« Avec l'IA, il faut repenser ce que signifie apprendre »

L’intelligence artificielle générative s’immisce depuis quatre ans dans tous les domaines, obligeant tout un chacun à repenser ses habitudes. Dans les hautes écoles, les étudiantes et étudiants l’utilisent pour rédiger, chercher des informations ou résoudre des problèmes, tandis que les scientifiques l’ont déjà largement intégrée à leurs recherches. Son adoption oblige également à revoir certaines pratiques pédagogiques : lorsque des outils sont capables d’accomplir en quelques secondes une partie des tâches traditionnellement confiées aux étudiantes et étudiants, la frontière entre obtenir une réponse et apprendre devient plus compliquée à définir.

Ces questions sont au cœur de notre dossier consacré à l’IA dans les études paru à l’occasion de la rentrée académique. Elles occupent également Dan Schwartz depuis de nombreuses années. Professeur de technologies éducatives à la Stanford Graduate School of Education et directeur du Stanford Accelerator for Learning, le chercheur était en Suisse début septembre à l’occasion du lancement de CLUE, le nouveau centre commun de l’EPFL et de l’ETH Zurich consacré aux sciences de l’apprentissage. Il a rebondi sur les thématiques abordées par le dossier.

L’intelligence artificielle représente-t-elle une rupture totalement nouvelle pour les hautes écoles ou peut-elle être comparée à l’arrivée des ordinateurs, des moteurs de recherche ou de la calculatrice ?

Au Ve siècle avant notre ère, Socrate craignait que l’introduction de l’écriture détruise la mémoire des gens et leur capacité à distinguer le vrai du faux. Cela ressemble beaucoup à certaines inquiétudes que nous entendons aujourd’hui au sujet de l’IA. Plusieurs attitudes très différentes se côtoient actuellement dans les hautes écoles. Les membres du corps enseignant utilisent pour la plupart l’IA dans leurs recherches. Il est donc assez naturel qu’ils introduisent les mêmes outils dans leurs cours. Certains développent des outils extrêmement spécifiques à leur discipline, par exemple un outil capable de comparer la vidéo d’un chirurgien novice avec celle d’un expert et d’identifier les différences entre leurs gestes. L’IA devient alors un véritable instrument d’apprentissage. À l’inverse, d’autres hésitent à faire entrer l’IA dans leur manière actuelle d’enseigner et tentent surtout d’empêcher les étudiants de tricher. Et puis il y a une quatrième attitude, qui rappelle justement Socrate : « Ne faisons pas entrer l’IA, elle va tout détruire. »

Les étudiants ont-ils pris de l’avance sur leurs enseignants ?

Les membres du corps enseignant ont adopté très rapidement l’IA dans leurs recherches, parce qu’elle transforme déjà pratiquement toutes les disciplines. Les étudiants, eux, l'utilisent dans leur vie quotidienne et l'apportent naturellement en classe. Le problème est que les outils d’IA sont particulièrement performants pour réaliser le type de tâches que nous donnons traditionnellement aux étudiants. Il existe donc une sorte de décalage : pour certaines tâches d’apprentissage, les étudiants sont en avance ; pour la recherche et les problèmes plus complexes, le corps enseignant l’est davantage.

Comment évaluer si l’IA aide réellement à apprendre, plutôt qu’à simplement obtenir de meilleurs résultats ?

Il faut surtout comprendre que les étudiants vont utiliser ces outils dans leur vie professionnelle. Alors, pourquoi ne pas également les laisser les utiliser lors de l’examen final et revoir la manière d'évaluer ? À nous de concevoir des examens suffisamment intelligents. Cela rappelle les débats autour de la calculatrice. La question était déjà : qu’est-ce qu’un élève doit absolument être capable de faire seul ? Voulons-nous mesurer si les étudiants maîtrisent le contenu que nous leur avons enseigné ou voulons-nous mesurer leur capacité à apprendre ce qui viendra ensuite ? Ce n’est pas le même type d’évaluation. Une évaluation pourrait, par exemple, observer comment une personne apprend pendant qu’elle résout un problème. Une IA pourrait mettre en évidence qu’elle répète sans cesse la même stratégie qui ne fonctionne pas et observer si elle est capable d’en essayer une nouvelle. Ce serait une information très intéressante sur sa capacité à apprendre.

Si l’IA peut fournir instantanément des connaissances, que faut-il encore apprendre par cœur ?

