(Avec, en fin de manifeste, une grille individuelle gratuite pour diagnostiquer sa maturité face à l’IA et progresser vers un usage plus critique, plus responsable et plus humain)
Par Dr. Tawhid CHTIOUI, Président fondateur d’aivancity School of AI & Data for Business & Society ; sélectionné parmi les 25 personnalités mondiales les plus influentes dans le domaine de l’IA et des données par Keyrus (Janvier 2025).
Introduction : le soir où ChatGPT a remplacé le père
L’autre soir, j’ai vécu un moment particulier, de ces moments minuscules qui semblent d’abord appartenir à la vie domestique, mais qui révèlent soudain une transformation beaucoup plus profonde de notre rapport au savoir.
Mon fils préparait un devoir. Je me suis approché avec cette assurance tranquille des parents qui croient encore que leur simple présence peut éclairer une question, débloquer une difficulté ou sauver une copie. Je lui ai demandé, avec toute la dignité paternelle disponible à cette heure-là : « Tu veux que je t’aide ? »
Il a levé les yeux vers moi, puis m’a répondu très simplement : « Non papa, c’est bon. J’ai déjà demandé à ChatGPT. »
J’aurais pu sourire et laisser passer. Mais j’ai tenté, par réflexe, de sauver ce qui restait de mon autorité éducative. Je lui ai donc demandé : « Et alors, il t’a dit quoi ? » Sa réponse fut presque sans cruauté, ce qui la rendit plus efficace encore : « Il m’a expliqué mieux que toi la dernière fois. »
À cet instant, il aurait été commode de ranger cette scène dans le grand musée familial des petites insolences d’enfants. Pourtant, quelque chose résistait. Cette remarque n’était pas seulement une anecdote amusante. Elle condensait, dans la simplicité d’une scène ordinaire, une bascule anthropologique.
Si un enfant peut penser sincèrement qu’une machine explique mieux qu’un parent, qu’elle clarifie mieux, qu’elle reformule plus patiemment et qu’elle répond plus efficacement, alors le sujet n’est plus seulement technique. Il n’est même plus seulement pédagogique. Il touche à notre définition même de l’intelligence.
Depuis des siècles, nous avons placé l’intelligence sur un piédestal particulier. Nous avons admiré celui qui savait répondre, celui qui répondait vite, celui qui trouvait la bonne solution avant les autres, celui qui calculait sans hésiter, mémorisait sans faiblir et argumentait sans trembler. Nos écoles ont largement épousé cette vision, nos concours l’ont sanctuarisée, nos examens l’ont chronométrée, nos entreprises l’ont récompensée. Une grande partie de nos systèmes sociaux s’est construite autour d’une équation implicite : être intelligent, ce serait produire la bonne réponse, au bon moment, plus vite ou mieux que les autres.
Cette idée n’était pas absurde. Elle a même eu sa grandeur. Elle a formé des générations de médecins, d’ingénieurs, d’enseignants, de chercheurs, de dirigeants et de bâtisseurs. Elle a permis de structurer les savoirs, de sélectionner les talents, d’organiser la transmission et de donner de la valeur à l’effort, à la mémoire, à la rigueur et à la démonstration, mais elle devient aujourd’hui insuffisante.
Une intelligence artificielle générative sait désormais accomplir une partie significative de ces tâches. Elle rédige, résume, traduit, compare, corrige, code, simule, propose des plans, explore des hypothèses et reformule des raisonnements. Elle peut expliquer une notion difficile dans plusieurs styles différents, recommencer sans impatience, reformuler sans fatigue, adapter son niveau sans se vexer et ne jamais laisser entendre, comme nous le faisons parfois malgré nous, que la question aurait déjà été posée de trop nombreuses fois.
C’est précisément cela qui nous trouble. L’IA ne nous impressionne pas seulement parce qu’elle calcule vite ou parce qu’elle produit beaucoup. Elle nous déstabilise parce qu’elle s’approche de gestes que nous pensions profondément humains : expliquer, écrire, conseiller, dialoguer, accompagner. Elle ne se contente plus d’automatiser des opérations périphériques. Elle entre dans la zone sensible de la parole, du raisonnement et de la transmission.
Alan Turing avait posé, dès 1950, une question devenue fondatrice : une machine peut-elle imiter l’intelligence au point que nous ne sachions plus distinguer son comportement de celui d’un humain ? Longtemps, cette question fut réservée aux laboratoires, aux philosophes et aux informaticiens. Elle entre désormais dans nos salons, nos salles de classe, nos bureaux et nos téléphones. Elle surgit quand un enfant préfère demander à ChatGPT plutôt qu’à son père.
Le vrai choc, pourtant, n’est pas que la machine donne des réponses. Le vrai choc est que nous ayons si longtemps réduit l’intelligence à cette capacité-là.
Si l’intelligence n’était que la rapidité d’accès à une bonne réponse, alors il faudrait l’admettre avec brutalité : nous serions déjà dépassés. Une IA peut lire plus vite que nous, synthétiser plus vite que nous, comparer plus vite que nous, produire plus vite que nous et explorer en quelques secondes des options que nous mettrions des heures à formuler. Mais cette conclusion serait trop courte, parce qu’elle confondrait la performance cognitive avec l’intelligence humaine, la production d’une réponse avec l’acte de penser, l’efficacité avec la compréhension, la vitesse avec la profondeur.
Herbert Simon, prix Nobel d’économie, avait montré que notre rationalité n’est jamais absolue. Elle est limitée, située, contrainte par le temps, l’information disponible, les contextes et les finalités. Daniel Kahneman et Amos Tversky, deux figures majeures de la psychologie cognitive et de l’économie comportementale, ont, quant à eux, révélé à quel point nos jugements sont traversés par des biais, des raccourcis et des intuitions parfois trompeuses. Autrement dit, l’intelligence humaine n’a jamais été une pure machine à produire des réponses exactes. Elle a toujours été une manière de décider dans l’incertitude, avec des informations incomplètes, des émotions, des valeurs, des responsabilités et des conséquences.
C’est là que l’IA nous force à un déplacement décisif. Elle ne signe pas la fin de l’intelligence humaine. Elle signe la fin d’une définition trop pauvre de l’intelligence.
Nous ne sommes pas dépassés par l’IA ; nous sommes dépassés par notre ancienne manière de définir ce que veut dire être intelligent.
La nuance est capitale. Si nous continuons à mesurer l’intelligence humaine avec les critères mêmes sur lesquels les machines deviennent imbattables, nous organiserons notre propre déclassement symbolique. Nous fabriquerons des générations qui se vivront comme des versions lentes, fragiles et imparfaites de systèmes artificiels. Nous demanderons à l’humain de rivaliser avec la machine sur le terrain choisi par la machine. Ce serait une erreur historique.
Un être humain n’est pas une IA plus lente.
Il n’est pas un processeur biologique auquel on aurait ajouté des émotions, de la fatigue et quelques hésitations. Il n’est pas une machine imparfaite qui aurait le défaut de douter, d’oublier, d’aimer, de craindre et de se tromper. Il est autre chose. Et c’est précisément cette autre chose qu’il faut aujourd’hui nommer.
Car l’IA nous oblige à poser une question que nous aurions dû poser depuis longtemps : qu’est-ce que l’intelligence lorsque la réponse n’est plus rare ? Dans un monde où la réponse devient abondante, instantanée et parfois brillante, peut-on encore définir l’intelligence comme la seule capacité à répondre ?
