Alex Karp (2026), PDG de Palantir, a récemment présenté l’IA comme une force qui réduira le pouvoir des « électeurs très diplômés, souvent des femmes, qui votent majoritairement démocrate », tout en renforçant celui des hommes issus des classes populaires et non diplômés de l’enseignement supérieur. Il n’a toutefois pas décrit cette évolution comme un changement délibéré visant à dicter qui dirige la société, et l’on pourrait y voir un prolongement politique du paradoxe de Hans Moravec et de ses implications. Les acteurs de l’éducation doivent néanmoins considérer cette présentation comme un avertissement, car les écoles et les universités s’enrôlent actuellement dans la même pile technologique qui rend possible ce transfert de pouvoir. Lorsque les établissements centralisent l’identité, les contenus et l’analytique au sein de plateformes — systèmes de gestion de l’apprentissage (LMS), authentification unique (SSO) et pipelines de données d’entreprise —, ils créent l’infrastructure nécessaire pour hiérarchiser, résumer et restreindre l’expression et l’accès à grande échelle.

Les propos de Karp prennent tout leur sens lorsqu’on replace Palantir dans son contexte politique et opérationnel :

« Je ne crois plus que la liberté et la démocratie soient compatibles » (Thiel, 2009).

Peter Thiel, cofondateur de Palantir, présente la démocratie comme incompatible avec la liberté, ce qui implique que les contraintes démocratiques constituent un problème à contourner par l’ingénierie plutôt qu’une garantie. Il faut alors se demander : la liberté pour qui ? Lorsque des personnalités puissantes liées à une entreprise qui construit des systèmes de données destinés aux pouvoirs publics s’expriment ainsi, le monde de l’éducation doit cesser de considérer l’IA comme un « outil pédagogique » et commencer à la reconnaître comme un choix de gouvernance. L’IA est contrôlée par une poignée d’acteurs. Dans une classe dont le fonctionnement passe par une plateforme, les outils qu’ils proposent déterminent les questions autorisées, ainsi qu’un ensemble de réponses prescrites. L’univers des possibles devient très restreint et façonné en fonction des intérêts de ces quelques acteurs.

Une autre dimension suscite l’inquiétude. Rebecca Winthrop, de la Brookings Institution, avertit que la dépendance des élèves et des étudiants à l’IA peut produire un « retard du développement cognitif » et soutient que les acteurs de l’éducation devraient imposer des garde-fous pour protéger leur développement (Winthrop, 2026). Le développement cognitif n’est pourtant pas le seul enjeu démocratique. Les élèves et les étudiants peuvent travailler assidûment tout en perdant leur capacité d’agir si des systèmes privés contrôlent les informations qui apparaissent en premier, ce qui est compilé pour constituer « la réponse », les sujets interdits ou ceux dont le traitement est limité à des généralités, le tout sans droit d’audit ni information substantielle sur les sources ou la qualité des données. Le système fonctionne comme une boîte noire.

Ce problème de gouvernance devient concret dès que l’IA générative passe d’un usage informel à une infrastructure institutionnelle. Les grands modèles de langage produisent des explications fluides, condensent des sujets controversés en brefs résumés et imposent des limites au moyen de refus et de filtres de sécurité. Ces mécanismes de contrôle tiennent lieu de règles, car ils façonnent ce qu’un élève peut facilement demander, ce qu’un enseignant peut facilement donner comme travail et ce qu’une classe peut facilement étudier. Les établissements reçoivent rarement des informations fiables et suivies sur les modifications de ces limites. Une mise à jour du modèle en cours de semestre, par exemple, peut modifier ce qu’un système refuse de faire, sa manière de reformuler ou les sources qu’il cite, sans que les enseignants en soient informés. Lorsqu’un établissement intègre l’IA selon les règles et les choix de conception d’un fournisseur, il importe un système de règles privées dans l’enseignement public, puis assume la responsabilité des conséquences de décisions de conception prises en amont.

