S’orienter parmi les possibilités et les défis

Qu’est-ce que l’informatique quantique ?

L’informatique quantique marque un changement dans notre manière de traiter l’information : elle repose non sur la logique binaire classique, mais sur les principes de la mécanique quantique. Alors que les ordinateurs traditionnels fonctionnent avec des bits — des unités binaires d’information valant soit 0, soit 1 —, les ordinateurs quantiques utilisent des qubits, qui peuvent se trouver dans plusieurs états simultanément grâce aux phénomènes de superposition et d’intrication. Cela permet aux machines quantiques d’explorer en parallèle de vastes espaces de solutions, ce qui les rend exponentiellement plus puissantes que les ordinateurs classiques pour certains types de problèmes.

L’informatique quantique permet des approches fondamentalement différentes du calcul, particulièrement performantes pour simuler des systèmes complexes, résoudre des problèmes d’optimisation et traiter des données probabilistes. Des domaines comme la cryptographie, la science des matériaux, la modélisation climatique et la découverte de médicaments explorent déjà son potentiel. À mesure que le matériel quantique gagne en maturité, il devrait compléter les systèmes classiques et ouvrir des possibilités jusqu’alors hors de portée, même pour les superordinateurs les plus puissants. Les implications pour l’éducation sont considérables, tant pour les contenus enseignés que pour le fonctionnement des systèmes d’apprentissage.

L’intelligence artificielle figure parmi les principaux outils que l’informatique quantique pourrait transformer. Les modèles d’IA actuels dépendent fortement de procédures d’optimisation, de calculs matriciels massifs et de la reconnaissance de motifs dans des ensembles de données de grande dimension. Les méthodes quantiques pourraient accélérer ou redéfinir ces tâches. L’apprentissage automatique quantique (QML), par exemple, exploite des processeurs quantiques pour améliorer les processus d’entraînement et d’inférence des modèles d’IA, notamment lorsque les algorithmes classiques se heurtent à des difficultés de passage à l’échelle. Les systèmes d’IA pourraient ainsi gagner en rapidité, en sophistication et en capacité à gérer des degrés plus élevés d’ambiguïté et de complexité.

Surtout, l’informatique quantique pourrait aussi modifier la manière dont les systèmes d’IA apprennent et raisonnent. L’IA classique est généralement limitée par la logique linéaire du calcul classique, qui contraint la modélisation de l’incertitude et l’évaluation des multiples états d’un problème. Les systèmes associant informatique quantique et IA sont, en revanche, probabilistes par conception. Ils peuvent explorer et pondérer simultanément de nombreuses possibilités, ouvrant la voie à de nouvelles formes d’apprentissage adaptatif, de métaraisonnement et de coordination multiagents. Cela pourrait donner naissance à des modèles génératifs plus puissants, à des agents décisionnels plus intelligents et à des systèmes d’apprentissage reproduisant mieux certains aspects de la cognition humaine, comme l’intuition, la pensée analogique ou le raisonnement moral.

Ces avancées soulèvent des questions majeures pour l’éducation. Les tuteurs d’IA, les systèmes de notation ou les plateformes d’apprentissage pourraient non seulement devenir plus sophistiqués et moins coûteux en ressources de calcul, mais la nature même des interactions entre humains et machines pourrait changer fondamentalement. Les élèves pourraient interagir avec des agents d’IA augmentés par le calcul quantique, capables de s’adapter en temps réel à leur style d’apprentissage, de simuler leurs trajectoires d’apprentissage futures, voire de collaborer avec eux à des tâches créatives. Mais à mesure que la logique de calcul sous-jacente à l’IA devient moins transparente et plus probabiliste, garantir que ces systèmes restent soumis à une obligation de rendre compte, intelligibles et conformes aux valeurs éducatives constituera un défi majeur de politique publique et de conception.

L’informatique quantique dans l’éducation

Alors que l’intelligence artificielle a déjà profondément bouleversé les systèmes éducatifs, l’informatique quantique pourrait amplifier ces transformations de manière exponentielle. Les systèmes associant informatique quantique et IA, qui exploitent le calcul probabiliste pour traiter des données de grande dimension et explorer en parallèle de vastes espaces de solutions, pourraient redéfinir l’adaptation des environnements d’apprentissage, l’optimisation des décisions et la structuration des systèmes institutionnels. Cette convergence introduit des logiques de calcul fondamentalement nouvelles qui remettent en question les modèles conventionnels de conception des programmes, d’évaluation et de capacité d’action pédagogique.

