Lire le contre argumentaire précédent
Que l’on enseigne dans le secondaire (voire le primaire) ou dans le supérieur, nous avons toutes et tous été confronté·es à des discours institutionnels nous enjoignant à utiliser l’IA dans nos enseignements, au nom de ses vertus pédagogiques ou encore de la nécessité pour les étudiant·es de s’y former en vue de leur insertion professionnelle. Questionner ces injonctions et appeler à l’objection de conscience face à l’IAg est d’autant plus difficile que s’y ajoute souvent l’argument, paré de « bon sens », selon lequel « de toute façon, les élèves/étudiant·es l’utilisent déjà ».
Effectivement, les étudiant·es l’utilisent. Une récente étude du ministère chargé de l’enseignement supérieur et de la recherche indique que 34% d’entre elles et eux l’utilisent « de façon consciente et volontaire » quotidiennement dans le cadre de leurs enseignements, et 34% une à deux fois par semaine. Quant aux plus jeunes, une enquête des Cahiers Pédagogiquesauprès d’élèves du secondaire révèle que 79% des lycéen·nes et 59% des collégien·nes ont déjà utilisé l’IA pour leur travail scolaire.
Toutefois, cela ne constitue en aucun cas une raison valable pour en favoriser encore plus l’usage, comme le rappellent Christophe Cailleaux et Amélie Hart, enseignant·es en histoire-géographie dans le secondaire qui demandent « depuis quand des pratiques adolescentes massives devraient mener l’ensemble du système éducatif à “s’adapter” ? ». Sans reprendre ici toute leur argumentation, on peut rappeler que les deux auteur·es invoquent le principe de précaution pour conclure que « tant qu’il n’aura pas été démontré scientifiquement qu’existent des IA qui ne participent pas à la prédation et à la dévastation généralisée du monde, les IA dans un cadre scolaire doivent être réduites à leur strict minimum ».
Le numérique comme préambule.
De fait, une analyse critique du numérique en général et une discussion sur notre rapport aux technologies qui y sont liées semblent être un préalable à toute discussion sur l’IAg, que ce soit avec nos élèves/étudiant·es, collègues ou institutions. Le sujet est vaste, et l’on peut distinguer trois catégories de conséquences à discuter : i) les effets directs des infrastructures numériques (conséquences environnementales et sociales de l’extractivisme, conflits d’usage pour l’eau et l’électricité dus aux datacenters et à la production de composants électroniques, les impacts climatiques, les chiffres de la croissance du numérique, l’effet rebond, etc.) ; ii) les effets sanitaires et sociaux de l’usage (conséquences sur les conditions de travail, impacts sur le développement des enfants et sur la santé en général, la fracture numérique, la montée de l’anxiété et du sentiment de solitude en lien avec les réseaux sociaux, le harcèlement en ligne, etc.) ; iii) les conséquences politiques (utilisation des données personnelles, usines à trolls, nature des algorithmes favorisant l’engagement des utilisateur·ices, propagation des fausses nouvelles sur les réseaux sociaux, montée du phénomène de post-vérité, collusion entre dirigeants de la Tech et idéologies politiques anti-démocratiques, etc).
Concernant plus particulièrement les apprenant·es, il ne faut pas croire que, parce qu’iels sont des digital natives, ils et elles auraient des connaissances supérieures à la moyenne sur ces sujets. Par exemple, la plupart n’ont jamais entendu parler du scandale Cambridge Analytica ou de la notion d’effet rebond, et ne savent pas ce que sont des usines à trolls. La majorité n’a également qu’une très vague idée de la matérialité du numérique et des infrastructures nécessaires à son fonctionnement.
Après avoir présenté ces éléments, il nous semble indispensable d’aborder avec elleux, idéalement dans des formats d’ateliers participatifs, les questions suivantes : quel monde le numérique fait-il advenir ? Comment se positionner par rapport à ces technologies ? Quel est le point de vue citoyen des élèves/étudiant·es sur ces questions ? etc.
Les spécificités de l’IAg : informations factuelles.
L’IAg vient se rajouter à cet inventaire et l’amplifier (notamment du point de vue environnemental), tout en apportant quelques spécificités : les « hallucinations » (nous y reviendrons), le pillage massif des ressources protégées par droit d’auteur, les travailleur·ses du clic, les deepfake, la perte des capacités de réflexion, la génération automatisée de contenus inondant les réseaux, etc. Même si ces éléments sont généralement abordés, plus ou moins rapidement, en introduction des formations à « l’éthique de l’IA » ou « au bon usage de l’IA », il nous semble que les conséquences que l’on doit en tirer sont très différentes de celles qui sont données dans ces formations.
