Synthèse

Les systèmes éducatifs abordent les années 2030 alors qu’un présupposé se défait : les écoles, les universités, les systèmes de formation, les ministères, les employeurs et les organisations internationales seraient capables de préparer les individus à des futurs encore suffisamment stables pour être compris et façonnés. Au-delà de 2030, la crise éducative centrale sera l’effondrement de la préparation sous l’effet de l’accélération technologique, des tensions écologiques, des bouleversements du travail, des divergences démographiques et du retard institutionnel.

Figure 1
Les futurs que les écoles ne peuvent plus imaginer

Loading knowledge map…

Note. Carte interactive des connaissances présentant les concepts clés de ce livre blanc. Créée avec KnowMapped.

Le rapport utilise la singularité technologique comme un horizon de mise à l’épreuve plutôt que comme une prédiction, afin de repérer un seuil humain et de gouvernance au-delà duquel le changement technologique, la dépendance institutionnelle, la pression écologique, les bouleversements du travail et les défaillances de la gouvernance excèdent la capacité des individus et des institutions publiques à imaginer, à interpréter, à gouverner et à réagir de manière cohérente.

Les signaux actuels annoncent déjà cet horizon de mise à l’épreuve. L’adoption de l’IA devance la gouvernance éducative. L’IA générative transforme le travail à l’échelle des tâches, ce qui rend inadéquats les discours généraux sur la reconversion professionnelle. Les aléas climatiques perturbent déjà la scolarité de centaines de millions d’apprenants. La pression démographique pousse certains systèmes vers la contraction et les tensions budgétaires, et d’autres vers la surcharge des effectifs, les déplacements de populations et une demande insatisfaite. Dans le même temps, la question des apprentissages fondamentaux reste entière : de nombreux systèmes subiront les chocs liés à l’IA, au climat, au travail et à la démographie avant d’avoir assuré la maîtrise des compétences de base en lecture, en écriture et en calcul.

La trajectoire dominante au-delà de 2030 laisse entrevoir des futurs dont les conditions matérielles pourraient être plus mauvaises que ne l’admettent la plupart des politiques éducatives. L’effondrement n’est pas inévitable, mais les quatre futurs de Dator permettent de préciser le danger : l’effondrement et la discipline pourraient devenir les futurs par défaut des années 2030. La transformation demeure le futur souhaité, mais l’optimisme ne suffira pas à la faire advenir.

Le retard humain pourrait caractériser les années 2030. Les lois seront en retard sur les outils. Les écoles seront en retard sur les apprenants. Les certifications seront en retard sur les marchés du travail. Les cadres d’utilisation appropriée seront en retard sur les déploiements. Le langage public sera en retard sur la réalité technique. Dans ces conditions, les réponses habituelles — compétences adaptées aux futurs, apprentissage tout au long de la vie, reconversion professionnelle, culture de l’IA, personnalisation, microcertifications, innovation et adéquation aux besoins de main-d’œuvre — pourront paraître progressistes tout en renforçant la dépendance à des systèmes que les apprenants et les institutions ne peuvent pas gouverner. C’est une préparation sans pouvoir : demander aux individus de devenir plus adaptables tout en laissant les infrastructures du travail, de l’apprentissage, des données, de la résilience climatique et de la technologie sous contrôle extérieur.

L’intelligence artificielle générale (AGI), ou des systèmes approchant une étendue de capacités et une autonomie comparables sans qu’un consensus établisse que ce seuil a été franchi, accentue ce problème temporel en réduisant brutalement la durée d’utilité de la préparation elle-même. Un étudiant entamant un cursus de quatre ans pourrait obtenir son diplôme dans un environnement professionnel réorganisé par des capacités qui n’existaient pas au moment de l’approbation du programme. Dans ces conditions, le cycle institutionnel de prévision, de conception des programmes, d’approbation, d’enseignement, d’évaluation et de certification peut devenir plus lent que les changements auxquels il cherche à préparer. Le problème ne tient pas simplement au risque que les diplômés acquièrent des compétences inadéquates. La préparation professionnelle elle-même peut devenir obsolète avant l’obtention du diplôme.

La contre-stratégie ne consiste pas à s’aligner plus rapidement sur les capacités des machines. Dans le prolongement des travaux antérieurs sur l’apprentissage et le travail knowmades, elle consiste à investir dans la capacité knowmadique : la capacité à apprendre dans des contextes variés, à créer des connaissances, à formuler des problèmes, à exercer son jugement, à construire des réseaux et des communautés, à combiner les connaissances de différents domaines et à créer de nouvelles formes de valeur lorsque les rôles établis changent ou disparaissent (Moravec, 2013). Ces capacités ne suppriment pas le besoin d’expertise. Elles en déplacent la finalité : non plus correspondre à un rôle prévu, mais exercer son pouvoir d’agir lorsque la prévision échoue.

Parallèlement, la dépendance croissante à des systèmes que les apprenants et les institutions ne peuvent pas gouverner crée un risque d’effondrement du pouvoir d’agir. Les individus peuvent conserver des choix formels tout en perdant toute autorité réelle sur les systèmes qui façonnent leur vie. Les apprenants, les travailleurs, les familles et les citoyens dépendront de plus en plus de systèmes automatisés, d’infrastructures de données, de règles de plateformes, de scores de risque, de modèles prédictifs et de régimes de certification qu’ils ne peuvent ni examiner, ni contester, ni modifier, ni quitter. L’éducation risque alors de reproduire la dépendance même qu’elle prétend surmonter.

Un programme d’action éducative pour l’après-2030 doit commencer par la gouvernance, et non par l’adoption technologique. Les orientations de l’UNESCO sur l’IA générative placent elles aussi la réglementation, la protection de la vie privée, la validation institutionnelle et les capacités humaines avant tout déploiement sans recul critique (UNESCO, 2023b). L’adoption de l’IA est une question de pouvoir avant d’être une question d’achat. La préparation aux futurs devrait signifier la capacité à gouverner les plateformes, les modèles et les règles qui définissent l’apprentissage, le travail, les éléments probants, l’identité et les possibilités offertes, plutôt qu’à s’adapter plus vite à des dispositifs conçus par d’autres.

La souveraineté éducative est le cadre proposé pour un autre futur : le pouvoir collectif des apprenants, des éducateurs, des institutions et des communautés de gouverner les infrastructures, les systèmes de données, les technologies et les dispositifs d’évaluation qui structurent l’apprentissage, d’en fixer les limites, de cesser de les utiliser et de construire des solutions de remplacement (Williamson & Eynon, 2024). Elle révèle également un échelon intermédiaire manquant dans la gouvernance éducative actuelle : des institutions civiques intermédiaires capables de mutualiser le pouvoir juridique, technique, financier et politique des écoles, des universités, des bibliothèques, des syndicats, des municipalités et des collectifs technologiques œuvrant dans l’intérêt général (Mulgan, 2018). Sans cet échelon intermédiaire, l’action de l’État risque de prendre du retard ou de s’orienter vers le contrôle sécuritaire, tandis que les communautés locales se trouvent réduites à des tactiques de survie plutôt que dotées d’un véritable contre-pouvoir.

L’effondrement de la préparation n’efface pas l’avenir de l’éducation et ne la décharge pas de sa responsabilité d’aider les apprenants à construire des futurs meilleurs. Il lui retire l’une de ses anciennes justifications et rend sa tâche plus politique : protéger les conditions dans lesquelles les individus peuvent penser, juger, créer, trouver leur place, contester le pouvoir et agir lorsque nos capacités à prévoir l’avenir proche font défaut.


Introduction : la compression de l’avenir

2030 est à moins de quatre ans, mais cet horizon paraît déjà instable, car l’éducation est appelée à répondre simultanément à plusieurs formes d’accélération. Le temps, l’espace, le travail, les savoirs et la réponse institutionnelle sont comprimés par des systèmes dont le rythme dépasse ce que les écoles, les universités et les organismes publics ont été conçus pour gérer. L’incertitude a toujours fait partie de la planification éducative, mais l’intervalle entre le changement technologique et sa compréhension par les institutions se réduit. On demande aux écoles et aux universités de préparer les personnes à des conditions et à des avenirs qu’elles ne peuvent pas encore imaginer, au moyen de structures conçues pour des mondes plus lents. L’imagination devient la limite cruciale. L’imagination humaine, institutionnelle et politique ne suit plus le rythme de l’accélération des machines, et le jugement, le langage, l’éthique, la mémoire et la construction collective du sens ne peuvent croître au même rythme.

Figure 2
La compression de l’avenir

Loading knowledge map…

Note. Carte interactive des connaissances. Créée avec KnowMapped.

Il faut donc comprendre « au-delà de 2030 » comme une période de transition comprimée. L’enjeu central concerne les années 2030 : la fenêtre concrète pendant laquelle les décisions relatives aux infrastructures, aux données, au travail, à la résilience climatique et à la gouvernance de l’IA risquent de devenir de plus en plus difficiles à inverser. Les prévisions varient, mais la période 2040–2045 est devenue un horizon plausible pour les thèses plus affirmées sur la Singularité, notamment la projection de Kurzweil situant une Singularité technologique vers 2045 (Kurzweil, 2024). Kurzweil déduit cette date de son interprétation des tendances technologiques exponentielles, mais l’argument développé ici ne dépend pas de ce calendrier. Le point essentiel est que les contrats, les architectures de données, les pratiques de passation des marchés, les intérêts politiques et les orientations institutionnelles se consolident dès maintenant.

L’éducation au-delà de 2030 commence donc par un problème de viabilité humaine dans des conditions d’accélération technologique, de stress écologique et de fermeture de l’espace politique. Le langage dominant des politiques éducatives suppose toujours que les écoles, les universités, les systèmes de formation, les ministères, les employeurs et les organisations internationales peuvent préparer les apprenants à un avenir que les populations peuvent encore comprendre suffisamment pour le façonner. Les prévisions de compétences, les profils des diplômés, les modèles d’adéquation aux besoins de main-d’œuvre, les référentiels de culture de l’IA, les programmes d’employabilité et les politiques d’apprentissage tout au long de la vie présupposent tous que les conditions futures peuvent encore être anticipées avec assez de certitude pour orienter la préparation, en privilégiant souvent l’adéquation aux besoins de main-d’œuvre au détriment de la capacité démocratique à construire d’autres avenirs (Facer, 2011).

Ce postulat devient intenable. Ce qui s’effondre, c’est la promesse même de la préparation : l’affirmation selon laquelle les institutions peuvent préparer de manière fiable les personnes à des avenirs qui resteraient suffisamment stables pour être compris, gouvernés et servir de cadre à la conception de l’action. L’éducation doit cesser de prétendre que la préparation suffit. Il s’agit de protéger le jugement, la capacité à se définir soi-même, l’aisance technique, le pouvoir d’agir collectif et le pouvoir institutionnel de fixer des limites aux systèmes qui réduisent l’apprentissage à la conformité.

Sur le plan méthodologique, la Singularité est utilisée ici comme un horizon de mise à l’épreuve plutôt que comme une prédiction. L’objectif est d’examiner ce qui arrive à l’éducation lorsque les transformations technologiques, écologiques, institutionnelles et du travail dépassent les facultés humaines dont elle dépend : l’imagination, le jugement, le langage, la mémoire, la confiance, l’éthique et la construction collective du sens. Ainsi mobilisée, la Singularité produit des effets avant même d’advenir, car elle révèle à quel point les postulats éducatifs deviennent fragiles sous l’effet d’une accélération extrême.

Le concept de Singularité technologique est généralement associé à Vernor Vinge (1993), qui lui a donné sa formulation moderne de référence, et à Ray Kurzweil (2024), qui l’a popularisé par ses prévisions d’accélération du changement technologique. Le terme est employé ici dans un sens quelque peu différent. Ce rapport l’utilise avec prudence : non comme une prévision technofuturiste, mais comme un moyen de repérer un seuil humain et de gouvernance qui se profile, au-delà duquel le changement technologique, la dépendance institutionnelle, la pression écologique, les tensions démographiques et les bouleversements du travail dépassent la capacité des personnes et des institutions publiques à imaginer, à interpréter, à gouverner et à réagir de manière cohérente. En ce sens, l’imagination doit être comprise comme un pouvoir de gouvernement plutôt que comme une préoccupation secondaire. Lorsque l’imagination humaine, institutionnelle et politique fait défaut, les institutions continuent d’agir, mais elles le font à travers des catégories héritées qui ne permettent plus de saisir les forces transformant le monde.

Le discours courant présente souvent la Singularité comme le point au-delà duquel le changement technologique entraîné par les machines dépasse les capacités humaines ordinaires à prédire la suite des événements. Le changement se produit si rapidement qu’il devient impossible de prévoir même les avenirs proches. Pour l’éducation, la lecture la plus utile est humaine et politique. La Singularité marque un seuil à partir duquel les personnes ne peuvent plus imaginer, modéliser ni gouverner la suite avec suffisamment de cohérence, parce que les forces qui transforment la société évoluent plus vite que ne peuvent s’adapter la cognition humaine, les institutions publiques, les régimes juridiques et les écoles. Les êtres humains peuvent améliorer leurs outils, mais l’imagination, le jugement, la mémoire, l’éthique et la construction collective du sens ne se mettent pas à niveau au même rythme. Il en résulte un écart croissant entre ce que la technologie peut faire et ce que les personnes peuvent comprendre, gouverner et supporter au quotidien.

Cette perspective ne dépend pas directement du fait que les partisans de la Singularité aient raison à propos de 2045. Les lecteurs qui raillent les calendriers de la Singularité peuvent néanmoins suivre l’argument sous-jacent : le même problème éducatif apparaît partout où le retard institutionnel, la dépendance aux plateformes, le stress écologique et les bouleversements du travail dépassent la capacité des pouvoirs publics à les gouverner. Le terme Singularité sert ici à désigner la limite extrême du modèle de préparation. Il ne vise pas à demander aux responsables des politiques éducatives d’adhérer à une prévision précise concernant l’intelligence artificielle générale.

Cet écart ne sera pas d’abord vécu comme une question philosophique. Il sera vécu sous la forme de confusion, de dépendance, d’humiliation sociale et de rage. Les personnes auront le sentiment que le monde n’a plus de sens, que les institutions n’expliquent plus la réalité, que le travail ne récompense plus l’effort et que le langage public est devenu trop abstrait ou trop corrompu pour guider l’action. Dans ces conditions, les réponses simples deviennent séduisantes. Les figures autoritaires et les solutions proposées par les entreprises n’ont pas besoin de résoudre la complexité. Il leur suffit de la rendre supportable.

L’éducation est impliquée dans cet écart parce que l’éducation moderne repose sur la promesse de préparation. Elle suppose que les sociétés peuvent définir des avenirs souhaitables, déterminer les savoirs pertinents, concevoir des programmes d’études, préparer les enseignants, certifier les acquis des apprenants et répartir les possibilités par l’intermédiaire des écoles, des universités et des systèmes de formation. Lorsque le changement dépasse l’imagination, cet enchaînement se rompt. L’éducation révèle alors son double caractère. Elle peut favoriser l’accomplissement de soi, le jugement et le pouvoir d’agir collectif. Elle peut aussi imposer la volonté d’autrui par les programmes d’études, la classification, la discipline, la certification, la surveillance et le tri selon les besoins du marché du travail.

Les années 2030 doivent donc être comprises comme une décennie de retard humain. Les technologies n’auront peut-être pas encore atteint la version la plus radicale de la Singularité, mais les institutions humaines fonctionneront de plus en plus en situation de décalage. Les lois seront en retard sur les outils. Les écoles seront en retard sur les apprenants. Les certifications seront en retard sur les marchés du travail. Les cadres éthiques seront en retard sur les déploiements. Le langage public sera en retard sur la réalité technique. Ce retard est le visage humain de l’accélération.


Signaux de tension

L’avenir décrit ici reste ouvert, mais l’évolution des tensions est mesurable. Ces signaux ne sont pas des avertissements isolés. Ils convergent. L’IA se diffuse plus vite que les institutions ne peuvent la gouverner. L’exposition du travail est inégale et se joue à l’échelle des tâches, plutôt que de se limiter nettement à certains secteurs. Les tensions climatiques ne relèvent plus de la prévision : elles perturbent déjà le fonctionnement des institutions. Les changements démographiques creusent l’écart entre les systèmes qui gèrent une contraction et ceux qui gèrent une surpopulation. La préparation elle-même est stratifiée.

Figure 3
Le retard humain

Loading knowledge map…

Note. Carte interactive des connaissances. Créée avec KnowMapped.

