Quand une médaille Fields demande à ses doctorants de se passer d’IA

Cédric Villani n’est pas le premier venu lorsqu’il s’agit de parler d’apprentissage et de raisonnement. Mathématicien, lauréat en 2010 de la médaille Fields, l’une des plus hautes distinctions de sa discipline, il a récemment expliqué avoir demandé à un étudiant en thèse de ne « surtout pas utiliser » les outils d’IA générative pendant son doctorat (source : Le Figaro). Son argument mérite attention : dans la recherche, le chemin qui mène à la solution compte autant, sinon davantage, que la solution elle-même. Chercher, vérifier, comprendre, buter sur un problème font partie de la formation du chercheur. Villani va jusqu’à revendiquer le temps et l’effort consacrés à surmonter une difficulté. Le propos concerne la recherche mathématique, mais il trouve un écho immédiat dans la formation professionnelle. Que se passe-t-il lorsqu’un salarié en formation dispose d’un outil capable de lui fournir la réponse, de construire son raisonnement, de rédiger son analyse ou de lui suggérer le comportement à adopter ? L’IA peut faire gagner du temps au professionnel confirmé tout en privant celui qui apprend d’une partie du travail nécessaire à la construction de sa compétence. Ce n’est donc pas l’usage de l’IA qui est en cause, mais le moment où elle intervient et ce qu’on lui demande de prendre en charge.

Apprendre en travaillant : jusqu’où pousser la logique ?

La remarque se heurte pourtant à un mouvement de fond de la formation professionnelle : rapprocher l’apprentissage du travail, jusqu’à rendre leur frontière presque invisible. Le Learning in the Flow of Work a largement contribué à cette évolution. Les ressources de formation ont quitté le seul LMS pour rejoindre Teams, Slack, le CRM ou les applications métier ; guides interactifs, micro-contenus et aides contextuelles peuvent être proposés au moment précis où le salarié rencontre une difficulté. Un précédent article d’e-learning Letter, « Learning in the flow (of work) : un concept déjà dépassé ? », poussait cette logique plus loin encore : les interfaces elles-mêmes guident, signalent, corrigent, au point que l’apprentissage finit par se confondre avec l’activité. Difficile de contester l’intérêt d’une formation disponible au moment du besoin plutôt qu’à distance de celui-ci. L’IA change cependant la nature de cette proximité. Une aide contextuelle peut expliquer comment accomplir une tâche ; une IA générative peut accomplir une partie de la tâche. Entre les deux, la différence est considérable pour celui qui apprend. Le principe selon lequel il faut former au plus près du travail réel conserve toute sa pertinence, mais il rencontre désormais une limite : l’environnement le plus efficace pour produire n’est pas nécessairement celui qui permet le mieux d’acquérir une compétence. La formation doit parfois recréer la difficulté que l’environnement de travail s’emploie précisément à supprimer.

Du geste technique à la conversation difficile : ce qu’il faut encore faire soi-même

Le problème serait relativement simple s’il concernait seulement des doctorants en mathématiques. Il traverse en réalité une grande partie des compétences professionnelles. Comment apprendre à diagnostiquer une panne si l’IA conduit immédiatement au diagnostic ? À programmer si elle produit le code ? À analyser un jeu de données si elle propose l’interprétation ? À rédiger si elle fournit le texte avant même que l’apprenant ait structuré sa pensée ? e-learning Letter posait déjà la question dans « Que reste-t-il à apprendre ? (si l’IA produit à la place des salariés) » : certaines tâches apparemment intermédiaires participaient discrètement à la construction de l’expertise. Leur automatisation peut supprimer autant d’occasions d’apprendre. Les compétences comportementales n’échappent pas au problème. L’IA peut préparer un manager à un entretien délicat, lui proposer des arguments, anticiper les objections de son interlocuteur, analyser ses réponses ou jouer le rôle d’un collaborateur dans une simulation. Autant d’usages pédagogiques intéressants. Mais apprendre à écouter vraiment, à reformuler, à soutenir un désaccord, à négocier ou à annoncer une décision suppose aussi d’affronter ces situations sans recevoir en permanence la prochaine bonne réponse. Une simulation avec IA peut constituer un excellent entraînement ; une assistance continue pendant l’exercice peut au contraire masquer une compétence encore fragile. La question n’est donc pas de dresser la liste des activités auxquelles l’IA devrait être interdite. Elle consiste à identifier, compétence par compétence, les moments où son absence possède une valeur pédagogique.

Faire seul, faire avec l’IA, faire faire à l’IA

Une ingénierie de formation adaptée à cette nouvelle donne pourrait ainsi distinguer trois niveaux. Le premier porte sur ce que le professionnel doit savoir faire seul. Non parce qu’il travaillera nécessairement ainsi demain, mais parce que certaines capacités doivent être suffisamment maîtrisées pour comprendre une situation, repérer une erreur ou agir lorsque l’assistance fait défaut. Le deuxième concerne ce qu’il doit savoir faire avec l’IA : bien formuler le problème, exploiter les propositions produites, les confronter à d’autres informations, les corriger. Le troisième relève de la délégation : savoir ce que l’on peut faire faire à l’IA et rester capable de juger le résultat obtenu. Ces trois niveaux ne se confondent pas et ne s’évaluent pas de la même manière. Une certification ou une évaluation pourrait d’ailleurs devoir préciser demain les conditions dans lesquelles une compétence a été démontrée : IA librement accessible, usage limité à certaines fonctions ou absence d’assistance. Maintenir des zones sans IA dans la formation ne revient donc pas à protéger artificiellement les anciennes façons de travailler. Il s’agit de décider ce qui doit encore être acquis avant d’être assisté ou délégué. C’est une responsabilité qui revient directement aux directions formation : déterminer jusqu’où l’IA peut accompagner l’apprentissage sans finir par accomplir à la place de l’apprenant ce qu’il était justement venu apprendre.