C’est ici que commence le véritable débat. Non pas : que peut faire l’IA ? Mais plutôt : que révèle-t-elle de notre propre manière de penser, d’apprendre, de travailler et de décider ?
Si les machines savent produire des réponses, que devra encore former l’école ? Si elles peuvent rédiger, analyser, comparer et recommander, que devra encore valoriser le monde professionnel ? Si elles entrent dans nos choix, nos métiers, nos institutions et nos vies ordinaires, quelle nouvelle fracture risquons-nous de voir apparaître ?
C’est ce chemin que je propose d’explorer : non pas l’IA contre l’humain, mais l’IA comme révélateur d’une question plus profonde, plus ancienne et plus décisive : que voulons-nous désormais appeler intelligence ?
I- Redéfinir l’intelligence : les cinq dimensions de l’intelligence humaine à l’ère de l’IA
1- L’intelligence du questionnement
La première dimension de cette intelligence à refonder est sans doute la plus ancienne, mais aussi la plus négligée : l’art de poser les bonnes questions.
Nous vivons encore avec l’idée que la question serait seulement une étape vers la réponse, une sorte de manque provisoire destiné à disparaître dès que le savoir arrive. Or, dans un monde saturé de réponses, la question devient un acte décisif. Elle n’est plus le signe d’une ignorance. Elle devient la première forme du jugement.
L’IA répond. L’humain interroge.
Cette formule paraît simple, mais elle dit une révolution. Poser une question, ce n’est pas seulement demander une information, c’est choisir un angle, décider ce qui mérite d’être regardé, distinguer le symptôme du problème, l’urgence de l’essentiel, la curiosité superficielle de la recherche véritable.
Un étudiant qui demande à une IA de “faire un exposé sur le climat” n’engage pas le même effort intellectuel que celui qui demande : “Comment expliquer que les sociétés connaissent les risques climatiques depuis des décennies tout en continuant à retarder les décisions collectives ?” Dans le premier cas, la machine produira un contenu. Dans le second, elle sera entraînée dans un problème. La différence est immense. La première demande appelle une synthèse. La seconde ouvre une enquête.
John Dewey, philosophe et pédagogue américain du pragmatisme, rappelait que l’apprentissage commence véritablement lorsqu’une situation devient problématique, lorsqu’elle résiste à nos évidences et nous oblige à enquêter. Cette idée retrouve aujourd’hui une actualité saisissante. À l’ère de l’IA, apprendre ne consiste plus seulement à recevoir une réponse, mais à savoir construire le problème qui mérite réponse.
Dans un monde pauvre en information, l’intelligence consistait souvent à savoir où chercher. Dans un monde riche en réponses, elle consiste d’abord à savoir quoi demander. Et surtout, à savoir pourquoi on le demande.
C’est ici que se joue une première fracture. Ceux qui poseront des questions pauvres recevront des réponses pauvres, même si elles sont bien écrites. Ceux qui poseront des questions confuses recevront des réponses apparemment claires, mais fondées sur un malentendu. Ceux qui poseront des questions fermées obtiendront des réponses efficaces, mais rétrécies. La puissance de l’outil ne compensera pas la pauvreté du questionnement ; elle risque même de l’amplifier.
2- L’intelligence du discernement
La deuxième dimension est le discernement.
Car l’IA ne produit pas seulement des réponses. Elle produit souvent du plausible. Et le plausible est devenu l’une des matières les plus dangereuses de notre époque.
Une réponse peut être fluide, cohérente, élégante, convaincante, et pourtant inexacte. Elle peut emprunter les habits de la vérité sans en posséder la solidité. Elle peut donner l’impression de comprendre alors qu’elle ne fait que recomposer des régularités de langage.
Emily Bender et Timnit Gebru, chercheuses en linguistique computationnelle et en éthique de l’IA, ont popularisé l’expression “perroquets stochastiques” pour rappeler que les grands modèles de langage manipulent des formes statistiques sans vivre l’expérience du monde qu’ils décrivent.
La formule a parfois été discutée, contestée, mais elle a le mérite de nous alerter : une machine peut produire un texte très convaincant sans garantir que ce texte soit vrai, juste ou complet.
C’est pourquoi le discernement devient une compétence cardinale. Il ne s’agit plus seulement de savoir lire. Il faut savoir soupçonner, vérifier, contextualiser, comparer, hiérarchiser. Il faut apprendre à entendre ce qui manque dans une réponse autant que ce qui y figure. Il faut repérer la source absente, le biais silencieux, l’hypothèse implicite, le point de vue dominant qui se présente comme une neutralité.
Nous ne sommes plus seulement dans une économie du savoir. Nous entrons dans une économie du discernement.
Pendant longtemps, l’erreur venait souvent du manque d’information. Demain, elle viendra de plus en plus de la confiance accordée trop vite à une information bien formulée. L’ignorance avait au moins une vertu : elle savait parfois qu’elle ignorait. Le faux savoir, lui, avance avec aplomb.
Or, l’intelligence humaine commence précisément là où apparaît la possibilité du doute. Savoir dire “je ne suis pas sûr” n’est pas une faiblesse. C’est une conquête. C’est ce qui distingue l’esprit critique de la simple consommation de réponses. C’est ce qui empêche la fluidité de devenir une hypnose.
3- L’intelligence du sens
La troisième dimension est la capacité à donner du sens.
L’IA peut repérer des corrélations, identifier des régularités, classer des préférences, anticiper des comportements, optimiser des processus. Elle peut dire ce qui est probable, fréquent, efficace ou statistiquement cohérent, mais une corrélation n’est pas une finalité. Une prédiction n’est pas une orientation. Une optimisation n’est pas un projet.
La machine peut aider à choisir le moyen. Elle ne peut pas, seule, définir la fin.
Cette distinction est fondamentale. Dans une entreprise, une IA peut proposer de maximiser la productivité d’une équipe, or elle ne peut pas décider seule du modèle social que cette productivité doit servir. Dans une ville, elle peut optimiser la circulation, mais elle ne peut pas décider seule de la place que nous voulons accorder à la lenteur, à la rencontre, à la qualité de vie. Dans l’éducation, elle peut personnaliser des exercices, toutefois elle ne peut pas définir seule ce que signifie former un citoyen libre, cultivé et responsable.
Edgar Morin nous a appris que comprendre ne consiste pas à isoler des fragments, mais à les relier dans un ensemble vivant, traversé par de l’incertitude, des contradictions et des finalités. C’est exactement ce que l’IA nous oblige à réapprendre. Nous avons besoin d’outils puissants pour traiter l’information, mais nous avons encore davantage besoin d’humains capables de transformer cette information en orientation.
Donner du sens, c’est refuser de confondre le possible et le souhaitable. C’est rappeler qu’une innovation n’est pas bonne parce qu’elle est nouvelle, qu’une décision n’est pas juste parce qu’elle est optimisée, qu’une solution n’est pas humaine parce qu’elle est efficace.
4- L’intelligence connective
La quatrième dimension est l’intelligence connective, c’est-à-dire la capacité à relier des mondes qui ont trop longtemps été pensés séparément.
