Les acteurs de l’éducation éprouvent une inquiétude croissante face à l’intelligence artificielle. De nouveaux outils entrent dans les classes plus vite que les politiques ne peuvent s’adapter. Les autorités nationales publient des documents d’orientation qui énoncent des principes pour une utilisation sûre ou éthique. Les universités ajoutent à leurs plans de cours des déclarations sur la transparence et la bonne conduite. Les entreprises proposent des modules de formation gratuits qui montrent aux enseignants comment intégrer leurs plateformes à leurs séquences pédagogiques. Ces efforts ont leur valeur, mais ils restent à la surface d’un problème plus profond. La plupart des décisions qui déterminent le fonctionnement de l’IA se prennent loin des personnes qui devront en subir les conséquences.
Lorsque nous parlons d’« utiliser » l’IA dans l’éducation, nous négligeons souvent la réalité plus vaste qui façonne son arrivée. Les outils qui entrent dans les classes ne sont pas de simples instruments. Ils proviennent d’un petit groupe d’entreprises qui fixent les conditions d’accès, définissent les règles d’interaction et façonnent la circulation des savoirs. La diffusion rapide de ces systèmes est pilotée, mais pas par les acteurs de l’éducation. Elle reflète les priorités d’entreprises qui tirent profit de l’adoption de leurs plateformes comme infrastructure par défaut par les établissements. Les enseignants peuvent bénéficier de formations et de modules sur la sécurité, mais ils ne participent pas aux décisions qui régissent le comportement des modèles. Cette distance crée une forme de dépendance qui affaiblit le jugement professionnel et déplace le contrôle hors de la sphère publique.
Une grande partie des échanges actuels traite l’IA comme si elle appartenait à la même catégorie que les calculatrices ou les téléphones mobiles. Cette analogie sert bien les géants de la technologie. Elle présente l’adoption comme inévitable et inoffensive, et incite les enseignants à se concentrer sur la gestion de classe plutôt que sur les forces structurelles qui façonnent les outils eux-mêmes. Elle masque aussi le fait que les technologies antérieures n’intégraient pas d’intérêts économiques ou politiques. L’IA, elle, en intègre. Lorsque nous nous appuyons sur des analogies qui gomment ces différences, nous permettons plus facilement aux entreprises de définir les conditions dans lesquelles l’éducation interagira avec elles.
C’est cet écart que j’examine ici. Je soutiens que l’éducation ne peut pas assumer ses responsabilités si elle aborde l’IA uniquement comme une question de pratiques pédagogiques et de contrôle. Les enjeux plus profonds concernent la gouvernance, les capacités institutionnelles et la longue histoire des réactions de l’école aux nouvelles technologies. Pour étayer cette analyse, je m’appuie sur des exemples tirés de GEFRI (en anglais), de Manifesto 25 et de Goblinly.
Une abondance de cadres, une absence de pouvoir d’agir
L’IA entre dans l’éducation par un flux constant de cadres et de lignes directrices. Ces documents énoncent des principes de transparence et de sécurité et promettent d’aider les enseignants à faire face aux risques. Beaucoup émanent d’institutions crédibles, mais ils partagent une caractéristique importante : ils se concentrent sur le comportement des enseignants et des élèves, et non sur les systèmes qui façonnent leurs choix. Ces cadres normalisent ainsi la présence des géants de la technologie. Ils forment les enseignants à s’adapter aux plateformes plutôt qu’à remettre en question le pouvoir qui les sous-tend.
Les cadres ne peuvent, à eux seuls, compenser une réalité structurelle : les enseignants et les établissements ne contrôlent pas les systèmes qu’on leur demande d’« utiliser de manière responsable ». Les lignes directrices éthiques mettent l’accent sur les comportements individuels plutôt que sur les priorités des organisations qui conçoivent et déploient l’IA. Elles présentent la pratique responsable comme le résultat de la vigilance, de la documentation et de la vérification systématique des contenus produits, tandis que les systèmes eux-mêmes échappent au contrôle des établissements.
Cette insistance sur le comportement des utilisateurs révèle un problème plus profond. Lorsque la responsabilité incombe à l’utilisateur, mais que le pouvoir appartient au développeur, le cadre devient un contrat moral dépourvu de mécanisme de gouvernance partagée. Les enseignants suivent des règles qu’ils n’ont pas créées. Ils composent avec des contraintes qu’ils n’ont pas choisies. Ils supportent le risque professionnel associé à des systèmes dont le fonctionnement leur échappe.