Palantir constitue un précédent permettant de comprendre à quoi ressemble cette intégration dans des contextes à forts enjeux. Wired décrit Gotham, de Palantir, comme un logiciel conçu pour les services de police et les administrations publiques, qui relie des personnes, des lieux et des événements dans le cadre de processus d’enquête et d’opérations (Tufekci, 2025). Cela ne signifie pas nécessairement que Palantir « s’apprête à investir les écoles ». Cela montre comment une entreprise d’infrastructure et d’analyse conçoit des logiciels destinés au fonctionnement des institutions. Les outils conçus pour l’enquête, la classification et l’intervention normalisent la surveillance continue, car celle-ci devient peu coûteuse, interrogeable et routinière. Lorsque des logiques semblables pénètrent l’éducation par l’intermédiaire de tableaux de bord analytiques et d’outils d’IA consacrés à l’« intégrité », les responsables administratifs développent un nouvel appétit pour la mesure, et les enseignants héritent d’une charge accrue de travail de mise en conformité. Les élèves et les étudiants apprennent que participer implique d’être visible, et qu’être visible comporte un risque.

Le discours habituel sur la « paresse cognitive » passe à côté de la dimension structurelle. L’IA n’affaiblit pas automatiquement la pensée ; les résultats dépendent de la conception des tâches et de la manière dont les enseignants organisent la révision et la justification. Le risque démocratique plus profond apparaît lorsqu’un petit groupe d’entreprises contrôle les systèmes — recherche, synthèse, tutorat et aide à la rédaction — qui rendent les connaissances faciles à trouver et aisément dignes de confiance. Cela oriente l’attention et le raisonnement. Les résumés véhiculent des choix de cadrage. Avec le temps, les élèves et les étudiants apprennent à ne poser que les questions auxquelles le système répond sans difficulté, et les établissements apprennent à s’organiser autour de ce que le système autorise.

La souveraineté comme pratique décoloniale, et non comme programme de conformité

Mon nouvel article dans Learning Futures and Emerging Technologies soutient que l’adoption de l’IA dans l’éducation reproduit souvent des relations coloniales selon quatre axes liés : l’infrastructure, la classification, l’épistémologie et le travail. L’argument est structurel. La colonialité se perpétue par des contrats, des paramètres par défaut et des cycles de mise à jour qui déplacent l’autorité vers le haut tout en reportant la responsabilité vers le bas. C’est pourquoi la réponse institutionnelle habituelle paraît insuffisante. Une déclaration d’usage, un module de formation ou une règle de classe encadre la conduite des utilisateurs en périphérie, tout en laissant intacte la gouvernance des plateformes.

Sous cet angle, les déclarations de Karp et de Thiel cessent d’être un bruit de fond. Elles décrivent une pression vers un résultat politique : moins de publics instruits ayant la confiance et la capacité nécessaires pour contester le pouvoir. L’IA peut contribuer à ce résultat de deux manières à la fois. Premièrement, elle peut automatiser ou dévaloriser certaines composantes du travail intellectuel professionnel. Deuxièmement, elle peut centraliser la gouvernance de la recherche et du questionnement eux-mêmes. Lorsque les mêmes systèmes privés fixent les limites de ce qui peut être demandé, de ce qui est considéré comme crédible et de ce qui est signalé comme risqué, il devient plus difficile de maintenir une culture démocratique de la contestation. Le système éducatif forme alors à l’adaptation aux règles des plateformes plutôt qu’à la pratique du raisonnement public.

La riposte consiste à conquérir la souveraineté. Selon les termes du manuscrit, la souveraineté désigne l’effort visant à rompre l’enclosure en replaçant le contrôle de l’infrastructure, des seuils de classification, des frontières épistémiques et du travail de réparation entre les mains d’institutions responsables devant le public. Ce déplacement s’oriente vers une théorie de la capacité d’action institutionnelle. Un établissement est souverain lorsqu’il peut rejeter les paramètres par défaut, examiner le système qui gouverne le questionnement et s’en retirer sans perdre ses archives, son contexte ni sa mémoire institutionnelle. Sans ces capacités, l’« adoption » devient un transfert déguisé de compétence décisionnelle.

La souveraineté institutionnelle doit rompre avec chacun de ces axes de domination.

La colonialité infrastructurelle se manifeste sous la forme d’une présomption de culpabilité automatisée lorsque les « projets pilotes » deviennent des dépendances permanentes. L’identité, les contenus, l’analytique et l’assistance se regroupent au sein d’une même pile technologique, et la sortie devient coûteuse sur les plans opérationnel et réputationnel. Cette dépendance revêt une importance politique, car elle aligne le cycle d’élaboration des règles de l’établissement sur le cycle de mise à jour du fournisseur. La nouvelle version du fournisseur devient le changement de règles de l’établissement.