Les grands problèmes contemporains ne respectent pas les frontières disciplinaires. L’IA dans la santé n’est pas seulement un sujet médical ou informatique ; elle engage le droit, l’éthique, la relation au patient, la confiance dans l’institution, l’organisation du travail, la protection des données. L’IA dans la finance n’est pas seulement un sujet de calcul ; elle interroge le risque, la responsabilité, l’inclusion, la transparence. L’IA dans l’éducation n’est pas seulement un sujet pédagogique ; elle touche à l’égalité des chances, à la formation des enseignants, à la citoyenneté, au rapport à la vérité.
L’intelligence de demain sera moins cumulative que connective. Elle ne consistera pas seulement à empiler des savoirs, mais à faire circuler du sens entre les savoirs.
C’est un changement considérable. Nous avons longtemps valorisé l’expert capable d’aller très loin dans un domaine. Cette expertise restera indispensable. Mais elle ne suffira plus. Le monde aura besoin de profils capables de traverser les frontières, de traduire les langages, de faire dialoguer les ingénieurs avec les juristes, les médecins avec les data scientists, les enseignants avec les designers, les dirigeants avec les citoyens.
La complexité du monde ne se résoudra pas avec des intelligences enfermées. Elle exigera des intelligences capables de relier.
5- L’intelligence responsable
Enfin, la cinquième dimension est la responsabilité.
C’est peut-être celle qui distingue le plus profondément l’intelligence humaine des intelligences artificielles. Une IA peut proposer, classer, recommander, générer, automatiser ; néanmoins, elle ne répond pas devant la société. Elle ne regarde pas un patient dans les yeux. Elle n’explique pas à un salarié pourquoi une décision l’a écarté. Elle ne demande pas pardon à un étudiant qu’un système aurait injustement pénalisé. Elle ne ressent pas la gravité d’une conséquence.
L’humain, lui, ne peut pas se cacher derrière la machine qu’il utilise. Cette phrase devrait devenir un principe éthique central de notre temps.
Déléguer une tâche ne signifie pas déléguer la responsabilité. Automatiser une décision ne signifie pas dissoudre celui qui l’a conçue, validée ou laissée agir. Plus les systèmes deviennent puissants, plus la responsabilité humaine doit devenir explicite.
Hannah Arendt nous a rappelé que l’être humain se définit aussi par sa capacité à répondre de ses actes dans un monde commun. Cette idée devient cruciale à l’âge des systèmes automatisés. L’intelligence humaine n’est pas seulement cognitive. Elle est morale, parce qu’elle engage des conséquences pour d’autres que soi.
Voilà pourquoi l’opposition entre intelligence artificielle et intelligence humaine est un faux débat. La vraie question n’est pas de savoir laquelle des deux doit gagner. La vraie question est de savoir comment organiser leur coopération sans effacer ce qui rend l’humain responsable.
Nous entrons dans une époque où nous penserons de plus en plus avec des machines. Mais penser avec une machine ne doit jamais signifier penser à sa place, ni la laisser penser à la nôtre. Cela suppose une nouvelle discipline intérieure : savoir interroger l’outil, vérifier ses productions, comprendre ses limites, assumer ses usages et maintenir vivant ce que la vitesse technique tend parfois à écraser, le jugement.
L’IA traite l’information. L’humain habite le monde. L’IA calcule des possibilités. L’humain choisit une direction. L’IA produit une réponse. L’humain doit répondre de cette réponse.
C’est peut-être là que se dessine la nouvelle définition de l’intelligence : non plus seulement produire une réponse correcte, mais poser une question juste, discerner le vrai du plausible, relier les faits à une finalité, faire dialoguer les savoirs et assumer les conséquences de ce que l’on décide.
Cette redéfinition n’est pas abstraite. Elle va transformer l’école, l’université, les métiers, les organisations, le management, la citoyenneté. Car lorsque l’intelligence change de centre de gravité, toutes les institutions qui prétendent la former, l’évaluer ou l’employer doivent à leur tour se transformer.
II- Ce que cela change pour l’éducation : de l’école de la réponse à l’école du discernement
Si l’intelligence ne se définit plus d’abord par la capacité à produire une réponse, alors l’éducation ne peut plus être organisée comme si la réponse était son horizon principal.
C’est une bascule profonde, parce que l’école moderne s’est largement construite autour d’un pacte simple : l’institution transmet des savoirs, l’élève les apprend, l’examen vérifie qu’il peut les restituer ou les mobiliser. Ce pacte a longtemps eu sa cohérence. Il a permis de structurer les apprentissages, d’organiser la progression, de garantir un socle commun, de reconnaître l’effort et de certifier des compétences.
Cependant, l’arrivée des IA génératives fait entrer ce modèle dans une zone de turbulence. Non parce que les savoirs deviendraient inutiles, mais parce que leur accès, leur formulation et leur mobilisation changent de nature. L’étudiant n’est plus seul devant une feuille blanche. Il n’est plus seul devant une question. Il n’est plus seul devant l’ignorance. Il dispose, à portée de main, d’un assistant capable de proposer, reformuler, expliquer, corriger et produire.
Dès lors, continuer à évaluer comme si cet assistant n’existait pas revient à organiser une fiction pédagogique.
Cette fiction peut rassurer un temps. Elle permet de maintenir les apparences d’un monde stable, dans lequel le travail personnel serait clairement séparé de l’aide extérieure, dans lequel la réponse de l’étudiant serait toujours identifiable comme le produit pur de son esprit, dans lequel l’enseignant pourrait encore distinguer sans ambiguïté ce qui relève de l’apprentissage et ce qui relève de la délégation. Ce monde n’est déjà plus le nôtre.
Il ne s’agit pas d’en conclure que tout doit être autorisé, ni que l’effort individuel appartiendrait au passé. Ce serait une erreur symétrique.
L’éducation ne doit ni sacraliser l’IA, ni la diaboliser. Elle doit la civiliser.
La question n’est donc pas simplement : faut-il autoriser ou interdire ChatGPT, Gemini ou Claude dans les devoirs, les examens ou les mémoires ? Cette question est nécessaire, mais elle reste insuffisante. La vraie question est plus exigeante : que voulons-nous encore évaluer lorsque les machines peuvent produire une part croissante des réponses que nous demandions autrefois aux étudiants ?
C’est ici que l’école doit changer de centre de gravité. Elle doit passer d’une pédagogie de la restitution à une pédagogie du discernement. Elle doit cesser de considérer la réponse finale comme le seul lieu de l’intelligence, pour s’intéresser davantage au chemin qui y conduit : la qualité de la question posée, la pertinence des sources mobilisées, la manière dont l’étudiant a vérifié, corrigé, contesté, amélioré et assumé ce qu’il produit.
Le travail scolaire ou universitaire ne peut plus être seulement un résultat à remettre. Il doit devenir un raisonnement à rendre visible.
On ne devrait plus seulement demander à un étudiant : “Quelle est ta réponse ?” Il faudrait aussi lui demander : “Comment l’as-tu construite ? Qu’as-tu demandé à l’IA ? Pourquoi as-tu formulé ainsi ta question ? Quelles réponses as-tu rejetées ? Quelles erreurs as-tu repérées ? Quelles sources as-tu vérifiées ? Quels biais as-tu identifiés ? Quelle part de décision assumes-tu personnellement ?”
