Navigation – Plan du site

AccueilNuméros12DossierLa rencontre de l’Intelligence ar...

Dossier

La rencontre de l’Intelligence artificielle (IA) et de l’esprit critique (EC) : nouveaux enjeux ? nouvelle formation ?

The meeting of Artificial Intelligence (AI) and Critical Thinking (CT): new challenges? new training?
Título : El encuentro entre la Inteligencia Artificial (IA) y el Pensamiento Crítico (TC) : ¿nuevos retos ? ¿nueva formación ?
Laurent Petit

Résumés

Dans quelle mesure les avancées de l’Intelligence artificielle (IA) réinterrogent-elles la formation au développement de l’esprit critique (EC) et, partant, la formation des enseignants ? Après avoir cerné les enjeux posés par cette I-artificialisation dans et de l’éducation, nous soulignerons l’insuffisance des réponses apportées par les référentiels de compétences ou les approches scientifiques limitées à une ou quelques disciplines. Nous insisterons alors sur les enjeux éducationnels d’une démarche scientifique interdisciplinaire à inculquer le plus tôt possible et aux connaissances nouvelles indispensables à maîtriser en ce siècle de bouleversements techniques et médiatiques accélérés.

Haut de page

Texte intégral

1Pourquoi relier l’Intelligence artificielle (IA) à la question de l’esprit critique (EC) ? De quelle nécessité ce rapprochement relève-t-il ? N’était-il pas indispensable, pour le champ qui nous concerne, dès le développement des techniques dans l’éducation, et ne l’est-il pas a fortiori depuis l’omniprésence du numérique (au substantif aussi flou qu’englobant) ? Disons d’emblée que nous préférons raisonner en termes de numérisation – entendue comme la généralisation d’un processus de transformation des informations en données numériques – et faire l’hypothèse que ce que l’on range un peu rapidement parfois sous la bannière IA (à bien distinguer de l’algorithmisation et de l’usage de données massives) ne saurait être envisagé uniquement comme le dernier avatar de cette numérisation. Penser l’IA en éducation ne revient pas cependant à adhérer à des promesses aussi alléchantes que peu réalisables, ni à faire preuve d’un excès de pessimisme ce qui, en dernier recours, reviendrait à formuler une pensée incantatoire très largement répandue aujourd’hui, y compris dans le rapport de la commission Bronner (2022).

  • 1 Pour plus de détails, voir Petit (2021).

2Mais considérer et analyser n’est pas reprendre à son compte. Ce que nous proposons d’appeler l’« Intelligence artificialisation » ou « I-artificialisation » est un phénomène bien réel, à déconstruire comme toutes les notions devenues évidentes, en commençant par une mise à distance historique. La proposition d’un tel néologisme ne constitue rien d’autre que la première étape de cette distanciation indispensable. Il n’est à cet égard pas inintéressant de rappeler à quel point la cybernétique, dans l’immédiat après-guerre, a connu pareil engouement et au moins autant de défiance, quand bien même il s’agissait davantage d’une bannière regroupant des réalités disparates et diffuses qu’un courant agissant de manière structurée (Le Roux, 2018)1. Est-ce bien différent pour l’IA aujourd’hui ?

3Plaident en faveur d’une intégration de l’IA en éducation dans le droit commun de la numérisation, des similitudes avec les étapes techniques qui l’ont précédée : l’IA est à la fois un objet et un outil d’enseignement, comme avant elle les TICE ou le numérique. Mais avec l’I-artificialisation, il y a davantage, au moins dans les prétentions et les potentialités : l’IA est en effet susceptible d’aider à mieux connaître la façon dont le cerveau humain fonctionne et apprend (Guitton, Romero, 2021) donnant ainsi potentiellement la clé d’une automatisation de l’apprentissage enfin à notre portée.

4Dans cet article, nous centrerons notre réflexion sur les industries éducatives et leurs mutations récentes, dans la mesure où l’I-artificialisation renouvelle leur prétention à structurer les conditions d’apprentissage. Nous proposerons d’articuler notre propos en trois temps.

5Il nous faut d’abord mieux cerner les enjeux posés par cette I-artificialisation dans et de l’éducation. Nous verrons que ceux-ci, dans leur ampleur et leur diversité, ne peuvent réduire la portée de l’intervention des sciences humaines et sociales à la question éthique, le plus souvent (mal) posée tardivement et naïvement.

6Nous ferons ensuite état (sans prétendre à l’exhaustivité) des solutions communément admises pour traiter cette question brûlante et verrons notamment, l’insuffisance de la réponse par les référentiels de compétences ou d’une approche scientifique limitée cherchant à « outiller un esprit critique naturel », réponses ayant comme point commun d’avoir été pensées au nom d’une recherche d’opérationnalité immédiate. Mais l’esprit critique n’est pas un muscle à entraîner. A vouloir trop vite trouver des solutions pratiques, en faisant en quelque sorte l’économie d’une compréhension fine des enjeux et des méthodes pour les questionner, le risque est grand de s’abandonner aux mirages d’une vague réflexivité.

7Enfin, nous insisterons sur les enjeux éducationnels d’une démarche scientifique authentiquement interdisciplinaire. Aucune discipline ne saurait suffire à elle seule au développement de l’esprit critique, l’informatique comprise, quand bien même elle serait outillée d’une « pensée informatique » (Drot-Delange et al., 2019). Il s’agit, plus profondément, d’initier dès le plus jeune âge aux méthodologies de la recherche dans leur diversité et leur complémentarité. Cette initiation nous semble indissociable d’une culture générale de l’honnête être humain du XXIe siècle qui inclut un bagage technique et une capacité à manier les concepts, ce qui implique des connaissances dans plusieurs champs disciplinaires qu’il nous faudra expliciter.

Les enjeux de l’I-artificialisation dans et de l’éducation

Cerner de quoi il s’agit

  • 2 Abiteboul S., Dowek G. (2017). Le temps des algorithmes, Paris, Editions Le Pommier.

8Pour comprendre les enjeux de cette I-artificialisation dans et de l’éducation, il nous faut procéder en trois étapes méthodiques. D’abord, bien cerner de quoi il s’agit quand on évoque le processus d’extension de l’intelligence artificielle à des activités qui jusqu’ici en ignoraient jusqu’à l’existence. S’il y a lieu de faire des distinctions, pas toujours aisées, entre IA, algorithme, données, etc., il ne faut pas attendre de celles-ci qu’elles soient définitives ou dépourvues de toute ambiguïté. Ainsi, lorsque Serge Abiteboul et Gilles Dowek, auteurs d’un ouvrage au titre évocateur2, définissent l’algorithme de manière très générale comme « un procédé qui permet de résoudre un problème, sans avoir besoin d’inventer une solution à chaque fois », ce qui les amène plus loin à caractériser les algorithmes d’« apprentissage profond » que d’aucuns classeraient dans l’Intelligence artificielle. La difficulté à laquelle nous sommes confrontés aujourd’hui vient du fait que les avancées récentes dans le domaine viennent précisément de la conjonction inédite de trois phénomènes qu’il convient par ailleurs de distinguer : la montée en puissance de l’algorithmisation, l’usage massif de données (le fameux big data) et l’I-artificialisation. Vent médiatique en poupe aidant, certains phénomènes tendent à être intégrés un peu rapidement dans ce troisième volet sans qu’il soit toujours évident d’y déceler la mise en œuvre de démarches propres à l’IA.