Lors des cycles technologiques précédents, les écoles réglementaient les outils qu’elles autorisaient en classe et fixaient les conditions de leur utilisation. Avec l’IA, le mouvement s’inverse. Ce sont les outils qui réglementent les écoles. Les algorithmes déterminent ce que les élèves voient. Les filtres de contenu façonnent ce qu’ils peuvent demander. Les moteurs de recommandation encouragent certaines formes d’investigation. Ces mécanismes agissent discrètement, mais ils redéfinissent les limites de l’enseignement. Le déplacement de l’autorité des établissements vers les plateformes introduit un déséquilibre structurel que de nombreux systèmes ne sont pas équipés pour gérer.
Ce déséquilibre apparaît dans les évaluations nationales du niveau de préparation. GEFRI (en anglais), par exemple, distingue les infrastructures de l’innovation, du capital humain, de la gouvernance et de l’équité. De nombreux pays sont bien classés pour l’accès aux équipements et à la connectivité, mais obtiennent des résultats plus faibles en matière de gouvernance, ce qui témoigne d’une capacité limitée à orienter et à réglementer la technologie, au-delà de sa simple adoption. Il en résulte une situation où les systèmes éducatifs semblent prêts parce qu’ils possèdent les moyens techniques d’utiliser de nouveaux outils, tout en manquant de l’assise institutionnelle nécessaire pour les orienter vers des objectifs d’intérêt public.
Les cadres aident les enseignants à utiliser l’IA au sein de ces systèmes. Ils ne leur donnent pas d’influence sur son évolution. Cette distinction importe, car l’éducation n’est pas un environnement neutre. C’est une institution publique chargée de soutenir l’épanouissement humain, la vie civique et une large participation à la production et au partage des savoirs. Si les enseignants ne reçoivent que des consignes sur la manière d’agir dans un dispositif conçu par d’autres, la profession perd sa légitimité à déterminer comment les technologies d’apprentissage doivent servir la société.
L’IA, dernier chapitre d’une longue histoire du contrôle
L’IA semble nouvelle, mais les enjeux qui l’entourent sont familiers. L’école entretient depuis longtemps des rapports difficiles avec les nouvelles technologies. Les calculatrices étaient considérées comme des raccourcis susceptibles d’altérer le raisonnement. Les téléphones mobiles étaient présentés comme des distractions qui détruiraient la concentration. Même les livres imprimés ont, à diverses époques, été soumis à des listes de titres autorisés ou retirés des rayonnages. Dans chaque cas, les institutions ont réagi par un mélange de crainte, de restriction et, finalement, d’adaptation.
Cette tendance révèle un élément important. L’école tend à aborder la technologie sous l’angle du contrôle plutôt que de la compréhension. Son premier réflexe est de réglementer plutôt que de se demander quelle transformation cognitive ou sociale la technologie représente. Cette dynamique se répète aujourd’hui avec l’IA. De nombreuses politiques privilégient la détection des manquements, l’interdiction de certains usages ou la surveillance étroite du comportement des élèves. Ces réponses traitent des préoccupations immédiates, mais elles abordent rarement les transformations sous-jacentes que l’IA entraîne sur les plans de l’épistémologie, de l’attribution de la qualité d’auteur et de l’autorité.
Cette tendance à privilégier le contrôle plutôt que l’investigation maintient l’éducation dans les structures du passé. Manifesto 25 soutient que les systèmes éducatifs dominants répondent à l’incertitude mondiale par un renforcement de la discipline, une normalisation des attentes et des cultures rigides de conformité, recherchant la stabilité par la peur, la conformité et le contrôle.
L’IA accentue cette tension. Les écoles craignent la tricherie, la désinformation et l’érosion de la confiance. Dans le même temps, les entreprises commercialisent l’IA comme une solution aux pénuries de personnel, à la charge administrative et au désengagement des élèves. Les enseignants subissent des pressions des deux côtés : contenir l’IA pour préserver l’intégrité, l’adopter pour améliorer l’efficacité. Aucune de ces deux impulsions ne répond à la question plus profonde de ce que signifie enseigner et apprendre dans un environnement façonné par des systèmes puissants et opaques.
L’éducation a besoin de structure. L’enjeu est de reconnaître les moments où le contrôle se substitue à la compréhension. L’IA impose une démarche plus réflexive. Elle invite les enseignants à examiner pourquoi ils reproduisent des schémas restrictifs, quelles craintes ces schémas expriment et quelles possibilités ils occultent.
L’illusion d’« utiliser » la technologie
Nous supposons souvent que les enseignants utilisent la technologie. Nous disons qu’ils « utilisent » des plateformes de gestion de l’apprentissage, « utilisent » des évaluations numériques et, désormais, « utilisent » des outils d’IA pour préparer leurs cours ou évaluer les travaux des élèves. Ce vocabulaire suppose un pouvoir d’agir humain. Il présente l’enseignant comme l’opérateur et l’outil comme l’instrument.