Ce déplacement est essentiel. Il transforme l’IA d’un outil de contournement en instrument d’exigence. Utilisée sans cadre, elle peut devenir une machine à éviter l’effort. Intégrée intelligemment, elle peut devenir une machine à augmenter l’effort intellectuel.
Cette distinction est décisive. Car l’effort ne disparaît pas ; il se déplace. Hier, l’effort consistait souvent à produire seul une réponse dans un temps limité. Demain, il consistera aussi à piloter un environnement cognitif complexe, à interroger plusieurs sources, à comparer des hypothèses, à débusquer des erreurs, à documenter ses choix, à distinguer ce qui vient de soi et ce qui vient de l’outil, à transformer une production automatique en pensée personnelle.
Ce n’est pas moins exigeant. C’est plus exigeant.
Lev Vygotski, psychologue du développement et de l’apprentissage, avait montré que l’intelligence se construit toujours avec des médiations : le langage, les signes, les outils, les interactions sociales. L’IA peut être comprise comme une nouvelle médiation cognitive, d’une puissance inédite. Elle n’est pas seulement un instrument extérieur que l’on utilise ; elle modifie la manière même dont on cherche, formule, apprend et pense. En revanche, toute médiation doit être éduquée.
Un outil qui augmente peut aussi affaiblir. Une béquille peut permettre de marcher, mais elle peut aussi empêcher de réapprendre à tenir debout si elle devient permanente. L’enjeu éducatif est donc de faire de l’IA non pas une prothèse de paresse, mais un partenaire de progression.
Cela suppose de repenser les exercices. Demander une dissertation classique à faire à la maison, sans intégrer la possibilité d’un recours à l’IA, devient fragile. En revanche, demander à l’étudiant de produire une première version avec l’IA, puis de l’analyser, de la critiquer, de l’enrichir, de vérifier ses sources, de signaler ses limites et de justifier ses choix peut devenir un exercice beaucoup plus formateur. L’enjeu n’est plus de cacher l’outil, mais de rendre son usage intelligent, traçable et responsable.
Cela suppose aussi de repenser les examens. Il faudra maintenir des moments sans IA, parce que certaines compétences fondamentales doivent être intériorisées. On ne peut pas construire un jugement solide si l’on externalise trop tôt tout effort de mémoire, de calcul, d’écriture ou de raisonnement. Parallèlement, il faudra aussi créer des moments avec IA, car c’est dans cet environnement que les étudiants vivront, travailleront et prendront des décisions. Les former uniquement dans un monde sans IA serait aussi artificiel que former des pilotes sans simulateur ou des médecins sans imagerie.
La question n’est pas de choisir entre l’apprentissage “avec” ou “sans” IA. La question est de savoir ce que chaque situation permet de former.
Sans IA, on peut vérifier l’appropriation personnelle, la compréhension intime, la capacité à raisonner sans assistance immédiate. Avec IA, on peut évaluer le pilotage, le recul critique, la capacité à dialoguer avec un système, à corriger ses productions, à exercer une responsabilité dans un environnement augmenté. Les deux sont nécessaires. Ce qui serait dangereux, ce serait de confondre l’un avec l’autre.
Dans cette nouvelle scène éducative, le rôle de l’enseignant ne disparaît pas. Il devient plus subtil, plus stratégique, plus humain encore.
L’enseignant n’est plus seulement celui qui possède une réponse que l’étudiant n’a pas. Il devient celui qui aide à construire les conditions d’une pensée juste. Il apprend à formuler un problème, à ne pas se satisfaire d’une réponse séduisante, à identifier une source faible, à comprendre une erreur, à situer une idée dans une histoire, à relier un savoir à une conséquence. Il devient moins distributeur de contenus qu’architecte du discernement.
Philippe Meirieu, pédagogue français de la réflexion éducative contemporaine, rappelle que l’éducation ne consiste pas simplement à transmettre un savoir, mais à permettre à un sujet de se construire dans un rapport exigeant au monde. Cette idée devient centrale à l’ère de l’IA. Le danger n’est pas que les étudiants utilisent des machines pour produire des devoirs. Le danger est qu’ils s’habituent à produire sans se construire.
Une machine peut expliquer une notion et même très bien le faire, mais ne sait pas toujours pourquoi un étudiant ne comprend pas. Elle ne voit pas nécessairement la honte derrière le silence, la peur derrière l’ironie, le découragement derrière l’absence de question. Elle ne sait pas ce que signifie, dans une trajectoire humaine, recevoir au bon moment une phrase qui relève plus qu’elle ne corrige.
L’éducation n’est pas une simple distribution de réponses optimisées. Elle est une relation de transformation.
C’est pourquoi l’enseignant doit rester au centre, non comme gardien nostalgique d’un monde ancien, mais comme médiateur lucide du monde nouveau. Sa mission ne sera pas de rivaliser avec l’IA sur sa capacité à produire des explications instantanées.
La mission de l’enseignant sera d’apprendre aux étudiants à ne pas confondre explication et compréhension, assistance et autonomie, fluidité et vérité.
Ce déplacement doit également transformer les diplômes. Nous continuons trop souvent à les penser comme des certificats du passé : à un moment donné, l’institution atteste qu’une personne possède un ensemble de connaissances et de compétences. Mais dans un monde où les savoirs, les métiers et les outils évoluent rapidement, cette photographie jaunit vite.
Le diplôme de demain devra être moins un monument qu’un organisme vivant. Il ne pourra plus seulement dire : “Cette personne a appris.” Il devra aussi dire : “Cette personne sait continuer à apprendre.”
Il devra reconnaître la capacité à se mettre à jour, à intégrer de nouveaux outils, à comprendre de nouveaux contextes, à maintenir un jugement fiable dans des environnements changeants.
C’est probablement l’une des grandes transformations de l’enseignement supérieur. Former ne consistera plus seulement à préparer à un premier emploi. Il faudra préparer à plusieurs vies professionnelles, à des métiers qui se recomposeront, à des compétences qui devront être régulièrement réinterrogées. L’école ne pourra plus être seulement le lieu où l’on entre avant la vie active. Elle devra devenir un compagnon durable de l’intelligence.
Cette évolution a aussi une dimension démocratique. Si l’IA devient un accélérateur d’apprentissage pour ceux qui savent l’utiliser, elle peut devenir un accélérateur d’inégalités pour ceux qui ne disposent ni des bons outils, ni des bons accompagnements, ni des bons cadres critiques.
Certains étudiants apprendront à penser avec l’IA. D’autres se contenteront de lui demander de produire à leur place. Les premiers gagneront en puissance intellectuelle. Les seconds risqueront de perdre en autonomie.
C’est pourquoi l’intégration de l’IA dans l’éducation ne peut pas être abandonnée aux seuls usages individuels. Elle doit devenir un projet institutionnel, pédagogique, éthique et social. Il faudra former les enseignants, clarifier les règles, adapter les évaluations, accompagner les étudiants, développer une culture du doute, de la source, de la responsabilité. Il faudra aussi veiller à ce que l’accès aux outils ne creuse pas davantage les fractures existantes.
L’enjeu n’est pas de fabriquer une école fascinée par la technologie. L’enjeu est de construire une école capable de former des esprits libres dans un monde technologiquement saturé.
La finalité de l’éducation n’a jamais été seulement de produire des compétences. Elle est de former des personnes capables d’habiter le monde avec lucidité. Des personnes capables de comprendre avant d’agir, de douter avant de croire, de relier avant de décider, de répondre de ce qu’elles produisent.