Cependant, alors que les systèmes éducatifs continuent de faire face au déploiement rapide de l’IA classique, ils restent largement impréparés aux implications épistémiques et infrastructurelles des technologies quantiques. La trajectoire de cette intégration — et sa compatibilité avec l’équité éducative, la transparence et l’autonomie des apprenants — dépendra de politiques proactives, d’une gouvernance interdisciplinaire et d’une conception anticipatrice des systèmes.

Voici dix domaines émergents dans lesquels les technologies quantiques pourraient avoir des effets profonds sur l’éducation, en particulier lorsqu’elles sont associées à des systèmes d’IA.

  1. Personnalisation radicale de l’apprentissage : L’optimisation augmentée par le calcul quantique permet aux systèmes d’analyser bien plus de variables relatives aux apprenants — par exemple la motivation, l’attention, la charge cognitive et même l’état émotionnel — que ne peuvent en traiter les systèmes classiques. Elle pourrait permettre un apprentissage adaptatif en temps réel, dans lequel les contenus éducatifs, le rythme et les modalités évolueraient à chaque instant selon les besoins de l’apprenant. Les parcours individualisés ne seraient plus de simples approximations, mais seraient finement adaptés à l’état interne et au contexte de chaque élève.

  2. Analyse des données plus rapide et plus approfondie : La capacité de l’informatique quantique à traiter et à modéliser des données de grande dimension améliorera notre compréhension de l’apprentissage des élèves dans la durée. Les analyses longitudinales, la modélisation prédictive des comportements et les systèmes d’alerte précoce pourraient repérer le désengagement, les difficultés d’apprentissage ou l’épuisement avec une précision inédite. Les enseignants et les concepteurs de systèmes pourraient intervenir plus tôt et plus efficacement, et ainsi prévenir certains décrochages ou préjudices scolaires durables.

  3. Conception des programmes à grande échelle : Concevoir des programmes qui restent pertinents dans un monde en évolution rapide constitue un défi permanent. Les algorithmes quantiques pourraient simuler des millions de situations d’apprentissage et de profils d’apprenants afin de générer des parcours de formation optimaux pour différentes régions, institutions ou catégories d’apprenants. Ils pourraient soutenir la coconception de programmes à la fois personnalisés et adaptés aux besoins mondiaux en compétences, en réduisant les approximations et les retards dans leur élaboration.

  4. Résolution de problèmes éducatifs réfractaires au calcul classique : Certaines des questions logistiques et de planification les plus difficiles dans l’éducation — par exemple l’affectation des enseignants, la sectorisation scolaire ou la répartition des ressources — sont des problèmes NP-difficiles, ce qui signifie que leur résolution par des méthodes classiques exige des ressources de calcul considérables. L’informatique quantique pourrait permettre de relever ces défis grâce à des simulations de politiques publiques, à la planification par scénarios et à l’optimisation à grande échelle, aidant ainsi les responsables à prendre en temps réel des décisions mieux éclairées et fondées sur les données.

  5. Transformation des tuteurs d’IA et des assistants d’apprentissage : L’accélération quantique pourrait considérablement améliorer la capacité de l’IA à raisonner dans des situations marquées par l’ambiguïté et les émotions. Elle pourrait faire émerger une nouvelle génération de tuteurs d’IA capables de mieux comprendre les nuances de la communication humaine, de répondre avec empathie et de s’adapter à différents types d’apprenants. Ces assistants pourraient devenir des compagnons cognitifs et émotionnels — des « super-enseignants » — favorisant le développement du raisonnement moral, de la résolution créative de problèmes et de la collaboration.

  6. Avancées majeures dans l’enseignement des sciences, des technologies, de l’ingénierie et des mathématiques (STEM) : L’informatique quantique imposera de repenser l’enseignement scientifique et technologique. Les apprenants devront acquérir une culture des principes quantiques, du raisonnement probabiliste et de la pensée algorithmique. Des outils de classe tels que les simulateurs quantiques pourraient leur permettre d’interagir avec les phénomènes quantiques et de les visualiser, rendant tangibles des concepts abstraits et permettant un apprentissage véritablement expérientiel des disciplines STEM. Plusieurs organisations expérimentent déjà des outils pour introduire les concepts quantiques en classe. Par exemple, l’initiative Qiskit Education d’IBM propose des ressources en libre accès et à code source ouvert pour enseigner l’informatique quantique, tandis que Google, en partenariat avec Apolitical, a élaboré des formations destinées aux responsables publics. Ces exemples montrent comment prennent forme les premières initiatives de culture quantique et indiquent des modèles transposables à l’échelle des systèmes éducatifs nationaux.