Pour commencer, dans le cadre de la discussion sur l’utilisation de l’IAg dans l’enseignement, il nous semble indispensable de rappeler des faits simples mais pas nécessairement connus des apprenant·es ni de nos collègues. Avant toute chose, il faut préciser que l’IAg produit du crédible et non du vrai, ce qui implique d’expliquer le principe fondamental de son fonctionnement : il ne s’agit pas de moteurs de recherche, mais de logiciels conversationnels fournissant, sur la base de probabilités, des discours ressemblant à des écrits générés par des humains. Les IAg peuvent en effet imiter l’apparence d’un travail scientifique, mais ne se soucient pas, par construction, de la vérité. Au mieux, les résultats s’avèrent corrects, lorsqu’ils sont statistiquement suffisamment présents dans les données d’entraînement, mais la plupart du temps sont donnés sans référence aux réflexions humaines et aux travaux à partir desquels ils ont été générés. Au pire, les résultats sont faux. Les fameuses « hallucinations » (références inventées, fausses anecdotes, etc.) ne sont que des moments où la nature profonde de l’IAg apparaît clairement car elle se met à produire des choses que nous détectons comme fausses ou incohérentes. Pourtant, loin d’être un bug, il s’agit, comme le reste, d’inventions, et donc de productions « normales ».
De plus, il nous semble important de rappeler que la forme quasiment parfaite des productions des IAg nous donne l’illusion qu’elles sont effectivement une forme d’intelligence et nous incite à apporter du crédit à ce qui est écrit. Ceci peut pousser les utilisateur·ices – et notamment les élèves/étudiant·es – à négliger l’étape de vérification des sources et des informations données.
Ainsi, face à nos apprenant·es, deux conclusions simples doivent être affirmées clairement. La première est que les IAg ne sont pas des programmes qui « réfléchissent » ou disent le vrai, ce sont des programmes qui imitent et reformulent. La deuxième est que l’IAg n’est pas un bon moyen d’acquisition de connaissances car, paradoxalement, pour permettre d’acquérir des connaissances, elle requiert des compétences (de vérification via d’autres sources) et des connaissances (plus ou moins avancées dans le champ sur lequel on la questionne) qu’elle tend à dévaloriser en laissant penser aux apprenant·es que ces dernières sont obsolètes du fait de l’IAg.
Enfin, notons que le fait de connaître les limites de l’IAg ne suffit pas à s’en prémunir, et aucune formation « au bon usage de l’IAg » ne permettra de contourner complètement ses biais. On peut illustrer cette difficulté des utilisateur·ices à s’affranchir des limites des IAg par des exemples allant de l’humoristique au pathétique en passant par le véritablement inquiétant. Mentionnons ainsi cette très parlante analogie avec une calculatrice qui donnerait des résultats erronés ; les stratagèmes illusoires des utilisateur·ices lambda qui pensent réussir à « dompter leur IAg » et en font un symbole de distinction sociale ; ou les prompts visant à éviter les biais de genre pour des personnes qui utilisent ChatGPT comme conseiller d’orientation. Toutes ces stratégies ne changent bien entendu pas la nature profonde des IAg et ne sont que des pis-aller, condamnés à être imparfaits.
Si ni les coûts environnementaux et sociaux liés aux usages de l’IAg, ni ses limites et biais ne suffisent à convaincre de résister à son déploiement dans notre système éducatif, on peut alors se pencher plus en avant sur les objectifs mis en avant pour justifier cet essor, et sur les présupposés qu’ils charrient.
Former grâce à l’IAg : une illusion ?
Peut-être faut-il au préalable revenir sur ce que signifie « intégrer l’IAg dans les enseignements », et distinguer d’une part ce qui relève d’une volonté de former grâce à l’IAg (l’IAg au service de la pédagogie, et ce dans tous les domaines de connaissances), et d’autre part ce qui relève d’une formation spécifique à l’IAg (son fonctionnement, ses usages).
