L’intelligence artificielle et l’avenir de l’éducation : perturbations, dilemmes et orientations
Présenté et traduit par l’Unité d’études sur l’IA

Le livre original comporte 165 pages et a été traduit de l’anglais.

L’émergence de l’intelligence artificielle (IA), en particulier des modèles génératifs, marque un tournant dans l’histoire de l’éducation, comparable en impact à l’invention de l’imprimerie ou à l’avènement d’Internet. L’IA n’est pas simplement un nouvel outil technologique ; c’est une force transformative qui redéfinit les concepts d’apprentissage, d’enseignement, de savoir et de relations éducatives. Le rapport encyclopédique de l’UNESCO, « L’intelligence artificielle et l’avenir de l’éducation : perturbations, dilemmes et orientations », explore ces transformations à travers une série d’essais offrant des perspectives multiples, croisées et parfois contradictoires sur l’impact de l’IA sur l’éducation mondiale.

Le dilemme central : promesses de transformation vs risques d’aggravation des inégalités

Le rapport met en lumière la tension fondamentale accompagnant la diffusion de l’IA dans l’éducation. Bien qu’elle offre un potentiel énorme pour la personnalisation de l’apprentissage, l’élargissement de l’accès au savoir et la libération des enseignants des tâches routinières, elle comporte des risques importants. Plus d’un tiers de la population mondiale n’a toujours pas accès à Internet, ce qui signifie que l’accès aux derniers modèles d’IA est limité à ceux disposant de l’infrastructure, des compétences linguistiques et des ressources financières nécessaires. Ce fossé détermine non seulement qui peut utiliser la technologie, mais aussi quels savoirs, valeurs et langues dominent ces systèmes, menaçant d’ancrer une connaissance centrée sur l’Occident et de marginaliser les savoirs locaux et les langues minoritaires. L’IA devient ainsi un nouvel espace de lutte entre inclusion et exclusion, intérêts commerciaux et objectifs éducatifs centrés sur l’humain.

Perspectives philosophiques : repenser les fondements de l’éducation

La première section explore les questions philosophiques soulevées par l’IA. Dans une conversation avec le philosophe Bayou Akomolafe, les notions modernes de « soi rationnel » indépendant sont remises en question. Akomolafe considère l’IA non seulement comme un outil ou une menace, mais comme un « interlocuteur plus-que-humain », perturbant les certitudes ontologiques et épistémologiques sur lesquelles repose l’éducation moderne. Il plaide pour l’adoption de modèles éducatifs obsolètes et pour « accueillir » la perturbation comme espace de génération de nouvelles connaissances, suggérant un passage du « curriculum comme structure » au « curriculum comme assemblage vivant », où l’apprentissage est relationnel, émergent et réceptif aux agences non humaines, y compris l’IA.

Dans un essai complémentaire, Bing Song s’appuie sur les traditions philosophiques asiatiques, notamment le confucianisme et le taoïsme, mettant l’accent sur l’harmonie, la relationalité et l’équilibre intérieur. Elle critique le « paradigme de l’intelligence » restreint de l’IA, qui reproduit certains aspects de l’intelligence humaine tout en négligeant la sagesse, la réflexion personnelle et les dimensions éthiques. Elle appelle à intégrer une « pédagogie de la sagesse » dans les curricula pour réfléchir à la nature humaine, au soi, à l’esprit et à la réalité, afin de contrer le risque d’« automatisation de l’humain » selon les normes de la machine.

Mary Rice et Joaquin Arguello utilisent une forte métaphore : ils comparent l’intégration de l’IA dans l’éducation à l’eau. Tout comme l’eau fut le premier enseignant (par patience et transformation graduelle), la première technologie (par le jeu et la créativité) et la première ressource rare (à cause de l’exploitation), l’IA porte ces multiples visages. L’article met en garde contre la consommation excessive de ressources (eau et énergie) pour faire fonctionner les centres de données IA et contre la transformation de l’éducation en expérience détachée et abstraite, risquant de reproduire des modèles de colonialisme et d’inégalités.