9En second lieu, ces phénomènes généraux doivent être spécifiés au champ de l’éducation qui nous intéresse ici. S’impose en particulier la nécessité de distinguer l’IA de ce qui relève des Learning analytics ou traces d’apprentissage au sein du courant des EIAH3 en informatique. La chose n’est point aussi aisée que l’on pourrait l’imaginer tant l’appel à la référence IA est devenue ici aussi monnaie courante. Un rapprochement s’opère d’ailleurs depuis plusieurs années entre les deux courants, notamment au sein des journées EIAH et IA organisées par l’INRIA4.

10En troisième lieu, et là et peut-être la question principale, il convient de prendre la mesure de l’avancée de l’IA dans l’éducation. Entre adaptative learning ou personnal learning, les EdTech ne sont pas en reste pour vanter les mérites de l’IA voire appeler à la « révolution pédagogique » à travers elle.

11Il peut paraître bien difficile de s’y retrouver dans ces notions et ces évolutions rapides lorsque l’on n’est soi-même non-spécialiste. C’est la raison pour laquelle nous avons créé le Séminaire Intelligence artificielle pour la formation ou SIAFO au sein du GIS2IF destiné à amorcer un dialogue entre chercheurs de plusieurs disciplines sur le développement de l’IA en éducation5. Nous mettrons à disposition du plus grand nombre les principaux résultats de celui-ci afin de contribuer à la diffusion et l’acquisition d’une culture générale de notre temps.

Appréhender la multiplicité des enjeux en commençant par les enjeux épistémologiques

12Nous n’en ferons pas ici un relevé exhaustif mais relèverons certains enjeux fondamentaux de ce couplage du big data, de l’algorithmisation et de l’IA dans un spectre large d’abord, dans le champ de l’éducation ensuite. Ce large spectre nous entraîne en premier lieu dans des enjeux d’ordre épistémologique, ce qui peut paraître singulier au premier abord. Ce choix est plus compréhensible si l’on considère que ces enjeux ne concernent pas que les chercheurs de différentes disciplines mais sont au fondement de raisonnements qui vont au-delà de la recherche.

  • 6 Rappelons brièvement que l’IA symbolique procède à partir d’instructions explicites données par des (...)
  • 7 Voir dossier consacré à l’IA dans Le Débat, novembre 2019.

13Nous avons déjà souligné précédemment (Petit, 2021) combien le passage d’une IA symbolique à une IA connexionniste6 n’était pas qu’une affaire de spécialistes mais avait des répercussions sur la manière de faire de la recherche, dans les sciences de la nature comme dans les sciences humaines et sociales. Selon Bruno Bachimont (2015), nous serions en train de passer d’un paradigme de la mesure à celui du calcul, notamment dans les sciences expérimentales. Nous n’y reviendrons pas si ce n’est pour souligner que l’avènement de la « Google science » et la fin de la théorie, chères à Anderson (2019)7, qui rendraient caduc tout recours à la théorie pour forger les hypothèses, n’est qu’une prophétie peu étayée et que le changement de paradigme souligné par Bachimont est loin d’être une réalité, l’évolution avérée dont il rend compte aboutissant surtout à une cohabitation renforcée de méthodes.

14On mesure à ce stade du raisonnement qu’une compréhension de tels enjeux ne peut avoir lieu sans quelques connaissances techniques ou compétences minimales en matière de méthodologie de la recherche. Ce point est important et nous aurons l’occasion de le développer lorsque nous ferons des propositions pour développer l’esprit critique en 3e partie.

15Mais nous voudrions illustrer le fait que les questions épistémologiques n’intéressent pas que les chercheurs. Ainsi, Bruno Bachimont (2015) insiste sur le fait que la science des données (dans un singulier qu’il faudrait interroger) opérerait une triple rupture :

  • Une rupture des données par rapport à leur origine et leur nature ;

  • Une rupture du traitement par rapport aux données ;

  • Une rupture de ce qui est montré par rapport à ce qui est calculé.

16En somme, il y aurait de moins en moins de continuité entre la construction, le traitement et la visualisation des données, dans le domaine de la recherche et au-delà : dans toutes les présentations (textuelles ou iconographiques) se basant sur une analyse de données, plus généralement dans tous les dispositifs proposant des services « data driven », du marketing au pilotage de l’entreprise en passant par l’éducation.

17Ces trois étapes, de plus en plus dissociées, doivent être d’autant plus analysées pour elles-mêmes et dans leurs interrelations qu’un voile de « transparence » tend à s’abattre sur ces approches, dans les sciences, plus encore hors démarche scientifique, comme si la « donnée », que d’aucuns, à juste titre, préfèreraient considérer comme un « construit », ne saurait mentir.

Enjeux dans et pour l’éducation

  • 8 Sur cet aspect, voir Mœglin (2010).
  • 9 Sur cette différence, voir Rouvroy, Berns (2013).

18Centrer la réflexion sur l’éducation dans un second temps comme annoncé ne conduit pas à une réduction du champ, bien au contraire. Cette centration nous amènera à aborder des enjeux sociaux et économiques majeurs. Il suffit pour s’en convaincre de s’interroger sur la notion d’automatisation de l’individualisation en formation censée être repensée à nouveaux frais par les progrès de l’IA. Vieille question, traitée en son temps par Skinner qui avait bien compris qu’elle était indissociable d’un projet d’industrialisation de l’éducation légitimé par le caractère scientifique de l’entreprise8. Que celle-ci fût vouée à l’échec, lestée de référents théoriques trop ouvertement behavioristes ou, plus prosaïquement, handicapée par l’insuffisance des moyens déployés, ne change rien à l’affaire aujourd’hui. Vouloir automatiser l’individualisation de la prestation éducative dans des systèmes massifiés renvoie à des projets industriels certainement divers mais qui ne peuvent faire l’économie d’une pensée de la nature industrielle des solutions préconisées. Qui dit pensée de l’industrialisation, à travers la question de l’individualisation ou de la personnalisation9 (et de leur outillage), dit enjeux pédagogiques certes, mais ces derniers sont à replacer dans des enjeux sociaux et économiques plus vastes. Ce point est pour nous fondamental : vouloir traiter de ces questions sous un angle purement pédagogique revient immanquablement à regretter le décalage entre un idéal pédagogique et la réalité de sa mise en œuvre, sans se donner les moyens de comprendre ce hiatus et de l’interpréter. C’est bien parce que d’autres phénomènes se jouent à plus grande échelle, qui ont trait à l’organisation et au financement des systèmes éducatifs en particulier, que les questions pédagogiques ne doivent pas être traitées sur le seul angle de la pédagogie, fût-elle instrumentée. En découle l’impérieuse nécessité de savoir situer ces tentatives nouvelles, empruntant les voies (et les voix) de l’IA, dans le temps long de l’introduction de la technique dans l’éducation, sous peine de croire un peu vite en la révolution autoproclamée ou en la catastrophe inéluctable. Nous reviendrons sur ce point en 3e partie.