Concernant l’IAg comme support des apprentissages (former grâce à l’IA), nombres de suppositions sur ses bienfaits ont été avancées, à l’instar par exemple du rapport Villani (2018) : « On peut imaginer [1] que le développement de solutions d’apprentissage personnalisées, fondées sur l’IA, pourront considérablement aider les enseignants à déployer des méthodes différenciées ». De la même façon, le récent rapport IA et enseignement supérieur indique que l’IA « peut favoriser la personnalisation de l’apprentissage » ou encore « faciliter le développement de dispositifs pédagogiques, comme un retour en temps réel des apprentissages, ou une généralisation du contrôle continu ». Cependant, le rapport reconnaît, à deux reprises, que ces apports restent à l’état d’hypothèses, n’étant pas pour l’instant étayées empiriquement : « Si beaucoup de communications et d’articles étudient la manière dont l’IA peut assister la pédagogie, de l’utilisation directe d’un assistant d’IA à la réalisation d’outils propres, on trouve peu d’évaluation de l’impact de ces méthodes » (p. 25), « Toutefois, si le potentiel est important, les études sur les effets de l’usage de l’IA sur les apprentissages des étudiants sont encore peu nombreuses. Elles doivent être développées » (p. 42).
Autrement dit, l’IAg comme support pédagogique est mise en avant dans l’ensemble du système éducatif, alors même que ses bienfaits restent à démontrer. Inversement, les témoignages d’enseignant·es dénonçant les effets délétères de l’IAg sur les apprentissages se multiplient, qu’ils soient individuels (par exemple ici, là, ou encore ici) ou récoltés dans le cadre d’enquêtesjournalistiques ou d’étudesscientifiques. Dans l’enquête du ministère de l’enseignement supérieur et la recherche, 76,7% des enseignant·es interrogé·es indiquent que « les étudiants sont moins consciencieux dans leur apprentissage car ils savent qu’ils peuvent demander à l’IA », et plus de 65% déclarent avoir des inquiétudes vis-à-vis de l’IA, avant tout pour des raisons pédagogiques. Dans le même temps, seuls 14% répondent positivement à la question « avez-vous connaissance d’expérimentations intéressantes concernant l’IA dans l’usage des formations ? ». Citons également l’étude du think thank étatsunien Brooking, indiquant qu’actuellement les risques liés à l’usage de l’IA en matière d’éducation sont supérieurs aux bénéfices.
À ces constats, il faut ajouter le travail supplémentaire pour les équipes pédagogiques, qu’implique l’introduction de l’IAg comme support pédagogique, en termes d’(auto)formation et de réorganisation des enseignements. On ne peut que suivre l’American Association of University Professors (AAUP) lorsqu’elle conclut ainsi une étudeauprès de ses membres sur l’IA et les professions académiques : « l’obligation de développement professionnel concernant l’utilisation de l’IA dans l’enseignement et la recherche alourdit la charge de travail des enseignants et du personnel, sans preuve que l’IA améliore la productivité, la pédagogie ou les processus d’enseignement, d’apprentissages et leurs résultats. En effet, l’IA peut avoir des effets négatifs sur l’enseignement et les apprentissages, particulièrement dans certains contextes pédagogiques » (p. 5).
La formation par l’IAg impliquerait une refonte complète des cursus et des façons d’enseigner, alors même qu’elle semble apporter plus de problèmes que de bienfaits. En outre, même si ces derniers étaient prouvés – ce qui n’est pas le cas –, la mise en œuvre de dispositifs pédagogiques fondés sur l’IAg nécessiterait un réel accompagnement des équipes enseignantes, et d’importants moyens humains, temporels, et financiers (en particulier pour accéder aux services, voir ci-après). Or ces moyens font cruellement défaut, à tous les niveaux du système éducatif, et s’ils pouvaient être déployés, ils le seraient à meilleur escient pour des mesures dont l’efficacité n’est plus à démontrer (comme
la réduction du nombre d’élèves par classe dans l’enseignement primaire, les universités et établissements d’enseignement supérieur subissent une diminution des fonds publics qui leur sont alloués, et leurs personnels se voient demander de faire autant, si ce n’est plus, avec moins (de moyens, de collègues, de temps).[L’AAUPdénonce dans son rapport le choix des administrations d’investir dans des solutions technologiques (donc l’IAg), jugées moins coûteuses, plutôt que « d’améliorer les conditions de travail du corps enseignants, qui sont aussi celles dans lesquelles les étudiants étudient » (p. 2).
Enseignant en anglais à l’université du Mississippi, Justin Raden fait sur son blog le lien entre la réduction des fonds alloués à l’enseignement et l’incitation à utiliser l’IAg, à l’échelle fédérale (coupes de budget par l’administration Trump et engagement en faveur de l’IA dans l’éducation) et de certains États. Il cite notamment le cas de l’Utah qui a réduit de 60 millions de dollars le budget alloué à l’éducation, en précisant que ce financement pourrait être rétabli si les établissements se concentraient davantage sur les filières les plus rentables (high-wage majors), notamment la formation à l’IAg.