Dialectique pouvoir-risque : adoption prudente vs rejet radical

Les penseurs divergent sur la mesure dans laquelle l’IA doit être adoptée dans l’éducation. Du point de vue industriel, Andreas Horn propose une vision pratique, prônant des stratégies claires plaçant la « pédagogie au premier plan ». Il insiste sur l’exploitation de l’expertise des enseignants, l’importance des compétences numériques et en IA, l’application stricte des directives éthiques et la préparation des étudiants à diriger un monde riche en IA, et non à simplement s’y adapter.

En revanche, Emily M. Bender livre une critique sévère, décrivant les grands modèles linguistiques comme un « tour de passe-passe » qui imite la forme linguistique sans compréhension ni intention. Elle avertit que ces systèmes produisent des « informations erronées personnalisées » pour chaque étudiant, réduisent l’éducation à un simple cumul de connaissances isolées et affaiblissent les relations fondamentales entre enseignants et étudiants. L’adoption de ces technologies dans des systèmes à ressources limitées risque de gaspiller des fonds publics et de transformer l’éducation d’un bien public en marché commercial.

Marcus Deyman et Robert Faro étendent le débat aux « imaginaires sociaux » de l’IA, allant de la vision utopique technologique à la dystopie libertaire cybernétique et jusqu’aux catastrophes écologiques dues à une consommation massive d’énergie et de données. Ils insistent sur la participation active des éducateurs dans la construction de ces imaginaires, fondée sur des valeurs de justice, d’inclusion, de durabilité et de soin.

Pédagogie et évaluation à l’ère de l’IA

La section suivante examine l’impact direct de l’IA sur la pratique éducative. Abiba Berhan, s’appuyant sur la pédagogie critique de Paulo Freire et la science cognitive incarnée, avertit que l’éducation est fondamentalement relationnelle, dynamique et éthique, et ne peut être réduite à des modèles probabilistes.

Elle note que les systèmes d’IA formés sur des données passées tendent à aplatir la complexité humaine et à reproduire les biais et les inégalités systémiques. Elle appelle à résister à l’adoption non critique de l’IA dans les salles de classe jusqu’à ce que des mécanismes de contrôle indépendants et de participation communautaire significative soient en place.

Carla Irts et Paul Brinslow abordent le problème de « l’apprentissage hyper-personnalisé », qui, tout en promettant un apprentissage optimal, peut isoler les apprenants dans des « chambres d’écho de connaissances », affaiblir l’autonomie et marginaliser le rôle de l’enseignant. Ils proposent un modèle où l’IA agit comme un troisième partenaire de l’intelligence collective, enrichissant la collaboration, l’empathie et l’autonomie des étudiants.

En matière d’évaluation, Mike Perkins et Jasper Roe adoptent un point de vue quelque peu pessimiste, affirmant que l’IA générative annonce « la fin de l’évaluation telle que nous la connaissons ». Les tests traditionnels ne pourront plus mesurer de manière fiable l’apprentissage réel, exacerbant les inégalités mondiales. Ils proposent un cadre progressif (par exemple, AI Assessment Scale – AIAS) pour guider les enseignants dans la détermination des moments où l’IA soutient ou sape l’apprentissage.

À l’inverse, Bill Koop, Mary Kalantzis et Akash Kumar Saini offrent une vision plus optimiste et prospective. Ils critiquent les QCM et les tests standardisés comme des mesures obsolètes de « l’apprentissage superficiel ». Ils envisagent des « environnements d’apprentissage socio-cyber » où l’IA fournit un retour continu, riche et formatif, basé sur des standards conçus par l’enseignant, des connaissances fiables et le niveau de développement de l’apprenant. L’évaluation sommative devient rétrospective, et l’éducation se recentre sur les « performances cognitives complexes » et les compétences humaines uniques.

Recentrement de l’enseignant humain

Ching Sing Chai et ses collègues s’appuient sur la philosophie Je-Tu de Martin Buber et sur les objectifs éducatifs de Gert Biesta (qualification, socialisation, subjectivation), soulignant que l’éducation dépend fondamentalement de rencontres humaines authentiques. L’IA peut soutenir efficacement les interactions instrumentales « Je-Cela » mais ne peut participer à de véritables relations « Je-Tu ». Les enseignants apportent soins, défi éthique et témoignage de la croissance des élèves – dimensions que les machines ne peuvent reproduire. Ils préconisent des modèles collaboratifs « triadiques » (Je-Tu-Cela) où l’IA complète les relations humaines sans les remplacer.