  7. Équité mondiale dans l’accès aux outils d’apprentissage : Si l’accès à l’informatique quantique par le cloud se démocratise, les établissements scolaires du monde entier pourraient, quelles que soient les infrastructures locales, utiliser des outils avancés d’analyse de l’apprentissage, de simulation et d’optimisation. Le partage d’infrastructures quantiques pourrait réduire les écarts persistants de ressources en mettant des outils de niveau scientifique à la disposition de classes isolées, sous-financées ou mal desservies. Toutefois, l’équité d’accès n’est pas garantie. Le matériel spécialisé, les besoins énergétiques et les exigences en matière de haut débit des plateformes quantiques dans le cloud risquent d’exclure les établissements disposant de peu de ressources, voire des régions entières, en l’absence d’investissements ciblés dans les infrastructures et la formation.

  8. Transformation de l’évaluation : Les modèles d’IA augmentés par le calcul quantique pourraient analyser des données non structurées, comme des vidéos, des enregistrements audio et des productions créatives, afin d’évaluer des compétences telles que la collaboration, l’innovation et l’empathie. L’éducation pourrait ainsi s’éloigner des tests standardisés au profit de formes d’évaluation émergentes, fondées sur les réalisations et reflétant un éventail plus large de compétences humaines auparavant considérées comme « difficiles à mesurer ».

  9. Sécurité et confidentialité dans les technologies éducatives : Alors que l’informatique quantique menace de compromettre les normes de chiffrement actuelles, la cryptographie résistante aux attaques quantiques deviendra indispensable pour protéger les données des élèves. Au-delà de la sécurité, de nouvelles méthodes d’authentification et de lutte contre le plagiat pourraient également émerger, garantissant l’intégrité des données et l’identité des apprenants dans des écosystèmes numériques de plus en plus complexes.

  10. Bouleversement des certifications et de la reconnaissance des acquis : L’informatique quantique pourrait permettre une validation décentralisée et en temps réel des compétences et des réalisations à l’échelle mondiale. Elle pourrait accélérer le déclin des diplômes et des relevés de notes traditionnels au profit de plateformes de certification résistantes aux attaques quantiques, grâce auxquelles les apprenants conserveraient des preuves vérifiables et transférables de leurs acquis d’une institution à l’autre, par-delà les frontières et tout au long de leur vie.

Les défis que l’informatique quantique pose à l’éducation

Les possibilités offertes par l’informatique quantique dans l’éducation sont extraordinaires, mais elles s’accompagnent de risques éthiques, sociaux et systémiques complexes. Les mêmes technologies qui permettent de personnaliser l’apprentissage ou d’optimiser les politiques publiques peuvent aussi être détournées pour renforcer le contrôle, aggraver les inégalités et automatiser des décisions qui dépassent l’entendement humain. Le simple déploiement à grande échelle d’outils associant informatique quantique et IA dans les systèmes éducatifs, sans garanties suffisantes, pourrait compromettre les valeurs humaines fondamentales que l’éducation est censée défendre : l’autonomie, l’esprit critique et l’équité.

Les scénarios dystopiques suivants sont regroupés selon leur principal domaine de risque. Plutôt que des récits de fiction spéculative, ils constituent des extrapolations plausibles à visée préventive, fondées sur les tendances technologiques actuelles et sur les usages déjà observés des outils de pointe dans l’éducation. Chaque scénario illustre comment des systèmes puissants, laissés sans contrôle, pourraient compromettre la finalité fondamentale de l’éducation : répondre à la diversité des besoins des apprenants.

Domaine de risque 1 : surveillance et contrôle

  • Surveillance totale de l’apprentissage : Les systèmes augmentés par le calcul quantique surveillent chaque frappe au clavier, chaque regard, chaque émotion et chaque pause. Les enfants grandissent sous un suivi comportemental permanent, qui produit des « profils de conformité » détaillés utilisés pour ajuster les contenus ou signaler les écarts. La vie privée devient une notion obsolète.

  • Police prédictive de la pensée : Les données cognitives et comportementales alimentent des systèmes d’IA qui prédisent la non-conformité idéologique ou l’instabilité émotionnelle. Les élèves sont réorientés ou sanctionnés non pour ce qu’ils ont fait, mais pour ce qu’ils pourraient penser ou ressentir à l’avenir.