La fuite en avant de nos institutions dans l’utilisation de l’IAg peut donc se comprendre comme une façon d’accroître les demandes adressées aux enseignant·es, dans un contexte de baisse des effectifs et des moyens. Résister au déploiement tous azimuts de l’IAg, c’est donc aussi résister à la dégradation de nos conditions de travail et à l’accroissement de la charge de travail enseignante.
Mais résister à l’IAg, c’est aussi s’opposer à des formes de privatisation rampante de l’éducation. Certes, en France nous sommes encore loin du cas des États-Unisoù des compagnies privées, à but lucratif, assurent pour le compte d’universités publiques des formations à la rédaction de prompts. Toutefois, en l’absence d’IAg institutionnelle, les utilisateur.ices ont essentiellement recours à des IAg commerciales : respectivement 95% et 90% des étudiant·es et enseignant·es interrogé·es par le ministère de l’enseignement supérieur et de la recherche déclarent utiliser le plus souvent ChatGPT, développé par la société américaine OpenAI. Gemini, développé par Google, arrive en seconde place. En l’état actuel des pratiques, encourager le développement de l’IAg risque de rendre nos systèmes éducatifs dépendants, au sens strictement financier du terme, d’une technologie coûteuse et dont le coût est certainement amené à croître dans les années à venir. Comme le rappelle le rapport « IA et enseignement supérieur », l’augmentation de la part des utilisateurs payants et une forte augmentation des prix des services est nécessaire pour que les entreprises qui développent l’IA atteignent la rentabilité économique (p. 15).
Ceci est encore plus vrai dans le cas d’usages spécialisés. Afin de lutter contre les inégalités de formation, un récent rapport du Sénat préconise d’inciter « les écoles de droit à souscrire des abonnements à des outils d’intelligence artificielle générative spécialisés dans le droit et en fournir l’accès aux étudiants », tout en soulignant les conséquences financières pour les écoles « les licences pouvant atteindre jusqu’à 200 euros par mois et par utilisateur ».
L’IA, la fraude et les travaux à la maison
C’est bien beau tout cela nous rétorqueront certains collègues, mais que dire aux élèves et étudiant·es qui utilisent d’ores et déjà massivement l’IAg, en particulier pour rédiger et produire des travaux académiques à leur place ?
La moitié des enseignant·es interrogé·es dans le cadre du rapport sur l’IA et l’enseignement supérieur déclarent avoir fait évoluer leurs méthodes d’évaluation « pour faire face au risque de fraude avec l’IA », par exemple en supprimant le travail à la maison, et en développant les évaluations orales. Toutefois, souligne le rapport, cette modalité d’évaluation fait « face à deux difficultés. La première est financière. En effet, elle n’est pas, aujourd’hui, systématiquement applicable, notamment quand les promotions sont de taille importante car le coût d’organisation des oraux est important et les enseignant·es en capacité de les faire passer trop peu nombreux. La seconde porte sur le contenu de l’évaluation car l’oral ne permet pas d’évaluer certaines compétences, notamment celles développées dans le cadre de la rédaction de mémoires de master ou des thèses » (p. 47).
Ce phénomène n’est pas propre à la France : dans l’enquête de l’AAUP, 78% des enseignant·es estiment que la triche liée à l’IA augmente, mais ils et elles ne s’accordent pas sur le périmètre de ce qui est autorisé ou non. Un peu plus de la moitié considère que suivre un plan détaillé généré par IA pour rédiger un devoir constitue une fraude, quand 45% estiment qu’il est légitime de faire relire et corriger ses écrits par une IA.
Ceci amène à une première considération, à savoir la nécessité pour nos institutions de limiter explicitement les usages de l’IAg par les apprenant·es. L’Education nationale, dans un document de cadrage indique que « l’utilisation d’une intelligence artificielle générative pour réaliser tout ou partie d’un devoir scolaire, sans autorisation explicite de l’enseignant et sans qu’elle soit suivie d’un travail personnel d’appropriation à partir des contenus produits, constitue une fraude. Elle est assimilée, à ce titre, à l’intervention d’une tierce personne ou à la reproduction non signalée de contenus existants » (p. 10). Toutefois, elle ne précise pas le périmètre que recouvre « l’utilisation » d’une IAg pour produire un devoir (recherche d’idées ? production d’un plan ? relecture ?). Cette limitation reste cependant largement plus stricte que ce qui a cours dans la majorité des établissements d’enseignement supérieur, qui, faute de règles précises, notamment concernant les mémoires, ne peuvent invalider des travaux au seul motif qu’ils ont été rédigés avec une IAg.