L’usage de l’IA par les élèves et les étudiants a déjà devancé la gouvernance scolaire, contraignant les institutions à réglementer après sa diffusion plutôt qu’en amont (Stanford Institute for Human-Centered AI, 2026). L’indice mondial affiné de l’Organisation internationale du Travail sur l’exposition des professions à l’IA générative s’appuie sur 29 753 tâches, 2 861 évaluations de tâches et 52 558 points de données provenant de travailleurs et d’experts pour mesurer l’exposition selon les professions, les secteurs et les pays (Gmyrek et al., 2025). Les données de l’OCDE montrent que les travailleurs diplômés de l’enseignement supérieur gagnent encore, en moyenne, 54 % de plus que ceux dont le diplôme le plus élevé relève du deuxième cycle du secondaire, ce qui contribue à expliquer pourquoi les sociétés continuent de s’appuyer sur l’éducation comme récit de mobilité sociale, alors même que ce récit perd de sa crédibilité pour beaucoup (Organisation for Economic Co-operation and Development, 2025). Les sciences du climat font apparaître un décalage similaire entre les aspirations institutionnelles et la réalité matérielle : le sixième rapport d’évaluation du GIEC relève des limites à l’adaptation, une augmentation des risques résiduels et une vulnérabilité croissante là où le financement, la gouvernance, les infrastructures et l’atténuation restent insuffisants (Intergovernmental Panel on Climate Change, 2023).

L’éducation aborde cette période dans un état déjà fragile. Selon les estimations de l’UNESCO, 273 millions d’enfants et de jeunes n’étaient pas scolarisés en 2024, et leur nombre à l’échelle mondiale a diminué de moins de 1 % depuis l’adoption de l’ODD 4 en 2015 (UNESCO, 2025a). L’UNESCO indique également que 57 % des enfants dans le monde ne maîtrisent pas les compétences de base, tandis que la Banque mondiale estime que sept enfants sur dix dans les pays à revenu faible ou intermédiaire ne peuvent ni lire ni comprendre un texte simple à l’âge de 10 ans (UNESCO, 2025d; World Bank, 2022). Selon les estimations de l’UNICEF, les aléas climatiques ont perturbé la scolarité d’au moins 242 millions d’élèves dans 85 pays en 2024, les seules vagues de chaleur ayant touché quelque 171 millions d’élèves (UNICEF, 2025). Ces données indiquent que l’éducation abordera la période de l’après-2030 avec des fondements fragiles, des capacités inégales et une multiplication des chocs venus de l’extérieur du secteur.

Les apprentissages fondamentaux font partie de cette même crise. De nombreux systèmes seront confrontés à ces pressions alors qu’ils peinent encore à garantir la maîtrise des bases de la lecture, de l’écriture et du calcul. Cela aggrave l’effondrement de la préparation. On demande à des systèmes qui n’ont pas assuré les apprentissages fondamentaux de gouverner des avenirs auxquels même les institutions bien dotées sont mal préparées.

La démographie ajoute une nouvelle dimension à ces pressions. Les années 2030 seront façonnées par l’IA, le climat, le vieillissement des populations, la baisse de la natalité dans certains territoires, l’augmentation de la part des jeunes dans d’autres, les pressions migratoires, le dépeuplement rural, la concentration urbaine et les tensions budgétaires. Les projections démographiques des Nations unies indiquent que la croissance future se concentrera dans un nombre relativement restreint de pays, tandis que de nombreux autres systèmes connaîtront un vieillissement accru et une fécondité plus faible (United Nations Department of Economic and Social Affairs, Population Division, 2024). Certains systèmes éducatifs seront confrontés à une diminution des cohortes, à des fermetures d’établissements, à une érosion des recettes issues des frais de scolarité et au vieillissement de leur personnel. D’autres devront faire face à la surpopulation, aux déplacements de populations, à une demande insatisfaite et aux attentes croissantes de populations jeunes disposant d’un pouvoir institutionnel limité. La démographie contribuera à déterminer quelles institutions pourront absorber les perturbations et lesquelles affronteront les tensions technologiques et climatiques dans un état de fragilité budgétaire et sociale préexistant.

La trajectoire dominante au-delà de 2030 laisse entrevoir des avenirs dont les conditions matérielles pourraient être plus dégradées que ne l’admettent la plupart des politiques éducatives. Pour beaucoup, ces avenirs se traduiront par des conditions matérielles difficiles, un rétrécissement de l’espace politique, une désorientation psychologique et une humiliation sociale. Le nommer relève de la rigueur analytique. Cela empêche l’optimisme de se substituer à l’analyse. Une réponse éducative crédible doit partir de la possibilité que l’avenir dominant soit matériellement plus défavorable, tout en refusant de considérer cette trajectoire comme inévitable.

Tableau 1
Indicateurs convergents de tension pour l’éducation au-delà de 2030

Indicateur de tensionDonnée récentePortée interprétative pour l’éducation au-delà de 2030
Usage de l’IA par les élèves et les étudiantsPlus de 80 % des élèves du deuxième cycle du secondaire et des étudiants de l’enseignement supérieur aux États-Unis utilisent l’IA pour des tâches liées à leurs études (Stanford Institute for Human-Centered AI, 2026).L’adoption a devancé les politiques, la préparation des enseignants et la gouvernance institutionnelle.
Gouvernance scolaire de l’IASeuls 50 % des établissements du secondaire aux États-Unis disposent de politiques relatives à l’IA, et 6 % des enseignants jugent ces politiques claires (Stanford Institute for Human-Centered AI, 2026).Les établissements encadrent la diffusion après coup plutôt qu’en amont.
Exposition mondiale des professionsL’indice 2025 de l’OIT évalue 29 753 tâches et 2 861 évaluations de tâches dans différentes professions (Gmyrek et al., 2025).L’exposition à l’IA réorganise le travail à l’échelle des tâches, ce qui rend inadéquats les discours généraux sur la reconversion professionnelle.
Avantage salarial de l’enseignement supérieurDans les pays de l’OCDE, les travailleurs diplômés de l’enseignement supérieur gagnent en moyenne 54 % de plus que ceux dont le diplôme le plus élevé relève du deuxième cycle du secondaire (Organisation for Economic Co-operation and Development, 2025).L’éducation conserve une valeur économique, mais cette valeur pourrait se concentrer dans des formes de formation stratifiées.
Population non scolarisée273 millions d’enfants et de jeunes n’étaient pas scolarisés en 2024 (UNESCO, 2025a).Le débat sur la préparation aux avenirs part d’un accès incomplet, et non d’une scolarisation universelle.
Apprentissages fondamentauxÀ l’âge de 10 ans, sept enfants sur dix dans les pays à revenu faible ou intermédiaire ne sont pas capables de lire un texte simple en le comprenant (World Bank, 2022).De nombreux systèmes affrontent les chocs liés à l’IA et au climat avant d’avoir assuré les apprentissages fondamentaux.
Perturbations climatiquesAu moins 242 millions d’élèves dans 85 pays ont vu leur scolarité perturbée par des aléas climatiques en 2024 (UNICEF, 2025).Le climat constitue déjà un problème d’infrastructure éducative.
Record de chaleur mondialeCopernicus indique que 2024 a été l’année la plus chaude jamais enregistrée et la première année civile où la température moyenne a dépassé de 1,5 °C les niveaux préindustriels (Copernicus Climate Change Service, 2025).Les tensions climatiques se traduisent de plus en plus vite par des problèmes de continuité des activités, de refroidissement, d’assurance et d’infrastructure, au lieu de rester un sujet à intégrer aux programmes à l’avenir.
Divergence démographiqueLes projections démographiques de l’ONU indiquent que la croissance future se concentrera dans un nombre relativement restreint de pays, tandis que de nombreux autres connaîtront un vieillissement accru et une fécondité plus faible (United Nations Department of Economic and Social Affairs, Population Division, 2024).Les années 2030 creuseront l’écart entre les systèmes qui gèrent la demande des jeunes et ceux qui gèrent la contraction des effectifs, les fermetures et les tensions budgétaires.
Écart de préparation selon le GEFRILe bilan de fin d’année du GEFRI 2025 fait état d’une moyenne mondiale de 48,85 pour 177 pays hors micro-États, avec des scores allant de 13,56 à 81,98 (Education Futures, 2025).La préparation aux avenirs de l’éducation est inégale, de nombreux systèmes étant exposés aux chocs avant d’avoir développé leur capacité d’adaptation.
Note. Synthèse de l’auteur ; les sources sont indiquées dans le texte environnant et dans les cellules du tableau.

Le GEFRI apporte un éclairage sur la préparation, car il traite la préparation aux avenirs de l’éducation comme un problème multidimensionnel plutôt que comme une question de performance scolaire, en utilisant des indicateurs comparables pour appréhender les fondements éducatifs, les infrastructures, l’équité, l’innovation et la résilience. Il est utilisé ici comme une grille d’analyse complémentaire, et non comme une preuve indépendante de la thèse du rapport. Sa valeur est comparative : il associe des indicateurs qui donnent une mesure approchée de la préparation aux avenirs de l’éducation et aide à montrer à quel point les systèmes abordent inégalement la prochaine période de perturbations. Il doit être lu en complément, et non en remplacement, des données de l’UNESCO, de la Banque mondiale, de l’OCDE, de l’UNICEF, de l’OIT, du GIEC et de l’AIE. Parce que le GEFRI repose principalement sur des données de la Banque mondiale, il aide à repérer les écarts de préparation au moyen d’indicateurs comparables, tout en laissant une place à l’appréciation qualitative de la gouvernance, de la colonialité, du pouvoir institutionnel et du contexte local. Ses médianes régionales révèlent des points de départ profondément inégaux : l’Amérique du Nord affiche un score médian de préparation aux avenirs de 72,7, contre 26,4 pour l’Afrique subsaharienne (Education Futures, 2026). Ces disparités sont importantes, car la diffusion de l’IA, les tensions climatiques, la dépendance aux plateformes et la volatilité du marché du travail accentueront les écarts de préparation existants.


La préparation sans pouvoir

La réponse prévisible à ces pressions sera une nouvelle vague de programmes visant à préparer à l’avenir : référentiels de compétences, initiatives d’acculturation à l’IA, parcours de reconversion, microcertifications, tableaux de bord de l’employabilité, systèmes d’apprentissage personnalisé, stratégies d’innovation et plans d’alignement sur les besoins du marché du travail. Comme le montre l’histoire de l’enseignement automatisé, les cadres d’apprentissage personnalisé servent depuis longtemps à accaparer l’autorité pédagogique et à standardiser l’enseignement au nom des impératifs d’efficacité des entreprises (Watters, 2021). Certains aideront les apprenants à faire face aux exigences immédiates. Aucun ne suffira s’il laisse les apprenants et les institutions dépendants de systèmes qu’ils ne peuvent gouverner.

C’est la préparation sans pouvoir. Elle demande aux individus de s’adapter à des plateformes, à des marchés du travail, à des systèmes de données, à des risques climatiques et à des régimes de certification dont les règles sont fixées ailleurs. Le vocabulaire est souvent optimiste : flexibilité, agilité, résilience, employabilité, apprentissage tout au long de la vie, accompagnement personnalisé et innovation. La fonction peut être plus brutale. On enjoint aux apprenants de se mettre continuellement à jour, tandis que les systèmes qui déterminent les possibilités qui leur sont offertes deviennent plus opaques, automatisés, extractifs et gouvernés de l’extérieur.

Les compétences restent essentielles : les compétences fondamentales en lecture et en écriture, l’aisance technique, la compréhension des enjeux civiques et la maîtrise de l’IA comptent toutes. L’échec commence lorsque les compétences sont traitées comme des substituts à l’autorité. Un apprenant peut posséder des compétences sans pour autant avoir de pouvoir sur les systèmes qui les mesurent, leur attribuent un prix, les classent et les disciplinent. Un établissement scolaire peut enseigner la maîtrise de l’IA tout en dépendant de systèmes d’IA qu’il ne peut auditer. Une université peut développer les microcertifications tout en réduisant la formation à des signaux à court terme destinés au marché du travail. Un ministère peut promouvoir l’innovation tout en transférant l’autorité publique à des infrastructures privées.

L’employabilité et le pouvoir d’agir posent des questions différentes. L’employabilité demande si une personne peut rester utile à des systèmes en mutation, tandis que le pouvoir d’agir demande si les individus peuvent façonner les systèmes qui déterminent cette utilité. L’alignement sur les besoins du marché du travail devient dangereux lorsque les marchés du travail sont instables, automatisés et gouvernés par des acteurs auxquels le monde de l’éducation ne peut demander des comptes. L’apprentissage tout au long de la vie devient un instrument de discipline lorsque les individus sont tenus de se mettre à jour sans fin, alors que les employeurs, les plateformes et les États refusent toute obligation réciproque.

Cette distinction sépare également l’apprentissage knowmadique de l’adaptabilité exigée par de nombreux programmes visant à préparer à l’avenir. L’adaptabilité demande aux individus de rester utiles à mesure que les systèmes externes évoluent. La capacité knowmadique pose la question de savoir si les individus peuvent créer des connaissances, des relations, du travail et des alternatives dans des contextes changeants, tout en conservant la maîtrise de leurs finalités. Elle associe l’apprentissage autodirigé, la formulation des problèmes, le jugement, la création de connaissances, la collaboration, la constitution de réseaux, l’aisance technologique et la capacité à transférer les connaissances entre domaines et situations.

Sans souveraineté, toutefois, la mobilité knowmadique peut basculer dans la précarité. Une personne capable d’apprendre en continu, de passer d’un contexte à l’autre et de créer de nouvelles formes de travail peut néanmoins rester dépendante de plateformes, de marchés du travail, de systèmes de données et d’infrastructures gouvernés par d’autres. La capacité knowmadique ne devient donc émancipatrice que lorsqu’elle s’accompagne de droits, d’une protection sociale, d’un pouvoir de négociation, d’infrastructures publiques et d’une autorité réelle sur les systèmes par lesquels les individus apprennent et travaillent.

La promesse rassurante d’une éducation tournée vers l’avenir est qu’une meilleure préparation préservera les possibilités offertes. La vérité, plus difficile à accepter, est que la préparation ne peut remplacer le pouvoir. Les compétences ne comptent que si les individus disposent aussi de droits, d’institutions, d’infrastructures et d’une autorité collective sur les systèmes qui utilisent ces compétences. Les droits sans capacité deviennent des protections de papier. La capacité sans autorité devient de l’adaptation. La souveraineté éducative est la réponse à la préparation sans pouvoir.


Futurs alternatifs de l’éducation

Les quatre archétypes de futurs de Dator — croissance continue, effondrement, discipline et transformation — permettent d’éviter que l’argumentation ne se réduise à une prévision dystopique unique. Appliqués à l’éducation au-delà de 2030, ils dessinent un champ de futurs concurrents plutôt qu’une destination prédéterminée (Dator, 2009). Les signaux actuels pointent vers l’effondrement et la discipline, mais ces futurs deviennent plus probables lorsque les institutions continuent de fonctionner sur la base de présupposés obsolètes.

Cette analyse ne propose pas de prévision unique. Les signaux actuels révèlent une trajectoire dominante, les archétypes de Dator structurent les futurs alternatifs, la Singularité sert d’horizon de mise à l’épreuve, et la transformation demeure un futur souhaité plutôt qu’un résultat prédit.

La discipline peut aussi emprunter le langage de la transformation. L’apprentissage personnalisé, la sécurité, l’efficacité, l’innovation et la résilience peuvent tous devenir les termes par lesquels la dépendance se trouve normalisée. Le véritable critère consiste à déterminer si une réforme élargit l’autorité, le pouvoir d’agir, la protection de la vie privée, la formation et la capacité de se retirer.

Tableau 2
Les quatre futurs alternatifs de Dator appliqués à l’éducation

Image du futur selon DatorExpression éducative au-delà de 2030Conséquence humaine
Croissance continueL’éducation mise toujours davantage sur l’innovation, l’employabilité, l’adoption de l’IA, les classements mondiaux et la multiplication des diplômes et certifications.Inflation des titres, épuisement et accentuation du tri social, tandis que les individus recherchent la mobilité au sein de systèmes dont les promesses ne cessent de s’affaiblir.
EffondrementLes dérèglements climatiques, les suppressions d’emplois, la défiance du public et la fragilité institutionnelle compromettent la continuité éducative.Les écoles et les universités deviennent des lieux de triage, de gestion des pertes, d’interruption des apprentissages et de tri social.
DisciplineL’éducation fonctionne selon une logique de dépendance délibérément conçue : surveillance, reconversion professionnelle, incitations comportementales, classification des risques et mise en conformité.Les apprenants sont surveillés, classés et formés à s’adapter à des systèmes qu’ils ne peuvent gouverner.
TransformationL’éducation se réorganise autour du pouvoir d’agir humain, de la résilience des communautés, de la souveraineté éducative et de nouvelles formes de travail et d’appartenance.L’apprentissage devient un espace où construire des alternatives, préserver la formation et renforcer le pouvoir collectif.
Note. Synthèse de l’auteur ; les sources sont indiquées dans le texte environnant et dans les cellules du tableau.

Le danger est que l’effondrement et la discipline deviennent la voie de moindre résistance dans les années 2030. Le futur souhaité reste celui de la transformation, mais celle-ci ne peut être décrétée par optimisme. Elle exige que les institutions, les communautés, les enseignants, les apprenants et les mouvements sociaux créent les conditions permettant aux individus d’apprendre, de travailler et d’agir sans devenir entièrement dépendants de systèmes qui les classent, les surveillent et les dirigent.