La colonialité de la classification apparaît lorsque les établissements importent une suspicion automatisée. Les détecteurs, les signalements issus de la télésurveillance des examens et les indicateurs prédictifs de risque transforment les écrits et les comportements des élèves et des étudiants en un problème de gouvernance à gérer. Cela reporte la charge de la preuve vers le bas, en particulier pour ceux dont les usages linguistiques s’écartent des registres dominants. Un système qui rend l’accusation peu coûteuse transforme la culture de l’apprentissage. Les élèves et les étudiants écrivent pour éviter les signalements. Les enseignants évaluent en gardant à l’esprit l’application des règles. La confiance s’érode, et l’autocensure devient une stratégie rationnelle pour évoluer dans le système.

La colonialité épistémique apparaît lorsque les couches de sécurité et les mécanismes de classement préconfigurent le questionnement. Les refus d’exécuter certaines tâches, les réponses édulcorées et les règles de classement dissimulées déterminent quelles questions « fonctionnent », quelles sources apparaissent en premier et ce qui constitue une conclusion raisonnable. Une personne qui n’est pas déjà spécialiste du sujet exploré aurait beaucoup de mal à s’y retrouver. Cette délimitation devient antidémocratique lorsqu’elle ne peut être ni examinée ni contestée par un recours, et qu’elle ne peut être modifiée que par des mises à jour opaques contrôlées par une poignée d’acteurs puissants. Autrement dit, il s’agit d’une forme de censure et de façonnage des esprits. Elle instaure une politique effective du savoir, dans laquelle des idées ou des sujets deviennent difficiles à aborder ou perdent leur sens, ou sont déformés pour servir les intérêts de « l’autre ».

La colonialité du travail apparaît lorsque les institutions publiques subventionnent les systèmes privés par un travail de réparation. Les enseignants, les élèves et les étudiants vérifient les hallucinations, gèrent des informations contradictoires, remanient les travaux demandés en fonction des limites des plateformes et absorbent la charge des procédures d’intégrité déclenchées par des outils opaques. La plateforme capte l’adoption et les données de télémétrie ; l’établissement absorbe les coûts et les conflits. Il s’agit d’une exploitation du travail inscrite dans la conception même du système.

Ces quatre axes éclairent également la nécessité d’une souveraineté innovante. Les établissements peuvent concevoir une gouvernance qui fonctionne comme une gouvernance démocratique : délibérative, contestable et réversible. Ils peuvent traiter les mises à jour des modèles comme des changements de règles exigeant information préalable et justification. Ils peuvent considérer les comportements de refus comme une frontière pédagogique dont la définition relève des enseignants et des communautés plutôt que des équipes de gestion des risques des fournisseurs. Ils peuvent considérer la télémétrie comme une extraction, à moins que l’établissement puisse en préciser la finalité, en limiter l’usage et y mettre fin.

L’innovation peut également être collective. Les universités peuvent former des consortiums afin de mutualiser leurs capacités d’évaluation, de négocier des conditions communes et de créer des voies de sortie crédibles. Les systèmes éducatifs peuvent mettre en place des services d’IA constituant une « option publique », dotés de règles de modération transparentes et d’un contrôle communautaire, soit par des déploiements de modèles à poids ouverts, soit par des modèles contrôlés par les établissements et assortis de pratiques de mise à jour publiées. Les établissements peuvent également adopter un seuil minimal de souveraineté pour tout système d’IA intervenant dans l’évaluation, la discipline ou l’accompagnement des élèves et des étudiants, puis refuser son déploiement lorsque ce seuil n’est pas atteint. L’enjeu est ici de préserver l’autodétermination de l’éducation et de la production de connaissances.

Lorsque la souveraineté est limitée

Les fournisseurs résistent souvent à une souveraineté réelle parce que celle-ci limite l’extraction. Lorsque les établissements ne peuvent obtenir de pouvoir décisionnel sur le système, ils peuvent néanmoins enseigner aux élèves et aux étudiants comment ce pouvoir fonctionne. Les écoles devraient aborder la littératie en IA comme une étude de l’autorité dans des conditions de médiation. Un cours sur la formulation des requêtes apprend à obtenir des résultats plus nets. Il n’enseigne pas comment les affirmations acquièrent leur crédibilité. Un objectif plus solide consiste à développer une rigueur dans l’usage des sources. Exigez des élèves et des étudiants qu’ils joignent des sources primaires à toute affirmation factuelle reprise d’une réponse d’IA, puis évaluez la chaîne de preuves plutôt que l’élégance de la prose. Lorsqu’un modèle résume un sujet politiquement controversé, demandez-leur de repérer ce que le résumé met en avant, ce qu’il condense et ce qu’il omet, puis de comparer ce cadrage aux résumés scientifiques, aux sections méthodologiques ou aux textes législatifs qu’il prétend représenter.