L’IA ne rend pas cette mission secondaire. Elle la rend urgente.
III- Ce que cela change pour le monde professionnel : du collaborateur-exécutant au professionnel-orchestrateur
Si l’intelligence change de définition, le travail ne peut pas rester organisé autour des mêmes critères de valeur.
Pendant longtemps, le monde professionnel a lui aussi valorisé l’intelligence-réponse. Le bon collaborateur était souvent celui qui savait produire vite, traiter un dossier, rédiger une note, préparer une présentation, analyser un tableau, répondre à une demande, exécuter une tâche avec fiabilité. Il fallait savoir faire, mais surtout savoir faire dans les délais. La compétence se mesurait largement à la capacité de transformer une consigne en livrable.
Cette logique ne disparaîtra pas entièrement. Les organisations auront toujours besoin de rigueur, de fiabilité, d’exécution et de maîtrise technique, néanmoins l’IA va progressivement déplacer la frontière entre ce qui relève de la production humaine et ce qui peut être automatisé, assisté ou augmenté.
Dans beaucoup de métiers, une part importante du travail intellectuel ordinaire devient déjà automatisable : résumer un document, rédiger un courriel, produire une première analyse, comparer des offres, générer du code, préparer une synthèse juridique, formuler une recommandation commerciale, segmenter des données, traduire un contenu, bâtir un argumentaire, concevoir un support de réunion. Ce sont des gestes qui occupaient hier une partie considérable du temps professionnel. Ils ne disparaissent pas, mais ils changent de statut. Ils deviennent moins souvent le cœur de la valeur et davantage le point de départ d’un travail plus exigeant.
Le professionnel de demain ne sera donc pas simplement celui qui produit plus vite que la machine. Il sera celui qui sait obtenir de la machine une production utile, l’interpréter, la corriger, l’enrichir, la contextualiser et l’inscrire dans une décision responsable.
Autrement dit, le travail ne se réduit plus à exécuter. Il consiste de plus en plus à orchestrer.
Cette orchestration n’est pas une compétence vague ou décorative. Elle suppose une maîtrise profonde des problèmes, des outils, des contraintes, des risques et des finalités. Demander quelque chose à une IA ne suffit pas. Encore faut-il savoir ce qu’il faut lui demander, dans quel cadre, avec quelles données, avec quelles limites, pour quel usage, avec quel niveau de vérification et sous quelle responsabilité.
Dans cette économie nouvelle, le professionnel précieux ne sera pas nécessairement celui qui sait tout faire seul. Ce sera celui qui sait composer avec plusieurs formes d’intelligence sans perdre son jugement. Il saura formuler un problème métier, choisir les bons outils, tester plusieurs hypothèses, confronter les résultats, repérer les erreurs, traduire une production technique en décision compréhensible, et surtout mesurer les conséquences humaines, économiques, juridiques ou éthiques de ce qu’il propose.
Peter Drucker, penseur du management moderne, avait popularisé la figure du “knowledge worker”, ce travailleur du savoir dont la valeur reposait sur sa capacité à mobiliser l’information et l’expertise. L’IA nous fait entrer dans une étape supplémentaire : celle du professionnel augmenté, non parce qu’il posséderait davantage d’informations, mais parce qu’il saurait gouverner un environnement cognitif composé d’humains, de données, de modèles, de plateformes et d’agents intelligents.
Cette évolution transforme profondément les attentes des entreprises. Elles ne chercheront plus seulement des profils capables d’appliquer une procédure ou de maîtriser un outil à un instant donné. Elles chercheront des personnes capables d’apprendre vite, de comprendre en profondeur, de coopérer avec des systèmes techniques et de maintenir une exigence de jugement dans des environnements incertains.
La valeur se déplacera vers cinq compétences qui répondent directement à ma proposition de nouvelle définition de l’intelligence.
D’abord, la capacité à problématiser. Dans les organisations, beaucoup d’échecs ne viennent pas d’une mauvaise solution, mais d’un mauvais problème. Une IA peut optimiser une réponse, mais elle ne garantit pas que la question posée soit la bonne. Le professionnel attendu sera celui qui sait reformuler une demande, identifier le vrai enjeu derrière le symptôme, résister aux solutions trop immédiates et transformer une difficulté opérationnelle en problème intelligible.
Ensuite, la capacité à discerner. Le monde professionnel va être envahi de productions générées : rapports, analyses, prévisions, recommandations, comptes rendus, scénarios, tableaux de bord. Tout paraîtra plus fluide, plus rapide, plus présentable. Tout ne sera pas pourtant fiable. Le collaborateur compétent devra savoir vérifier, sourcer, comparer, repérer les biais, distinguer la donnée robuste de l’indicateur fragile, la recommandation pertinente de la conclusion séduisante. Dans une organisation augmentée par l’IA, le discernement deviendra une compétence de sécurité.
Vient ensuite la capacité à donner du sens. Les entreprises ne manqueront pas d’outils pour mesurer, prévoir et optimiser. Elles manqueront parfois de personnes capables de relier ces mesures à une stratégie, à une culture, à une promesse client, à un projet collectif. L’IA peut aider à identifier ce qui fonctionne. Elle ne peut pas décider seule ce qui mérite d’être poursuivi.
Le professionnel de valeur sera celui qui sait transformer une analyse en orientation, une donnée en choix, une performance en progrès.
La quatrième compétence sera la capacité à relier les mondes. Les organisations souffrent déjà de silos. L’IA peut les renforcer si elle reste confinée dans des usages techniques, ou les dépasser si elle devient un langage commun entre les métiers. Les entreprises auront besoin de traducteurs, de passeurs, d’architectes de coopération. Des personnes capables de faire dialoguer la direction générale, les équipes métiers, la DSI, le juridique, les ressources humaines, les clients, les partenaires et parfois les autorités de régulation.
Enfin, la compétence la plus décisive sera la responsabilité. Plus les décisions seront assistées par l’IA, plus il faudra savoir qui décide réellement, qui valide, qui contrôle, qui assume.
Une recommandation algorithmique ne doit jamais devenir un alibi organisationnel. “C’est l’outil qui l’a dit” ne peut pas devenir la nouvelle forme de déresponsabilisation managériale. Déléguer une partie du traitement ne signifie pas déléguer la responsabilité de la décision.
Herbert Simon, théoricien des organisations et de la décision, rappelait que décider, c’est toujours agir avec une rationalité limitée. L’IA peut élargir cette rationalité en donnant accès à davantage d’informations, de scénarios et de calculs, mais ne supprime ni l’incertitude, ni les arbitrages, ni les conflits de valeurs. Elle déplace le travail du décideur : moins produire toutes les analyses soi-même, davantage comprendre ce qu’elles permettent, ce qu’elles masquent et ce qu’elles engagent.
Le management sera particulièrement bouleversé par cette transformation. Manager ne consistera plus seulement à organiser le travail des humains, mais à organiser la coopération entre des humains et des systèmes intelligents. Il faudra répartir autrement les tâches, définir ce qui peut être automatisé, ce qui doit rester humain, ce qui doit être contrôlé, ce qui doit être explicable, ce qui doit être interdit.
Le manager deviendra, en partie, un gouverneur d’intelligences hybrides.