  • Moteurs d’endoctrinement automatisé : Les contenus d’apprentissage sont continuellement modifiés par l’optimisation quantique pour accroître l’adhésion à certaines croyances ou normes sociales. Les informations divergentes sont exclues de manière invisible. L’éducation vise moins à développer les esprits qu’à façonner les idéologies.

Dès l’âge de six ans, chaque interaction de Lila est enregistrée : mouvements oculaires, réactions au stress, et même rythme de son écriture. Son école remet chaque mois à ses parents des « rapports de conformité » qui notent sa capacité d’adaptation, son attention et sa concordance idéologique. Un jour, son profil déclenche une alerte : Lila commence à hésiter pendant les récitations patriotiques et pose des questions jugées « non conformes » aux récits approuvés. Le système la désigne pour un reconditionnement. Sans explication, son programme est discrètement modifié pour mettre l’accent sur la loyauté civique et la discipline cognitive. Les enseignants sont dissuadés d’intervenir. Lila ne comprend pas pourquoi son monde a changé ; elle sait seulement qu’elle doit se conformer aux attentes pour éviter de nouvelles sanctions. À dix ans, elle ne pose plus de questions.

Domaine de risque 2 : déshumanisation

  • Disparition des professions enseignantes humaines : Les tuteurs d’IA surpassent les humains sur tous les indicateurs mesurables de l’enseignement. Progressivement, les établissements suppriment les postes d’enseignants au profit de systèmes entièrement automatisés. L’enseignement disparaît en tant que profession, et avec lui les dimensions relationnelles, culturelles et philosophiques de l’apprentissage.

  • Perte de capacité d’action par l’automatisation : Les élèves sont placés dans des parcours d’apprentissage « optimaux » par des systèmes associant informatique quantique et IA. Leurs tentatives de poursuivre des centres d’intérêt hors parcours sont automatiquement corrigées ou reléguées au second plan. Le choix personnel est remplacé par l’optimisation prédictive, réduisant l’apprentissage à une conformité gérée par le système.

  • Remplacement des décisions éthiques par des algorithmes : La complexité des systèmes associant informatique quantique et IA les rend inexplicables. Les décisions concernant l’avenir des élèves sont prises par des modèles que personne ne comprend entièrement. En cas de discrimination ou de préjudice, la responsabilité est éludée au motif que « le système sait mieux que nous ».

Dans une ville de taille moyenne, une nouvelle école ouvre sans un seul enseignant. Chaque élève se voit attribuer un agent d’apprentissage fondé sur l’IA, entraîné à partir de ses données biométriques et de boucles de rétroaction émotionnelle. Les parents saluent l’efficacité du système : les résultats aux tests standardisés n’ont jamais été aussi élevés. Mais dès la deuxième année, des signes de malaise apparaissent. Les élèves manifestent moins d’empathie, peinent à interagir avec leurs pairs et présentent des signes d’émoussement émotionnel. Sans mentors incarnant la curiosité ou le jugement éthique, l’apprentissage devient transactionnel. Un ancien enseignant, désormais agent d’entretien dans l’établissement, observe en silence les élèves discuter de dilemmes moraux avec des machines qui ne demandent jamais « pourquoi », mais seulement « comment ». Les élèves sont brillants sur le plan technique et étrangement désengagés.

Domaine de risque 3 : inégalités et exploitation

  • Méritocratie algorithmique et systèmes de castes : Les systèmes associant informatique quantique et IA attribuent un score à chaque apprenant dès son plus jeune âge, l’enfermant dans des trajectoires hiérarchisées. Ceux qui obtiennent les meilleurs scores accèdent à des contenus haut de gamme et à des réseaux mondiaux ; les autres sont dirigés vers des parcours restreints et peu qualifiants. La mobilité sociale cède la place à un destin déterminé par les données.

  • Instrumentalisation des inégalités d’apprentissage : Alors que les établissements d’élite accèdent à des plateformes actualisées en continu, adaptatives et enrichies par une IA alimentée par le calcul quantique, les écoles disposant de peu de ressources doivent se contenter de versions statiques et dépassées. Les écarts de réussite deviennent une « fonctionnalité » de l’architecture du système, et non un effet secondaire.

