouver et à organiser les preuves au regard d'une version donnée du référentiel. Il ne dit pas, et ne peut pas dire, si une preuve donnée sera acceptée par l'auditeur : cette interprétation reste, réglementairement et pratiquement, entre les mains de l'organisme certificateur. Un organisme qui prépare un audit après le 1er novembre 2026 doit donc vérifier, avant de lancer tout traitement automatisé, quelle version du référentiel s'applique réellement à sa date d'audit.
Comment le gain se mesure, correction et contrôle inclus
Le gain à mesurer n'est pas "le temps gagné sur la préparation Qualiopi" pris globalement. C'est un gain sur une tâche précise : le temps de recherche et de classement des preuves déjà existantes, rapporté au temps que cette même tâche prenait avant.
Sur cette tâche précise, un ordre de grandeur de 70 à 85 % de temps de recherche et de classement en moins est raisonnable à viser, mais c'est un ordre de grandeur à mesurer chez soi, avec son propre dénominateur explicite : nombre d'indicateurs traités, taille du corpus documentaire, heures effectivement passées avant et après. Ce n'est pas un résultat garanti, et ce n'est certainement pas 70 à 85 % du travail de mise en conformité dans son ensemble, qui reste, lui, un travail humain de fond.
Le contrôle fait partie intégrante du processus, pas une étape optionnelle à la fin. Chaque rattachement proposé par l'assistant doit être validé, au moins par échantillonnage, par le référent qualité avant que le dossier ne soit considéré comme prêt. C'est ce même référent qui doit être en mesure d'expliquer, devant l'auditeur, pourquoi tel document a été retenu comme preuve pour tel indicateur, ce qui suppose de l'y avoir associé pendant la préparation, pas seulement de l'avoir formé après coup. La formation IA en entreprise de l'équipe qui va utiliser et valider l'outil fait partie du coût réel du projet, au même titre que le temps de traitement du corpus.
Le temps réellement gagné doit être réinvesti dans la production des preuves manquantes identifiées, pas absorbé par d'autres priorités. Un dossier qui liste dix trous trois mois avant l'audit n'a de valeur que si ces dix trous sont effectivement comblés avant le jour J.
Les conditions dans lesquelles ça ne marche pas
Cette démarche ne convient pas à toutes les situations, et il vaut mieux le savoir avant de s'engager plutôt qu'après.
Un corpus documentaire quasi inexistant. Si l'organisme n'a produit que très peu de traces de son activité qualité, l'assistant n'a rien à rattacher. Il ne comble pas ce vide : il ne fait que révéler, plus vite, une situation déjà problématique en soi.
Des documents non structurés ou illisibles. Des scans de mauvaise qualité, des noms de fichiers sans signification, des archives compressées jamais ouvertes depuis des années dégradent fortement la fiabilité du rattachement automatique. Un minimum de mise en ordre préalable reste nécessaire pour que le traitement ait un sens.
L'absence d'un référent qualité disponible pour trancher. Sans quelqu'un pour valider les rattachements et arbitrer les cas ambigus, le dossier produit reste une proposition, jamais un dossier prêt pour l'audit. L'outil suppose un humain disponible en face, pas un humain absent qu'il remplacerait.
Un tout premier audit initial, sans historique. Cette démarche est pensée pour un organisme déjà certifié, qui dispose d'un existant documentaire accumulé sur un ou plusieurs cycles. Pour un organisme qui prépare son tout premier audit, sans preuve accumulée ni non-conformité antérieure à surveiller, le travail est différent : il s'agit de construire un processus qualité, pas de retrouver des preuves déjà produites.
Un référentiel en transition, aux attentes pas encore stabilisées. Entre la publication d'un texte réglementaire et sa mise en pratique homogène par l'ensemble des organismes certificateurs, un délai d'ajustement existe presque toujours. Pendant cette période, l'interprétation exacte d'un indicateur peut varier d'un auditeur à l'autre, et aucun outil ne peut anticiper cette variabilité à la place d'un échange direct avec l'organisme certificateur.
Un très petit volume de preuves à gérer. Pour un organisme d'un ou deux formateurs, avec un dossier qualité qui tient sur quelques dizaines de documents, l'investissement dans un traitement automatisé dépasse probablement le temps qu'aurait pris un classement manuel direct. La démarche prend son sens à partir d'un volume documentaire, et d'un nombre d'années accumulées, qui rendent la recherche manuelle réellement coûteuse.
Questions fréquentes sur le dossier de preuve Qualiopi
Un audit Qualiopi approche ?
Voyons ce que votre corpus documentaire permet de retrouver.
Pour aller plus loin
- Assistant IA interne RAG : la brique technique qui permet de retrouver une information dans des documents réels, sans invention, appliquée ici au dossier de preuve.
- Déployer un assistant IA sur vos documents internes : le déroulé général d'un projet de ce type, hors contexte Qualiopi.
- Formation IA en entreprise pour PME : ce qu'implique de former l'équipe qui utilisera et validera l'outil au quotidien.
- AI Act et PME : au-delà de Qualiopi, ce que la réglementation IA change pour une entreprise qui adopte ces outils.
- Automatisations de processus métier pour PME : d'autres exemples de tâches de recherche et de classement qui se prêtent à l'automatisation.