Outre les enjeux pédagogiques, proscrire au maximum l’usage de l’IAg est un enjeu d’équité entre les élèves/étudiant·es, puisque la qualité et la quantité des productions auxquelles ils et elles peuvent avoir accès chez eux n’est pas la même s’iels ont accès ou non à des supports payants.
Certes, il est difficile de prouver qu’un texte a été généré par une IAg, les outils de détection étant loin d’être fiables et nombre de tutoriels en ligne proposant aux élèves et étudiant·es des astuces pour les déjouer. Mais les discussions sur les usages de l’IAg, entre enseignant·es et apprenant·es peuvent s’articuler autour d’une prise d’engagement réciproque, afin d’éviter que ne s’installe une spirale vicieuse entre elles et eux. De fait, la production de rapports et travaux par les étudiant·es utilisant l’IAg n’incite pas les enseignant·es à passer du temps à les corriger et à faire des retours personnalisés. La qualité de l’apprentissage et l’engagement des enseignant·es s’en trouve ainsi dégradée. Mais l’inverse est également vrai : si des apprenant·es savent que leurs productions sont corrigées en utilisant une IAg, cela ne les incite probablement pas à adopter une démarche qui fait de l’expérience d’apprentissage la finalité et de la production d’un travail de qualité un moyen au service de cette fin. De même, savoir qu’un·e enseignant·e a écrit un cours en recourant à l’IAg diminuerait probablement l’investissement des apprenant·es et la confiance qu’iels portent à leur enseignant·e (c’est ce que relate ce témoignage d’une enseignante ayant utilisé l’IA pour ses corrections). L’engagement à ne pas utiliser l’IAg se doit donc d’être un engagement réciproque impliquant conjointement et de manière claire enseignant·es et apprenant·es.
Les effets cognitifs de l’IAg
Le manifeste de l’Atécopol appelant à l’objection de conscience face à l’IAg s’appuie sur des considérations majeures, d’ordre écologique, social et politique, dépassant le seul cadre de l’enseignement supérieur et de la recherche, et qui resteraient valables quand bien même l’IAg serait totalement fiable et efficace d’un point de vue pédagogique.
Pour autant, une discussion avec des collègues, élèves ou étudiant·es sur les usages de l’IAg ne peut, semble-t-il, faire l’économie de la question des effets cognitifs de l’IAg et de son impact sur la qualité des apprentissages ; ne serait-ce que parce même si l’on a affaire à des personnes qui se désintéressent du bien commun et des enjeux éthiques, elles seront peut-être sensibles à des effets qui les concernent directement.
« Le plus grand danger de l’IA à l’université n’est pas la triche, c’est l’érosion de l’apprentissage lui‑même » indiquent ainsi deux chercheurs, N. Eisikovits et J. Burley, soulignant qu’elle peut détourner leurs utilisateurs de certaines étapes cruciales dans l’apprentissage : « formuler des idées, traverser des moments de confusion, retravailler un brouillon maladroit, apprendre à repérer ses propres erreurs ». Dans le rapport sur l’IA et l’enseignement supérieur, nombre d’enseignant·es soulignent un risque « quant à la capacité des apprenants à développer une autonomie intellectuelle, une réflexion personnelle et des compétences fondamentales telles que la rédaction et l’analyse, face à une dépendance potentielle aux outils d’IA » et 90% des 1057 enquêté·es enseignant·es dans des universités américaines déclarent que l’IAg « va diminuer les capacités critiques de leurs étudiant·es » et 95% qu’elle va « accroître leur dépendance excessive aux outils numériques ». En considérant que les étudiant·es estiment qu’il est toujours important d’acquérir des connaissances et compétences au cours de leur formation, mettre en avant la possibilité d’atrophie de leurs capacités cognitives voire d’auto-lobotomisation pourrait les amener à questionner leurs usages de l’IAg.
Il est toutefois difficile de percevoir les effets de l’utilisation de l’IAg sur soi : quand nous utilisons un outil au quotidien, nous n’avons pas de recul sur la façon dont cet outil influence nos propres capacités. C’est en cela que s’appuyer sur les études scientifiques sur les effets cognitifs de l’IAg apparaît indispensable, dans la mesure où elles fournissent des savoirs inaccessibles par l’expérience personnelle ou le vécu. Ces études confirment ce que l’intuition et le bon sens suggèrent au premier abord : ne pas utiliser certaines capacités cognitives – comme le fait de lire, d’écrire, de réfléchir, de produire un raisonnement – les amenuisent->https://www.polytechnique-insights.com/tribunes/neurosciences/ia-generative-le-risque-de-latrophie-cognitive]. En outre, on n’apprend pas de la même façon avec ou sans IAg : une étude montre qu’utiliser l’IAg pour rédiger un travail ne permet pas de transformer les informations mobilisées en connaissances (83% des utilisateurs d’IAg sont incapables de se souvenir d’un passage qu’ils venaient d’écrire pour un essai). Autre exemple : il a été montré que la qualité de la production d’étudiant·es relative à une question nouvelle était moindre lorsqu’ils utilisaient l’IAg pour se documenter par rapport à une recherche web standard.