Au nom de la recherche d’opérationnalité, des solutions qui passent à côté des principaux enjeux

L’insuffisance de la réponse par les référentiels de compétences

  • 10 UNESCO ICT-Competency Framework for Teacher.

19Pour nourrir cette réflexion, nous sommes parti des cinq piliers proposés par Colin de la Higuera (2019), se basant sur un référentiel de l’UNESCO10. Nous sommes arrivé à la conclusion que ce type de référentiels, aussi bien conçu soit-il, ne peut clore les questionnements soulevés par l’irruption de l’IA dans tous les domaines, éducation comprise.

20Colin de la Higuera propose de construire un programme de formation à partir de cinq piliers : l’incertitude et le caractère aléatoire, le codage et la pensée computationnelle (ou informatique), la connaissance des données, la pensée critique et ce qu’il nomme un humanisme post-IA. Le premier pilier est particulièrement bienvenu. Il s’agit de faire comprendre que les prévisions proposées par l’IA ne sont pas des vérités fondamentales, mais des estimations basées sur des données, et ainsi aider à les interpréter. Mais savoir faire la différence entre probabilité et causalité ne passe-t-il pas par une initiation aux méthodes de la recherche ? Nous y reviendrons. Apprendre les rudiments du codage et les principes de l’algorithmie nous semble en effet indispensable (2e pilier). De même, l’éducation aux données (data science) reposant sur des activités où les données sont collectées et visualisées, manipulées et analysées (3e pilier) nous semble également faire partie de la panoplie de ce qu’il est nécessaire de maîtriser. Au cœur de notre réflexion, les 4e et 5e piliers, portant respectivement sur la pensée critique et ce que Colin de la Higuera nomme un « humanisme post-IA », méritent toute notre attention. L’auteur prévoit de faire appel aux sciences sociales, notamment pour comprendre les impacts de la technologie, évaluer les risques, avoir une perception historique des médias, et aider au règlement des « nombreuses questions éthiques soulevées par l’IA ». Si ce dernier point est évidemment attendu, le spectre de la pertinence du champ d’intervention des SHS nous semble plus large qu’habituellement. Soulignons en particulier la mise en perspective historique des médias (et des outils) sur laquelle nous aurons l’occasion d’apporter des précisions.

21S’agissant enfin du dernier pilier, « l’humanisme post-IA » entendu comme un ensemble de questions de société actualisées par le développement de l’IA dans de nombreux champs d’activité, l’auteur prend 4 exemples de notions que contribue à redéfinir l’IA : la vérité, l’expérience, la créativité et même l’intelligence. Notons qu’il nous semble bienvenu ici de faire de l’humanisme un pilier à part entière. On pourrait s’interroger sur le qualificatif « post-IA » qui pourrait risquer d’essentialiser l’IA et de lui faire jouer un rôle immanquablement révolutionnaire. Mais réjouissons-nous que l’apport des humanités ne soit pas réduit à ne traiter les questions sociales qu’en termes d’impacts.

22En France, le CRCNE, déclinaison pour les métiers de l’enseignement du cadre de référence des compétences numériques adopté en 2019, est en cours de finalisation à partir du référentiel européen DigcompEDU11. Il comprend 5 domaines : développement professionnel ; gestion des ressources numériques ; enseignement-apprentissage avec et par le numérique ; émanciper, encapaciter, autonomisation des élèves ; développement des compétences numériques des élèves.

23Un effort est fait sur les données par rapport aux référentiels précédents notamment dans le sous-domaine domaine 5.1 « Information et données » où il est attendu de savoir mener une recherche ou une veille d’information, gérer des données et traiter des données, sans que la notion d’information soit ici clairement explicitée. Secondairement, dans le sous-domaine 3.3 « Evaluer », il est question de recueillir, organiser, analyser ou interpréter les traitements des traces d’activité des élèves, en référence au règlement général sur la protection des données (RGPD).

24Le développement de l’esprit critique, quant à lui, est présent à deux niveaux : comme une composante indispensable du développement professionnel de l’enseignant et comme une compétence à travailler avec les élèves :

  • Dans le sous-domaine 1.3. « Adopter une posture ouverte, critique et réflexive » : analyser, prendre conscience de sa pratique pédagogique numérique pour l’ajuster ; référer sa pratique aux travaux de la recherche ; analyser et développer sa pratique pédagogique numérique et celle de sa communauté ; expérimenter de nouvelles pratiques et approches pédagogiques pour développer (concevoir, mettre en œuvre, évaluer) un/des dispositif(s) d’apprentissage ; faire preuve de curiosité, d’ouverture d’esprit, de distance critique dans l’appropriation du numérique dans l’enseignement-apprentissage ; agir en professionnel responsable et selon des principes éthiques.

  • Dans le sous-domaine 4.3. « Encourager la créativité et développer l’esprit critique » : utiliser les technologies numériques pour encourager l’engagement et la créativité des élèves/étudiants ; développer leurs capacités transversales et les impliquer dans les activités pratiques et dans la résolution de problèmes complexes.

25Si le lien entre la pratique pédagogique et les travaux de recherche et l’affirmation de la nécessité d’une distance critique sont les bienvenus, la notion d’esprit critique reste ici assez floue et peu distinguée de la réflexivité ou de l’ouverture d’esprit. Quant à l’esprit critique à développer chez les élèves, il semble ici assez largement assimilé au développement de la créativité.

26Plus ambitieuse nous semble la démarche initiée dans le projet CoMUN (Compétences Métier Utilisant le Numérique) visant à redéfinir les compétences des métiers de la formation dans un environnement numérique. Une des idées sous-jacentes à l’élaboration du référentiel CoMUN est de constituer peu à peu un répertoire de pratiques partagé par l’ensemble des acteurs (enseignants, inspecteurs…). Malheureusement le projet est aujourd’hui mis en sommeil, les deux ministères (de l’Éducation nationale, de l’Enseignement supérieur et de la Recherche) ne semblant plus avoir beaucoup d’intérêt pour ces sujets (Boissière, Bruillard, 2021, pp. 322-323).

L’insuffisance d’une approche scientifique limitée cherchant à « outiller un EC naturel »

  • 12 Il n’y a qu’à analyser pour s’en convaincre la composition du conseil scientifique de l’Éducation n (...)
  • 13 Pasquinelli E., et al. (2020).

27Nous faisons ici allusion à un rapport important, dans le contexte actuel de mise en avant des sciences cognitives dans l’éducation12, réalisé à la suite d’un projet ANR consacré à l’éducation à l’esprit critique13.

28Cette synthèse, réalisée après 3 ans de travaux correspondant au « workpackage 1 » chargé de définir et caractériser l’esprit critique, pourrait nous être d’un précieux secours et nous éviter de longues recherches théoriques visant à cerner cette notion particulièrement volatile.