Cette expression peut sembler futuriste. Elle décrit pourtant une réalité déjà en train de s’installer. Dans certaines équipes, des IA rédigent les premières versions de documents, analysent des données, assistent la relation client, préparent des décisions, surveillent des risques, automatisent des processus. Demain, des agents spécialisés coopéreront entre eux pour réaliser des chaînes de tâches complexes. Le travail humain ne disparaîtra pas mécaniquement, mais il changera de place. Il se situera davantage dans la conception, l’arbitrage, la supervision, la relation, la créativité, l’explication et la responsabilité.
Ce déplacement aura aussi un impact sur les jeunes diplômés. Pendant longtemps, le début de carrière consistait souvent à exécuter des tâches préparatoires : faire des recherches, produire des synthèses, mettre en forme des documents, analyser des données simples, préparer des supports. Or ce sont précisément ces tâches que l’IA commence à absorber. Il faudra donc repenser l’entrée dans le travail.
Si les premières marches de l’apprentissage professionnel sont automatisées, comment former l’expérience ? Comment apprendre le métier lorsque les tâches qui permettaient de l’apprendre disparaissent ou se transforment ?
Cette question est cruciale. On ne devient pas expert uniquement en recevant des responsabilités nobles. On le devient aussi par la confrontation progressive aux détails, aux erreurs, aux dossiers imparfaits, aux consignes ambiguës, aux clients difficiles, aux données sales, aux arbitrages ordinaires. Si l’IA prend en charge trop tôt cette matière première de l’apprentissage, les organisations risquent de créer des professionnels rapides, mais superficiels ; productifs, mais peu expérimentés ; assistés, mais fragiles dès que la situation sort du cadre prévu.
Il faudra donc inventer de nouvelles formes d’apprentissage professionnel. Non pas laisser les jeunes collaborateurs utiliser l’IA pour éviter les tâches formatrices, mais leur apprendre à utiliser l’IA pour mieux comprendre ce que ces tâches contiennent. Une synthèse générée peut devenir un objet d’analyse. Un code produit par IA peut devenir un support de compréhension. Une recommandation automatique peut devenir une occasion de discuter des hypothèses, des risques et des limites. Le compagnonnage professionnel ne disparaît pas ; il doit intégrer la machine comme un nouvel acteur du parcours.
Donald Schön, théoricien de l’apprentissage professionnel, a montré l’importance du praticien réflexif, celui qui apprend en réfléchissant sur son action et dans son action. Cette idée devient essentielle à l’ère de l’IA. Le professionnel augmenté ne sera pas celui qui clique plus vite. Ce sera celui qui sait se regarder penser avec la machine, comprendre ce qu’elle modifie dans son raisonnement, repérer les moments où elle l’aide et ceux où elle l’endort.
Il faut également souligner un risque managérial majeur : l’illusion de productivité. Les IA génératives peuvent donner l’impression que l’organisation produit davantage parce qu’elle génère plus de documents, plus de messages, plus de tableaux, plus de scénarios, plus de présentations.
Mais une organisation peut produire plus de contenu tout en produisant moins de sens. Elle peut accélérer la circulation des réponses tout en ralentissant la qualité des décisions. Elle peut remplir ses serveurs de textes impeccables et vider ses réunions de pensée véritable.
La productivité augmentée ne doit donc pas devenir une inflation documentaire.
Le travail intellectuel n’a pas pour finalité de produire des artefacts plus rapidement. Il a pour finalité de mieux comprendre, mieux décider, mieux servir, mieux créer, mieux coopérer.
Si l’IA accélère les tâches sans améliorer ces finalités, elle ne transforme pas le travail ; elle l’encombre plus élégamment.
C’est pourquoi les organisations devront se doter d’une véritable culture de gouvernance de l’IA. Cette gouvernance ne pourra pas se réduire à une charte oubliée dans un intranet. Elle devra définir les usages autorisés, les niveaux de risque, les responsabilités, les exigences de vérification, la protection des données, les règles d’explicabilité, les situations où l’humain doit impérativement reprendre la main. Elle devra aussi intégrer la formation, car on ne gouverne pas durablement une technologie que les équipes ne comprennent pas.
Luciano Floridi, philosophe de l’éthique de l’information, insiste sur la nécessité de penser nos environnements numériques comme des milieux dans lesquels se reconfigurent nos responsabilités, nos identités et nos actions. Cette perspective est précieuse pour l’entreprise.
L’IA n’est pas seulement un outil ajouté à l’organisation. Elle modifie l’écologie même du travail : la circulation du savoir, les rapports d’autorité, les manières de décider, les formes de contrôle, les attentes de performance, les frontières entre assistance et substitution.
La question du travail à l’ère de l’IA n’est donc pas seulement celle des emplois qui disparaîtront ou apparaîtront. Cette question est importante, mais elle ne suffit pas. La question plus profonde est celle de la qualité du travail humain qui restera, et de la place que nous voulons lui donner.
Voulons-nous des organisations où l’IA sert à surveiller davantage, accélérer sans discernement, standardiser les comportements et faire de chaque collaborateur un exécutant sous algorithme ? Ou voulons-nous des organisations où l’IA libère du temps pour mieux comprendre, mieux accompagner, mieux créer, mieux décider et mieux prendre soin des relations humaines ?
Ce choix n’est pas technique. Il est culturel et politique.
Dans le monde professionnel, l’IA ne supprimera pas seulement des tâches. Elle déplacera la valeur vers ce que la machine ne peut pas assumer : le jugement, le sens, la relation, la responsabilité.
C’est pourquoi la compétence la plus recherchée ne sera peut-être pas seulement de savoir utiliser l’IA, mais de savoir rester humain dans un environnement de plus en plus automatisé.
Cela signifie être capable de questionner une recommandation, de contester une prédiction, de ralentir une décision lorsque ses conséquences sont trop importantes, d’expliquer un choix à ceux qui le subissent, de préserver une relation lorsque l’outil pousse à la standardisation.
Le professionnel de demain ne sera pas celui qui travaille contre l’IA, ni celui qui travaille sous l’IA. Ce sera celui qui saura travailler avec elle sans lui abandonner son jugement.
Formation pour dirigeants
IA & Data Science
pour les Managers
Intégrez l’IA dans votre stratégie d’entreprise. Une approche 360° — Technologie, Business & Éthique — conçue pour les décideurs. Prérequis : 5 ans d’expérience managériale.
Il ne sera plus seulement un producteur de livrables. Il deviendra un orchestrateur de problèmes, de savoirs, d’outils, de relations et de responsabilités. Et cette transformation demandera aux entreprises de revoir leurs recrutements, leurs formations, leurs modes de management, leurs critères d’évaluation et leur conception même de la performance.
Car une organisation intelligente ne sera pas celle qui aura simplement déployé le plus d’outils d’IA. Ce sera celle qui aura su élever, avec eux, la qualité de son discernement collectif.
IV- Le risque social : la fracture entre ceux qui utilisent l’IA et ceux qui pensent avec elle
La redéfinition de l’intelligence ne produira pas seulement des effets dans l’école ou dans l’entreprise. Elle dessinera aussi une nouvelle frontière sociale.