Mais la réalité est plus complexe. Les plateformes orientent les comportements de façons qui paraissent naturelles alors qu’elles sont profondément structurées. Les paramètres par défaut influencent ce que les enseignants remarquent. Les moteurs de recommandation façonnent ce à quoi les élèves sont exposés. Les couches de sécurité définissent les limites des connaissances acceptables. Les tableaux de bord analytiques déterminent quelles formes de données probantes paraissent pertinentes. Les enseignants font fonctionner ces systèmes, mais leur architecture oriente leurs choix.
C’est là que la colonisation devient visible. L’influence des géants de la technologie s’exerce par ces mêmes paramètres par défaut, réglages et choix de conception qui limitent le pouvoir d’agir des enseignants tout en leur donnant une impression de contrôle. L’interface encourage certaines actions. La couche de sécurité restreint ce qui constitue une investigation légitime. Le tableau de bord analytique définit les progrès selon des critères précis. Bien avant que quiconque ne prenne une décision, la plateforme a déjà façonné les conditions de la pratique et de la performance.
Douglas Rushkoff saisit cette dynamique dans son appel à « programmer ou être programmé » (en anglais). Dans son acception, programmer ne consiste pas seulement à écrire du code, mais aussi à comprendre comment les systèmes se comportent et comment ils façonnent l’action humaine. Sans cette compréhension, les utilisateurs s’adaptent aux systèmes plutôt que de les façonner.
L’IA éducative forme désormais ses utilisateurs de manière subtile. Les modules d’« utilisation éthique » indiquent aux enseignants comment agir. Ils exposent les responsabilités et les risques, mais expliquent rarement comment la plateforme gère les données, fixe ses limites ou interprète les principes éthiques. La charge est transférée vers le bas. Les enseignants deviennent les garants de la conduite des élèves, alors même qu’ils n’ont pas accès au fonctionnement interne des systèmes qui définissent les règles. Les élèves, à leur tour, apprennent à faire confiance aux réponses parce que l’interface les présente comme stables et fluides.
Certains outils remettent en cause cette orientation. Goblinly, par exemple, traite l’IA comme un objet d’examen plutôt que comme une source de vérité. Les élèves reçoivent des réponses de personnages ludiques qui mêlent perspicacité et erreurs. Leur tâche n’est pas d’accepter la réponse, mais de l’examiner. Ils développent leurs compétences en repérant des schémas de raisonnement, des moments d’assurance excessive et les décalages subtils qui se dissimulent souvent dans une prose fluide. La plateforme cultive l’esprit critique et une maîtrise plus approfondie plutôt que l’acceptation aveugle des productions de la machine.
Cet exemple illustre un changement nécessaire dans notre perception de l’IA dans l’éducation. Lorsque les apprenants considèrent l’IA comme un objet à interroger, ils deviennent moins sensibles à son illusion d’autorité. Ils développent des pratiques de questionnement, de recoupement et de résistance à la cohérence superficielle des textes générés par la machine. Ces pratiques dépassent la salle de classe. Elles font partie d’une culture critique plus large dont le public a besoin dans un monde où l’IA deviendra un producteur courant de contenus et d’affirmations.
Une préparation sans souveraineté
Les responsables publics préconisent souvent de se « préparer » à l’IA. Ils investissent dans le haut débit, les équipements et les grandes plateformes numériques. Ils considèrent l’accès comme le principal obstacle à la participation à une économie technologique mondiale. Dans cette perspective, l’IA apparaît comme un outil supplémentaire que les nations doivent déployer pour rester compétitives.
Pourtant, être prêt ne signifie pas avoir la maîtrise. Un système peut disposer d’infrastructures solides tout en dépendant de technologies extérieures sur lesquelles il ne peut exercer aucune influence. Il peut adopter des plateformes avancées tout en intégrant des présupposés, des valeurs et des structures de gouvernance venus d’ailleurs. L’apparence est moderne, mais la capacité à orienter la technologie dans l’intérêt public reste limitée.
Ces lacunes ne constituent pas une perte formelle de souveraineté, mais elles créent des conditions dans lesquelles des acteurs extérieurs acquièrent une influence discrète. Lorsque les systèmes publics reposent sur des technologies qu’ils ne peuvent ni évaluer ni modifier de manière substantielle, ils se retrouvent soumis aux priorités et aux cycles de mise à jour des entreprises qui les fournissent. La dépendance devient le vecteur de la colonisation.
Les géants de la technologie exploitent ces conditions. Lorsque les nations dépendent d’infrastructures d’IA extérieures, les entreprises deviennent des partenaires de la gouvernance de l’éducation publique sans avoir à rendre de comptes. Leurs modèles façonnent la manière dont les élèves recherchent des informations, écrivent et posent des questions. Leurs conditions d’utilisation déterminent quelles données sortent des salles de classe. Leurs décisions relatives aux produits influencent des programmes d’études entiers. C’est une colonisation par la dépendance : elle n’est pas imposée par la force, mais acceptée par le recours à des systèmes privés comme infrastructure publique.