Parmi les incertitudes majeures figurent les questions de savoir si un seuil d’intelligence artificielle générale (AGI) largement reconnu sera atteint, quand et sous quelle forme, et si des systèmes d’IA de plus en plus généraux et autonomes réorganiseront le travail cognitif avant qu’un tel consensus ne se dégage. Elles portent aussi sur la capacité des États à réglementer les infrastructures d’IA, le maintien de la légitimité démocratique de l’éducation publique, l’adaptation des protections du travail au travail médiatisé par les machines, le financement équitable de l’adaptation climatique, le maintien de la vie privée et des garanties procédurales des apprenants, la possibilité que les tensions démographiques affaiblissent le pouvoir institutionnel plus vite que les institutions ne peuvent s’adapter, et la capacité des communautés à construire des alternatives avant que la dépendance aux plateformes ne devienne irréversible. Ces incertitudes détermineront quels futurs deviendront dominants.

Les signaux faibles d’un futur de transformation sont précieux, car ils montrent où la trajectoire dominante est déjà contestée. Ils ne doivent pas être considérés comme la preuve que la transformation aura lieu. Ils sont dispersés, inégaux, politiquement vulnérables et souvent sous-financés. Leur intérêt est de montrer quelles formes d’imagination institutionnelle demeurent possibles avant que la dépendance aux plateformes, le triage écologique ou l’accaparement par les élites ne soient normalisés.

Tableau 3
Signaux faibles de futurs de transformation de l’éducation

Signal faibleCe qu’il remet en questionImplications au-delà de 2030
Infrastructures numériques publiquesLa dépendance aux plateformes privées comme architecture par défaut de l’apprentissage.Elles maintiennent les questions d’accès, de données, d’identité et de gouvernance sous l’autorité publique plutôt que sous le contrôle des fournisseurs.
Outils d’apprentissage à code source ouvertL’idée que l’intelligence éducative doit être propriétaire.Ils ouvrent des possibilités d’audit, d’adaptation, de maîtrise locale et d’amélioration partagée.
Gouvernance de l’IA pilotée par les enseignantsUne adoption dictée par les achats, dans laquelle les équipes éducatives héritent de systèmes qu’elles n’ont pas contribué à concevoir.Elle considère les enseignants comme des interprètes institutionnels de la technologie plutôt que comme une main-d’œuvre chargée de sa mise en œuvre.
Écoles résilientes face au changement climatiqueUne éducation au climat réduite aux seuls programmes d’enseignement.Elles font des écoles des infrastructures civiques assurant la continuité, le soin, le rafraîchissement, la communication et l’adaptation locale.
Bibliothèques et communs d’apprentissage de proximitéL’éducation conçue comme une fonction circonscrite à l’école ou à l’université.Ils offrent des espaces publics de confiance pour l’accompagnement numérique, l’apprentissage civique, l’accès aux outils et la construction intergénérationnelle de sens.
Modèles de travail coopératifs et détenus par les communautésLa conversion de la flexibilité en précarité individuelle.Ils relient la capacité knowmadique à des infrastructures partagées, au pouvoir de négociation et à la création de valeur locale.
Dossiers et portfolios contrôlés par les apprenantsL’appropriation institutionnelle des historiques d’apprentissage.Ils orientent les preuves d’apprentissage vers la portabilité, le consentement, la maîtrise de son propre parcours et les garanties procédurales.
Note. Synthèse de l’auteur ; les sources sont indiquées dans le texte environnant et dans les cellules du tableau.

Ces signaux faibles ne constituent pas encore un mouvement cohérent. Il est plus juste de les comprendre comme des fragments d’une transformation possible : les premiers indices que l’éducation peut encore s’organiser autour de l’autorité publique, du pouvoir des communautés, du jugement humain et du pouvoir d’agir des apprenants, plutôt qu’autour d’une dépendance délibérément conçue. Ils révèlent également une distinction qui comptera tout au long des années 2030. Certaines pratiques locales renforcent les capacités de survie : soin, continuité, attention, confiance, rafraîchissement, alimentation, lien et espaces sûrs pour apprendre. D’autres construisent un contre-pouvoir : achats mutualisés, capacités d’audit, infrastructures ouvertes, gouvernance des données, accords collectifs de travail et droits institutionnels de retrait. La souveraineté éducative a besoin des deux. Les capacités de survie permettent aux communautés de continuer à fonctionner pendant les perturbations. Le contre-pouvoir réduit la dépendance.

Un autre signal faible va à l’encontre de l’accélération de l’IA : le retour à l’analogique. Partout dans le monde, les gouvernements restreignent l’usage des smartphones à l’école, alors que grandissent les préoccupations du public concernant l’attention, la santé mentale, la distraction et une enfance médiatisée par les écrans. Le suivi GEM de l’UNESCO indiquait que 79 systèmes éducatifs, soit environ 40 %, avaient inscrit une interdiction des smartphones dans la loi ou les politiques publiques à la fin de 2024 ; des données ultérieures ont montré qu’en 2026, les interdictions nationales des téléphones mobiles s’étaient étendues à 114 systèmes éducatifs, soit environ 58 % des pays (UNESCO, 2025b; UNESCO Global Education Monitoring Report, 2026). Le retour à l’analogique est un signal faible ambivalent. Une même évolution peut annoncer une transformation pour certains apprenants et la discipline pour d’autres. Elle remet en cause l’idée qu’un recours accru aux écrans dans l’apprentissage constitue toujours un progrès, mais elle peut aussi creuser les inégalités. Dans les milieux aisés, une éducation limitant les appareils numériques peut protéger l’attention, la vie privée et la formation humaine. Dans les systèmes de masse, ce même retour peut coexister avec un enseignement automatisé, la surveillance et un accompagnement humain sous-financé. Sa signification politique dépend de sa capacité à étendre à tous un apprentissage riche en relations humaines, ou de sa transformation en canot de sauvetage réservé aux élites.


La Singularité comme limite de l’imagination éducative

Le cadre prospectif clarifie le rôle de la Singularité dans cette argumentation. Elle y fonctionne comme un concept-limite pour l’imagination éducative. Si l’éducation ne parvient pas à donner sens à l’accélération, à l’opacité, à l’instabilité écologique et à la volatilité du marché du travail dans les années 2030, alors une rupture technologique plus profonde à l’horizon 2040-2045 mettra à nu un domaine qui peine déjà à comprendre le monde auquel il prétend préparer les personnes.

La planification éducative repose sur la conviction que l’avenir peut être traduit en préparation institutionnelle. Les plans stratégiques, les exercices de scénarisation, les référentiels de compétences, les systèmes de certification, les profils de sortie des diplômés, les prévisions du marché du travail et les programmes d’innovation reposent tous sur l’hypothèse que les conditions émergentes peuvent être interprétées avec suffisamment de clarté pour orienter la conception éducative. Même lorsque ces outils reconnaissent l’incertitude, ils préservent généralement l’idée qu’elle peut être circonscrite, modélisée et transformée en action adaptative. Le problème empirique tient au fait que le cycle institutionnel du changement éducatif est déjà en retard sur la diffusion technologique. Les établissements continuent d’agir, mais de plus en plus à travers des catégories qui décrivent mal les systèmes qu’ils cherchent à gouverner.

La crise pratique ne nécessite pas d’intelligence artificielle générale (AGI). Les établissements scolaires sont déjà confrontés à des versions atténuées du même problème : dépendance aux plateformes, évaluation automatisée, systèmes de données contrôlés par les fournisseurs, gestion algorithmique et outils d’IA évoluant plus vite que les politiques qui les encadrent. La Singularité amplifie ces problèmes ; elle ne les crée pas. Sa valeur pour l’éducation est diagnostique : elle révèle à quelle vitesse la planification se désagrège lorsque les établissements perdent la capacité d’interpréter et de gouverner les infrastructures dont ils dépendent.

L’AGI et la Singularité ne sont pas des concepts interchangeables. Les définitions de l’AGI restent débattues, notamment quant à l’étendue, au niveau et à l’autonomie des capacités des machines nécessaires pour justifier cette qualification (Morris et al., 2024). Ce débat n’est plus entièrement prospectif. En septembre 2026, alors qu’OpenAI (2026) présentait GPT-6 Astra, le président de l’entreprise, Greg Brockman, a soutenu qu’il était raisonnable de considérer ce modèle comme marquant le début d’une « ère de l’AGI ». La question de savoir si Astra doit lui-même être qualifié d’AGI importe moins ici que ce que révèle cette ambiguïté : les établissements d’enseignement entrent peut-être déjà dans la transition qu’ils ont traitée comme une prévision lointaine. Il n’est pas nécessaire de s’accorder sur la place qu’occupent les systèmes actuels les plus avancés sur ce continuum. L’AGI est cruciale parce que le développement continu de capacités de plus en plus générales des machines pourrait faire s’effondrer l’horizon même de la préparation. Un étudiant qui entame un cursus de quatre ans est préparé au moyen de programmes fondés sur les connaissances, les structures professionnelles et les technologies actuelles, ainsi que sur des hypothèses concernant la demande future. Si des systèmes capables d’effectuer de vastes catégories de travail cognitif progressent durant cette même période, les diplômés peuvent entrer sur le marché du travail avec des compétences qui étaient rares lors de leur inscription, mais qui n’ont plus la même valeur à la fin de leurs études. Le risque est plus fondamental qu’une inadéquation des compétences. Le cycle de prévision, de conception des programmes, d’accréditation, d’enseignement, d’évaluation et de délivrance des diplômes peut devenir plus lent que le changement qu’il cherche à anticiper.

Dans ces conditions, l’alignement sur les besoins du marché du travail devient contre-productif. L’éducation ne peut gagner une course dans laquelle elle repense sans cesse la préparation humaine en fonction de capacités des machines qui peuvent évoluer plus vite que les établissements ne peuvent approuver de nouveaux programmes. Plus les capacités des machines deviennent générales, moins il est défendable d’organiser l’éducation autour de prévisions sur les tâches professionnelles que les humains accompliront encore plusieurs années plus tard. La préparation doit se détourner des fonctions professionnelles prévues pour privilégier des capacités qui restent utiles dans des contextes variés : apprendre à apprendre, formuler les problèmes, exercer son jugement, synthétiser, collaborer, créer des connaissances, construire des réseaux, maîtriser les technologies et créer de nouvelles formes de travail et de valeur.

Ce sont des capacités nomades du savoir. Leur finalité n’est pas de maintenir les personnes en phase avec le marché du travail, quelle que soit son évolution. Elles les aident à agir lorsqu’un rôle attendu, une institution, un métier ou un parcours professionnel disparaît. Une personne qui apprend en nomade du savoir peut transférer des connaissances d’un contexte à l’autre, nouer de nouvelles relations, apprendre ce qu’exige une situation nouvelle, créer des connaissances plutôt que simplement les consommer et construire des possibilités là où les voies établies ne fonctionnent plus. Pourtant, les capacités nomades du savoir ne peuvent se substituer au pouvoir. Sans souveraineté éducative, la mobilité devient précarité, l’apprentissage continu devient une discipline permanente d’employabilité et l’autodirection s’exerce au sein de systèmes dont les règles restent contrôlées de l’extérieur.

L’éducation a toujours dépendu d’une certaine continuité entre passé, présent et avenir. Les programmes se construisent à partir des connaissances existantes. L’évaluation mesure les performances présentes à l’aune de normes connues. Les titres et diplômes traduisent les acquis de l’apprentissage en confiance sociale. La formation des enseignants suppose que la pratique pédagogique peut être transférée d’une cohorte à l’autre. La planification institutionnelle suppose que l’avenir différera du présent, mais pas au point de rendre la préparation incohérente. La Singularité rompt cette continuité. Elle soulève la possibilité que les machines ne fonctionnent plus seulement comme des instruments au service de finalités humaines, mais comme des médiateurs de ce que les humains peuvent connaître, décider, construire et valoriser (Bostrom, 2014).

Cela rejoint également des critiques plus anciennes de la société technologique. Ellul (1964) avertissait que la technique subordonne la vie sociale à l’efficacité, tandis que Winner (1980) montrait que les infrastructures incarnent des agencements politiques. Les systèmes d’IA entrent dans les écoles et les universités en véhiculant des présupposés sur l’optimisation, le savoir, le travail, l’attention et l’autorité. Une fois intégrés, ils ne se contentent pas de soutenir le jugement éducatif. Ils façonnent ce que les établissements perçoivent comme raisonnable, mesurable et gouvernable.

Le vocabulaire des « compétences pour être prêt pour l’avenir » devient ici inadéquat pour la même raison que celle exposée précédemment : il transforme un problème de pouvoir en problème de préparation. Il suppose que l’avenir est difficile, mais demeure suffisamment connaissable pour définir ce que signifie y être préparé. Si la Singularité marque la limite de l’imagination éducative, alors la préparation ne peut se définir par l’alignement sur des systèmes futurs dont les conséquences sociales dépassent les cadres conceptuels actuels. La tâche se déplace de la prédiction vers la préservation : comment les personnes et les établissements protègent leur jugement, leur pouvoir d’agir, leur orientation éthique et leurs finalités humaines non négociables lorsque l’environnement extérieur évolue plus vite que la planification.

La prospective conserve un rôle, mais non principalement comme outil de prévision de la demande de main-d’œuvre ou d’affinement de la stratégie institutionnelle dans un contexte d’incertitude maîtrisable. Sa tâche la plus pressante consiste à repérer les fragilités, à mettre au jour les présupposés, à cartographier les dépendances et à décider quelles formes de développement humain ne doivent pas être abandonnées à l’inéluctabilité technologique. Il s’agit de renforcer la capacité d’agir lorsque la prédiction échoue.


Effondrement du pouvoir d’agir

L’effondrement de l’imagination produit une deuxième condition : l’effondrement du pouvoir d’agir. Le pouvoir d’agir ne dépend pas seulement de la liberté formelle de choisir. Il exige que les personnes comprennent suffisamment les systèmes qui façonnent leur vie pour faire de véritables choix, contester des décisions et participer à l’autogouvernement collectif. Lorsque les systèmes deviennent trop complexes, trop opaques et trop rapides dans leur évolution pour que les citoyens ordinaires ou les institutions publiques puissent les comprendre, le pouvoir d’agir s’affaiblit, même si les droits demeurent formellement intacts.

Figure 4
Effondrement du pouvoir d’agir

Loading knowledge map…

Note. Carte interactive des connaissances. Créée avec KnowMapped.

Cet affaiblissement résultera d’une accumulation de dépendances plutôt que d’une perte spectaculaire de droits. Les travailleurs dépendront de systèmes algorithmiques de planification des horaires, de l’évaluation automatisée, de scores de réputation et d’un accès aux revenus médiatisé par des plateformes. Les élèves et les étudiants dépendront de systèmes d’apprentissage adaptatif, de retours automatisés, de tuteurs d’IA, de la télésurveillance des examens et d’environnements d’évaluation générés par des machines. Les familles dépendront de systèmes d’identité numérique, de portails de prestations sociales, de modèles de risque, d’algorithmes d’assurance, de plateformes de santé et de systèmes de gestion scolaire. Les citoyens dépendront de l’administration publique automatisée, de la vérification biométrique, de la police prédictive, de la notation de crédit, des systèmes de contrôle des frontières et des infrastructures de filtrage de l’information.

Dans chaque cas, la personne semble conserver une liberté de choix. Pourtant, l’éventail des choix compréhensibles et réalisables se rétrécit. Un travailleur peut choisir de se conformer aux horaires établis par un algorithme ou risquer de perdre ses revenus. Un étudiant peut choisir d’utiliser la plateforme ou se retrouver dans l’impossibilité de participer au cours. Une famille peut choisir de partager ses données ou perdre l’accès aux services. Un citoyen peut choisir d’accepter la procédure automatisée ou s’engager dans un labyrinthe bureaucratique sans véritable possibilité de recours. Le langage du choix demeure, mais les conditions du pouvoir d’agir se dégradent.

La classification ne se contente pas de trier les personnes. Elle trie aussi les savoirs. Les systèmes automatisés décident quelles formulations paraissent naturelles, quels éléments de preuve semblent crédibles, quels récits historiques sont accessibles, quels exemples sont considérés comme normaux et quels modes de connaissance restent périphériques. C’est là que se rejoignent l’effondrement du pouvoir d’agir et l’enclosure épistémique : les personnes perdent leur autorité non seulement sur les systèmes qui les jugent, mais aussi sur les systèmes de connaissances qui rendent le jugement possible.

L’effondrement du pouvoir d’agir devient économiquement rationnel lorsque les établissements scolaires deviennent des environnements de données. Les traces comportementales sont captées, la prédiction devient un modèle économique et l’accompagnement éducatif commence à se confondre avec la gestion des comportements. Les apprenants ne sont pas simplement des utilisateurs de systèmes numériques. Leurs écrits, leurs pauses, leurs erreurs, leurs recherches, leurs schémas d’attention, leurs données biométriques, leurs localisations, leurs clics et leurs interactions deviennent autant de données d’entrée potentielles pour des systèmes appartenant à d’autres. L’éducation risque alors de devenir un lieu où le développement humain est capté sous forme de données résiduelles et converti en prédiction, en incitation comportementale, en surveillance et en classification (Zuboff, 2019; Couldry & Mejias, 2019).