Les refus d’exécuter certaines tâches et les filtres de sécurité ont leur place dans les programmes pour la même raison. Lorsqu’un modèle refuse de répondre à une question ou « répond » en l’esquivant, il trace une frontière autour du questionnement et l’impose sans délibération ni possibilité de recours. Les élèves et les étudiants devraient apprendre à traiter cette frontière comme une contrainte pesant sur le travail intellectuel : la nommer, l’explorer et en documenter les effets. Cette pratique consiste à relever les sujets qui déclenchent des refus, ceux qui donnent lieu à des réponses édulcorées et les sources qui apparaissent lorsque le système répond effectivement. Ce travail maintient les limites du questionnement ouvertes à l’examen et à la critique, ce qui constitue une valeur démocratique fondamentale en jeu.

Le travail de réparation et les garanties procédurales contre l’extraction

L’adoption de l’IA impose un prélèvement caché aux institutions publiques. Les enseignants vérifient les affirmations, corrigent des erreurs énoncées avec assurance, repensent les évaluations pour réduire les fausses accusations et consacrent du temps aux réunions et à la documentation lorsque des outils de détection déclenchent des procédures d’intégrité académique. Les élèves et les étudiants accomplissent un travail parallèle lorsqu’ils valident les résultats et défendent leur qualité d’auteur. Il ne s’agit pas de frictions accessoires. Il s’agit d’un transfert de travail de l’enseignement public vers la stabilisation de systèmes privés. Les établissements devraient considérer ce travail comme un élément probant sur la manière dont le système gouverne. Un outil qui produit régulièrement de l’anxiété et des litiges gouverne par la suspicion plutôt que par le soutien.

Les garanties procédurales doivent être au cœur des politiques relatives à l’IA, car les systèmes de classification causent des préjudices par leur opacité. Les établissements devraient adopter une norme procédurale claire : aucune mesure défavorable ne doit reposer uniquement sur une détection automatisée. Ils devraient exiger un examen humain, des critères de preuve transparents et des voies de recours qui n’obligent pas les élèves et les étudiants à réfuter des affirmations algorithmiques opaques. Ces garanties protègent l’apprentissage comme un espace où les élèves et les étudiants peuvent expérimenter, réviser et exprimer leur désaccord sans être enfermés dans une présomption permanente de culpabilité.

La gouvernance a des auteurs. Karp a choisi de décrire l’IA comme un levier permettant d’affaiblir un électorat particulier. Thiel a choisi de présenter la démocratie comme un problème pour la liberté. Le monde de l’éducation doit considérer ces déclarations comme des éléments probants sur l’environnement politique dans lequel se construit l’infrastructure de l’IA. La réponse ne réside pas dans la multiplication des modules de formation. Elle réside dans une imagination institutionnelle qui reconquiert le pouvoir de décision sur les quatre axes : une infrastructure qui reste gouvernable, une classification qui reste contestable, des frontières épistémiques qui restent visibles et un travail qui reste reconnu plutôt qu’extrait.

Références

Les titres bibliographiques ci-dessous sont conservés en anglais.

Karp, A. (cité dans Sirota, D.). (2026). Palantir CEO says AI will be used to reduce power among educated people, particularly Democrats. The New Republic. https://newrepublic.com/post/207693//palantir-ceo-karp-disrupting-democratic-power

Thiel, P. (2009). The education of a libertarian. Cato Unbound. https://www.cato-unbound.org/2009/04/13/peter-thiel/education-libertarian

Tufekci, Z. (2025). What does Palantir actually do? Wired. https://www.wired.com/story/palantir-what-the-company-does/

Winthrop, R. (2026). “Cognitive stunting” risk and guardrails for students using AI (publication LinkedIn). https://www.linkedin.com/feed/update/urn:li:activity:7437933804511707136/

Moravec, J. W. (en cours). Beyond the digital enclosure: AI, coloniality, and the pursuit of educational sovereignty. Learning Futures and Emerging Technologies.