Faites des études, l'IA n'est pas intelligente

L'IA calcule sans comprendre. Confondre performance algorithmique et intelligence humaine nourrit l'idée fausse que les études sont inutiles, alors qu'elles développent l'esprit critique et bien plus.

L’essor de l’intelligence artificielle générative a relancé les débats sur la nature de l’intelligence et sur la place de l’humain dans un monde automatisé. Certains affirment que l’IA « superintelligente » dépasserait l’être humain, mais cette idée confond intelligence et puissance de calcul. Leur performance statistique ne relève pas de l’intelligence cognitive, émotionnelle, sociale ou réflexive propre à l’humain. Comme le rappellent Stuart J. Russell et Peter Norvig (2021), ces systèmes reposent sur des modèles d’optimisation plutôt que sur une véritable compréhension. C’est dans ce contexte que s’inscrit le dernier ouvrage de Laurent Alexandre, dont les thèses doivent être restituées à l’aune des intelligences multiples, de l’intelligence numérique et des évolutions pédagogiques actuelles.

L’intelligence humaine comme phénomène pluriel

Howard Gardner nous rappelle que l’intelligence humaine est un ensemble de compétences distinctes : linguistique, interpersonnelle, intrapersonnelle, logico-mathématique, spatiale, musicale, kinesthésique ou naturaliste. Cette diversité est largement reconnue en psychologie contemporaine. Les IA n’imitent qu’une partie de ces capacités. Leur force vient de la rapidité de traitement et de la capacité à repérer des corrélations dans des masses de données. Elles n’interprètent pas, ne comprennent pas et n’intègrent pas l’expérience. Assimiler leurs performances à de l’intelligence revient à réduire la cognition humaine à une mécanique computationnelle.

Les limites des discours sur l’obsolescence des études

Dans Ne faites plus d’études (Buchet-Chastel 2025), Laurent Alexandre et Olivier Babeau affirment que les études seraient devenues inutiles face à l’IA. Selon lui, les machines surpasseraient l’humain sur les terrains cognitifs essentiels. Cette position repose sur une vision relativement réductrice de l’intelligence. Le mécanisme de compréhension suppose une dimension intentionnelle, car comprendre implique de chercher un sens et d’adopter un point de vue. Une lecture trop technocentrée de l’éducation néglige la complexité des apprentissages, marqués par l’expérience, l’échange social, la réflexivité et les principes du constructivisme, qui rappellent que l’apprenant construit ses connaissances en interaction avec son environnement. L’IA traite de l’information, mais ne vit pas l’expérience. L’IA corrige, mais ne doute pas, ne se trompe pas consciemment.

Intelligence numérique : une compétence clé

L'« intelligence numérique » est un terme plus précis que l'« intelligence artificielle » car il souligne que la nature des systèmes reste technologique et réside dans leur capacité à produire un raisonnement probabiliste avancé en exploitant le numérique, évitant ainsi l'anthropomorphisme. Cette distinction clarifie le fait que l'intelligence du système est une performance purement algorithmique, mesurable par sa capacité à traiter des modèles de données complexes, plutôt qu'une imitation de l'esprit humain. En effet, selon Yann LeCun, chercheur français en intelligence artificielle, professeur à l’université de New York (NYU) et ex-Chief AI Scientist chez Meta, les modèles de langage de grande taille (LLM) sont intrinsèquement limités, car ils fonctionnent de manière autorégressive en prédisant le mot suivant à partir de régularités statistiques, sans compréhension réelle du sens, de la logique ni du monde physique.

Les nouvelles formes d’apprentissage : un levier d’adaptation

Les études jouent un rôle essentiel dans le développement de la pensée critique et de l’adaptation. Guillaume Pernoud (2024) montre que la transformation numérique exige de repenser les référentiels de compétences et de faire émerger une véritable « compétence d’adaptation », centrale dans un monde instable, incertain et rapide disrupté par l’IA. Les pédagogies actives, les approches hybrides, les projets collaboratifs ou les apprentissages immersifs renforcent la résolution de problèmes complexes, l’autonomie et le transfert des compétences, tout en soutenant l’adaptation à des environnements professionnels en mutation.

Ces approches contribuent ainsi au développement d’une intelligence humaine complexe, critique et métaréflexive, capable de donner du sens, d’agir dans l’incertitude et de coopérer avec les technologies plutôt que de s’y substituer.

Vers une innovation pédagogique plus ambitieuse face à l’IA

L’IA, limitée à la performance technique, ne remplace pas le rôle fondamental des études. Ces dernières sont essentielles pour cultiver les intelligences humaines, valoriser les potentiels individuels et stimuler le discernement, une qualité fondamentale et cruciale face aux enjeux contemporains.

La transformation pédagogique et numérique est bien engagée dans l’enseignement supérieur, mais nécessite d'être amplifiée voire mieux structurée et audacieuse. Enseigner différemment doit permettre aux étudiants de démystifier l'IA en comprenant ses mécanismes d'optimisation, ses biais et ses limites. Ceci est indispensable pour préparer les apprenants à collaborer avec l'IA sans perdre de leur singularité.