Il faut savoir suffisamment de choses pour pouvoir interpréter ce qu’elle produit. Si je l’interroge sur un problème médical et qu’elle me répond avec des termes que je ne comprends pas, son accès à toutes ces connaissances ne m’aide pas beaucoup. Certaines doivent devenir automatiques. Quand vous lisez un mot, vous ne devez pas avoir à réfléchir longuement avant de comprendre ce qu’il signifie. Il existe aussi de grands concepts fondamentaux qu’il faut comprendre en profondeur. La proportionnalité, les pourcentages ou les proportions en mathématiques en sont un bon exemple. Nous avons tendance à ajouter énormément de contenus aux programmes, alors que tous ne contribuent pas forcément à cette compréhension profonde. Si quelque chose n’est qu’une procédure sans concept fondamental derrière, peut-être peut-on effectivement laisser l’IA s’en charger.

À quoi ressemblerait alors un cours efficace avec l’IA ?

Nous sommes encore en pleine phase d’expérimentation. Mais ce qui m’intéresse, ce sont les situations dans lesquelles l’IA aide l’être humain plutôt qu’elle ne prend sa place. Si j'enseigne devant un grand auditoire et que je parle pendant une heure, l’IA peut prendre des notes. Ce n’est pas très intéressant. Mais si les étudiants travaillent en petits groupes sur des tâches plutôt que de m’écouter passivement, alors l’IA peut jouer des rôles beaucoup plus intéressants. Dans un groupe un système pourrait remarquer qu’une personne monopolise la parole et suggérer qu’un autre étudiant pose une question. Elle pourrait également soutenir les enseignants débutants. Ce sont des formes de collaboration entre humains et IA qui me semblent prometteuses. La vraie question est donc de savoir si les enseignants sont prêts à modifier leur manière d’enseigner. Repenser entièrement un cours représente énormément de travail. Mais à un moment donné, continuer exactement comme avant ne fonctionnera plus.

« Après de nombreuses années d’enseignement, ce qui me procure le plus de satisfaction est de voir le moment où un étudiant comprend réellement quelque chose. Ce déclic de la compréhension. »

L’un des risques n’est-il pas que les étudiants posent toutes leurs questions à l’IA plutôt qu’aux enseignants ?

Je ne suis pas certain que ce soit forcément une mauvaise chose. Il m’arrive moi-même d’avoir une question que je trouve un peu stupide et de la poser à l’IA avant de la poser à mon médecin. Si un étudiant peut obtenir immédiatement une réponse satisfaisante à une question simple, pourquoi pas ? En revanche, si tout le cours est conçu de telle manière que les réponses de l’IA suffisent systématiquement, alors il y a probablement un problème dans la conception du cours.

Comment préparer les étudiants à un monde dans lequel les connaissances et les technologies évoluent aussi rapidement ?

Le plus difficile dans l’adaptation n’est pas toujours d’apprendre quelque chose de nouveau : c’est de reconnaître qu’une situation l’exige. Lorsque le Covid est arrivé, tout le monde savait qu’il fallait s’adapter. Dans la vie réelle, les changements sont souvent beaucoup plus subtils. Nous interprétons une situation avec ce que nous connaissons déjà sans forcément remarquer qu’un élément nouveau devrait modifier notre manière de penser. Il faut donc plutôt mettre l’accent sur une attitude d’ouverture face à la nouveauté, des stratégies permettant d’apprendre et de donner du sens à de nouvelles informations, et une base de connaissances suffisamment solide pour reconnaître qu’un élément nouveau est important.

L’IA peut-elle aussi rendre l’éducation plus inclusive ?

C’est un aspect dont on parle beaucoup moins et qui me semble extrêmement important. Grâce à l’IA, un enseignant d’anglais dont un membre de la famille était sourd a créé un outil capable de lire un texte et produire un personnage utilisant la langue des signes. Une grande entreprise ne développera probablement jamais un produit aussi spécifique : le marché est trop petit. Mais quelqu’un qui connaît précisément le problème peut désormais commencer à construire une solution. C’est un immense espace d’innovation et c’est peut-être là que se trouvent certaines des possibilités les plus intéressantes.

Qu’est-ce qu’une éducation réussie à l’ère de l’IA ?

Obtenir un emploi mieux rémunéré ? Comprendre profondément le monde ? Être capable d’apprécier une œuvre d’art d’une manière qu’on n’aurait pas pu atteindre sans éducation ? Après de nombreuses années d’enseignement, ce qui me procure le plus de satisfaction est de voir le moment où un étudiant comprend réellement quelque chose. Ce déclic de la compréhension. Peut-être qu’une chose essentielle qu’une université peut offrir est justement l’expérience d’avoir compris quelque chose vraiment profondément. Une fois qu’on a connu cette sensation, on sait ce que signifie comprendre.

Et lorsqu’on rencontre ensuite un nouveau sujet, on peut se dire : « J’en sais assez, je peux m’arrêter ici. » Ou au contraire : « Non, il y a quelque chose de plus profond que je n’ai pas encore compris. » À l’heure où une machine peut nous fournir presque instantanément une réponse, savoir faire cette différence devient peut-être plus important que jamais.