29Malheureusement, cette étude part de fondements contestables et, sous le couvert d’une scientificité limitée à la méthode expérimentale, ne voit la question qu’à travers une focale limitée aux sciences cognitives (et plus particulièrement, la psychologie du développement et les neurosciences cognitives).

30L’hétérogénéité des méthodes visant à renforcer l’esprit critique, englobant une grande variété de compétences et de critères, y est vue comme une incohérence à combattre. La solution préconisée consiste alors à naturaliser l’esprit critique en portant la question sur le terrain – jugé nécessairement objectif – des sciences cognitives : « Identifier les soubassements naturels de l’EC nous permet de donner une base de départ objective à l’éducation de l’EC. » (op. cit., p. 47).

31Il en résulte, dans une formulation qui pourrait surprendre les personnes ayant travaillé sur l’esprit critique dans une tout autre approche, que « développer l’esprit critique naturel signifie alors l’outiller de stratégies et de critères qui permettent de faire face à des situations différentes de celles pour lesquelles notre histoire évolutive nous a équipés. L’esprit critique naturel devient ainsi esprit critique avancé. » (op. cit., p. 48).

32S’opère alors, au nom de cette naturalisation, une réduction du champ de l’esprit critique et donc de la portée d’une éducation destinée à le développer. Plus surprenant encore, pour répondre à la question d’une éducabilité à l’esprit critique, le groupe s’est concentré « sur l’opportunité d’insérer l’enseignement de la pensée critique dans un contexte disciplinaire » (op. cit., p. 3). D’une question générale portant sur la capacité de développer l’esprit critique nous voici arrivés à la formulation suivante : « Dès que l’élève fait preuve de pensée critique dans le domaine des mathématiques, est-il alors capable de transférer cette habileté à l’apprentissage de l’histoire ou à l’évaluation des informations ? » (ibid.).

33En synthèse du raisonnement, les auteurs arrivent à la conclusion suivante : « La question éducative est alors : comment outiller l’esprit critique naturel ? Améliorer l’évaluation de la qualité épistémique des informations passe par la transmission des critères et des connaissances permettant une évaluation plus adaptée aux situations complexes. » (op. cit., p. 93).

  • 14 L’expression « Outiller l’esprit critique » revient à de nombreuses reprises dans le rapport cité.

34S’ensuivent alors une série de recommandations assez générales (op. cit., p. 122) que nous pourrions reprendre à notre compte pour la plupart (à l’exception notable de l’enseignement du « transfert » tel qu’il est conçu par les auteurs), pas aussi caricaturales que ne le laissaient craindre les présupposés mentionnés ci-dessus et l’emploi systématique de l’expression « éduquer l’esprit critique » et non « éduquer à l’esprit critique », comme si ce dernier était considéré comme une fonction particulière qu’il faudrait isoler sur le plan neuro-cognitif et qu’il s’agirait alors d’entraîner ou d’outiller14.

35Que l’on ne s’y trompe pas, l’objectif du rapport est bien de donner une légitimité scientifique à la volonté d’introduire à l’école une éducation à l’esprit critique dans les disciplines expérimentales considérées seules comme scientifiques (SVT, physique-chimie) dans une ignorance complète de l’éducation aux médias et à l’information (EMI) telle qu’elle est pratiquée par les professeurs-documentalistes, en collaboration avec d’autres disciplines le plus souvent. S’il y est affirmé que toutes les disciplines sont concernées, c’est bien à partir des disciplines expérimentales qu’elles sont considérées, dans une hiérarchie que n’aurait pas reniée Auguste Comte (technologie, histoire-géographie, éducation physique et sportive, enseignements littéraires, enseignements artistiques).

  • 15 Sans pouvoir développer ce point, on retrouve ici pour la nième fois la volonté de prouver l’effica (...)
  • 16 Les mêmes acteurs viennent de lancer un « baromètre de l’esprit critique » qui se réunira la premiè (...)

36S’y ajoutent fort logiquement une méconnaissance totale des méthodes qui sortent de la démarche expérimentale. Il y est ainsi affirmé que les conseils pratiques qui émergent de cette synthèse « se basent sur des éléments qualitatifs d’analyse de la littérature et qu’ils nécessitent donc d’être mis à l’épreuve et testés avec des méthodes appropriées permettant d’en mesurer l’efficacité15 ». (op. cit., p. 122). Dans le même ordre d’idée, lorsqu’est affirmée la nécessité d’acquérir une plus vaste et profonde base de connaissances, les connaissances factuelles mises en avant viennent exclusivement des disciplines expérimentales16.

Point commun de ces solutions : une opérationnalité mal comprise

37Quelles que soient les différences que l’on peut observer dans les différents référentiels de compétence et dans cette approche étayée, nourrie mais qui souffre d’une focale étroite et de partis pris rédhibitoires, un point commun les unit : la recherche d’une opérationnalité certes bienvenue mais le plus souvent mal pensée. Dans le premier cas, elle ne traduit pas la segmentation d’une compétence aussi fondamentale, que l’on pourrait presque considérer comme une méta-compétence, en une liste de micro-compétences dont la maîtrise, évaluée isolément les unes des autres, ne saurait garantir le développement de l’esprit critique.

  • 17 Notamment la spécialité « Numérique et sciences informatiques » du baccalauréat.
  • 18 L’absence de références issues des SHS est à cet égard éloquente.

38Dans le second cas, cette recherche d’opérationnalité, sous le prétexte de la notion d’« éducabilité », se fait au prix d’une telle réduction que l’on se retrouve in fine à réinventer des méthodes de vérification et d’évaluation de l’information, certainement inconnues des disciplines expérimentales, mais assises depuis fort longtemps dans le champ de l’éducation aux médias et à l’information. S’agissant de l’intelligence artificielle, la dimension technique des avancées en question doit être prise en compte et il n’est pas dans notre propos de considérer que l’EMI telle qu’elle est pratiquée aujourd’hui peut la traiter à elle seule, quand bien même elle serait juxtaposée à des enseignements informatiques nouvellement créés17. Nous osons même ajouter que les disciplines expérimentales doivent y prendre toute leur part, mais en connaissance de cause, et débarrassée de la prétention à vouloir créer de toute pièce un champ prétendument nouveau, que la nouveauté mise en avant résultât d’une ignorance ou d’un mépris mal placé pour des disciplines qui développent des méthodes autres18.

39Si la démarche scientifique mise en avant nous semble une piste intéressante pour développer l’esprit critique, spécialement face aux avancées – réelles ou supposées – de l’intelligence artificielle, encore faut-il qu’elle intègre davantage de disciplines et qu’elle accepte la diversité de leurs points de vue et de leurs méthodes sans établir de hiérarchies entre elles.

L’IA nous oblige à repenser les cadres d’une éducation à l’EC

40Sans entrer dans une rhétorique d’un « humanisme post-IA », saisissons le dérangement provoqué par l’I-artificialisation, dans le champ éducatif comme dans l’ensemble de la société, pour repenser une éducation à l’esprit critique qui met les humanités à leur juste place.

Des connaissances techniques minimales indispensables

  • 19 Yves Jeanneret oppose une information mathématique à une information sociale : cette dernière est i (...)