Arfa Karimi traduit ces principes en feuille de route pratique, proposant « sept transformations » pour des systèmes d’IA centrés sur le soin. Cela inclut la co-conception avec enseignants et élèves, des revues de confiance et de bien-être, des explications transparentes des décisions et la supervision des données par les enseignants, repositionnant l’IA comme partenaire collaboratif dans un écosystème pédagogique préservant dignité et appartenance.

Gouvernance et éthique : vers une justice inclusive

Avec la pénétration de l’IA dans l’éducation, les enjeux de gouvernance et d’éthique s’intensifient. Kaska Boraiska-Bumsta et Isak Enti Asari proposent une « éthique du soin dans la conception », soulignant que les considérations éthiques doivent être intégrées dès le départ via des processus de conception participatifs impliquant tous les acteurs, en particulier les marginalisés.

Calervo N. Gulson et Sam Sillar analysent la montée de la « gouvernance synthétique », où les décisions éducatives reposent de plus en plus sur la logique algorithmique et les systèmes basés sur les données. Ils mettent en garde contre l’illusion de neutralité de ces systèmes et plaident pour des réponses démocratiques critiques révélant les relations de pouvoir et réaffirmant l’éducation comme bien public.

Combattre les inégalités encodées : perspectives du Sud global et des communautés marginalisées

Plusieurs articles proposent des visions alternatives centrées sur la justice et l’équité. Fokusi Marivan et ses collègues proposent une intégration de l’IA dans l’enseignement supérieur africain enracinée localement, respectant la diversité culturelle et linguistique et privilégiant l’agence humaine et le soin pédagogique. Les systèmes d’IA doivent non seulement traduire mais s’adapter aux styles de communication divers et soutenir les langues marginalisées.

Kiran Bhatia et Pail Aurora contestent les modèles paternalistes qui présentent les jeunes femmes du Sud global comme des « risques ». Elles plaident pour placer la joie, la créativité et l’agence transformative au centre, permettant aux jeunes femmes de façonner leur avenir numérique et de transformer les structures de pouvoir inégalitaires.

Yuchen Wang insiste sur la clarté conceptuelle de l’inclusion, la reliant à l’appartenance, la relationalité et l’apprentissage collectif plutôt qu’à une personnalisation étroite. Marlos Williams met en lumière les réalités complexes des apprenants sourds ou malentendants dans des contextes à ressources limitées, appelant à des systèmes d’IA multimodaux co-conçus avec leurs communautés et accompagnés d’un soutien humain, car « l’équité ne peut être automatisée ».

Politiques d’IA dans l’éducation : géopolitique et création de sens collectif

Le rapport se termine par deux perspectives politiques. George Siemens propose une analyse géopolitique, soulignant que l’IA est un outil étatique investi de manière stratégique, à l’instar de la puissance militaire ou économique. Il appelle à des systèmes éducatifs exploitant le potentiel de l’IA tout en préservant le bien-être humain.

Elka Tuomi reframe la politique éducative comme « création de sens collectif » et « expérimentation évolutive » plutôt que mise en œuvre linéaire. Elle critique la marchandisation du savoir à l’ère de l’IA générative et souligne l’importance de l’agence humaine, de la finalité sociale et du développement des capacités comme objectifs centraux de l’éducation.

Conclusion : vers un avenir partagé de l’IA dans l’éducation

L’usage de l’IA en éducation nécessite plus que des politiques techniques : il requiert un dialogue approfondi, une réflexion collective et une imagination éthique. Les récits de l’IA et de l’avenir de l’éducation sont encore en cours d’écriture, et nous avons la responsabilité collective de les façonner avec soin, clarté et courage. Que ce soit par la conception pédagogique, la réforme politique ou la gouvernance éthique, nous devons penser, dialoguer et apprendre ensemble pour créer un avenir éducatif avec l’IA inclusif, éthique, centré sur l’humain et écologiquement durable.

L’objectif n’est ni l’adoption irréfléchie de l’IA ni son rejet total, mais la domestiquer et la guider pour servir la vision humaine plus large de l’éducation comme droit fondamental et bien public mondial.