Il est relativement facile de se croire individuellement prémuni des divers effets néfastes mis en évidence par la psychologie, la sociologie ou la médecine. Face à des apprenant·es, il faut en avoir conscience, et se préparer à ce que des affirmations à ce sujet soit accueillies avec scepticisme, voire rejetées. Cette réaction peut potentiellement être atténuée en rentrant dans le détail des études faites à ce sujet : méthodologies utilisées, résultats détaillés, limites des études, etc.
Ainsi, outre les problèmes fondamentaux que soulève l’IAg, son usage « pédagogique » à tous les niveaux et dans tous les domaines d’enseignement charrie tout un ensemble de risques, et menace les capacités de compréhension et d’apprentissage des élèves et étudiant·es, tout en accompagnant une détérioration des conditions de travail des enseignant·es. Il faudrait donc « mettre fin à l’illusoire formation par le numérique ». Toutefois, se pose la question de la formation non pas grâce à, mais à l’IAg.
Former à l’IAg
La formation à l’IAg peut-elle même recouvrir plusieurs propositions, que l’on peut regrouper de la façon suivante :
a) Savoir utiliser la technologie i) en lien avec sa spécialité de formation (pour les étudiant·es) ii) de façon générique (comme une sorte d’outil de bureautique)
b) Comprendre la technologie et son fonctionnement
c) Appréhender les risques de l’tag
Un enseignement spécifiquement dédié à l’IAg : oui mais lequel ?
Une partie de ces questions peuvent être abordées dans le cadre d’un enseignement transversal, sans lien avec un parcours ou une spécialité de formation, qui serait spécifiquement dédié à l’IAg.
C’est ce que propose le collectif Education numériquepour le secondaire, et c’est ce qui a été mis en place à l’Université Paris Saclay avec le Brevet AI, une formation « d’acculturation à l’IA » destinée à tou·tes les étudiant·es.
Derrière ces formations, il y a souvent l’idée de présenter les risques et les limites de l’IAg puis d’en décrire les « bons usages ». Le Brevet AI, dans sa forme la plus complète propose ainsi d’aborder les points suivants : le fonctionnement de l’intelligence artificielle, les tâches de l’intelligence artificielle, l’IA en pratique & les bonnes pratiques de l’IA, les enjeux sociétaux de l’intelligence artificielle.
Or, si nous appelons de nos vœux des formations, de type c) dans la classification ci-dessus, présentant les coûts et les risques – environnementaux, sociaux, économiques, éthiques, cognitifs – associés à l’IAg, nous estimons que, quelle que soit la vision que l’on peut avoir de l’enseignement, il n’y a strictement aucune raison de former les apprenant·es à ses « bons usages », dans la mesure où ces usages, quels qu’ils soient, entrent en contradiction avec nos exigences de sobriété, de respect des limites planétaires et d’opposition aux techno-oligarchies. En d’autres termes, nous défendons que les formations de type a) n’ont pas lieu d’être, tout particulièrement celles de type a-ii).
Ces bonnes pratiques s’avèrent d’ailleurs souvent impossibles à tenir, à l’instar de l’Education nationale proposant que « l’IA ne doit être utilisée que si aucune autre solution moins coûteuse écologiquement ne répond de façon satisfaisante au besoin » (p. 8). Faire soi-même une bibliographie, faire une recherche en bibliothèque ou via un moteur de recherche en ligne ou apprendre à relire soi-même sa production : toutes ces actions seront toujours moins coûteuses écologiquement que d’avoir recours à l’IAg !
Nous invitons ainsi à ne pas consacrer de temps à former les apprenant·es à l’utilisation d’un outil en évolution constante, et dont les limites ne cessent de se redessiner. À la place, nous proposons de sensibiliser les étudiant·es à la multitude de problèmes et de risques que l’IAg soulève, mais aussi de privilégier l’acquisition de connaissances vérifiées et d’accompagner la recherche d’information par d’autres moyens.