Les systèmes automatisés montrent déjà comment des droits formels peuvent coexister avec une impuissance de fait. Les systèmes de protection sociale, les scores de risque, les modèles opaques et les régimes de classification peuvent prendre des décisions concernant les personnes, les classer, leur opposer des refus ou les discipliner, tout en présentant ces décisions comme relevant d’une gouvernance équitable (Eubanks, 2018; O’Neil, 2016; Fourcade & Healy, 2017). L’effondrement du pouvoir d’agir n’est donc pas seulement une condition psychologique. C’est une configuration institutionnelle dans laquelle les personnes sont confrontées à des systèmes automatisés qui façonnent leurs perspectives de vie tout en restant difficiles à examiner, à contester, à modifier ou à quitter.

L’éducation est en cause parce qu’elle répond à la dépendance tout en la reproduisant. Les établissements scolaires et les universités s’appuient de plus en plus sur des plateformes qu’ils ne gouvernent pas, des systèmes de données qu’ils ne peuvent pas auditer intégralement, des outils d’évaluation dont ils ne peuvent pas toujours expliquer le fonctionnement et des systèmes d’IA dont les modèles, les données d’entraînement et les objectifs d’optimisation échappent à l’autorité éducative publique. Cela crée une contradiction. L’éducation affirme former des personnes autonomes tout en les intégrant à des infrastructures qui normalisent la dépendance à des systèmes opaques.

L’opacité technologique se conjugue à un déplacement des lieux de décision institutionnels. Les décisions échappent aux communautés éducatives tenues de rendre des comptes pour se déplacer vers les contrats d’achat, les plateformes des fournisseurs, les normes techniques, les infrastructures en nuage, les modèles propriétaires et les cadres réglementaires en retard sur les pratiques. Les enseignants et les étudiants font alors l’expérience des systèmes technologiques comme de faits administratifs plutôt que comme de choix démocratiques. Il en résulte une transformation du curriculum caché de l’éducation. L’expérience quotidienne enseigne aux apprenants que les systèmes intelligents définissent l’environnement dans lequel l’action humaine doit s’inscrire. À ce stade, l’imagination politique se rétrécit elle aussi. La décision publique devient une administration réactive au sein de systèmes qu’elle ne peut plus gouverner.


Néo-luddisme et simplification autoritaire

L’effondrement du pouvoir d’agir aide à comprendre pourquoi l’accélération technologique peut susciter à la fois le néo-luddisme et l’acceptation d’une simplification autoritaire. Ces réactions semblent contradictoires, puisque l’une rejette les systèmes technologiques tandis que l’autre adhère à une autorité exercée par l’intermédiaire des machines. Pourtant, toutes deux naissent de la même expérience sociale : l’humiliation sociale dans un contexte de complexité.

Le néo-luddisme ne doit pas être réduit à une hostilité irrationnelle envers les machines. Le luddisme historique était une lutte portant sur l’organisation sociale de la production, la dignité du travail et la destruction de l’autonomie artisanale, plutôt qu’un simple rejet des machines (Hobsbawm, 1952). Une réaction néo-luddite contemporaine comportera elle aussi une critique légitime. Elle contestera les technologies qui dégradent le travail, érodent la vie privée, automatisent le jugement, affaiblissent le contrôle démocratique et subordonnent les êtres humains à des systèmes conçus autour de l’extraction ou du contrôle. En ce sens, le néo-luddisme pourrait devenir l’un des rares langages populaires permettant d’exprimer l’expérience de la dépossession technologique.

Le néo-luddisme peut toutefois devenir réactionnaire lorsqu’il s’attaque aux symboles tout en laissant intactes les structures de propriété et de gouvernance. Il peut incriminer les outils d’IA plutôt que les institutions qui les déploient, ou détruire l’interface sans toucher à l’architecture. Le choix de s’en détourner peut aussi reproduire les inégalités. Si les communautés marginalisées abandonnent l’IA tandis que les institutions d’élite l’utilisent pour accroître leurs capacités de recherche, personnaliser l’accompagnement et renforcer le pouvoir d’agir humain, il en résultera une accélération de ce même néo-féodalisme éducatif auquel elles cherchent à résister. Une réponse sérieuse doit distinguer le rejet de la gouvernance : certains outils doivent être adoptés dans un cadre de règles publiques, d’autres doivent être limités, d’autres encore doivent être refusés, et des solutions publiques de remplacement doivent être créées là où la dépendance est inacceptable.

Parallèlement, de nombreuses personnes chercheront à échapper au poids de la complexité en se tournant vers un encadrement autoritaire. Après 2030, un ordre autoritaire pourrait se présenter sous les traits de l’assistance, de la sécurité, de l’efficacité, de la protection de l’enfance, de l’ordre public et de l’allègement de la charge cognitive. En situation de surcharge informationnelle, les individus peuvent accepter des systèmes qui réduisent la complexité, même lorsque ceux-ci réduisent la liberté. Une même personne peut rejeter l’IA à l’école tout en acceptant la surveillance automatisée des prestations sociales, la police prédictive, les contrôles biométriques aux frontières ou les services publics assurés par l’intermédiaire de machines, si ces systèmes sont présentés comme des moyens de protection. Ces deux positions expriment le désir de retrouver de la clarté dans un monde devenu trop complexe pour être compris.

Adorno, Arendt et Foucault aident à comprendre cet attrait. Dans une situation de désorientation, les individus peuvent renoncer à leur jugement en échange de certitudes, d’un sentiment d’appartenance et d’ordre ; le pouvoir disciplinaire apparaît alors comme une forme d’administration plutôt que comme un spectacle (Adorno et al., 1950; Arendt, 1951; Foucault, 1977, 2007). Dans l’éducation, les plateformes, les tableaux de bord, les évaluations, les incitations comportementales et les interventions prédictives peuvent façonner les conduites tout en donnant l’impression d’apporter un soutien.

La littératie reste nécessaire, mais elle ne suffit pas. La maîtrise des savoirs fondamentaux, la littératie technique, la littératie en IA, la littératie civique et la littératie climatique demeurent des conditions préalables au pouvoir d’agir. Le problème commence lorsque la littératie est considérée comme une fin en soi. Comprendre un système ne garantit pas de disposer de l’autorité nécessaire pour le gouverner, contester ses affirmations, réviser ses conditions ou se soustraire à son contrôle. La réponse éducative doit donc aller au-delà de la littératie pour viser la souveraineté éducative. Une société qui apprend aux individus à utiliser des outils qu’ils ne peuvent pas gouverner ne produit pas de pouvoir d’agir. Elle produit une adaptation à un pouvoir extérieur.


Discipline du travail et limites de la reconversion

Face aux bouleversements du travail provoqués par l’IA, la réponse politique la plus courante consiste à préconiser la reconversion, le perfectionnement des compétences, l’apprentissage tout au long de la vie, l’enseignement des sciences, des technologies, de l’ingénierie et des mathématiques (STEM), l’entrepreneuriat et l’aisance numérique. Ces réponses conservent une utilité limitée, mais elles se trompent de problème central si l’IA avancée modifie la demande structurelle de travail cognitif humain. La crise tient davantage à un déficit de pouvoir qu’à un déficit de compétences. C’est pourquoi la préparation sans pouvoir est si dangereuse. La reconversion traite l’éviction du travail comme un problème d’amélioration personnelle, alors que la question fondamentale est de savoir qui possède les systèmes, capte les gains, fixe les conditions et détermine quel travail conserve sa valeur.

L’analyse de l’exposition à l’IA générative publiée en 2025 par l’Organisation internationale du Travail est utile parce qu’elle examine les tâches plutôt que de s’en tenir à des affirmations générales sur l’automatisation. L’étude s’appuie sur 29,753 tâches issues du système polonais de classification des professions et sur 52,558 points de données recueillis auprès de travailleurs et d’experts pour établir des gradients d’exposition selon les professions (Gmyrek et al., 2025). Plutôt que d’entraîner une éviction uniforme du travail humain, l’IA générative modifie la demande à l’échelle des tâches et redistribue l’expertise entre les professions (Autor, 2024), ce qui rend inadéquats les discours généraux sur la reconversion. L’exposition à l’échelle des tâches peut réorganiser le travail sans supprimer des professions entières. Les emplois peuvent subsister alors que changent l’autonomie qu’ils offrent, les salaires, les compétences requises et les conditions de négociation. Le capitalisme de plateforme donne à cette dynamique sa forme économique. Les plateformes organisent le travail par l’extraction de données, les effets de réseau et le contrôle des infrastructures numériques (Srnicek, 2017). Sur les marchés du travail, cela signifie que le travail peut être fragmenté, mesuré, tarifé, attribué et soumis à une discipline par des systèmes sur lesquels les travailleurs n’ont aucun pouvoir de gouvernance.

Les conséquences ne seront pas réparties uniformément. L’IA générative peut améliorer certaines formes de productivité tout en en affaiblissant d’autres par la décomposition des tâches, la surveillance et la réduction du pouvoir de négociation. L’automatisation peut produire des effets d’éviction qui ne cadrent pas avec les récits simplistes sur la productivité (Acemoglu & Restrepo, 2019; Brynjolfsson et al., 2025). La formation seule ne peut résoudre cette asymétrie, car celle-ci est structurée par la propriété et le pouvoir institutionnel. L’insécurité structurelle est reformulée en déficits individuels d’apprentissage, tandis que la propriété, la redistribution, les droits du travail et le contrôle démocratique du déploiement technologique restent hors du champ de réflexion (Labaree, 2008; Smeyers & Depaepe, 2008).

Tableau 4
Bouleversements du marché du travail et limites de la reconversion

Vocabulaire des politiques publiquesObjectif affichéFonction probable après 2030 en l’absence de remise en question
ReconversionAider les travailleurs à s’adapter au changement technologique.Individualiser l’éviction en traitant un problème de pouvoir comme un projet d’amélioration personnelle.
Apprentissage tout au long de la vieSoutenir le développement continu.Normaliser une mise à l’épreuve permanente de l’employabilité lorsque les marchés du travail refusent toute obligation réciproque.
MicrocertificationsOffrir un accès souple aux possibilités.Élargir l’accès tout en réduisant l’éducation à des signaux à cycle court destinés au marché du travail.
Culture de l’IAAider les personnes à utiliser les systèmes intelligents.Apprendre aux apprenants à utiliser des systèmes qu’ils ne seront peut-être pas autorisés à gouverner.
PersonnalisationAdapter l’apprentissage aux besoins individuels.Transformer l’attention portée aux personnes en classification lorsque l’extraction de données et la prédiction dominent.
Alignement sur les besoins en main-d’œuvreRelier l’éducation à la demande économique.Subordonner l’éducation à des marchés du travail réorganisés par des systèmes qu’elle ne gouverne pas.
Culture climatiqueEnseigner la responsabilité écologique.Transformer une défaillance systémique en tâches individuelles de sensibilisation lorsque les infrastructures et l’adaptation font défaut.
InnovationModerniser les institutions.Légitimer la dépendance lorsque l’autorité publique est transférée à des infrastructures privées.
Note. Synthèse de l’auteur ; les sources sont indiquées dans le texte environnant et dans les cellules du tableau.

L’avenir du travail qui s’imposera sera rude si le discours sur les possibilités reste intact alors que les possibilités elles-mêmes s’érodent. On continuera de dire aux personnes que l’éducation est la voie de l’ascension sociale. Pour beaucoup, l’éducation deviendra le système qui explique pourquoi elles n’ont pas réussi à s’élever. Un autre avenir exigerait davantage que la reconversion. Il exigerait des institutions qui redistribuent les gains technologiques, protègent le pouvoir des travailleurs, soutiennent le travail coopératif et donnent aux apprenants une véritable autorité sur les infrastructures qui façonnent leur vie économique. La capacité knowmadique n’a sa place dans cette discussion que dans des conditions institutionnelles empêchant la mobilité de rendre les personnes jetables. Sans institutions communes, apprentissages fondamentaux, droits transférables, infrastructures publiques, pouvoir de négociation et protection sociale, la mobilité devient synonyme de mise au rebut.


Le rétrécissement de l’enseignement supérieur

L’enseignement supérieur subira des pressions croissantes après 2030. Certaines critiques seront justifiées. Les universités sont souvent devenues coûteuses, bureaucratiques, soucieuses de préserver leur statut et lentes à répondre aux besoins sociaux. Elles ont défendu le savoir public tout en dépendant de l’endettement privé, de plateformes propriétaires et de systèmes de prestige fondés sur l’exclusion. Pourtant, la restructuration probable de l’enseignement supérieur ne conduira pas nécessairement à sa démocratisation. Elle pourrait plutôt restreindre l’accès à une formation générale tout en développant une préparation professionnelle à faible coût pour la majorité.

La formation générale et la préparation professionnelle ne se confondent pas. La préparation professionnelle prépare les individus à accomplir des tâches définies par d’autres. La formation générale développe le jugement, l’identité, la conscience historique, le raisonnement éthique, l’expérience esthétique, l’imagination politique et la capacité à participer à l’interprétation et à la reconstruction de la société. Une société démocratique exige un large accès à la formation générale, car la citoyenneté, le pouvoir d’agir et l’autogouvernement collectif reposent sur bien davantage que la compétence technique.

La formation générale fait partie de l’infrastructure démocratique qui permet aux personnes de juger, de délibérer, d’imaginer, de créer et de gouverner. L’intelligence artificielle générale (AGI) rendrait cette perspective plus pressante, car elle sape la logique économique invoquée pour justifier une préparation professionnelle étroite. Si les systèmes informatiques peuvent acquérir des capacités cognitives ayant une valeur économique en moins de temps qu’il n’en faut pour obtenir un diplôme, organiser l’enseignement supérieur autour de fonctions professionnelles anticipées devient incohérent sur le plan temporel. La préparation à un rôle particulier peut perdre sa valeur avant même l’obtention du diplôme, tandis que le jugement, la capacité à se définir soi-même, la création de connaissances, le raisonnement éthique, la collaboration et la capacité à apprendre dans des contextes variés prennent de l’importance précisément parce qu’ils ne sont pas liés à un seul avenir professionnel anticipé. Plus l’IA gagne en capacités, moins il est justifié de restreindre l’éducation à l’adéquation avec les besoins du marché du travail, et plus il est justifié de promouvoir une formation humaine générale et des capacités de nomadisme du savoir (Nussbaum, 2010; Giroux, 2014).

Le danger est que les systèmes d’après 2030 réservent la formation générale aux élites tout en proposant une préparation professionnelle à tous les autres. Les établissements d’élite conserveront le mentorat humain, l’accès à la recherche, l’ouverture intellectuelle, l’expérimentation dans un cadre protégé, le capital culturel, les réseaux de pairs et les environnements dans lesquels l’IA renforce le pouvoir d’agir. Le reste du système sera poussé vers des certifications de cycle court, des modules alignés sur les besoins des employeurs, des plateformes d’apprentissage adaptatif, un tutorat automatisé et des compétences mesurables liées à une demande de main-d’œuvre volatile.

Les pressions varieront selon le type d’établissement.

Tableau 5
Trajectoires vers un enseignement supérieur plus étroit et plus stratifié

Type d’établissementPression probable après 2030
Universités d’éliteUtiliser l’IA pour accroître leur puissance de recherche, préserver leur prestige et approfondir la formation individualisée d’étudiants déjà favorisés.
Universités publiques régionalesFaire face aux tensions sur les effectifs étudiants, à l’instabilité budgétaire, aux exigences d’adéquation avec les besoins du marché du travail et aux pressions visant à justifier les cursus par leur rendement à court terme sur ce marché.
Établissements d’enseignement supérieur de proximité (community colleges)Devenir des lieux essentiels pour l’apprentissage des adultes, le passage vers d’autres établissements, la reconversion professionnelle, l’adaptation locale et la résilience climatique, tout en fonctionnant avec des ressources extrêmement limitées.
Petits établissements privés d’enseignement supérieurFaire face à la fermeture, à la fusion, à une dérive de leur mission ou à une reconversion en prestataires de niche.
Prestataires géants de l’enseignement en ligne et universités-plateformesDévelopper à grande échelle l’enseignement automatisé et la fragmentation des certifications.
Réseaux d’apprentissage informel, bibliothèques, coopératives et communs locauxDévelopper les capacités locales de survie, l’attention humaine, la confiance du public et des espaces d’apprentissage alternatifs, mais avoir besoin d’intermédiaires plus solides pour devenir un contre-pouvoir.
Note. Synthèse de l’auteur ; les sources sont indiquées dans le texte environnant et les cellules du tableau.