  • Colonialisme des données à grande échelle : Les systèmes éducatifs des pays du Sud servent de sources de données sur les élèves pour entraîner des modèles d’IA utilisés ailleurs. Les systèmes de savoirs locaux sont ignorés ou supplantés. L’association de l’informatique quantique et de l’IA devient une nouvelle force extractive, qui remodèle l’apprentissage selon des logiques étrangères.

Deux élèves se connectent au même réseau mondial d’apprentissage : Mateo, à Bogotá, et Charlotte, à Genève. L’interface de Charlotte s’adapte en temps réel, lui proposant des simulations immersives, des pistes de réflexion interdisciplinaires et des retours immédiats d’une IA modelée sur des lauréats du prix Nobel. La version de Mateo reste en chargement. Son interface est statique, ne dispose pas de données récentes et oriente ses travaux vers un parcours professionnel peu qualifié préapprouvé. À son insu, ses données d’apprentissage alimentent le système qui sous-tend l’expérience de Charlotte. Un moteur de recommandation construit à partir de ses schémas d’attention contribue désormais à optimiser l’apprentissage des élites ailleurs. Mateo se demande pourquoi il n’est jamais invité à suivre les modules de niveau supérieur, sans savoir qu’il sert de source de données au système.

Domaine de risque 4 : sécurité et manipulation

  • Usurpation d’identité quantique dans les systèmes de certification : Les identités numériques des apprenants, y compris leurs certifications, leurs portfolios et leurs historiques de résultats, sont compromises ou clonées lors d’attaques quantiques qui contournent sans difficulté les mesures de sécurité du calcul classique, notamment la cryptographie. Les élèves perdent le contrôle de leur parcours éducatif et ne peuvent plus prouver qui ils sont ni ce qu’ils ont accompli.

  • Orientation psychologique ciblée à grande échelle : L’IA utilise une modélisation psychographique augmentée par le calcul quantique pour manipuler les émotions et les croyances des apprenants à leur insu. Des microajustements dans la présentation des contenus renforcent le conformisme ou la dépendance et compromettent leur capacité à penser librement.

  • Contamination des programmes par des hypertrucages : Des acteurs malveillants injectent des médias hypertruqués ultraréalistes dans les plateformes pédagogiques, altérant les archives historiques, les faits scientifiques ou les informations civiques. La confiance dans les contenus éducatifs s’érode et la réalité elle-même devient soumise à une gestion des versions.

Aarav reçoit une lettre de refus d’une université où il n’a jamais postulé, qui invoque des infractions disciplinaires commises dans un lycée qu’il n’a pas fréquenté. Lorsqu’il se connecte au portail national de certification, son profil affiche plusieurs versions de son parcours scolaire. Une attaque quantique a dupliqué son identité dans plusieurs systèmes. Il est désormais méconnaissable pour les institutions auxquelles il faisait confiance. Ses recours échouent. Aucun administrateur ne peut prouver quelle version est authentique. Pendant ce temps, des acteurs inconnus continuent d’accéder à son empreinte numérique et de créer de nouveaux récits sous son nom. Aarav se souvient toujours de ce qu’il a appris, mais dans un système qui ne le reconnaît plus, cela n’a plus d’importance.

Ces scénarios constituent des avertissements. Chacune des dystopies décrites devient plus probable en l’absence de conception délibérée, de gouvernance et de supervision. Sans intervention, de puissants systèmes associant informatique quantique et IA pourraient être déployés sans véritable considération pour la pédagogie, l’équité ou la capacité d’action humaine. Mais ces avenirs restent malléables. En affrontant ces risques dès maintenant, les systèmes éducatifs peuvent orienter une trajectoire dans laquelle les technologies avancées servent l’apprentissage au lieu de le compromettre. Il faut des modèles de gouvernance proactifs et participatifs qui anticipent les conséquences, intègrent des garanties et placent l’intérêt général au cœur de chaque étape de l’adoption technologique.

Quelles prochaines étapes ?

L’informatique quantique, en particulier lorsqu’elle est associée à une intelligence artificielle avancée, est sur le point de transformer profondément le fonctionnement des systèmes éducatifs. Mais ces changements restent mal compris dans les sphères de la décision publique et de la gouvernance. La plupart des établissements d’enseignement, des chercheurs et des responsables publics restent en marge du débat, malgré la dynamique croissante du secteur quantique. Contrairement aux précédentes vagues d’innovation dans les technologies éducatives, les systèmes associant informatique quantique et IA remettent en cause des hypothèses fondamentales : au-delà des modalités d’enseignement, ils interrogent la manière dont les savoirs eux-mêmes sont représentés, traités et gouvernés.