L’IA et la formation professionnelle
Reste l’épineuse question de la formation à l’IAg « pour préparer à l’insertion professionnelle ». En tant qu’enseignant·es dans le supérieur, c’est un argument qui nous est souvent adressé, avec l’idée que nous condamnerions nos étudiant·es à ne pas trouver leur place sur le marché du travail si nous n’intégrons pas à leur formation l’usage d’IAg adaptées à leur domaine de connaissance. Cela concerne les formations de type a-i) dans la classification ci-dessus. En effet, les formations du supérieur, notamment au niveau master, qui ont pour objet les connaissances d’informatique sur les fondements des IAg, c’est-à-dire des Large Language Models (LLM), classifiées ci-dessus en b), ont clairement toute légitimité à exister, car ces connaissances sont nécessaires pour la compréhension de ces technologies.
En ce qui concerne donc les formations de type a-i) ci-dessus, avant toute chose, il importe de revenir sur le fantasme de l’adéquation des formations au marché du travail. La tension entre le monde de l’enseignement et le monde du travail au sujet de la formation est loin d’être nouvelle : faut-il former des apprenant·es « prêt-à l’emploi » au sens littéral, former des apprenant·es qui seront capables d’évoluer sur le marché du travail 40 années après la fin de leurs études, ou bien encore former des citoyen·nes aptes à réfléchir aux enjeux complexes de leur temps, indépendamment des desiderata des entreprises ? Les lignes de fracture ne sont d’ailleurs pas aussi nettes qu’on pourrait le croire ni toujours là où on penserait naïvement qu’elles le sont. Il est ainsi courant de croiser des apprenant·es souhaitant surtout être le plus rapidement « employables », des entreprises qui demandent que soient avant tout formées des têtes bien faites en affirmant qu’elles s’occuperont du reste (notamment de la formation aux outils spécifiques à leur métier), et des enseignant·es n’ayant de cesse de mettre en avant la « demande » souvent fantasmée des entreprises, légitimant ainsi un certain nombre de pratiques.
Depuis plusieurs décennies, les travaux de sciences sociales ont mis en évidence l’impossible adéquation entre l’offre de formation et les besoins du marché du travail, pour un certain nombre de raisons : tout d’abord, chaque entreprise n’est même pas toujours au clair et cohérente en interne à ce sujet ; ensuite, il peut exister un décalage temporel entre le rythme d’évolution des formations et celui du marché du travail, sans parler des difficultés à évaluer les besoins sur le long terme ; et enfin, certaines entreprises ont des besoins très spécifiques qui ne peuvent pas être pris en charge par les formations, même les plus spécialisées (manque de formateur·ices, trop peu d’apprenant·es concerné·es, nécessité d’offrir aux apprenant·es des débouchés qui ne soient pas trop restreints).
Dans le cas spécifique de l’IAg, le monde du travail est actuellement plongé dans le flou : les employeurs sont incapables de savoir quelle importance va avoir à court ou moyen terme l’IAg dans leur entreprise, la plupart étant actuellement en phase de tests prudents ; il existe plusieurs exemples d’entreprises qui ont licencié des employé·es pour les remplacer par de l’IAg mais ont fait machine arrière peu de temps après ; on peut aussi noter qu’un « nouveau métier » tel qu’« ingénieur de prompt » a disparu en deux ans.
Bref, dans un tel contexte, il est urgent de ne pas se précipiter, et de s’assurer que l’on forme des apprenant·es capables de s’adapter à des métiers qui n’existent pas encore, qu’ils intègrent ou non l’utilisation de l’IAg. Étant donné qu’anticiper le futur semble délicat, on peut faire l’hypothèse peu engageante qu’il existera des métiers utilisant l’IAg, et qu’ils pourront être de trois types : ceux qui feront un usage peu technique des IAg en se satisfaisant de leur production « brute », ceux qui l’utiliseront comme étape intermédiaire avant un résultat final plus exigeant et donc retravaillé, et enfin ceux qui en feront un usage très précis et spécialisé.
Le premier type est sans doute le plus répandu : il s’agit des cas où les IAg serviront comme « assistant » de rédaction, moteur de recherche, producteur d’images, de code informatique rapide, etc. Dans ces cas-là les IAg seront utilisées de manière triviale et il n’y aurait probablement pas de grand gain de compétence professionnelle à « former » spécifiquement et en profondeur les étudiant-es à leur usage, il s’agit des formations de type a-ii) déjà évoquées. Si les IAg se répandent si rapidement, c’est justement parce qu’elles sont faciles à prendre en main et très ergonomiques, tout comme d’autres outils informatiques (les moteurs de recherche, les outils de création graphique comme Canva, etc.). Concernant « l’art du prompt », on peut suivre le professeur de littérature américaine Matt Seybold, lorsqu’il écrit qu’il ne s’agit finalement que d’un « euphémisme pour désigner l’écriture, bien qu’il s’agisse d’une forme d’écriture particulièrement antisociale et transactionnelle ». Par conséquent, il y a peu de plus-value pédagogique à en enseigner l’usage en détail.