Les données de l’OCDE continuent de montrer les avantages économiques associés à l’obtention d’un diplôme de l’enseignement supérieur. Dans les pays de l’OCDE, les travailleurs diplômés de l’enseignement supérieur gagnent en moyenne 54% de plus que les travailleurs employés à temps plein toute l’année et diplômés du deuxième cycle de l’enseignement secondaire (Organisation for Economic Co-operation and Development, 2025). Cet avantage salarial entretient l’ancien récit de la mobilité sociale, mais les moyennes peuvent masquer un avenir plus stratifié. Si une éducation générale reste protégée sur les plans économique et culturel au sommet, tandis que l’offre postsecondaire de masse s’oriente vers une préparation professionnelle étroite, l’accès peut s’élargir alors même que les inégalités éducatives se creusent. La question est de savoir à quelles formes de développement humain les différents groupes sont autorisés à accéder.

L’argument de David Blacker sur la « baisse tendancielle du taux d’apprentissage » est utile ici, car il considère l’attaque néolibérale contre l’éducation non comme un échec accidentel des politiques publiques, mais comme un élément d’une réorganisation sociale plus vaste dans laquelle les visées émancipatrices de l’éducation s’affaiblissent à mesure que le capitalisme se désintéresse d’un développement humain général (Blacker, 2013). Si l’AGI réduit le besoin de larges pans du travail cognitif humain, cette logique pourrait s’intensifier. Le système pourrait ne plus avoir besoin d’éduquer le plus grand nombre au sens profond du terme. Il pourrait avoir besoin de trier, de pacifier, de préparer à des tâches, de surveiller et de certifier les individus.

Cette évolution risque de produire un néoféodalisme éducatif. Un enseignement professionnel de qualité peut apporter dignité, compétence et contribution à la société, mais le développement humain général ne doit pas devenir un privilège réservé à ceux qui sont destinés à gouverner, à concevoir, à hériter et à commander. Lorsque la majorité est orientée vers des formes étroites de conformité aux exigences du marché du travail, la formation générale devient la propriété des élites et la préparation professionnelle devient l’offre de masse. L’éducation perd alors sa fonction démocratique.

À l’avenir, la ligne de partage ne séparera pas seulement ceux qui ont accès à l’éducation de ceux qui en sont privés. Elle séparera ceux qui reçoivent une formation générale de ceux qui reçoivent une préparation professionnelle, ceux qui utilisent l’IA pour accroître leur pouvoir d’agir de ceux qui la subissent comme instrument de surveillance, et ceux dont les erreurs deviennent des occasions d’apprentissage de ceux dont les erreurs deviennent des données.


La vie privée et l’érosion du sujet autonome

La gouvernance néoféodale après 2030 ne ressemblera pas à la hiérarchie médiévale. Elle s’exercera par le contrôle de l’accès aux infrastructures : puissance de calcul, services cloud, données, terres, logement, énergie, eau, logistique, sécurité, finance, titres et diplômes, identité numérique et systèmes d’apprentissage automatique qui conditionnent l’accès aux possibilités. Le pouvoir s’exercera par la dépendance plutôt que par la seule domination formelle. Les individus auront besoin d’accéder aux plateformes pour travailler, de titres et de diplômes pour que leur candidature soit prise en considération, de systèmes de paiement pour effectuer des transactions, de systèmes d’identité pour se déplacer, de systèmes de réputation pour inspirer confiance et de systèmes de données pour rester identifiables par les institutions.

L’éducation contribuera à cet ordre si les dossiers d’apprentissage alimentent une machinerie intégrée de classification. Les données des élèves, les historiques d’évaluation, les indicateurs comportementaux, les traces biométriques, les interactions avec les plateformes, les caractéristiques de l’écriture, les relevés d’assiduité, les portefeuilles de certifications et les retours fournis par l’intermédiaire de l’IA pourraient tous alimenter des systèmes plus vastes de prédiction et de gestion des risques. La frontière entre évaluation éducative et tri social s’estomperait. L’apprenant apparaîtrait simultanément comme un élève, un futur travailleur, un emprunteur, un patient, un citoyen, un consommateur et un objet de risque.

Cela éroderait le sujet autonome que présuppose l’éducation. Dans la conception libérale de l’éducation, le sujet est envisagé comme une personne capable de réflexion, de développement, d’erreur, de remise en question, de vie privée et de construction de soi. Une telle personne a besoin d’espaces où la pensée puisse se développer avant d’être captée et évaluée. Elle doit aussi pouvoir changer sans que chaque action antérieure devienne une preuve administrative durable. Lorsque les environnements d’apprentissage deviennent des systèmes de production continue de données, les conditions de l’intériorité se fragilisent.

La vie privée doit être envisagée au-delà du simple respect des règles de protection des données. Pour les responsables publics, cela signifie que la gouvernance des données éducatives doit être conçue autour de la protection du développement de la personne plutôt qu’autour de la seule gestion des risques institutionnels. La vie privée est une condition du développement et une condition politique. Un élève qui ne peut ni lire, ni chercher, ni écrire, ni expérimenter, ni échouer, ni questionner sans être suivi à la trace entre dans l’éducation sous contrainte. Une société qui consigne les enfants dans des profils permanents avant qu’ils puissent se constituer une identité durable fragilise le sujet humain qu’elle prétend éduquer.

Les travaux de Neil Selwyn sur l’IA et l’éducation sont utiles parce qu’ils résistent à l’illusion selon laquelle l’IA à l’école ne serait qu’une question technique d’efficacité. Il souligne les dimensions sociales, émotionnelles, politiques et institutionnelles de l’enseignement et met en garde contre une réduction de l’éducation à des fonctions que les machines peuvent accomplir (Selwyn, 2019). Cette préoccupation devient plus urgente à mesure que les systèmes d’IA passent de l’assistance à la médiation. La question la plus pressante porte sur la manière dont les systèmes d’IA transforment la nature même de l’apprentissage lorsqu’ils convertissent les interactions, les efforts, les hésitations et les erreurs en données.

Le Global Education Monitoring Report de l’UNESCO de 2023 consacré aux technologies dans l’éducation avertit également que l’adoption des technologies peut devancer les données probantes, la réglementation et les garanties d’équité (UNESCO, 2023a). Cet avertissement est important, car la pression en faveur de l’adoption de l’IA dans l’éducation risque de s’intensifier même lorsque les établissements ne disposent ni d’une gouvernance claire, ni d’un soutien aux enseignants, ni de garanties de protection de la vie privée, ni de preuves de bénéfices pour l’apprentissage. Il n’en résultera pas une transition sans heurts vers une scolarité intelligente. Il s’agira d’une adoption inégale dans un contexte de tensions institutionnelles, où les apprenants vulnérables seront les premiers exposés à une automatisation de faible qualité et à des garanties insuffisantes.

L’essor de l’IA dans l’éducation accentue cette préoccupation, car la personnalisation assurée par les machines exige l’extraction de données. Plus un système prétend connaître l’apprenant, plus il doit recueillir de données. Dans certains contextes, cela peut soutenir l’apprentissage. Dans d’autres, cela peut normaliser la surveillance en la présentant comme une forme de sollicitude. Un élève aisé qui utilise l’IA dans un environnement éducatif protégé et riche en relations humaines peut vivre la personnalisation comme un pouvoir d’agir. Un élève pauvre orienté vers une remédiation automatisée, une notation du risque, une surveillance comportementale ou une intervention prédictive peut vivre la personnalisation comme une classification. Un même vocabulaire technique peut dissimuler des fonctions sociales opposées.

Cette distinction est importante, car l’intégration entre humains et machines aura des effets sociaux. Au sein des élites, cette intégration pourrait vraisemblablement accroître le pouvoir d’agir grâce à des systèmes d’IA personnels, des assistants cognitifs, des outils d’optimisation de la santé, des interfaces neuronales, des environnements adaptatifs, des tuteurs synthétiques et des systèmes d’aide à la décision, le tout inscrit dans un contexte plus large de richesse, de vie privée, de mobilité, de mentorat humain et de protection institutionnelle. Parmi les populations pauvres et précaires, cette intégration pourrait plus souvent prendre des formes disciplinaires : surveillance de la productivité, contrôles automatisés des prestations sociales, détection des fraudes, systèmes de remédiation, attribution des horaires, vérification de l’identité et tableaux de bord de conformité. Les privilégiés pourront utiliser les machines pour élargir leurs choix ; les populations reléguées au bas de l’échelle sociale pourraient être de plus en plus prises en charge par des machines qui choisissent à leur place.

L’avenir sera le plus dommageable pour celles et ceux dont l’humanité deviendra la plus visible aux systèmes et la moins protégée par les droits. Ces personnes seront connues en permanence, aidées sous conditions, corrigées automatiquement et privées de toute possibilité d’invisibilité. Elles ne seront pas en dehors de l’éducation. Elles seront en son sein, mesurées par elle et tenues pour responsables par son intermédiaire.


Le climat comme condition matérielle de l’éducation

Le changement climatique est généralement abordé dans l’éducation sous l’angle des programmes d’enseignement, de la culture climatique ou de la responsabilité civique. Au-delà de 2030, ce cadrage ne tiendra plus. Le climat est une condition matérielle de la scolarisation et de la survie des institutions. Selon les estimations de l’UNICEF, les aléas climatiques ont perturbé la scolarité d’au moins 242 millions d’élèves dans 85 pays en 2024 ; les vagues de chaleur ont constitué le principal aléa, touchant quelque 171 millions d’élèves (UNICEF, 2025). La chaleur, les fumées, les inondations, la sécheresse, les maladies, l’insécurité alimentaire, les déplacements de population, les défaillances des infrastructures et le retrait des assureurs affecteront les calendriers scolaires, les locaux, les transports, les effectifs, l’assiduité, les finances publiques et la continuité de la vie collective. Le climat et l’IA dessinent des avenirs convergents pour l’éducation. L’IA comprime les processus cognitifs, le travail et la gouvernance. Le climat déstabilise les infrastructures, les lieux de vie et la continuité. Ensemble, ils mettent à mal les présupposés qui rendaient l’école moderne viable : des institutions stables, des calendriers prévisibles, des diplômes porteurs d’une valeur future et une continuité intergénérationnelle.

L’IA et le climat ne suivent pas des trajectoires indépendantes. Le calcul avancé dépend de l’électricité, de l’eau, des puces, des systèmes de refroidissement, de la capacité des réseaux électriques et du foncier. Cette dépendance impose une limite biophysique au fantasme d’une accélération sans friction. L’International Energy Agency prévoit que la consommation mondiale d’électricité des centres de données fera plus que doubler pour atteindre environ 945 TWh d’ici à 2030, tandis que le U.S. Department of Energy indique que la demande électrique des centres de données aux États-Unis a déjà triplé au cours de la dernière décennie et pourrait encore doubler ou tripler d’ici à 2028 (International Energy Agency, 2025; U.S. Department of Energy, 2024). L’IA peut accélérer les processus cognitifs et administratifs, mais elle se heurte aussi aux limites matérielles des systèmes énergétiques, des systèmes d’approvisionnement en eau, des chaînes d’approvisionnement et de l’adaptation au changement climatique.

Le non-respect des objectifs climatiques contraindra l’atténuation et l’adaptation à se déployer dans des conditions inégales et souvent inadéquates. L’Intergovernmental Panel on Climate Change relève les limites de l’adaptation et souligne que les risques climatiques s’aggravent lorsque les mesures d’atténuation, les financements, la capacité d’action des institutions et l’action politique sont insuffisants (Intergovernmental Panel on Climate Change, 2023). Les communautés les plus aisées achèteront leur résilience grâce aux infrastructures, aux assurances, à la mobilité, aux services privés et à leur influence politique. Les communautés les plus pauvres seront sommées de devenir résilientes sans disposer des ressources nécessaires. Les écoles hériteront alors des effets des pressions environnementales sans maîtriser les systèmes qui répartissent la vulnérabilité.

Cela révèle une nouvelle fois les limites de l’éducationalisation. La culture climatique peut aider les apprenants à comprendre les systèmes écologiques, les émissions, les risques et les responsabilités, mais les connaissances ne peuvent à elles seules compenser l’échec des politiques du logement, la faiblesse des infrastructures, l’exploitation extractive des terres, l’insuffisance des systèmes de santé publique ou l’inaction politique. L’éducation peut contribuer à l’adaptation, mais elle ne peut s’y substituer. Enseigner la crise ne protège pas des systèmes qui continuent de la produire.

L’école de demain devra peut-être fonctionner moins comme une institution de transmission de contenus que comme un nœud au sein des systèmes de survie des communautés. Cela suppose une conception élargie de l’infrastructure éducative. L’alimentation, l’eau, le rafraîchissement, la santé, la communication, les transports, le soutien psychologique, les capacités locales de réparation, la confiance publique et l’entraide pourraient devenir indissociables de l’apprentissage. Les systèmes éducatifs qui continuent à traiter le climat comme un sujet plutôt que comme une condition se méprendront sur la nature du problème.

Considérer les écoles comme des infrastructures de résilience climatique ne signifie pas éducationaliser la crise climatique. Cela signifie refuser de les laisser seules face à elle. Les écoles ne peuvent servir de points d’appui publics pour la continuité, le rafraîchissement, la communication, le soin et l’adaptation locale que si elles sont financées, dotées en personnel, protégées et reliées aux systèmes de santé, de logement, d’énergie, de transport et de gestion des urgences. Sans ces soutiens, la résilience climatique devient une nouvelle charge impossible à assumer pour des institutions déjà fragiles.

L’échec climatique transforme aussi le sens de l’équité éducative. L’équité ne peut se réduire à l’accès aux équipements numériques, aux programmes d’enseignement ou aux diplômes lorsque certaines communautés subissent des perturbations répétées des conditions fondamentales de l’apprentissage. La question devient celle de la capacité des systèmes éducatifs à préserver la continuité, la dignité et le pouvoir d’agir sous l’effet des pressions environnementales. Cela exige un enseignement du climat, des institutions résilientes face au changement climatique et articulées à la gouvernance communautaire, ainsi qu’un soutien matériel.

L’avenir dominant sera cruel, car on demandera aux enfants d’apprendre la résilience au sein de systèmes qui n’ont pas su les protéger. On louera la capacité d’adaptation des écoles alors qu’elles subiront la chaleur, les fumées, la faim, les déplacements de population, l’anxiété et la dégradation des infrastructures. Les universités publieront des plans de durabilité tout en préparant les étudiants à des économies toujours organisées autour de l’extraction. La contradiction deviendra difficile à dissimuler.

GEFRI aide à comprendre à quel point les systèmes sont inégalement capables d’absorber cette pression (Education Futures, 2026). Le point pertinent ici réside dans les tendances qu’il met en évidence : les systèmes soumis à certaines des plus fortes pressions climatiques, démographiques et budgétaires sont souvent ceux dont le niveau de préparation mesuré pour y faire face est le plus faible. Le climat fait donc des inégalités éducatives un problème à la fois d’infrastructure, de gouvernance et de financement.

Le climat transforme aussi les conditions matérielles dans lesquelles la capacité knowmadique peut s’exercer. La création de connaissances d’un contexte à l’autre ne doit pas être confondue avec une mobilité sans friction. Elle dépend d’infrastructures matérielles de plus en plus fragiles : électricité, refroidissement, haut débit, transports, espaces publics, santé et soin. En situation de crise climatique, la mobilité ne perdure que si elle est ancrée. Le knowmad de demain n’est pas un travailleur numérique sans attaches circulant librement entre les plateformes. Il a besoin d’ancrages locaux résilients : bibliothèques, écoles, coopératives, réseaux communautaires, centres de rafraîchissement et infrastructures publiques qui rendent le mouvement possible sans abandonner les lieux.


L’échelon intermédiaire manquant

La souveraineté éducative ne peut reposer uniquement sur l’action de l’État ou sur la résilience locale. L’État peut prendre du retard, faillir ou imposer des régimes technologiques dictés par des impératifs sécuritaires. Les communautés locales peuvent développer le soin, la continuité, l’attention et la confiance, mais elles disposent rarement du pouvoir juridique, technique ou financier nécessaire pour affronter seules les monopoles des plateformes. Cela révèle l’absence d’un échelon dans la gouvernance actuelle de l’éducation : des intermédiaires civiques capables de mutualiser les capacités des écoles, des bibliothèques, des universités, des syndicats, des municipalités et des organisations communautaires.

Ces intermédiaires ne doivent pas être considérés comme une solution toute faite. Beaucoup n’existent pas encore à l’échelle nécessaire. D’autres existent, mais manquent de financements stables, de personnel technique, de compétences juridiques, de gouvernance démocratique ou de protection contre la capture par les fournisseurs. Mal conçu, cet échelon intermédiaire manquant devient un circuit d’achat plus efficace au service d’une dépendance inscrite dès la conception. La souveraineté éducative a peu de chances de survivre sans institutions capables de s’interposer entre les défaillances de l’État, le pouvoir du marché et l’épuisement local.

Figure 5
L’échelon intermédiaire manquant

Loading knowledge map…

Note. Carte interactive des connaissances. Créée avec KnowMapped.