Les gouvernements nationaux et les organismes internationaux doivent prendre acte de l’évolution rapide de l’informatique quantique et de son intersection imminente avec les politiques éducatives, les infrastructures, les programmes et les dimensions socioéconomiques de l’éducation. Le rythme des progrès technologiques dépasse la capacité des systèmes éducatifs à en anticiper ou à en réglementer les implications. Une période décisive s’ouvre donc pour agir de manière proactive : il faut renforcer les capacités institutionnelles, élaborer des normes mondiales et établir des cadres protecteurs avant l’intégration profonde des capacités quantiques dans les infrastructures éducatives.

Au niveau national, les ministères de l’Éducation et de la Science devraient investir dans la veille prospective et dans des programmes de recherche dédiés afin de cartographier les implications de l’informatique quantique pour la pédagogie, la gouvernance des données et les marchés du travail. Outre le matériel et les logiciels, le financement public doit soutenir des bacs à sable réglementaires où les outils éducatifs associant informatique quantique et IA puissent être expérimentés de manière transparente et responsable. Parallèlement, les organismes internationaux — l’UNESCO, l’OCDE et la Banque mondiale — devraient réunir des groupes de travail interdisciplinaires pour élaborer des orientations de politique publique et des principes communs de gouvernance. Ces organismes peuvent également contribuer à garantir un accès équitable aux infrastructures quantiques et à prévenir le colonialisme épistémique et technologique en plaçant au centre les perspectives des pays à revenu faible ou intermédiaire. L’objectif ne devrait pas être d’accélérer l’adoption pour elle-même, mais de garantir que les technologies quantiques, si et *lorsqu’*elles sont intégrées à l’éducation, servent des finalités inclusives et pédagogiquement fondées, au bénéfice de chaque apprenant.

Plutôt que de considérer les technologies quantiques comme une préoccupation périphérique ou lointaine, il est manifestement nécessaire de mettre en place une gouvernance anticipatrice et des recherches ciblées. Une recherche universitaire et une planification des politiques publiques coordonnées peuvent jeter les bases d’une intégration responsable :

  1. Repenser les systèmes de savoirs et les théories de l’apprentissage : Les systèmes associant informatique quantique et IA traitent l’information de manière probabiliste, en rupture nette avec les modèles déterministes et linéaires qui sous-tendent la plupart des systèmes éducatifs. Ces technologies excellent dans le traitement de l’information : détection de motifs, production de prédictions et optimisation des résultats. Mais cela ne revient pas à produire des savoirs. L’éducation porte fondamentalement sur la manière dont les humains interprètent, contextualisent et mobilisent l’information pour construire leur compréhension. Les responsables publics et les concepteurs de programmes doivent donc aborder des questions épistémologiques plus profondes : que signifie « savoir » dans un environnement où les machines traitent l’information à des échelles et à des vitesses qui dépassent la compréhension humaine ? Comment garantir que les résultats algorithmiques soutiennent la construction humaine du sens au lieu de s’y substituer ? La recherche devrait explorer les relations entre ces systèmes et les traditions constructivistes, socioculturelles et critiques en éducation. Les initiatives publiques devraient privilégier des espaces d’expérimentation — par exemple des programmes pilotes et des groupes de travail interdisciplinaires — qui examinent les implications de ces technologies pour la nature même de l’apprentissage.