41S’il est un domaine qui ne peut souffrir de s’en tenir à quelques grands principes, c’est bien celui de l’IA. Dans le même temps, la technicité du champ est telle qu’il serait bien illusoire de s’imaginer en devenir un spécialiste par une formation accélérée. Sans en dresser une liste exhaustive ici, il nous semble cependant indispensable de maîtriser les fondamentaux sans lesquels il ne peut y avoir de réelle compréhension des enjeux. A ce titre, il est impensable de n’être pas en mesure d’opérer une distinction claire entre des notions comme IA, algorithme, big data. De même, il est inconcevable de ne pas avoir clarifié les notions d’information et de données : les subtiles distinctions opérées entre l’information1 et l’information2 par Yves Jeanneret (2000)19 il y a plus de vingt ans restent d’actualité et on serait bien avisé de s’y référer.

42Au-delà, la diversité des approches relevant de l’IA mérite d’être connue si l’on veut appréhender les enjeux épistémologiques mais aussi pratiques d’un éventuel changement de paradigme dans ce champ. L’honnête être humain du XXIe siècle a certainement entendu parler du fameux « réseau de neurones » mais est-il en mesure d’en définir précisément le principe ? A-t-il été confronté à d’autres méthodes comme les arbres de décisions et forêts aléatoires, les réseaux bayésiens, la programmation génétique ou la machine à vecteurs de support ? Il nous semble important de connaître comment on tente de faire apprendre à la machine et comment ces tentatives évoluent dans le temps, en un mot d’être en mesure de cerner ce qu’il y a d’intelligent dans ces procédures.

43La question est de savoir comment s’y prendre ? Faut-il se contenter de lire quelques textes de vulgarisation sur le sujet ou faut-il, si l’expression n’était déjà prise, mettre « la main à la pâte » ? La question de l’apprentissage du code à l’école, posée depuis fort longtemps (Baron, 2018), mérite aussi de l’être pour les enseignants de toutes disciplines. Alors que l’on s’achemine vers une certification numérique obligatoire pour tous les futurs enseignants, pourrait-on se reposer sur PIX+Edu, la version de PIX développée pour l’éducation ? Certainement pas pour la partie automatisée nationale réalisée par le Groupement d’intérêt public (GIP) PIX. Il faudrait alors pouvoir s’appuyer sur le volet humain de la certification qui relèvera de la compétence de chaque INSPE à partir d’un cahier des charges commun. Il est aujourd’hui trop tôt pour se prononcer.

44Pour l’essentiel des enseignants déjà en poste, cette montée en compétences relève de l’offre de formation continue développée dans chaque académie. Peut-être faut-il alors plus sûrement que notre enseignant expérimenté et motivé par ces questions se tourne vers les ressources offertes en autoformation. Signalons à ce titre, l’opportunité d’une inscription au MOOC gratuit « L’intelligence artificielle…avec intelligence ! » aisément repérable sur la plate-forme FUN-MOOC et qui a le mérite de proposer des notions claires accessibles à des non-spécialistes.

La cohabitation d’un enseignement d’informatique et de l’EMI ne suffit pas

45A supposer que cette acculturation soit acquise, sur quel socle de réflexion s’appuyer pour développer une approche critique des enjeux soulevés par le développement de ces techniques ? La « pensée informatique » en particulier est-elle susceptible d’en fournir les éléments essentiels ?

  • 20 Étude International Computer an Information Literacy Study menée dans 12 pays dont la France par l’ (...)

46Cette notion, née dans les années 1960, a été relancée en 2006 par Jeannette Wing, professeure d’informatique à l’université Carnegie Mellon (Petit, 2020). Les définitions en sont nombreuses et évolutives. Nous retiendrons celle présente dans l’enquête ICILS 201820 qui la définit comme la « capacité d’un individu à identifier les problèmes du monde réel qui sont appropriés pour une formulation informatique, ainsi qu’à évaluer et à développer des solutions algorithmiques à ces problèmes afin de les mettre en œuvre à l’aide d’un ordinateur ». Aussi intéressante soit cette définition, elle s’apparente davantage à la capacité à rendre un problème informatisable qu’à la mobilisation de notions et concepts à des fins de mise en perspective d’un mouvement d’informatisation généralisé. Notons qu’en France, elle a servi à légitimer le statut de discipline scolaire à part entière de l’informatique (Drot-Delange et al., 2019), concrétisé par la création récente d’un CAPES et d’une Agrégation.

  • 21 Une exception à noter, l’UNESCO dans sa deuxième édition du modèle du programme de formation d’Educ (...)
  • 22 Le rapport cité met en avant 4 critères pour évaluer la qualité des informations (la plausibilité, (...)

47Qu’à cela ne tienne, ne pourrait-on imaginer que le développement de l’esprit critique vis-à-vis de l’IA puisse être assuré par la cohabitation qui s’annonce dans l’enseignement scolaire entre des enseignements techniques assurés par des professeurs d’informatique et des approches pédagogiques plus réflexives mises en œuvre essentiellement par des professeurs-documentalistes dans le cadre de l’EMI ? Si intéressantes que soient les avancées de ce dernier champ qui, rappelons-le, ne s’est jamais constitué en discipline, il ne nous semble pas que les nombreux référentiels internationaux et nationaux se penchent prioritairement sur cette question21. Notons au passage que tout ce qui touche à l’information, le I de l’acronyme qui s’est rajouté assez récemment à ce qui était initialement une éducation aux médias (Petit, 2020), fait l’objet d’une réflexion qui donne lieu à des pratiques infiniment plus élaborées que les préconisations du rapport analysé précédemment (Pasquinelli et al., 2020)22.

48L’esprit critique dont il est question dans cet article selon nous ne saurait se limiter à un traitement critique de l’information, aussi indispensable soit-il, ni même à un retour réflexif sur des pratiques naissantes, comme c’est le plus souvent le cas dans la formation des enseignants. Nous visons ici des méthodologies de recherche (en insistant sur le pluriel) à inculquer dès le plus jeune âge et donc à renforcer en amont dans la formation des enseignants.

Méthodologies (au pluriel) de la recherche à inculquer dès le plus jeune âge

49Dans l’enseignement scolaire, il s’agit donc dès le plus jeune âge, d’œuvrer au développement d’un esprit critique, à la fois nécessaire aux futurs citoyens et aux futurs professionnels. L’IA en constitue un bon terrain d’entraînement même si, évidemment, on voit mal les élèves ne s’exercer à développer leur esprit critique que sur ce thème. Mais l’ampleur des enjeux qu’il soulève justifie de le prendre comme objet d’analyse assez tôt, quelle que soit la technicité des questions soulevées. Mais après tout ne va-t-on pas vers un apprentissage précoce du code à l’école ?

50Il s’agit en fait d’entraîner les élèves à poser des questions et à chercher les réponses par eux-mêmes, c’est-à-dire introduire dans l’enseignement ce que l’on peut appeler le doute constructif. Cet entraînement ne saurait tourner à vide et ne peut avoir de sens que s’il s’accompagne d’une initiation aux méthodes de la recherche dans le spectre le plus large : les sciences formelles, les sciences expérimentales et les sciences humaines et sociales.