Le deuxième type de travail implique au contraire une réelle expertise. En effet, au vu des travers des productions des IAg, bien documentés dans de nombreux domaines professionnels (par exemple des plaidoyers d’avocat·es inventant des textes de lois), les éventuel·les futur·es travailleur·ses utilisant l’IAg devront avoir une très bonne maîtrise de leur discipline et un solide esprit critique afin de juger de la qualité du résultat produit. Par ailleurs, comme le rappelle le rapport du Sénat sur le droit et l’IA, « Comment qualifier de « bon » avocat celui qui, par exemple, serait incapable de répondre à une question orale de son client sans recourir à un outil d’intelligence artificielle générative » ?
Or, belle ironie, il a été montré dans de nombreux cas que l’utilisation des IAg a des conséquences délétères en la matière, que ce soit via une diminution des savoir-faire spécifiques ou via la dégradation de compétences transverses. Le meilleur moyen de se préparer à une éventuelle future utilisation professionnelle de l’IAg est donc d’apprendre à « faire sans » au cours de la formation. Même si l’on peut comprendre que des apprenant·es puissent être amené·es un jour à utiliser l’IAg dans le monde professionnel, cela ne justifie pas que ce doive être le cas dans les établissements d’enseignement. Il faut en revanche veiller à ce que les capacités qui demeureront indispensables lorsqu’on utilise l’IAg soient parfaitement acquises au cours des années d’étude. Par exemple, faire du développement informatique en utilisant l’IAg nécessite des compétences pour comprendre le code produit, le corriger, l’optimiser, le documenter, le réutiliser et le faire évoluer. Nous devons donc enseigner à faire sans IAg.
Enfin le troisième type de travail impliquant des IAg pourra être le cas où des outils d’IAg très spécifiques et techniques seront mobilisés dans des métiers experts. Il pourra donner lieu ponctuellement à des formations techniques dédiées, mais ne justifie donc pas d’intégration de l’IAg à l’ensemble des cursus. Il faut noter de surcroît que les outils d’IA très spécialisés, même basés sur des techniques d’apprentissage profond (par exemple AlphaFold en biochimie), ne relèvent en général pas de l’IA générative, et donc pas de l’IAg grand public à l’origine des problèmes environnementaux, sociaux et politiques dénoncés dans le manifeste.
Mais on peut également envisager qu’il existe un avenir où l’usage professionnel des IAg serait, pour diverses raisons – environnementales, politiques, économiques – très faible ou cantonnée à certains secteurs. L’IAg ne sera peut-être qu’une bulle économique temporaire, ses effets sur la productivité étant remis en question, et ses bénéfices moins importants que prévus. Ainsi, refuser d’utiliser l’IAg dans le cadre d’un enseignement ou d’une formation, ce n’est pas « sacrifier » les jeunes générations : c’est au contraire refuser de les amputer de toute une partie de leurs capacités intellectuelles, c’est refuser de les rendre incapables de penser, créer, concevoir sans ces technologies qui pourront être amenées à disparaître.
Dans un autre registre, il nous parait important de mentionner que, même dans le cas de métiers utilisant l’IAg pour obtenir des résultats de qualité et nécessitant donc des compétences pointues, il y a un fort risque que ces métiers soient ressentis comme étant vidés de leur sens, étant réduits à un travail de relecture et correction des erreurs de la machine. Les travaux de JC Carbonell témoignent pour de nombreux·euses journalistes et traducteur·ices de la perte de la dimension créative de leur travail, de leur autonomie, ainsi que de l’appauvrissement de leur métier. Sans parler, bien entendu, du risque avéré de disparitions massives d’emplois qualifiés, sans perspectives évidentes de remplacement.
Conclusion
Face aux injonctions institutionnelles à mobiliser l’IAg dans l’enseignement, et ce à tous les niveaux, nous proposons d’ouvrir le débat, avec nos collègues, élèves, étudiant·es afin de mettre en évidence les risques et les effets délétères déjà avérés de cette technologie.
La nécessité de former nos étudiant·es et élèves à apprendre, mais aussi à penser, créer, produire sans l’IAg apparaît d’autant plus grande que ces jeunes générations sont déjà confronté·es à des problèmes de dépendances, relationnelles et affectives, à ces outils et qu’il n’est pas de notre rôle de favoriser ce phénomène.
RSS 2.0