On croit souvent que la grande fracture de demain opposera ceux qui auront accès à l’IA et ceux qui n’y auront pas accès. Cette fracture existera, bien sûr, et elle devra être combattue avec détermination. Elle ne sera peut-être pas la plus profonde. L’accès aux outils finira probablement par se diffuser, comme se sont diffusés le smartphone, les moteurs de recherche ou les réseaux sociaux. La vraie fracture sera plus subtile, plus silencieuse, et donc plus dangereuse.
Elle séparera ceux qui utilisent l’IA comme un distributeur de réponses et ceux qui l’utilisent comme un partenaire exigeant de pensée.
Les premiers demanderont à la machine de produire à leur place. Les seconds apprendront à penser mieux avec elle. Les premiers gagneront du temps, parfois au prix de leur autonomie. Les seconds gagneront en puissance intellectuelle, parce qu’ils sauront questionner, vérifier, relier et décider. Les premiers risqueront de devenir dépendants d’une intelligence extérieure. Les seconds transformeront cette intelligence extérieure en levier de discernement.
La grande fracture de demain ne séparera pas seulement les humains connectés des humains déconnectés. Elle séparera ceux qui pensent avec l’IA de ceux qui pensent par procuration.
C’est un enjeu majeur, car l’IA peut devenir un formidable accélérateur d’émancipation ou un puissant mécanisme de dépossession. Tout dépendra de la culture intellectuelle, éthique et sociale qui accompagnera ses usages.
Amartya Sen, économiste et philosophe des capacités humaines, a montré que le développement ne se réduit pas à l’accès aux ressources, mais à la capacité réelle des individus à les convertir en libertés concrètes. Cette idée est décisive pour comprendre l’IA. Avoir accès à un outil ne signifie pas savoir l’utiliser pour penser, apprendre, créer, travailler ou décider librement.
L’accès est une condition. Il n’est pas une émancipation.
Un étudiant qui dispose d’une IA mais ne sait pas évaluer ses réponses reste vulnérable. Un salarié qui utilise un assistant intelligent sans comprendre ses limites reste dépendant. Un citoyen qui reçoit des contenus générés sans savoir en interroger les sources devient plus exposé à la manipulation. Une organisation qui automatise sans gouvernance gagne parfois en vitesse, mais peut perdre en responsabilité. Un pays qui consomme des systèmes conçus ailleurs, entraînés ailleurs et alignés sur d’autres valeurs, peut gagner en efficacité apparente tout en perdant une part de sa souveraineté intellectuelle.
L’enjeu n’est donc pas seulement numérique. Il est démocratique.
Dans une société saturée de contenus, la manipulation n’a plus nécessairement besoin de cacher l’information. Elle peut simplement l’ensevelir sous des réponses plausibles, des images convaincantes, des récits bien formulés, des certitudes fabriquées.
La fragilité démocratique ne vient plus seulement de la censure ou du manque d’information. Elle vient aussi de l’excès de contenus indiscernables.
Hannah Arendt, philosophe du politique et de la responsabilité, avait compris que la vérité factuelle est une condition fragile de la vie commune. Lorsque les faits deviennent flous, lorsque chacun peut s’enfermer dans un récit parfaitement cohérent mais séparé du réel, alors la conversation démocratique s’abîme. L’IA générative rend cette question encore plus brûlante, car elle peut industrialiser le vraisemblable.
C’est pourquoi former à l’IA ne peut pas signifier seulement apprendre à utiliser des outils. Cela doit signifier apprendre à rester libre dans un environnement informationnel devenu extraordinairement puissant. Libre de douter. Libre de vérifier. Libre de refuser une réponse. Libre de comprendre les intérêts qui structurent les systèmes. Libre de ne pas confondre personnalisation et vérité, efficacité et justice, automatisation et progrès.
Cette liberté ne se décrète pas. Elle se forme.
Elle suppose une éducation au discernement dès le plus jeune âge, une formation continue des professionnels, une montée en compétence des dirigeants, une responsabilité des médias, une exigence des institutions publiques, une gouvernance des entreprises et une culture citoyenne renouvelée.
Car l’IA ne sera pas seulement un sujet de spécialistes. Elle deviendra une infrastructure invisible de nos vies ordinaires. Elle participera à la manière dont nous apprenons, achetons, travaillons, nous informons, nous soignons, recrutons, décidons, votons peut-être demain. Lorsqu’une technologie devient aussi transversale, l’ignorance n’est plus seulement un retard. Elle devient une vulnérabilité collective.
Il y aura donc une responsabilité historique des États, des écoles, des universités, des entreprises et des familles. Ne pas former massivement à l’IA, ce n’est pas seulement accepter un retard technique, c’est accepter une dépendance cognitive. C’est laisser d’autres définir les outils avec lesquels nos enfants apprendront, nos salariés travailleront, nos citoyens s’informeront, nos organisations décideront.
La souveraineté de demain ne sera pas seulement industrielle, énergétique ou militaire. Elle sera aussi cognitive.
Elle tiendra à notre capacité collective à comprendre les systèmes qui orientent nos choix, à gouverner les outils qui structurent nos décisions, à préserver notre jugement dans un monde où la réponse devient automatique.
Voilà pourquoi la question de l’intelligence n’est pas abstraite. Elle engage la justice sociale, la démocratie, la souveraineté et la dignité humaine. Si nous ratons cette transformation, l’IA risque de fabriquer une humanité à deux vitesses : d’un côté, ceux qui sauront augmenter leur pensée et de l’autre, ceux qui délégueront progressivement leur jugement.
Dans cette nouvelle hiérarchie, le danger ne sera pas seulement d’être remplacé par une machine. Il sera plus discret, plus profond, plus intime : devenir soi-même moins auteur de ses propres pensées, de ses propres choix et de son propre avenir.
Conclusion : vers un nouvel humanisme de l’intelligence
Il faut donc sortir d’un faux débat.
Le sujet n’est pas de savoir si l’intelligence artificielle va remplacer l’intelligence humaine. Cette question, posée ainsi, nous enferme dans une rivalité pauvre. Elle suppose que l’humain et la machine joueraient au même jeu, sur le même terrain, avec les mêmes finalités.
Or ce n’est pas le cas.
L’IA traite l’information, mais elle n’habite pas le monde. Elle calcule des possibilités, mais elle ne porte pas de mémoire vécue. Elle produit des réponses, mais elle ne répond pas moralement de ce qu’elle produit. Elle peut simuler une conversation, mais elle ne partage pas notre vulnérabilité. Elle peut générer un texte sur l’amour, la peur, la mort, la justice ou l’espérance, mais elle ne traverse aucune de ces expériences.
C’est pourquoi l’humanisme dont nous avons besoin ne peut pas être un humanisme de nostalgie. Il ne s’agit pas de défendre l’humain comme une citadelle assiégée par les machines. Il ne s’agit pas non plus de répéter que l’humain serait supérieur en toute chose, comme si cette formule suffisait à nous rassurer.
Ce serait une consolation fragile.
Le nouvel humanisme devra être plus exigeant. Il devra reconnaître lucidement ce que les machines font déjà mieux que nous, sans en conclure que nous valons moins qu’elles. Il devra accepter que certaines performances humaines soient dépassées, sans confondre la performance avec la dignité. Il devra nous apprendre à coopérer avec l’IA sans nous dissoudre en elle.