51En d’autres termes, il s’agit, sans se lancer dans des considérations épistémologiques déplacées avec les élèves, de ne pas découpler les connaissances d’un domaine (en l’occurrence d’une discipline scolaire), validées par leur présence dans les programmes et les manuels scolaires, des méthodes ayant concouru à établir ces savoirs dans la discipline scientifique correspondante.

52Ces méthodes sont déjà présentes dans l’enseignement, notamment via le programme « La main à la pâte », trop exclusivement orienté vers la méthode expérimentale, souvent, et abusivement, assimilée à la démarche scientifique. S’agissant des méthodes propres aux SHS, il ne sera jamais trop tôt pour évoquer les méthodes qualitatives dans leur diversité, qui peuvent s’avérer complémentaires de méthodes quantitatives, voire leur être supérieures dans certains cas. S’agissant de ces dernières, une réflexion peut se faire à partir d’exercices concrets sur le calcul statistique, plus globalement sur la donnée chiffrée mettant au jour les processus de construction à partir de plusieurs modalités de recueil, de traitement et des usages qui en sont faits et enfin de visualisation en rendant perceptibles les choix explicites ou implicites qui y ont concouru.

53Ces enseignements devraient donner systématiquement lieu à des projets pluridisciplinaires, seuls à même de faire avancer simultanément la maîtrise des connaissances techniques minimales indispensables en informatique et la réflexion qui démystifie, par le développement d’un esprit critique ancré dans une connaissance précise des avancées techniques.

54Davantage que d’apporter des réponses toutes faites, il s’agit d’amorcer le plus tôt possible un questionnement méthodique, issu de démarches de recherche diverses et complémentaires, qui ne peut porter ses fruits qu’à long terme. Il n’est jamais trop tôt pour commencer. Ce questionnement, s’il peut partir d’une base individuelle, doit à un moment donné s’ancrer dans une démarche collective qui (comme dans le champ de la recherche) utilise une argumentation pour convaincre, mais pas par n’importe quel moyen. Le raisonnement doit être étayé à chaque étape par des faits établis, des informations, des données (au sens général du terme) issues de méthodologies éprouvées, même si elles sont mises en œuvre modestement, sur des échantillons ou des cas simples. Nous sommes ici loin du débat dans lequel il faut nécessairement être pour ou contre l’IA. Comme pour le numérique en général, la question ainsi posée n’a pas grand sens. Il s’agit plutôt d’être en mesure d’introduire une pensée argumentée à partir de bases solides et de méthodes qui ont fait leur preuve, bref d’être capable d’introduire de la nuance dans sa pensée, base même de l’esprit critique.

55Evidemment développer un tel programme pour les élèves ne peut se concevoir sans une intervention sérieuse dans la formation des enseignants qui les arme davantage pour prendre la mesure des enjeux du développement de l’IA dans et hors de l’éducation. Dans ce domaine plus précisément, il faut leur apprendre à se départir des discours prophétiques comme des mauvais présages.

  • 23 De façon bienvenue, le réseau des INSPE (R-INSPE) consacre la 8e édition du Printemps de la Recherc (...)

56Cette nécessité questionne évidemment la place de la recherche dans les masters MEEF. Celle-ci n’y est encore trop souvent convoquée que pour apporter les derniers résultats scientifiques dans une discipline. Evidemment les futurs enseignants doivent connaître les fondamentaux de leur discipline mais cela ne suffit pas. Ils doivent aussi être initiés aux conditions d’établissement de la vérité et des connaissances nouvelles dans leur discipline et, au-delà, avoir des notions sur l’épistémologie des sciences prises dans leur spectre le plus large23.

57Par ailleurs, même si des enseignements pluridisciplinaires y sont dispensés, ils ne sont guère valorisés dans un système qui fait toujours de la compétence disciplinaire la clé d’entrée dans un métier de plus en plus complexe. A l’INSPE de Paris, nous avons affiché, au sein du bloc 1 consacré aux enseignements transversaux, quelques questions jugées prioritaires, comme celle qui concerne les données et les algorithmes. Il reste que ces enseignements sont insuffisants en termes d’heures et souffrent d’un déficit de légitimité par rapports aux disciplines scolaires instituées de longue date.

58Pour développer l’esprit critique sur la question de l’IA, il nous faut introduire la distance du temps long, seule à même d’inscrire les « innovations » réelles ou annoncées dans une généalogie critique.

Connaissance de l’histoire (déjà longue) et des problématiques de l’introduction des techniques dans l’éducation

59L’I-artificialisation s’inscrit en effet dans une histoire déjà longue des tentatives d’introduction de la technique dans l’éducation. Avant même que le processus d’informatisation ne devienne une réalité (et dont l’I-artificialisation ne serait qu’un avatar mais un avatar disruptif dirait-on aujourd’hui), l’éducation connut des tentatives de mécanisation qui remontent au XIXe siècle.

60Si les premières machines à enseigner relevèrent au début des recherches d’inventeurs individuels, elles connurent un déploiement à plus grande échelle dans le contexte de la Seconde guerre mondiale aux Etats-Unis. Citons les travaux de Skinner qui mit au point sa machine à enseigner linéaire en 1958, sur un modèle strictement behavioriste, ou encore ceux de Crowder qui inventa l’Autotutor, machine à embranchements multiples testée à grande échelle au sein de l’US Air Force en 1960 et présentée parfois comme un système de tutorat intelligent.

  • 24 Voir en particulier Bruillard (1997).
  • 25 Signalons ici le programme Logo, développé autour de S. Papert au MIT selon une approche constructi (...)

61Il n’est cependant pas question ici de refaire l’histoire de la technologie éducative24 mais simplement d’illustrer le propos et de répondre à la question : pourquoi remonter si loin avec des techniques qui n’ont qu’un rapport assez limité avec l’IA actuelle ? Tout simplement parce que l’IA s’inscrit dans une généalogie, et que nous considérons que la connaissance de cette inscription dans une longue série d’innovations techniques aux prétentions pédagogiques dans l’éducation est le meilleur moyen de ne pas prendre à la lettre toutes les promesses de rupture véhiculées par l’I-artificialisation. Il nous semble donc indispensable de connaître ces mouvements successifs ou parallèles25 de mécanisation et d’informatisation de l’acte d’enseigner et d’apprendre, le rôle historique joué par l’enseignement à distance, filière traditionnellement confrontée à une problématique de maîtrise des coûts, dans l’appropriation de ces techniques, mais également la connaissance de courants en informatique qui, sans être à proprement parler considérés comme les précurseurs de l’IA, ont joué un rôle important dans l’informatisation de l’apprentissage : le courant des EIAH, les Learning analytics, etc.