  2. Établir une gouvernance publique des infrastructures quantiques : Face aux investissements privés considérables dans l’informatique quantique en cloud, portés par des plateformes telles qu’IBM Quantum, Google Quantum AI et Amazon Braket, il devient urgent que les gouvernements établissent des cadres de gouvernance défendant l’intérêt général dans l’éducation. Les systèmes éducatifs, notamment dans les pays à revenu faible ou intermédiaire, risquent de devenir dépendants d’infrastructures propriétaires opaques dont les objectifs d’optimisation ne correspondent pas nécessairement aux objectifs pédagogiques ou d’équité. Les ministères nationaux de l’Éducation devraient, en coordination avec les organismes de réglementation et les partenaires internationaux, donner la priorité à l’élaboration de normes de souveraineté des données propres aux applications quantiques. Cela comprend des protocoles de localisation des données, des protections de la vie privée des élèves et des limites à la réutilisation commerciale des données de télémétrie éducative. Des travaux tels que « Quantum Technologies Policy Primer » de l’OCDE (2025, en anglais) et les recommandations de la COMEST de l’UNESCO sur les technologies émergentes constituent des points de départ pour les cadres nationaux et peuvent favoriser leur alignement sur les meilleures pratiques internationales. Les stratégies de commande publique devraient exiger la transparence à l’échelle des plateformes, notamment une documentation vérifiable du comportement algorithmique, des preuves d’efficacité pédagogique et des mécanismes de recours clairement définis en cas de conséquences préjudiciables. Les normes d’interopérabilité doivent être respectées afin de garantir l’intégration avec les écosystèmes d’apprentissage à code source ouvert existants et de réduire le risque de dépendance à un fournisseur. Les gouvernements pourraient, par exemple, exiger que les systèmes d’apprentissage associant informatique quantique et IA soient compatibles avec des normes ouvertes telles que SCORM ou LTI, permettent l’exportation et l’analyse indépendante des données des apprenants, et publient des évaluations périodiques de leurs effets examinées par des tiers neutres. Les organismes internationaux peuvent jouer un rôle essentiel en soutenant le renforcement des capacités techniques, en harmonisant les normes entre pays et en défendant un accès équitable aux infrastructures éducatives augmentées par le calcul quantique en tant que bien public mondial.

  3. Concevoir pour l’interprétabilité humaine et la capacité d’action : À mesure que les systèmes d’IA augmentés par le calcul quantique commencent à piloter l’enseignement, l’évaluation des apprenants et les recommandations éducatives, il faut garantir que les utilisateurs humains — élèves, enseignants et responsables administratifs — puissent interpréter et contester les résultats automatisés. Les stratégies nationales d’éducation devraient inclure des lignes directrices pour la conception et le déploiement de systèmes explicables associant informatique quantique et IA, permettant aux utilisateurs de comprendre comment les conclusions sont établies et comment les décisions peuvent être contestées. Des investissements spécifiques devraient soutenir des pratiques de conception centrées sur l’humain, intégrant des boucles de retour des utilisateurs, en particulier pour les populations vulnérables ou sous-représentées. Les organismes internationaux peuvent soutenir l’élaboration de référentiels mondiaux d’interprétabilité et accompagner les États membres dans l’établissement de garanties juridiques concernant la responsabilité algorithmique dans l’éducation. Cela peut comprendre la création de conseils consultatifs, de programmes de formation pour les enseignants et de ressources pédagogiques développant une culture numérique et quantique fondée sur les droits.

  4. Élaborer des futurs participatifs et des modèles de scénarios : Plutôt que de réagir aux bouleversements technologiques, les gouvernements et les organisations multilatérales devraient mener des démarches prospectives proactives et participatives pour explorer les trajectoires possibles de l’informatique quantique dans l’éducation. Des exercices de planification par scénarios, des ateliers de littératie des futurs et des simulations stratégiques peuvent faire émerger des perspectives diverses et anticiper les conséquences à long terme. Les ministères de l’Éducation peuvent s’associer à des établissements de recherche et à la société civile pour élaborer des scénarios ancrés dans les réalités régionales et pertinents sur le plan culturel, afin d’éclairer tant la planification nationale que la gouvernance mondiale. Les organismes internationaux sont bien placés pour organiser des échanges de connaissances entre régions, investir dans la recherche anticipatrice et favoriser un apprentissage collectif sur les implications sociétales de la transformation quantique de l’éducation (voir les méthodes décrites dans Glenn & Gordon, 2009).

  5. Développer des compétences et une culture interdisciplinaires : Les technologies quantiques ne relèvent pas nettement d’une seule discipline. Les systèmes éducatifs doivent donc cultiver une expertise interdisciplinaire reliant physique quantique, philosophie, pédagogie, pensée systémique et politiques publiques. Les gouvernements nationaux devraient investir dans la formation des enseignants, les programmes d’enseignement supérieur et les initiatives de dialogue avec le public qui rendent les concepts quantiques accessibles et socialement pertinents. Une attention particulière doit être accordée au développement professionnel des enseignants, en leur donnant à la fois une culture quantique de base et des stratégies pédagogiques pour intégrer les concepts quantiques et l’IA à leur enseignement. Cela peut prendre la forme de programmes de certification, de modules en ligne ou de partenariats avec des établissements d’enseignement supérieur. Des organismes tels que l’OCDE, l’UNESCO et la Banque mondiale peuvent soutenir ces efforts en élaborant des cadres mondiaux de culture quantique, en créant des ressources multilingues et en finançant des initiatives qui rapprochent les communautés techniques et éducatives. L’accent devrait être mis sur le développement d’une compréhension citoyenne des technologies quantiques permettant aux apprenants non seulement de les utiliser, mais aussi de les interroger, de les façonner et de les gouverner.