L’échelon intermédiaire manquant ne gagne en force que lorsqu’il fédère les pouvoirs. Un intermédiaire qui se contente de conseiller les écoles reste un acteur symbolique. Un intermédiaire qui mutualise les achats, publie des conditions contractuelles communes, certifie les outils, finance la maintenance, accompagne la migration et coordonne la sortie collective peut modifier le rapport de force dans lequel négocient les écoles et les communautés. Son pouvoir est autant économique que moral : il transforme des institutions dispersées en un bloc de négociation.

Il n’est pas nécessaire de construire cet échelon intermédiaire à partir de rien. Il peut être constitué à partir d’institutions qui détiennent déjà des parcelles de confiance publique, de capacité technique, de pouvoir d’achat et de légitimité locale : consortiums de bibliothèques, coopératives régionales d’éducation, réseaux de services des universités publiques aux communautés, syndicats enseignants, organismes d’accréditation, alliances municipales, groupements d’achats publics et collectifs œuvrant pour des technologies d’intérêt public. L’enjeu consiste à relier ces éléments au sein de structures dotées d’une autorité et de financements suffisants, et conçues pour résister à la capture, afin de pouvoir agir.

En pratique, cet échelon intermédiaire peut prendre la forme de coopératives régionales qui mutualisent les achats et le personnel technique, d’accords entre universités et écoles publiques qui soutiennent l’évaluation et la gouvernance des données, de réseaux de bibliothèques qui accueillent des services d’assistance aux technologies civiques, de syndicats et d’organisations professionnelles qui négocient l’usage de l’IA et les limites de la surveillance, de fondations technologiques d’intérêt public qui assurent la maintenance d’outils ouverts, d’organismes d’accréditation qui font respecter des normes d’intérêt public, et d’alliances municipales ou régionales qui coordonnent les écoles avec les dispositifs de gestion des urgences, de santé, de transport, de rafraîchissement, d’alimentation et de communication.

Le critère pratique est de savoir si un intermédiaire peut exercer un contre-pouvoir plutôt que simplement réunir des acteurs pour discuter.

Tableau 6
Le vide institutionnel entre les acteurs locaux et le pouvoir à l’échelle du système

Pouvoir de l’intermédiaireEffet
Achats mutualisésTransforme des acheteurs isolés en un bloc de négociation.
Clauses contractuelles communesFait des droits d’audit, des limites à l’utilisation des données, de l’interopérabilité et des droits de sortie la norme plutôt que l’exception.
Certification d’intérêt publicRepère les outils qui respectent les normes d’intérêt public et signale ceux qui ne les respectent pas.
Financement de la maintenanceEmpêche que les infrastructures ouvertes ne soient abandonnées et ne conduisent à un nouveau verrouillage par les fournisseurs.
Capacité d’expertise techniqueMutualise une expertise rare pour que chaque école n’ait pas à auditer seule les systèmes.
Accompagnement de la migrationRend la sortie réalisable en aidant les institutions à transférer leurs données, leurs dossiers, leurs processus de travail et leurs formations.
Publication de rapportsExerce une pression politique et réputationnelle sur les fournisseurs et les institutions.
Sortie collectiveDonne aux écoles la capacité de quitter ensemble les systèmes préjudiciables plutôt que de le faire seules.
Note. Synthèse de l’auteur ; les sources sont indiquées dans le texte environnant et dans les cellules du tableau.

Il ne faut pas surestimer ces pouvoirs. Les intermédiaires civiques ne peuvent ni défaire les logiques de clôture géopolitique, ni remplacer la réglementation nationale, ni enrichir les systèmes démunis, ni prendre l’ascendant sur les entreprises technologiques mondiales par le seul appel à la morale. Leur rôle, plus réaliste, consiste à réduire le coût de la coordination, à rendre la dépendance visible, à rendre les mauvais contrats plus difficiles à dissimuler, à mutualiser une expertise que les écoles ne peuvent financer seules et à créer une pression collective suffisante pour offrir aux organismes publics, aux régulateurs et aux bailleurs de fonds une force organisée à soutenir.


Conception anticapture

Sans conception anticapture, un intermédiaire civique peut devenir un canal d’achat plus efficace au service d’une dépendance délibérément organisée. L’enjeu n’est pas seulement de créer une organisation entre les établissements scolaires et les fournisseurs. Il s’agit de créer une structure d’intérêt public plus difficile à capturer que des établissements isolés agissant seuls.

Tableau 7
Garanties anticapture pour les intermédiaires civiques

Risque de captureGarantie minimale
Capture par les fournisseursRègles relatives aux conflits d’intérêts, délais de carence, divulgation publique des relations avec les fournisseurs et restrictions concernant les fonctions de gouvernance financées par les fournisseurs.
Capture des achatsClauses contractuelles communes, appels d’offres ouverts, répertoires publics des contrats et publication des motifs de sélection des outils.
Capture techniqueComités d’examen indépendants, normes ouvertes, audits reproductibles lorsque cela est possible et séparation entre les fonctions d’évaluation et de vente.
Capture démocratiqueReprésentation des équipes éducatives, des apprenants, des familles et des communautés assortie d’un véritable droit de vote, plutôt que d’un simple statut consultatif.
Dérive de la missionCharte d’intérêt public, réexamen périodique conditionnant la reconduction du mandat, rapport annuel public de reddition de comptes et critères clairs de retrait des partenariats qui portent atteinte à la souveraineté éducative.
Dégradation des infrastructuresFinancement dédié à la maintenance, et non uniquement au lancement de projets pilotes ou sous forme de subventions à court terme.
Capture sécuritaireLimites claires au partage de données avec les forces de l’ordre, les systèmes de gestion de l’immigration, les prestataires militaires ou les agences de sécurité nationale, sauf obligation découlant d’une procédure légale transparente.
Note. Synthèse de l’auteur ; les sources sont indiquées dans le texte environnant et dans les cellules du tableau.

La construction de cet échelon constitue en elle-même un défi de politique publique. Les intermédiaires ont besoin de modèles de financement, de chartes d’intérêt public, de règles relatives aux conflits d’intérêts, d’une représentation des équipes éducatives et des apprenants, de normes ouvertes, de rapports publics, de personnel technique, du pouvoir de négocier au nom des établissements participants et de garanties anticapture juridiquement contraignantes. Sans ces conditions, l’échelon intermédiaire manquant devient une couche administrative supplémentaire, un canal de plus pour les fournisseurs ou une nouvelle obligation dépourvue de financement.

Cet échelon intermédiaire manquant compte également dans un contexte de verrouillage géopolitique des écosystèmes technologiques. La souveraineté éducative ne doit pas être confondue avec une autosuffisance technologique totale. Les établissements scolaires ne peuvent se soustraire à la chaîne mondiale d’approvisionnement en semi-conducteurs, à la géopolitique de l’informatique en nuage ni aux régimes nationaux de cybersécurité. Ils peuvent néanmoins lutter pour conserver leur pouvoir de décision aux niveaux où l’éducation s’exerce concrètement : achats, conservation des données, systèmes d’évaluation, choix des plateformes, dossiers des apprenants, surveillance des enseignants, garanties procédurales, infrastructures locales et formation humaine. Un consortium d’intérêt public doté d’une gouvernance transparente, de normes de sécurité, de pistes d’audit et de mécanismes publics de reddition de comptes a davantage de chances de protéger le pouvoir de décision éducatif local au sein des régimes technologiques nationaux et régionaux, mais cette protection elle-même demeure incertaine. Dans un environnement numérique régi par des impératifs de sécurité, la souveraineté locale dépendra moins d’expérimentations isolées que d’infrastructures fédérées d’intérêt public qui restent à construire, à défendre et à financer.

L’action communautaire demeure essentielle, mais elle ne doit pas être idéalisée. Des espaces d’étude sans outils numériques, un soutien proposé dans les bibliothèques, des portfolios locaux et des réseaux d’entraide peuvent permettre aux personnes de continuer à apprendre, de rester en sécurité et de maintenir leurs liens en période de perturbation. Ils renforcent la capacité de survie. Ils ne créent pas, à eux seuls, le contre-pouvoir nécessaire pour auditer les plateformes, négocier les contrats, défendre les droits ou remplacer les infrastructures des entreprises. La souveraineté éducative exige à la fois une capacité de survie et une capacité de contre-pouvoir. Il ne faut pas demander aux communautés de se substituer à l’État, ni invoquer les intermédiaires civiques comme s’ils résolvaient déjà ce problème. La thèse du livre blanc est limitée mais concrète : cet échelon intermédiaire doit être construit, financé et gouverné avec soin pour que la souveraineté éducative devienne autre chose qu’une aspiration. Son levier d’action consiste à rendre le contrôle centralisé coûteux à exercer et la gouvernance démocratique concrètement possible.


Ce que cela change

Un programme pour l’éducation après 2030 doit commencer par la gouvernance, et non par l’adoption de technologies. L’adoption de l’IA est une question d’autorité avant d’être une question d’achat : aucun système ne devrait intégrer l’IA à l’apprentissage, à l’évaluation, à l’orientation ou à l’administration sans règles claires en matière d’auditabilité, de garanties procédurales, de minimisation des données, d’examen humain et de possibilité effective de sortie. Le critère pertinent pour l’action publique est simple : un outil renforce-t-il la dépendance par sa conception même ou élargit-il le pouvoir d’agir des apprenants et des communautés ?

La préparation à l’avenir ne peut se réduire à l’adéquation aux besoins du marché du travail. Les établissements scolaires, les universités et les ministères doivent se demander si les apprenants développent leur jugement, bénéficient d’une protection de leur vie privée, reçoivent une formation générale étendue et acquièrent la capacité d’agir lorsque les prédictions échouent. Une politique de reconversion dissociée de la redistribution, de la voix des travailleurs, des droits de négociation et d’une gouvernance des technologies au service de l’intérêt général fait peser sur les individus la responsabilité des bouleversements structurels de l’emploi. La politique climatique dans l’éducation ne peut s’arrêter à l’acquisition de connaissances ou à la sensibilisation. Les établissements scolaires et les universités doivent fonctionner comme des infrastructures de résilience assurant le soin, la continuité, le rafraîchissement, l’alimentation, la santé, la communication et l’adaptation locale.

Les implications sont concrètes. Lorsque les établissements adoptent ces systèmes, ils doivent pouvoir comprendre leur fonctionnement, limiter les données collectées et s’en retirer lorsque le dispositif ne leur est plus utile. Les modèles de financement doivent protéger une formation générale étendue, plutôt que les seules formations courtes. Les communautés ont besoin de plus qu’une consultation une fois les décisions prises. Elles doivent disposer d’une autorité sur les finalités, les données, l’évaluation et les lignes rouges institutionnelles.

Le danger immédiat est de confondre activité et préparation. Les projets pilotes d’IA, les stratégies de microcertification, les plateformes d’apprentissage personnalisé, les tableaux de bord d’employabilité et les programmes d’éducation au climat peuvent tous sembler tournés vers l’avenir tout en renforçant cette même dépendance à laquelle l’avenir exige que l’éducation résiste. Sans gouvernance, redistribution, protection de la vie privée, pouvoir des travailleurs et résilience institutionnelle, ces initiatives deviennent des répétitions d’une adaptation pilotée.


Gouverner par la mesure

L’éducation ne peut se passer de la mesure. Les systèmes publics ont besoin de données probantes sur les apprentissages, l’exclusion, la vulnérabilité climatique, la fragilité des infrastructures, l’utilisation de l’IA, les effets sur le travail, les dépenses publiques, les risques pour la vie privée et les capacités institutionnelles. Sans données probantes, la dépendance reste invisible. Les établissements scolaires ne peuvent gouverner des systèmes qu’ils ne peuvent observer.

Le danger apparaît lorsque la mesure devient la logique de gouvernement plutôt qu’un outil au service du jugement public. L’éducation connaît ce problème depuis des décennies : les résultats aux tests deviennent des objectifs, les classements remodèlent les comportements institutionnels, les dispositifs d’audit récompensent ce qui peut être documenté, et les tableaux de bord rendent visibles certaines formes de préjudice tout en en occultant d’autres. La loi de Campbell et la loi de Goodhart mettent en évidence le problème fondamental : lorsque les indicateurs deviennent des instruments de décision, de financement, de classement ou de sanction, les personnes et les institutions apprennent à optimiser l’indicateur plutôt qu’à poursuivre la finalité sous-jacente (Campbell, 1979; Goodhart, 1975). Les recherches sur la culture de l’audit et les classements montrent comment les systèmes de mesure peuvent remodeler les institutions qu’ils prétendent seulement décrire (Power, 1997; Espeland & Sauder, 2007). Dans le domaine de l’éducation, Biesta avertit que l’essor de la mesure peut reléguer au second plan les questions plus difficiles concernant les finalités éducatives, les valeurs et le jugement démocratique (Biesta, 2010).

C’est pourquoi la mesure doit être liée à la souveraineté éducative. Les questions les plus difficiles portent sur qui décide de ce qui compte, qui possède les données, qui peut en contester l’interprétation, quelles conséquences en découlent et quelles formes de développement humain sont protégées contre leur réduction à des signaux. La mesure peut révéler la dépendance, mais elle peut aussi l’aggraver. Un profil d’apprenant peut aider à coordonner l’accompagnement, ou devenir une ombre administrative permanente. Un indice de préparation climatique peut orienter les investissements, ou devenir un moyen de rendre des systèmes fragiles responsables de conditions qu’ils n’ont pas créées. Un tableau de bord consacré à l’IA peut améliorer la supervision, ou normaliser la surveillance en la présentant comme une forme de sollicitude.

La dépendance doit être mesurée avec autant de soin que la performance, sans pour autant transformer la souveraineté en score. Les institutions et les fournisseurs apprendront rapidement à afficher leur conformité. Un établissement scolaire peut déclarer utiliser des outils à code source ouvert tout en dépendant d’une infrastructure infonuagique propriétaire. Un fournisseur peut vendre une interface conforme aux exigences de souveraineté autour d’un système extractif. Un ministère peut classer les institutions selon leur degré de dépendance tout en ignorant les conditions politiques et budgétaires qui l’ont produit. C’est pourquoi la mesure de la dépendance doit servir au diagnostic, à la délibération publique, à l’examen des achats et à l’apprentissage institutionnel, et non constituer un système de classement ou un outil de sanction. Il s’agit de révéler où l’autorité a été perdue, si les institutions peuvent auditer les systèmes préjudiciables et s’en retirer, et ce qu’il faudrait pour en reprendre le contrôle.

Le critère décisif est de savoir si la mesure renforce l’autorité publique ou accroît simplement la visibilité. Si elle aide les institutions à gouverner, à contester, à se retirer et à réparer, elle a sa place dans un programme de souveraineté. Si elle produit des signaux de conformité pour des systèmes que les apprenants ne peuvent contester, elle relève de la machinerie du classement.


Souveraineté éducative

La souveraineté éducative est le pouvoir qu’ont les apprenants, les éducateurs, les établissements et les communautés de gouverner les finalités, les infrastructures, les données, les technologies et les systèmes d’évaluation par lesquels s’effectue l’apprentissage, de fixer des limites à la surveillance et à l’extraction, de préserver le droit de se retirer de dispositifs préjudiciables et de construire des alternatives publiques. L’éducation perd son autorité publique lorsque ses infrastructures essentielles appartiennent à des acteurs extérieurs. Il s’agit d’une dépendance inscrite dans la conception même des dispositifs, d’une forme de mise en enclos numérique : les écoles et les universités deviennent les utilisatrices de systèmes qu’elles ne peuvent ni examiner, ni modifier, ni quitter, ni gouverner.

Dans de nombreux systèmes, la dépendance technologique suit également un schéma colonial : les données circulent vers l’extérieur, les infrastructures appartiennent à des acteurs extérieurs, les normes sont définies ailleurs, et les établissements locaux doivent s’adapter à des systèmes qu’ils n’ont pas conçus et qu’ils ne peuvent pas gouverner (Ahmed, 2026; Moravec, 2026). Dans ses travaux antérieurs sur l’IA, la colonialité et la souveraineté éducative, Moravec (2026) décrit quatre voies par lesquelles le pouvoir des plateformes pénètre l’éducation : l’infrastructure, la classification, l’épistémologie et le travail. L’infrastructure renvoie aux contrats de services en nuage, aux marchés publics verrouillés et aux piles technologiques contrôlées par les fournisseurs. La classification renvoie à la prédiction, à la détection, à la notation, aux normes linguistiques et aux étiquettes de risque. L’épistémologie renvoie aux manières dont les couches de sécurité, les systèmes de classement et le comportement des modèles façonnent ce qui est considéré comme un savoir légitime. Le travail renvoie aux tâches de réparation non rémunérées qu’accomplissent les éducateurs et les étudiants lorsqu’ils stabilisent des systèmes privés en mobilisant du temps financé par des fonds publics. Ces voies donnent à la dépendance une réalité concrète. L’éducation devient moins souveraine lorsque ses infrastructures sont louées, que ses apprenants sont classés par des systèmes qu’elle ne peut pas auditer, que ses savoirs sont filtrés ailleurs et que le travail qu’elle mobilise sert à réduire les risques associés à des produits privés.