62Mais cette généalogie ne doit pas être présentée sous la forme d’un récit édifiant. Elle doit être problématisée. Cette problématisation ne peut se faire sans une connaissance de la façon dont se sont forgés les usages de la technique dans l’éducation. Cela passe par un travail critique sur les différents courants (en sociologie, sciences de l’éducation, sciences de l’information et de la communication) qui ont pensé les conditions de cet usage, entre régime spécifique et droit commun. Citons ici à titre d’exemple des courants en sociologie qui, bien que n’ayant pas pensé la spécificité des usages de la technique en éducation, ont posé les bases, bien utiles encore aujourd’hui, à une réflexion sur la question : le diffusionnisme (Rogers), la sociologie de la traduction (Callon, Latour), l’analyse socio-technique (Flichy), « l’art de faire » (De Certeau), la logique de l’usage (Perriault), la sociologie des organisations (Crozier, Friedberg), etc. Par la marge de manœuvre variable qu’elles laissent à l’usager, ces approches aident à penser, dans un second temps, le cadre de l’innovation technique en éducation dans sa spécificité. On peut alors étudier des chercheurs comme Baron, Bruillard, Cuban, Jacquinot, Mœglin, et d’autres.

Industrialisation de la formation

  • 26 Ce point renvoie aux trois marqueurs de l’industrialisation mis en évidence par Pierre Mœglin (2016 (...)

63Le phénomène d’I-artificialisation nous semble difficile à comprendre si on ne le relie pas à un processus d’industrialisation de la formation, depuis longtemps engagé, dont il vient actualiser le volet technologisation26 dans un sens tel que l’industrialisation semble aujourd’hui en passe de se réaliser bien plus sûrement que dans ses modalités antérieures.

  • 27 Il est vrai que la fameuse distinction entre les secteurs primaire, secondaire et tertiaire, toujou (...)

64Aborder cette question doit se faire en évitant les deux malentendus les plus courants véhiculés par le sens commun : croire que l’industrialisation ne concerne pas les services27, l’éducation encore moins ; avoir une vision datée de l’industrialisation renvoyant à un taylorisme vulgarisé, aujourd’hui dépassé dans tous les secteurs économiques.

65La question de l’algorithmisation de la formation renouvelle d’ailleurs la question du lien entre industrialisation dans et industrialisation de l’éducation. Ce n’est certes pas la première fois que des acteurs industriels extérieurs à l’éducation tentent d’y pénétrer pour y imposer des méthodes industrialisées qui seraient en phase avec leurs produits industriels. Pensons aux fournisseurs de matériels (Microsoft, Dell, Apple, etc.) qui ont très tôt compris l’intérêt de développer une stratégie spécifique pour l’éducation. La nouveauté réside dans l’apparition d’acteurs nationaux ou mondiaux qui maîtrisent la fonction de courtage sur d’autres marchés et souvent à l’échelle mondiale, qui ne mettent pas seulement en œuvre l’algorithmisation (Jean-Gabriel Ganascia insiste sur le fait que ces méthodes ne sont pas radicalement nouvelles) mais qui savent la coupler avec la gestion de données massives voire avec l’IA dont ils ont les moyens d’infléchir les développements. Certains acteurs méritent à ce titre d’être étudiés de près (Edflex, Openclassrooms, Udemy, etc.) et l’évolution des stratégies des GAFAM vis-à-vis du secteur éducatif doit faire l’objet d’analyses outillées par les courants travaillant sur ces questions.

  • 28 Rappelons l’expression heureuse de Geneviève Jacquinot qualifiant le tutorat de « pièce maîtresse e (...)

66Nous insisterons ici sur un argument pour les sceptiques : ceux qui croient que l’industrialisation est une notion dépassée ou que l’éducation est désormais post-industrielle à la manière dont la société tout entière le serait devenue, sous l’influence des travaux de Bell (1976) notamment. Considérons les demandes de personnalisation de la prestation éducative émanant de la société. Elles sont bien réelles et n’ont pas été inventées de toute pièce par des industrialistes forcenés. La question dès lors se pose. Comment y répond-on ? par un préceptorat généralisé ? par le recours systématique aux pairs ? par des ressources distribuées sur mesure ? par des parcours adaptés ? par un tutorat automatisé « personnalisé » ? Dans tous les cas, c’est bien d’un modèle industriel qu’il s’agit et l’IA y jouera (plus qu’elle ne joue aujourd’hui) un rôle important. Peut-être en ne réalisant pas toutes les promesses annoncées ? Peut-être en fait de personnalisation ne s’agira-t-il que de parcours-types correspondant à une segmentation de marché ? Peut-être un tutorat automatisé verra-t-il le jour qui ne prendra pas en charge toutes les dimensions d’un tutorat humain mais qui constituera cependant une avancée réelle par rapport à l’ordinaire de la formation médiatisée ?28

Conclusion

67Ni béats, ni pessimistes, il s’agit de prendre la mesure d’un phénomène important dans l’éducation par un scepticisme de bon aloi, qui questionne, soupèse, argumente, vérifie, relie, met en perspective, etc. Cela ne peut se faire que par le développement continu d’un esprit critique à amorcer selon les voies présentées ci-dessus et le plus tôt possible.

68On voit d’ailleurs mieux désormais que l’esprit critique n’est pas une fin en soi mais un processus toujours en mouvement, jamais vraiment abouti, dont on ne peut juger de l’ampleur que lorsqu’il s’applique à un phénomène, en l’occurrence l’I-artificialisation.

69La prise en compte de l’IA et de ses avancées dans l’éducation nous semble indissociable du développement d’une culture générale qui inclut un bagage technique et une capacité à manier les concepts. S’agit-il alors de développer les compétences dites du XXIe siècle, nouvelles compétences que l’on assimile souvent à des soft skills et présentées souvent comme une aptitude au changement et à la créativité, aptitudes qu’il s’agirait de maintenir durant toute sa vie professionnelle par une formation « tout au long de la vie » ? Si nous faisons partie de ceux qui pensent que l’esprit critique doit se réactualiser et s’exercer sur des innovations qui n’étaient, par définition, pas celles du passé, l’actualisation du contexte et des enjeux ne conduisent pas pour autant à accepter comme irrémédiables nouveautés des compétences qu’il s’agit elles-mêmes de mettre à distance. Ici aussi l’esprit critique doit s’exercer !

Haut de page

Bibliographie

Abiteboul S., Dowek G. (2017). Le temps des algorithmes, Paris, Editions Le Pommier.

Anderson C. (2019). « La fin de la théorie. Le déluge de data rend la méthode scientifique obsolète », article paru dans Wired en 2008, traduit de l’anglais par Pierre-Emmanuel Dauzat, Le Débat, 2019/5, n° 207, pp. 119-122.

Bachimont B. (2015). « Le numérique comme milieu : enjeux épistémologiques et phénoménologiques », Interfaces numériques, volume 4 – n° 3/2015, pp. 385-402.

Baron G.-L. (2018). « Informatique et numérique comme objets d’enseignement scolaire en France  : entre concepts, techniques, outils et culture », Adjectif.net 

Bell D., Vers la société post-industrielle, Paris, Robert Laffont, 1976.

Boissière J., Bruillard E. (2021). L’école digitale : une éducation à construire et à vivre. Numérique et transformations de l’école, Paris, Armand Colin.

Bruillard E. (1997). Les machines à enseigner, Paris, Hermès.