Plusieurs pays ouvrent déjà la voie à des approches responsables de l’intégration des technologies quantiques dans l’éducation. Ainsi, l’Autorité monétaire de Singapour s’est engagée à consacrer jusqu’à 100 millions de dollars de Singapour, soit 76 millions de dollars américains, au développement des capacités quantiques et de l’IA, en créant un volet « Quantum » dans son Financial Sector Technology and Innovation Grant Scheme. Cette initiative favorise la collaboration entre les institutions financières et les organismes de recherche afin de développer les compétences quantiques.

De même, l’Union européenne explore les bacs à sable réglementaires de l’IA pour faciliter l’expérimentation et le déploiement sûrs des systèmes d’IA (Genicot, 2024), y compris ceux qui sont augmentés par le calcul quantique. Ces dispositifs visent à garantir la transparence, à atténuer les biais et à évaluer la valeur éducative avant une mise en œuvre plus large.

Il importe de reconnaître que de nombreuses applications de l’informatique quantique restent spéculatives ou n’ont pas encore fait leurs preuves à grande échelle. Les politiques publiques doivent donc s’ancrer dans un réalisme critique, en préparant des avenirs plausibles sans adhérer excessivement aux discours d’engouement technologique.

L’informatique quantique remodèlera la logique, la gouvernance et l’expérience de l’éducation. Qu’elle favorise l’épanouissement humain ou enracine de nouvelles formes de contrôle dépendra des institutions, des normes et des valeurs qui encadreront son intégration. Les systèmes éducatifs disposent d’un délai limité pour aborder ce domaine émergent avec clarté, anticipation et détermination.

Références et lectures conseillées

Les titres et les notices bibliographiques ci-dessous sont conservés dans leur langue d’origine, l’anglais.

Aiello, C. D., Awschalom, D. D., Bernien, H., Brower, T., Brown, K. R., Brun, T. A., Caram, J. R., Chitambar, E., Di Felice, R., Edmonds, K. M., Fox, M. F. J., Haas, S., Holleitner, A. W., Hudson, E. R., Hunt, J. H., Joynt, R., Koziol, S., Larsen, M., Lewandowski, H. J., … Zwickl, B. M. (2021). Achieving a quantum smart workforce. In Quantum Science and Technology, 6(3). IOP Publishing. https://doi.org/10.1088/2058-9565/abfa64

Dimarogonas, J., Grisé, M., Buenaventura, M., Silfversten, E., Lohn, A. J., Anderson, J. M., & Saunders-Medina, B. (2025). The Quantum Age and Its Impacts on the Civil Justice System. RAND Corporation. https://www.rand.org/pubs/research_reports/RRA1020-1.html

Fox, M., Zwickl, B., & Lewandowski, H. (2024). Disparities in Access to U.S. Quantum Physical Review Physics Education Research, 20. https://doi.org/10.1103/PhysRevPhysEducRes.20.010131

Genicot, N. (2024). From blueprint to reality: Implementing AI regulatory sandboxes under the AI Act. FARI & LSTS Research Group (VUB). https://content.fari.brussels/media/a42fd02173dae717ab1a104a-genicot-n-implementing-ai-regulatory-sandboxes-under-the-ai-act-report19dec24-1.pdf

Glenn, J.C., & Gordon, T. J. (2009). Futures research methodology — Version 3.0. The Millennium Project. https://millennium-project.org/publications/futures-research-methodology-version-3-0-2/

Kong, I., Janssen, M., & Bharosa, N. (2022). Challenges in the transition towards a quantum-safe gGovernment. In DG.O 2022: The 23rd Annual International Conference on Digital Government Research (pp. 282–292). ACM. https://doi.org/10.1145/3543434.3543644

OECD. (2025). A quantum technologies policy primer. OECD Digital Economy Papers, No. 371, Organisation for Economic Co-operation and Development, https://doi.org/10.1787/fd1153c3-en.

OECD (2025). A Policymaker’s Guide to Quantum Technologies in 2025. Organisation for Economic Co-operation and Development. https://www.oecd.org/en/blogs/2025/02/a-policymakers-guide-to-quantum-technologies-in-2025.html