L’enjeu n’est pas de rejeter les outils extérieurs. La collaboration mondiale et l’innovation partagée comptent. La question est de savoir comment équilibrer l’adoption et la capacité d’orientation. Les systèmes éducatifs doivent pouvoir questionner, négocier et exiger de la transparence. Ils ont besoin d’une mémoire institutionnelle et d’une expertise professionnelle pour évaluer les nouveaux systèmes avant qu’ils ne s’enracinent. Sans cette assise, l’adoption de l’IA risque d’accélérer la dépendance plutôt que de renforcer les institutions publiques.
Une responsabilité mal attribuée a un coût social
Lorsque la responsabilité de l’utilisation éthique de l’IA repose presque entièrement sur les individus, la charge devient insoutenable. On demande aux enseignants de surveiller la conduite des élèves, de garantir le respect des règles, de gérer les risques pour la vie privée et de vérifier l’exactitude des textes générés par l’IA. Ils le font dans des environnements où leur contrôle sur les systèmes eux-mêmes est limité.
Ce déséquilibre produit plusieurs effets. Les enseignants éprouvent une anxiété croissante face aux manquements et à la confiance mal placée. Les élèves reçoivent des signaux contradictoires sur ce qui constitue un apprentissage légitime. Les établissements consacrent du temps à rédiger des politiques détaillées sur l’IA, mais ces documents déplacent souvent le risque plutôt qu’ils ne s’attaquent à ses causes. Lorsqu’un problème survient, les individus se sentent obligés de justifier leurs choix, même lorsque la conception de la plateforme a façonné ces choix.
Ce schéma s’inscrit dans une situation plus générale : les systèmes se déchargent de leur responsabilité sur les individus tout en maintenant des structures qui résistent à la transformation. Dotées d’une illusion de contrôle, les personnes se sentent responsables de résultats qu’elles n’ont pas conçus et sur lesquels elles ne pourront jamais exercer une influence complète. Cette dynamique affaiblit le pouvoir d’agir. Elle fait de l’éducation un lieu de gestion des risques et de conformité plutôt qu’un espace d’investigation collective et de développement guidé par des finalités explicites.
Ce schéma reproduit une logique coloniale classique. La responsabilité descend tandis que l’autorité remonte. On demande aux enseignants de préserver l’intégrité et de gérer les risques, alors même qu’ils ne peuvent pas influencer les systèmes qui produisent ces risques. Les géants de la technologie restent à l’abri de toute obligation de rendre des comptes. Leurs plateformes fixent les conditions qui rendent les manquements possibles, mais ce sont les enseignants et les élèves qui en supportent les conséquences.
Une approche plus équilibrée ferait correspondre la responsabilité à l’influence réelle. Les enseignants et les élèves devraient participer aux décisions concernant les outils à adopter, leurs modalités d’évaluation et les garanties nécessaires. Les établissements devraient exiger des fournisseurs des informations claires sur leurs pratiques en matière de données, le comportement des modèles et leurs limites documentées. Les responsables publics devraient créer des mécanismes d’audit indépendant et de contrôle par les communautés concernées. Ces mesures font remonter la responsabilité vers la gouvernance plutôt que de la faire descendre vers la conformité individuelle.
Rééquilibrer la relation entre éducation et technologie
Si l’éducation continue d’accepter un rôle passif dans l’expansion de l’IA, elle risque de céder ce qui lui reste d’autonomie à des systèmes conçus selon les priorités des entreprises plutôt que celles du public. Dans ce contexte, la colonisation s’installe par un consentement silencieux. Elle émerge des paramètres par défaut, des discours sur l’inéluctabilité et de la normalisation progressive du contrôle extérieur. Les acteurs de l’éducation auront beau élaborer davantage de cadres, ils tenteront perpétuellement de rattraper les changements et manqueront des occasions de corriger le déséquilibre plus profond entre les institutions qui conçoivent l’IA et celles qui sont censées l’intégrer. Dans un tel contexte, les mesures de contrôle se multiplient au détriment du pouvoir d’agir et du développement du sentiment d’efficacité personnelle dans l’apprentissage.
Le travail à accomplir est institutionnel, culturel et politique, en plus d’exiger des changements techniques. Il consiste à construire des environnements où les enseignants et les élèves ne se contentent pas de suivre les règles, mais coconçoivent leur paysage technologique. Il implique de revendiquer du temps, de l’espace et une autorité légitime pour la réflexion. Il exige aussi le courage de remettre en question des systèmes qui promettent l’efficacité, mais affaiblissent l’autonomie. Ce travail commence lorsque les acteurs de l’éducation refusent de laisser l’IA définir les conditions de son intégration et placent plutôt les valeurs de l’éducation au centre de la discussion.