Cela déplace la question centrale de l’IA de l’adoption vers l’autorité : qui contrôle les systèmes, qui les audite, qui possède les données, qui définit les savoirs légitimes, qui bénéficie de l’automatisation, qui en subit les préjudices et qui a le droit de contester, de modifier ou de se retirer. Un système scolaire qui utilise l’IA sans disposer de ces formes d’autorité peut gagner en efficacité tout en perdant en souveraineté.

La littératie demeure une condition préalable au pouvoir d’agir, mais la souveraineté éducative commence là où cette littératie acquiert une force institutionnelle : lorsque les apprenants et les établissements peuvent gouverner, contester, réviser et quitter les systèmes qu’ils comprennent.

Tableau 8
Domaines de la souveraineté éducative

DomaineQuestion de souverainetéImplication après 2030
Programme d’étudesQui décide quels savoirs comptent ?Les communautés doivent avoir l’autorité nécessaire pour définir des finalités au-delà de l’alignement sur le marché du travail.
DonnéesQui possède les données des apprenants, y accède, les supprime et en bénéficie ?La minimisation des données, le consentement, les droits à l’effacement et le contrôle local deviennent des garanties éducatives.
Systèmes d’IAQui peut examiner, auditer, contester, réviser ou quitter les systèmes automatisés ?Les marchés publics doivent préserver l’autorité publique plutôt que transférer la gouvernance aux fournisseurs.
Travail enseignantQui interprète les apprentissages et exerce un jugement professionnel ?Les enseignants ne doivent pas être réduits à des surveillants d’un enseignement automatisé.
CertificationsQui définit ce qui constitue une preuve valide d’apprentissage ?Les portfolios, la confiance du public et une formation étendue ne doivent pas être remplacés par les indicateurs réducteurs des plateformes.
Résilience climatiqueQui protège les conditions matérielles de l’apprentissage ?Les écoles deviennent des infrastructures civiques au service de la continuité, du soin et de l’adaptation.
TravailQui capte la valeur produite par l’apprentissage et la technologie ?La capacité knowmadique doit être liée au pouvoir de négociation, aux infrastructures coopératives et à la protection sociale.
Note. Synthèse de l’auteur ; les sources sont indiquées dans le texte environnant et dans les cellules du tableau.

Ces réponses affirment des exigences en matière d’autorité plutôt qu’elles ne proposent des solutions techniques. La souveraineté éducative pose la question de savoir si les apprenants et les communautés disposent d’un pouvoir réel sur les systèmes qui définissent l’apprentissage, mesurent le développement, répartissent les possibilités et établissent quelles formes de savoir comptent.

La souveraineté éducative fournit le cadre structurel dans lequel la capacité knowmadique peut devenir autre chose qu’une simple adaptabilité individuelle. Elle donne aux apprenants, aux éducateurs, aux établissements et aux communautés l’autorité collective nécessaire pour agir lorsque les systèmes et les parcours établis échouent.

La capacité knowmadique s’inscrit au cœur de la souveraineté éducative, et non à sa périphérie. Elle ne devient émancipatrice que lorsque la mobilité est protégée par des droits transférables, des infrastructures publiques, une protection sociale, un pouvoir de négociation et une propriété coopérative. Sans ces soutiens, la mobilité se réduit à une condition où chacun devient remplaçable à volonté.


Les mécanismes de la souveraineté éducative

La souveraineté éducative désigne le pouvoir de gouverner, de limiter, de se retirer et de construire. Les communautés ne peuvent gouverner les systèmes par la seule force de leurs aspirations, surtout lorsque les fournisseurs possèdent les infrastructures, que les États contrôlent les financements et que les établissements scolaires manquent de personnel technique, de soutien juridique et de pouvoir de négociation. La souveraineté dépend de leviers qui peuvent être inscrits dans la loi, les contrats, les budgets, les règles d’accréditation, les normes de passation des marchés, les accords collectifs et les plans d’infrastructures publiques.

Figure 6
Souveraineté éducative

Loading knowledge map…

Note. Carte interactive des connaissances. Créée avec KnowMapped.

L’action de l’État est cruciale, car seuls le droit, les financements publics, les protections du travail, les règles de passation des marchés et la réglementation peuvent contraindre les fournisseurs puissants à grande échelle. Mais l’autorité publique n’est pas automatiquement démocratique. Le même État qui finance les droits et les infrastructures peut aussi centraliser les données, imposer des régimes technologiques dictés par des impératifs sécuritaires et assimiler les résistances locales à des troubles à l’ordre public. La souveraineté éducative ne peut donc reposer sur la seule bienveillance de l’État. Les institutions et les communautés peuvent construire une souveraineté partielle en établissant des règles locales, en choisissant soigneusement leurs outils, en protégeant l’attention, en limitant l’extraction des données, en préservant le jugement humain, en constituant des dossiers partagés, en créant des espaces où l’usage des appareils numériques est limité et en développant des solutions d’intérêt public. L’action locale ne peut se substituer à la responsabilité publique. Elle peut réduire la dépendance tandis que se poursuivent des luttes politiques plus larges.

Tableau 9
Les mécanismes de la souveraineté éducative

NiveauActions possibles
ÉtatDroit, financement, règles de passation des marchés, droits sur les données, protections du travail, droit de la concurrence, infrastructures publiques, financement de la résilience climatique.
Intermédiaire civiqueAchats mutualisés, audits des fournisseurs, assistance technique d’intérêt public, infrastructures ouvertes, modèles de politiques, certification des outils, modèles de documents juridiques, examen de la sécurité et mutualisation du personnel technique.
InstitutionExigences applicables aux fournisseurs, règles d’utilisation de l’IA, minimisation des données, examen humain, garanties en matière d’évaluation, espaces d’apprentissage où l’usage des appareils numériques est limité, clauses de sortie, accords syndicaux.
CommunautéCommuns d’apprentissage, accompagnement en bibliothèque, accords entre parents et enseignants sur les données, portfolios locaux, assistance technologique coopérative, entraide face aux aléas climatiques, espaces d’étude sans outils numériques.
Note. Synthèse de l’auteur ; les sources sont indiquées dans le texte environnant et les cellules du tableau.

Ces niveaux sont distincts et ne sont généralement pas interchangeables. Les communautés ne peuvent ni remplacer les financements publics ni réglementer seules les plateformes mondiales. Les institutions ne peuvent négocier équitablement lorsqu’elles agissent en acheteurs isolés. Les États ne peuvent protéger la souveraineté éducative s’ils manquent d’expertise technique ou privilégient par défaut une uniformité dictée par des impératifs sécuritaires. Les intermédiaires civiques sont proposés ici comme l’échelon intermédiaire manquant, et non comme une solution garantie. Leur rôle serait de mutualiser l’expertise, la légitimité, le pouvoir de négociation et les infrastructures afin que les établissements scolaires et les communautés ne soient pas contraints d’agir seuls. Leur mise en place est l’un des chantiers institutionnels non résolus de l’éducation au-delà de 2030.

Les intermédiaires civiques se situent dans la tension entre autorité publique et contrôle étatique. Leur rôle n’est pas de remplacer l’État, mais de rendre l’autorité publique plus distribuée, plus contestable et plus difficile à soumettre à une capture par les fournisseurs ou les services de sécurité. Ils obtiennent des concessions en mutualisant les capacités de mise en œuvre, la légitimité professionnelle, l’information publique, les recours juridiques, l’expertise en matière de marchés et la confiance des communautés. Un État guidé par des impératifs sécuritaires peut imposer des systèmes centralisés, mais il a toujours besoin des professionnels de l’éducation, des établissements scolaires, des municipalités, des familles, des systèmes de gestion des dossiers et des infrastructures locales pour rendre ces systèmes légitimes et opérationnels. Les intermédiaires civiques acquièrent un pouvoir de négociation lorsqu’ils organisent ces points d’appui de la mise en œuvre en un bloc.

La souveraineté éducative ne peut consister à demander à chaque établissement scolaire d’inspecter seul des modèles d’apprentissage profond, de négocier des contrats de services en nuage ou de disposer de ses propres équipes d’audit technique. Cela reproduirait le transfert de charges que critique ce rapport. Les charges techniques, juridiques et liées à la passation des marchés doivent être mutualisées. Les établissements scolaires et les communautés ont besoin de choix garantis par des droits opposables, et non d’une attente impossible selon laquelle chaque institution pourrait maîtriser de manière autonome les systèmes qu’on la pousse à adopter.

Les mécanismes de la souveraineté dépendent donc de capacités mutualisées. Les établissements d’enseignement renforcent leur pouvoir de négociation lorsqu’ils agissent ensemble : acheter ensemble, fixer des conditions communes, rejeter ensemble les conditions défavorables, maintenir ensemble des solutions de remplacement et quitter ensemble les systèmes préjudiciables. Un établissement isolé peut avoir peu de pouvoir de négociation. Un réseau doté de normes communes, de modèles de documents juridiques, de capacités d’examen technique et d’un accompagnement à la migration peut modifier les conditions d’adoption.

Tableau 10
Leviers de gouvernance et répartition des responsabilités

LevierFonctionAction à mener sur cinq ans
Règles de la commande publiqueEmpêchent l’enseignement public de céder son autorité par des contrats avec les fournisseurs.Exiger des droits d’audit, la minimisation des données, l’interopérabilité, des droits de résiliation, une documentation des modèles et l’interdiction des utilisations secondaires dissimulées des données des apprenants.
Garanties procédurales en matière algorithmiqueProtègent les apprenants et les professionnels de l’éducation contre les décisions automatisées qu’ils ne peuvent contester.Exiger une notification, une explication, un examen humain, des droits de recours et un audit indépendant pour l’IA utilisée dans l’évaluation, l’affectation, la discipline, le conseil, l’attribution d’aides, le recrutement ou la classification des risques.
Droits des apprenants sur leurs donnéesEmpêchent les historiques d’apprentissage de devenir des profils administratifs permanents contrôlés par des tiers.Garantir l’accès, la rectification, l’effacement, la portabilité et des limites à la conservation et à la réutilisation des données.
Infrastructures numériques publiquesRéduisent la dépendance aux plateformes privées comme architecture par défaut de l’apprentissage.Financer des outils à code source ouvert, d’intérêt public et interopérables que les établissements scolaires peuvent inspecter, adapter et abandonner.
Gouvernance des relations de travailDonne aux professionnels de l’éducation un pouvoir sur les outils qui modifient l’enseignement, la charge de travail, la surveillance et le jugement professionnel.Négocier l’inscription, dans les accords collectifs et les politiques institutionnelles, de dispositions sur l’adoption de l’IA, les règles relatives à la charge de travail, les limites de la surveillance, l’automatisation de l’évaluation et le pouvoir de réexamen des enseignants.
Financement de la résilience climatiqueEmpêche l’adaptation climatique de devenir une obligation supplémentaire imposée aux établissements scolaires sans financement.Financer le rafraîchissement des locaux, la qualité de l’air, la communication d’urgence, la continuité de l’alimentation, les transports, le soutien en santé mentale et les plans de résilience interinstitutionnels.
Normes contre le verrouillage technologiquePréservent la possibilité de quitter les systèmes préjudiciables ou obsolètes.Exiger des normes ouvertes, l’exportation des données, l’accès aux API, la portabilité des contrats et la propriété publique des dossiers essentiels.
Capacités publiques en IAEmpêchent les ministères et les systèmes scolaires de dépendre des affirmations des fournisseurs.Constituer des équipes techniques publiques capables d’évaluer les modèles, d’auditer les systèmes, de négocier les contrats et d’accompagner les établissements scolaires.
Audit épistémique et gouvernance pluraliste des savoirsEmpêchent les systèmes éducatifs de traiter les jeux de données, les langues, les référentiels d’évaluation et les classifications dominants comme un savoir universel.Exiger la documentation des jeux de données, l’examen des référentiels d’évaluation, des tests dans les langues locales, un examen des dimensions curriculaires et culturelles, un contrôle par les professionnels de l’éducation et les communautés, ainsi que des rapports publics précisant de qui les savoirs sont représentés, exclus ou déformés.
Note. Synthèse de l’auteur ; les sources sont indiquées dans le texte environnant et les cellules du tableau.

La souveraineté éducative exige aussi une autorité épistémique. Un système peut être ouvert, auditable et hébergé localement tout en reproduisant les hiérarchies des savoirs inscrites dans ses données, ses référentiels d’évaluation, ses modèles de langage et ses schémas de classification. Des travaux récents sur l’IA générative dans l’éducation à l’échelle mondiale mettent en garde contre la capacité des modèles à reproduire des présupposés culturels occidentaux, à marginaliser les langues non dominantes et à gommer la diversité des systèmes de savoirs autochtones ou locaux (Nyaaba et al., 2024; UNESCO, 2025c). Les études sur les grands modèles de langage montrent également la persistance de biais culturels et de faiblesses dans la conception des référentiels d’évaluation, en particulier lorsque l’évaluation néglige les normes culturelles et idéologiques (McIntosh et al., 2024; Tao et al., 2023). Les intermédiaires civiques ont donc besoin de capacités d’examen épistémique, et pas seulement technique. Ils doivent pouvoir demander de qui les savoirs sont représentés, de qui la langue est dégradée, de qui l’histoire est simplifiée à outrance, de qui le travail est traité comme matériau d’entraînement et de qui les modes de connaissance sont rendus invisibles. Sans cette capacité, l’éducation peut sécuriser la chaîne de traitement tout en laissant intacte la hiérarchie sous-jacente des savoirs.

Ces leviers ne deviennent crédibles que si les responsabilités sont réparties. Les États définissent les droits et les conditions de financement. Les intermédiaires civiques mutualisent l’expertise et le pouvoir de négociation. Les institutions fixent les exigences éducatives et les lignes rouges. Les communautés apportent la légitimité, les savoirs locaux et le contrôle de l’action menée. Les établissements scolaires ne devraient pas avoir à assumer seuls la charge technique.

La souveraineté éducative sera aussi limitée par le cloisonnement géopolitique des piles technologiques. Il est peu probable que l’internet de demain demeure une couche mondiale neutre sur laquelle les institutions locales se contenteraient de choisir des outils. La souveraineté numérique, la localisation des données, les politiques de cybersécurité, les contrôles des exportations, la dépendance aux services en nuage, l’accès aux modèles d’IA et les préoccupations de sécurité nationale fragmentent déjà l’environnement numérique en blocs concurrents. Pour l’éducation, les plateformes, les programmes d’enseignement, les systèmes de données et les outils d’IA peuvent devenir des instruments d’influence géopolitique autant que des infrastructures d’apprentissage. La souveraineté locale comptera, mais elle s’exercera au sein de régimes technologiques nationaux et régionaux qui détermineront quels outils sont disponibles, légaux, finançables et sûrs (Musoni et al., 2023).

Ces leviers ne résolvent pas tous les problèmes structurels. Ils créent les conditions minimales qui rendent possible la souveraineté éducative. Sans eux, la mobilisation locale reste symbolique, la capacité knowmadique devient précaire et les institutions publiques continuent de s’adapter à des systèmes qu’elles ne peuvent gouverner.


Conclusion

L’effondrement de la préparation ne signifie pas que l’éducation n’a pas d’avenir. Il signifie que l’éducation ne peut plus se justifier en promettant une adéquation stable avec des avenirs que les institutions ne peuvent pas imaginer de manière fiable. Sa tâche devient plus difficile et plus politique : protéger les conditions dans lesquelles les personnes peuvent penser, juger, créer, trouver leur place, contester et agir lorsque la prédiction échoue.

Si les capacités des machines peuvent évoluer plus vite que les programmes d’enseignement, les titres, les qualifications et les parcours professionnels, alors l’éducation ne peut pas assurer l’avenir en prévoyant le prochain ensemble stable de compétences. Sa tâche la plus durable consiste à développer une capacité knowmadique : la capacité d’apprendre, de juger, de créer, de collaborer, de nouer des relations, de combiner des connaissances et de construire de nouvelles voies lorsque les voies établies disparaissent. La souveraineté éducative fournit les conditions institutionnelles dans lesquelles cette capacité devient un pouvoir d’agir plutôt qu’une nouvelle exigence d’adaptation permanente.

L’avenir de l’éducation au-delà de 2030 ne sera pas façonné par la sophistication des outils. Il sera déterminé par la capacité des écoles, des universités, des communautés, des acteurs intermédiaires de la société civile et des institutions publiques à gouverner les systèmes dont ils dépendent. La trajectoire dominante mène à une préparation sans pouvoir : formation automatisée, contrôle par les plateformes, surveillance, cloisonnement géopolitique, triage climatique et adaptation sans fin à des systèmes gouvernés ailleurs. Une autre voie exige la souveraineté éducative : le pouvoir public de gouverner, de limiter, de se retirer et de construire. La préparation sans pouvoir n’est qu’une adaptation aux avenirs privilégiés par d’autres.