Martha Nussbaum, philosophe de l’éducation humaniste et des capacités, a souvent rappelé que l’éducation ne doit pas seulement former des compétences utiles au marché, mais des êtres capables de jugement, d’imagination morale et de participation démocratique. Cette idée devient centrale à l’ère de l’IA. Plus les machines deviennent performantes, plus nous devons former ce qu’elles ne peuvent pas porter à notre place : la conscience, la responsabilité, la sensibilité au monde commun.
Le danger n’est donc pas que les machines deviennent intelligentes. Le danger est que nous acceptions une définition appauvrie de notre propre intelligence. Si nous réduisons l’humain à sa capacité de produire, alors l’IA nous humiliera. Si nous réduisons l’intelligence à la vitesse, alors l’IA nous dépassera. Si nous réduisons le travail à l’exécution, alors l’IA nous remplacera. Si nous réduisons l’éducation à la restitution, alors l’IA la rendra obsolète.
Mais si nous redéfinissons l’intelligence comme capacité à questionner, discerner, donner du sens, relier et assumer, alors l’IA ne sera pas seulement une menace. Elle deviendra une épreuve de vérité. Elle nous obligera à élever nos critères. Elle nous contraindra à devenir moins mécaniques dans notre manière de penser, d’apprendre, de travailler et de décider.
C’est peut-être là le paradoxe le plus fécond de cette révolution : les machines nous forcent à redevenir plus humains.
Non pas humains contre elles, mais humains avec elles. Non pas humains diminués par leur puissance, mais humains rappelés à ce qui fonde notre singularité. Non pas humains protégés par l’ignorance, mais humains rendus plus responsables par la compréhension.
Mon fils avait peut-être raison ce soir-là. Peut-être que ChatGPT lui a expliqué plus clairement que moi. Il serait inutile de le nier, et probablement assez vain de chercher à reconquérir l’autorité paternelle sur le terrain de la reformulation instantanée.
Mais ce n’est pas là que se joue l’essentiel.
La question n’est plus de savoir si une machine peut expliquer une leçon, rédiger une synthèse, corriger un exercice ou produire une réponse convaincante. La question est de savoir si nous saurons encore transmettre aux nouvelles générations ce que la machine ne peut pas décider seule : la qualité des questions, la prudence du jugement, la profondeur du sens, l’art de relier les mondes et le courage d’assumer ses choix.
Nous n’avons pas besoin de former des humains qui imitent les machines. Nous devons former des humains capables de leur donner une direction.
Car au fond, l’IA ne vient pas seulement interroger l’avenir des technologies. Elle vient nous poser une question plus ancienne, plus fragile, plus décisive : que voulons-nous encore appeler intelligence, pour que nos enfants ne deviennent pas seulement performants, mais pleinement humains ?
Références
- Arendt, H. (1958). The Human Condition. Chicago: University of Chicago Press.
- Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). “On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?” Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, 610-623.
- Dewey, J. (1938). Logic: The Theory of Inquiry. New York: Henry Holt and Company.
- Drucker, P. F. (1959). Landmarks of Tomorrow. New York: Harper & Brothers.
- Floridi, L. (2013). The Ethics of Information. Oxford: Oxford University Press.
- Kahneman, D., & Tversky, A. (1979). “Prospect Theory: An Analysis of Decision under Risk”. Econometrica, 47(2), 263-291.
- Meirieu, P. (1991). Le choix d’éduquer : éthique et pédagogie. Paris : ESF.
- Morin, E. (1990). Introduction à la pensée complexe. Paris : ESF.
- Nussbaum, M. C. (2010). Not for Profit: Why Democracy Needs the Humanities. Princeton: Princeton University Press.
- Schön, D. A. (1983). The Reflective Practitioner: How Professionals Think in Action. New York: Basic Books.
- Sen, A. (1999). Development as Freedom. New York: Alfred A. Knopf.
- Simon, H. A. (1957). Models of Man: Social and Rational. New York: Wiley.
- Turing, A. M. (1950). “Computing Machinery and Intelligence”. Mind, 59(236), 433-460.
- Vygotski, L. S. (1978). Mind in Society: The Development of Higher Psychological Processes. Cambridge, MA: Harvard University Press.
Mesurer votre maturité face à la nouvelle intelligence humaine
Ce manifeste propose une conviction : l’IA ne nous oblige pas seulement à utiliser de nouveaux outils, elle nous oblige à redéfinir ce que nous appelons intelligence, mais une conviction ne suffit pas. Il faut pouvoir la traduire en pratiques, en critères, en décisions, en plans d’action.
C’est pourquoi j’ai développé une série d’outils opérationnels permettant aux établissements d’enseignement supérieur, aux entreprises et aux individus d’évaluer leur niveau de maturité face aux cinq nouvelles dimensions de l’intelligence humaine à l’âge de l’IA : questionner, discerner, donner du sens, relier et assumer.
Ces outils ne mesurent pas simplement le niveau d’équipement technologique ou le nombre d’usages IA déployés. Ils mesurent quelque chose de plus essentiel : la capacité réelle d’une organisation ou d’une personne à penser avec l’IA sans lui abandonner son jugement.
Un établissement d’enseignement supérieur : forme-t-il réellement ses étudiants à utiliser l’IA avec méthode, recul critique et responsabilité ? Ses évaluations mesurent-elles encore seulement la réponse finale ou aussi le chemin intellectuel qui y conduit ? Les enseignants sont-ils accompagnés pour intégrer l’IA dans leurs pratiques sans perdre l’exigence pédagogique ? Les programmes développent-ils l’intelligence du questionnement, du discernement, du sens, de la reliance et de la responsabilité ?
Une entreprise : utilise-t-elle l’IA seulement pour accélérer la production ou pour élever la qualité de ses décisions ? Ses collaborateurs savent-ils vérifier, contextualiser et assumer les productions générées ? Les managers savent-ils organiser le travail entre humains et systèmes intelligents ? Les recrutements et les plans de formation prennent-ils en compte les nouvelles compétences critiques de l’âge de l’IA ?
Un individu : utilise-t-il l’IA comme un simple distributeur de réponses ou comme un véritable partenaire de pensée ? Sait-il poser de meilleures questions, identifier les limites d’une réponse, relier plusieurs points de vue, protéger les données sensibles et rester auteur de ce qu’il produit ?
Ces grilles d’analyse permettent d’établir un diagnostic clair, d’identifier les zones de fragilité, de situer son niveau de maturité et de construire une feuille de route progressive. Elles peuvent être utilisées comme outil d’auto-évaluation, comme support de formation, comme base de réflexion stratégique ou comme point de départ d’un accompagnement plus structuré.
Elles débouchent sur une typologie simple : allant de l’organisation spectatrice à l’organisation humaniste augmentée, ou de l’utilisateur naïf à l’auteur responsable. L’objectif n’est pas de classer pour sanctionner, mais de rendre visible ce qui doit progresser.
Les établissements ou entreprises qui souhaitent accéder aux grilles de diagnostic organisationnelles, les adapter à leur contexte ou échanger sur leur mise en œuvre peuvent demander à être rappelés via le formulaire suivant : https://aivancity.ai/demandez-etre-rappele .
Chacun peut également tester gratuitement sa propre maturité face à l’IA grâce à la grille individuelle disponible ici : https://aivancity.ai/grille_indiv_maturite_IA/ . En quelques minutes, elle permet d’obtenir un diagnostic personnalisé sur sa capacité à questionner, discerner, donner du sens, relier et assumer ses usages de l’IA.