Commission Bronner (2022). Les Lumières à l’ère numérique, rapport remis au Président de la République, janvier 2022.

Drot-Delange B., Pellet J-Ph., Delmas-Rigoutsos Y. et Bruillard E. (2019). « Pensée informatique : points de vue contrastés », STICEF, 26 (1).

Guitton P., Romero M., (2021). « Quelle place pour l’IA dans l’éducation ? », Lecture Jeune, L’intelligence artificielle au service de la lecture 180, décembre 2021, http://www.lecturejeunesse.org/livre/lintelligence-artificielle-au-service-de-la-lecturen180-decembre-2021/

Higuera (de la) C. (2019). A report about Education, Training Teachers and Learning Artificial Intelligence: Overview of key issues. Knowledge 4 All Foundation Ltd (K4A). https://www.k4all.org/wp-content/uploads/2019/11/Teaching_AI-report_09072019.pdf 

Jacquinot-Delaunay G. (2008). « Accompagner les apprentissages : le tutorat « pièce maîtresse et parent pauvre » des dispositifs de formation médiatisés » in Jacquinot-Delaunay G., Fichez E., dir. (2008). L’université et les TIC. Chronique d’une innovation annoncée, Bruxelles, De Boeck.

Le Roux R. (2018). Une histoire de la cybernétique en France (1948-1975), Paris, Classiques Garnier.

Mœglin P. (2016, dir.). Industrialiser l’éducation. Anthologie commentée (1913-2012), Saint-Denis, Presses universitaires de Vincennes.

Mœglin P. (2010). Les industries éducatives, Paris, PUF, Que sais-je ?

Pasquinelli E., Farina M., Bedel A., Casati R. (2020). Définir et éduquer l’esprit critique. Rapport produit dans le cadre des travaux du Work Package 1 / Projet EEC – Éducation à l’esprit critique (ANR-18-CE28-0018), juin 2020.

Petit L. (2020). Education aux médias et à l’information. Repenser l’approche critique. Grenoble, Presses universitaires de Grenoble.

Petit L. (2021). « Les sciences humaines et sociales (SHS) et les sciences de l’information et de la communication (SIC) aux défis de l’IA », Communication, technologies et Développement, 10 | 2021, Intelligence artificielle, pratiques sociales et politiques publiques.

Rouvroy A., Berns T. (2013). « Gouvernementalité algorithmique et perspectives d’émancipation. Le disparate comme condition d’individuation par la relation ? », Réseaux, 2013/1, n° 177, pp. 163-196.

Haut de page

Notes

1 Pour plus de détails, voir Petit (2021).

2 Abiteboul S., Dowek G. (2017). Le temps des algorithmes, Paris, Editions Le Pommier.

3 Environnement informatique pour l’apprentissage humain.

4 https://ci.mines-stetienne.fr/pfia2022/journees/eiah-ia/

5 https://gis-2if.shs.parisdescartes.fr/seminaires-siafo-intelligence-artificielle-pour-la-formation-annee-2022-2023/

6 Rappelons brièvement que l’IA symbolique procède à partir d’instructions explicites données par des humains tandis que l’IA connexionniste, dite aussi « machine learning », en recherchant des modèles dans les données, amène à prendre des décisions automatiquement, sans intervention humaine.

7 Voir dossier consacré à l’IA dans Le Débat, novembre 2019.

8 Sur cet aspect, voir Mœglin (2010).

9 Sur cette différence, voir Rouvroy, Berns (2013).

10 UNESCO ICT-Competency Framework for Teacher.

11 https://digital-competence.eu/digcompedu/front

12 Il n’y a qu’à analyser pour s’en convaincre la composition du conseil scientifique de l’Éducation nationale.

13 Pasquinelli E., et al. (2020).

14 L’expression « Outiller l’esprit critique » revient à de nombreuses reprises dans le rapport cité.

15 Sans pouvoir développer ce point, on retrouve ici pour la nième fois la volonté de prouver l’efficacité d’un outil ou d’une méthode par la méthode expérimentale.

16 Les mêmes acteurs viennent de lancer un « baromètre de l’esprit critique » qui se réunira la première fois à la cité des sciences et de l’industrie le 1er avril 2022 (sic).

17 Notamment la spécialité « Numérique et sciences informatiques » du baccalauréat.

18 L’absence de références issues des SHS est à cet égard éloquente.

19 Yves Jeanneret oppose une information mathématique à une information sociale : cette dernière est issue d’un processus d’interprétation que l’information du 1er type a pour bénéfice d’éliminer (ce qui rend possible son automatisation).

20 Étude International Computer an Information Literacy Study menée dans 12 pays dont la France par l’IEA (International Association of Educational Achievement ou Association internationale pour l’évaluation de la réussite scolaire).

21 Une exception à noter, l’UNESCO dans sa deuxième édition du modèle du programme de formation d’Education aux médias et à l’information publié en 2021 intègre l’IA en présentant ses avancées potentielles mais aussi les risques encourus : https://unesdoc.unesco.org/ark:/48223/pf0000377068

22 Le rapport cité met en avant 4 critères pour évaluer la qualité des informations (la plausibilité, la pertinence, les preuves à l’appui, la qualité des sources) sans s’interroger sur les notions d’information ou de document ni sur leurs conditions de production.

23 De façon bienvenue, le réseau des INSPE (R-INSPE) consacre la 8e édition du Printemps de la Recherche en Éducation au thème : « Former les enseignants à l’histoire et l’épistémologie des disciplines : quels enjeux ? ».

24 Voir en particulier Bruillard (1997).

25 Signalons ici le programme Logo, développé autour de S. Papert au MIT selon une approche constructiviste.

26 Ce point renvoie aux trois marqueurs de l’industrialisation mis en évidence par Pierre Mœglin (2016, dir.) : rationalisation (ou l’optimisation des moyens par rapport aux fins), technologisation (ou la substitution du capital au travail), idéologisation (ou la légitimation des deux processus précédents).

27 Il est vrai que la fameuse distinction entre les secteurs primaire, secondaire et tertiaire, toujours enseignée à l’école, n’y aide guère.

28 Rappelons l’expression heureuse de Geneviève Jacquinot qualifiant le tutorat de « pièce maîtresse et parent pauvre des dispositifs de formation médiatisés » (Jacquinot-Delaunay, 2008).

Haut de page

Pour citer cet article

Référence électronique

Laurent Petit, « La rencontre de l’Intelligence artificielle (IA) et de l’esprit critique (EC) : nouveaux enjeux ? nouvelle formation ? »Communication, technologies et développement [En ligne], 12 | 2022, mis en ligne le 15 décembre 2022, consulté le 30 janvier 2023. URL : http://journals.openedition.org/ctd/8256 ; DOI : https://doi.org/10.4000/ctd.8256

Haut de page

Auteur

Laurent Petit

Université Paris Sorbonne

Articles du même auteur

Haut de page

Droits d’auteur

CC-BY-NC-ND-4.0

Creative Commons - Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International - CC BY-NC-ND 4.0

https://creativecommons.org/licenses/by-nc-nd/4.0/

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search