Annexe : glossaire des termes clés

Tableau A1
Glossaire des termes clés

ConceptDéfinition retenue dans ce rapport
Effondrement du pouvoir d’agirSituation dans laquelle les personnes et les institutions conservent des choix formels tout en perdant toute autorité réelle sur les infrastructures automatisées, les modèles prédictifs, les systèmes de données, les règles des plateformes et les classifications qui façonnent leur vie. Le pouvoir d’agir s’effondre lorsque les personnes ne peuvent pas véritablement comprendre, contester, modifier ou quitter les systèmes qui régissent des décisions lourdes de conséquences.
Retour à l’analogiqueMouvement visant à restreindre les écrans, les smartphones et les autres formes de médiation numérique dans les environnements d’apprentissage. Il peut protéger l’attention, la vie privée, l’enfance et la formation humaine, mais il peut aussi devenir un privilège réservé aux élites si un apprentissage riche en relations humaines est préservé pour certains tandis que l’éducation de masse s’automatise davantage.
Intelligence artificielle générale (IAG)Seuil contesté à partir duquel les systèmes d’IA acquièrent de larges capacités cognitives dans de multiples domaines, au lieu de rester cantonnés à des tâches limitées. Ce rapport ne repose ni sur une définition précise ni sur une date d’avènement particulière. Son importance pour l’éducation tient à la possibilité que les capacités des machines évoluent plus vite que ne peuvent s’adapter les programmes scolaires, les qualifications, les référentiels professionnels et les cursus diplômants, entraînant une dépréciation de la préparation aux formes anticipées de travail cognitif avant même que les apprenants ne l’aient achevée.
Intermédiaires civiques / le chaînon intermédiaire manquantInstitutions publiques, à but non lucratif, professionnelles ou coopératives capables de mutualiser les capacités techniques, juridiques, financières et politiques, ainsi que celles liées aux achats, entre établissements scolaires, universités, bibliothèques, syndicats, municipalités et collectifs œuvrant pour des technologies d’intérêt public. Elles constituent un échelon manquant entre l’autorité de l’État, le pouvoir du marché et les institutions locales isolées, et peuvent fournir la capacité collective nécessaire à l’exercice de la souveraineté éducative.
Effondrement de la préparationRupture de la promesse traditionnelle de l’éducation selon laquelle les institutions peuvent préparer les personnes à des avenirs suffisamment stables pour être compris, anticipés et servir de base à la conception des dispositifs éducatifs. À mesure que les transformations technologiques et institutionnelles s’accélèrent, le cycle de prospective, de conception des programmes, d’approbation, d’enseignement, d’évaluation et de certification peut devenir plus lent que l’évolution des conditions auxquelles il est censé répondre.
Contre-pouvoirCapacité concrète à modifier les conditions de négociation plutôt qu’à simplement exprimer des préoccupations. Dans l’éducation, il peut comprendre la mutualisation des achats, des clauses contractuelles communes, une certification d’intérêt public, le financement de la maintenance, l’examen technique, l’aide à la migration, la publication de rapports, la négociation collective et la capacité à quitter collectivement des systèmes préjudiciables.
Dépendance par conceptionConfiguration dans laquelle l’éducation devient structurellement dépendante de systèmes qu’elle ne peut ni inspecter, ni modifier, ni gouverner, ni quitter sans coûts importants. Cette dépendance est produite par les infrastructures, les contrats, les plateformes propriétaires, l’extraction de données, les normes, le verrouillage technique et le contrôle externe de fonctions éducatives essentielles.
Enclosure numériqueTransfert de l’autorité éducative, des infrastructures, des données, des systèmes de connaissances ou de la prise de décision vers des systèmes technologiques privés ou gouvernés par des acteurs externes. Elle comprend la dépendance à l’égard des plateformes infonuagiques, des modèles propriétaires, des contrats verrouillés, des infrastructures de données et des systèmes de certification qui réduisent la capacité des communautés éducatives à gouverner leurs propres institutions.
Néo-féodalisme éducatifAvenir éducatif stratifié dans lequel une formation humaine étendue, le mentorat, la vie privée, l’augmentation des capacités par la technologie et le pouvoir d’agir sont protégés pour les élites, tandis que la plupart des apprenants reçoivent une formation automatisée, sont soumis à la surveillance et à des systèmes de mise en conformité, et bénéficient d’une préparation étroitement orientée vers le marché du travail. Ce terme désigne une configuration possible de développement éducatif inégal plutôt qu’une prédiction.
Souveraineté éducativePouvoir public et collectif des apprenants, des éducateurs, des institutions et des communautés de définir les finalités de l’apprentissage, de gouverner, de limiter, de quitter et de construire les infrastructures, les dispositifs de données, les technologies et les systèmes d’évaluation par lesquels il se réalise. Elle comprend l’autorité nécessaire pour fixer des limites à la surveillance et à l’extraction, préserver le jugement humain, contester les décisions automatisées et créer des solutions publiques de remplacement lorsque la dépendance devient inacceptable.
Quatre voies de la colonialitéQuatre voies par lesquelles la dépendance numérique et le pouvoir colonial peuvent pénétrer l’éducation : l’infrastructure, la classification, l’épistémologie et le travail. Ce cadre interroge la propriété des systèmes éducatifs, l’identité de ceux qui classent les apprenants, les savoirs qui sont représentés ou marginalisés, et les personnes dont le travail assure la maintenance de technologies contrôlées ailleurs.
Décalage humainÉcart croissant entre la rapidité des transformations technologiques, écologiques, institutionnelles et du travail, et le rythme plus lent du droit, de la gouvernance, de l’éthique, du langage public, des programmes d’enseignement, des certifications et de la compréhension collective. Le décalage humain décrit la situation dans laquelle les institutions continuent d’agir au moyen de catégories et de processus qui ne suivent plus le rythme des systèmes qu’elles tentent de gouverner.
Capacité knowmadiqueCapacité à apprendre dans des contextes variés, à créer des connaissances, à formuler des problèmes, à exercer son jugement, à construire des réseaux et des communautés, à combiner des connaissances issues de différents domaines, à utiliser la technologie en exerçant son pouvoir d’agir et à créer de nouvelles formes de travail et de valeur lorsque les parcours établis se transforment ou disparaissent. Elle se distingue de l’adaptabilité permanente, car sa finalité n’est pas de rester utile à des systèmes gouvernés de l’extérieur, mais de pouvoir agir et créer dans des conditions d’incertitude. Sans droits transférables, infrastructures publiques, protection sociale, pouvoir de négociation et souveraineté éducative, la capacité knowmadique peut se muer en précarité.
Préparation sans pouvoirPiège des politiques publiques qui consiste à demander aux apprenants, aux travailleurs et aux institutions de devenir plus adaptables tout en laissant sous contrôle externe les infrastructures du travail, de l’apprentissage, des données, de la résilience climatique et de la technologie. Les compétences pour l’avenir, la reconversion, l’apprentissage tout au long de la vie, la culture de l’IA, les microcertifications, la personnalisation, l’innovation et l’alignement sur les besoins du marché du travail deviennent des formes de préparation sans pouvoir lorsqu’ils substituent l’adaptation individuelle à l’autorité institutionnelle et au pouvoir d’agir collectif.
Singularité comme horizon de mise à l’épreuvePerspective méthodologique plutôt que prédiction. Elle désigne la limite ultime du modèle de préparation : une situation dans laquelle l’accélération des transformations technologiques, écologiques, institutionnelles et du travail dépasse la capacité des personnes et des institutions publiques à imaginer, à interpréter, à gouverner et à réagir de manière cohérente. Ce concept reste utile même si aucune Singularité technologique ne se produit, car il révèle comment la planification éducative se désagrège sous l’effet d’une accélération extrême.
Note. Synthèse de l’auteur ; les sources sont indiquées dans le texte environnant et dans les cellules du tableau.

Références

Acemoglu, D., & Restrepo, P. (2019). Automation and new tasks: How technology displaces and reinstates labor. Journal of Economic Perspectives, 33(2), 3–30. https://doi.org/10.1257/jep.33.2.3

Adorno, T. W., Frenkel-Brunswik, E., Levinson, D. J., & Sanford, R. N. (1950). The authoritarian personality. Harper & Brothers.

Ahmed, S. A. (2026). Algorithmic dependence and digital colonialism: A conceptual framework for artificial intelligence in education and knowledge systems of the Global South. Frontiers in Education, 11, Article 1720563. https://doi.org/10.3389/feduc.2026.1720563

Arendt, H. (1951). The origins of totalitarianism. Harcourt, Brace.

Autor, D. (2024). Applying AI to rebuild middle-class jobs (NBER Working Paper No. 32140). National Bureau of Economic Research. https://doi.org/10.3386/w32140

Biesta, G. J. J. (2010). Good education in an age of measurement: Ethics, politics, democracy. Paradigm Publishers.

Blacker, D. (2013). The falling rate of learning and the neoliberal endgame. Zero Books.

Bostrom, N. (2014). Superintelligence: Paths, dangers, strategies. Oxford University Press.

Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044

Campbell, D. T. (1979). Assessing the impact of planned social change. Evaluation and Program Planning, 2(1), 67–90.

Copernicus Climate Change Service. (2025). Global climate highlights 2024. European Centre for Medium-Range Weather Forecasts. https://climate.copernicus.eu/global-climate-highlights-2024

Couldry, N., & Mejias, U. A. (2019). The costs of connection: How data is colonizing human life and appropriating it for capitalism. Stanford University Press.

Dator, J. (2009). Alternative futures at the Manoa School. Journal of Futures Studies, 14(2), 1–18.

Education Futures. (2025). 2025 GEFRI finds wide readiness gaps and a global innovation bottleneck. https://educationfutures.com/post/2025-gefri-finds-wide-readiness-gaps-and-a-global-innovation-bottleneck/

Education Futures. (2026). Global Education Futures Readiness Index (GEFRI). https://gefri.educationfutures.com/

Ellul, J. (1964). The technological society (J. Wilkinson, Trans.). Knopf.

Espeland, W. N., & Sauder, M. (2007). Rankings and reactivity: How public measures recreate social worlds. American Journal of Sociology, 113(1), 1–40.

Eubanks, V. (2018). Automating inequality: How high-tech tools profile, police, and punish the poor. St. Martin’s Press.

Facer, K. (2011). Learning futures: Education, technology and social change. Routledge. https://doi.org/10.4324/9780203817308

Foucault, M. (1977). Discipline and punish: The birth of the prison (A. Sheridan, Trans.). Pantheon Books.

Foucault, M. (2007). Security, territory, population: Lectures at the Collège de France, 1977–1978 (G. Burchell, Trans.). Palgrave Macmillan.

Fourcade, M., & Healy, K. (2017). Seeing like a market. Socio-Economic Review, 15(1), 9–29. https://doi.org/10.1093/ser/mww033

Giroux, H. A. (2014). Neoliberalism’s war on higher education. Haymarket Books.

Gmyrek, P., Winkler, H., & Garganta, S. (2025). Generative AI and jobs: A refined global index of occupational exposure. International Labour Organization. https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure

Goodhart, C. A. E. (1975). Problems of monetary management: The U.K. experience. Reserve Bank of Australia.

Hobsbawm, E. J. (1952). The machine breakers. Past & Present, 1(1), 57–70. https://doi.org/10.1093/past/1.1.57

Intergovernmental Panel on Climate Change. (2023). Climate change 2023: Synthesis report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. IPCC. https://www.ipcc.ch/report/ar6/syr/

International Energy Agency. (2025). Energy and AI. https://www.iea.org/reports/energy-and-ai

Kurzweil, R. (2024). The Singularity is nearer: When we merge with AI. Viking.

Labaree, D. F. (2008). The winning ways of a losing strategy: Educationalizing social problems in the United States. Educational Theory, 58(4), 447–460. https://doi.org/10.1111/j.1741-5446.2008.00299.x

McIntosh, T. R., Susnjak, T., Arachchilage, N., Liu, T., Watters, P., & Halgamuge, M. N. (2024). Inadequacies of large language model benchmarks in the era of generative artificial intelligence. arXiv. https://arxiv.org/abs/2402.09880

Moravec, J. W. (2013). Knowmad society: The “new” work and education. On the Horizon, 21(2), 79–83. https://doi.org/10.1108/10748121311322978

Moravec, J. W. (2026). Beyond the digital enclosure: AI, coloniality, and the pursuit of educational sovereignty. Learning Futures and Emerging Technologies, 1–10. https://doi.org/10.1108/LFET-01-2026-0004

Morris, M. R., Sohl-Dickstein, J., Fiedel, N., Warkentin, T., Dafoe, A., Faust, A., Farabet, C., & Legg, S. (2024). Position: Levels of AGI for operationalizing progress on the path to AGI. In Proceedings of the 41st International Conference on Machine Learning (Vol. 235, pp. 36308–36321). PMLR. https://proceedings.mlr.press/v235/morris24b.html

Mulgan, G. (2018). Big mind: How collective intelligence can change our world. Princeton University Press. https://doi.org/10.1515/9781400888511

Musoni, M., Karkare, P., Teevan, C., & Domingo, E. (2023). Global approaches to digital sovereignty: Competing definitions and contrasting policy (Discussion Paper No. 344). ECDPM. https://ecdpm.org/work/global-approaches-digital-sovereignty-competing-definitions-and-contrasting-policy

Nyaaba, M., Wright, A., & Choi, G. L. (2024). Generative AI and digital neocolonialism in global education: Towards an equitable framework. arXiv. https://arxiv.org/abs/2406.02966

Nussbaum, M. C. (2010). Not for profit: Why democracy needs the humanities. Princeton University Press.

O’Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown.

OpenAI. (2026). Path to Astra: Critical capabilities and frontier safeguards. OpenAI.

Organisation for Economic Co-operation and Development. (2025). Education at a glance 2025: OECD indicators. OECD Publishing. https://www.oecd.org/en/publications/2025/09/education-at-a-glance-2025_c58fc9ae.html

Power, M. (1997). The audit society: Rituals of verification. Oxford University Press.

Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.

Smeyers, P., & Depaepe, M. (Eds.). (2008). Educational research: The educationalization of social problems. Springer.

Srnicek, N. (2017). Platform capitalism. Polity Press.

Stanford Institute for Human-Centered AI. (2026). The 2026 AI Index report. Stanford University. https://hai.stanford.edu/ai-index/2026-ai-index-report

Tao, Y., Viberg, O., Baker, R. S., & Kizilcec, R. F. (2023). Cultural bias and cultural alignment of large language models. arXiv. https://arxiv.org/abs/2311.14096

UNESCO. (2023a). Global education monitoring report 2023: Technology in education: A tool on whose terms? UNESCO. https://www.unesco.org/gem-report/en/technology

UNESCO. (2023b). Guidance for generative AI in education and research. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research

UNESCO. (2025a). Out-of-school rate. https://www.unesco.org/en/education/view/outofschool

UNESCO. (2025b). Smartphones in school? Only when they clearly support learning. https://www.unesco.org/en/articles/smartphones-school-only-when-they-clearly-support-learning

UNESCO. (2025c). Languages matter: Global guidance on multilingual education. https://www.unesco.org/en/articles/new-unesco-report-calls-multilingual-education-unlock-learning-and-inclusion

UNESCO. (2025d). What we stand to lose: The costs of children and youth not learning by 2030. https://www.unesco.org/en/articles/what-we-stand-lose-costs-children-and-youth-not-learning-2030

UNESCO Global Education Monitoring Report. (2026). Phone bans in schools are spreading worldwide as the policy debate rages. https://www.unesco.org/gem-report/en/articles/phone-bans-schools-are-spreading-worldwide-policy-debate-rages

UNICEF. (2025). Learning interrupted: Global snapshot of climate-related school disruptions in 2024. https://www.unicef.org/reports/learning-interrupted-global-snapshot-2024

United Nations Department of Economic and Social Affairs, Population Division. (2024). World population prospects 2024: Summary of results (UN DESA/POP/2024/TR/NO. 9). United Nations. https://desapublications.un.org/publications/world-population-prospects-2024-summary-results

U.S. Department of Energy. (2024). 2024 report on U.S. data center energy use. https://www.energy.gov/articles/doe-releases-new-report-evaluating-increase-electricity-demand-data-centers

Vinge, V. (1993). The coming Technological Singularity: How to survive in the post-human era. In G. A. Landis (Ed.), Vision-21: Interdisciplinary science and engineering in the era of cyberspace (NASA Conference Publication 10129, pp. 11–22). NASA.

Watters, A. (2021). Teaching machines: The history of personalized learning. MIT Press.

Williamson, B., & Eynon, R. (2024). Sociodigital futures of education: reparations, sovereignty, care, and democratisation. Oxford Review of Education, 50(3), 335–351. https://doi.org/10.1080/03054985.2024.2334495

Winner, L. (1980). Do artifacts have politics? Daedalus, 109(1), 121–136.

World Bank. (2022). 70% of 10-year-olds now in learning poverty, unable to read and understand a simple text. https://www.worldbank.org/en/news/press-release/2022/06/23/70-of-10-year-olds-now-in-learning-poverty-unable-to-read-and-understand-a-simple-text

Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier of power. PublicAffairs.

Retour en haut