Honnêtement, il y a quelque chose de fascinant (et quelque part aussi ironique) dans la façon dont on parle d’IA aujourd’hui.
On a en effet entre les mains des machines capables de régurgiter quasiment toute la connaissance du monde, mais on continue à former des enfants comme si leur cerveau était un simple disque dur à remplir. J’ai 3 enfants, et quand je regarde le contenu et la manière d’enseigner actuelle je suis parfois perplexe, du moins je m’interroge sur l’avenir – et attention je ne jette pas la pierre aux enseignants!
Pendant ce temps, les modèles d’IA progressent à une vitesse folle, au point de commencer à rivaliser avec nous sur certaines tâches dites “créatives”. Une grande étude récente montre même que des IA génératives arrivent, en moyenne, à produire des idées jugées plus créatives que celles d’une partie des humains… mais qu’elles restent derrière les personnes les plus créatives, surtout dès que les tâches deviennent plus complexes (écriture d’histoires, scénarios, etc.). Alors, si la connaissance brute n’est plus un avantage compétitif, qu’est-ce qui le reste vraiment ?
Allons plus loin: et si l’école du futur était une usine à CPU, et non à disques durs ?
La fin du mythe “savoir = pouvoir”
On a clairement grandi avec l’idée que celui qui sait gagne, l’information c’est le pouvoir ! Savoir par cœur, accumuler les diplômes, maîtriser les bonnes formules et les bons auteurs. C’est très clairement comme cela que nous avons été formé, et une fois de plus je ne suis pas critique sur le passé. Car la donne a changé : la connaissance est devenue largement accessible, indexée, recherchable, résumable, et de plus en plus utilisable via des IA.
Les rapports de l’OCDE montrent déjà que les compétences liées à l’IA progressent dans les offres d’emploi, mais qu’elles restent une fine couche au-dessus d’un socle beaucoup plus large telles que:
- Capacités cognitives
- Compétences transversales
- Pensée critique
- Collaboration. Autrement dit, ce qui compte n’est plus seulement ce que l’on sais, mais ce que l’on est capable de faire avec.
Ce glissement est explicite dans les travaux “Education 2030” de l’OCDE. Ces derniers parlent en effet de “compétences transformatrices” comme créer de la valeur nouvelle, gérer les tensions et prendre ses responsabilités. On ne demande donc plus juste aux jeunes de réciter correctement, mais d’inventer, de s’orienter dans l’incertitude, d’assembler des briques de connaissance pour produire quelque chose qui n’existait pas auparavant.
En résumé : l’école qui optimise la mémorisation est en train de se battre contre des machines … et clairement le combat est perdu d’avance car elles le feront ça cent fois mieux.
De l’école-disque dur à l’école-CPU
On a donc deux modèles d’école qui se dessinent :
- L’école “disque dur” : ton job, c’est d’ingérer.
- L’école “CPU” : ton job, c’est de transformer.
Dans l’école-disque dur, l’élève est évalué sur sa capacité à restituer. QCM, exercices standardisés, dissertations calibrées, programme identique pour tout le monde. L’IA adore cet environnement : elle excelle dans la restitution structurée, l’application mécanique de méthodes, la réécriture correcte.
Le problème ? Dans ce monde-là, il est clair que l’humain n’a plus vraiment d’avantage.
Dans l’école-CPU, l’élève devient un processeur :
il reçoit de l’input (connaissances, données, contraintes), il exécute des opérations (analyse, interprétation, imagination, arbitrage) et il produit un output qui a de la valeur dans un contexte donné.
Les études prospectives de l’OCDE montrent déjà que les systèmes éducatifs qui se préparent à 2030 parlent davantage de créativité, de résolution de problèmes, de responsabilité et de collaboration que de mémorisation.
On glisse d’un modèle “apprends ça, tu en auras besoin” vers “apprends à créer quelque chose de nouveau avec ce qui existe”.
Là où l’IA devient intéressante, c’est que contrairement à un prof qui donne les réponses, elle agit comme un “co-processeur”. Là l’IA fournit de la matière, des variantes, des exemples, que l’élève peut manipuler, critiquer voire détourner. C’est le propre de l’humain quelque part.
IA créative : géniale copieuse ou vraie artiste ?
Mais c’est aussi là que la question qui pique arrive : la créativité, c’est quoi au juste ?
Et surtout : est-ce que l’IA est vraiment créative… ou juste très forte pour recycler ?
Les grands modèles de langage (LLM) comme ceux qu’on utilise aujourd’hui apprennent à partir de masses gigantesques de textes et d’images. Ils repèrent des motifs, des structures, des probabilités, puis recombinent le tout pour produire quelque chose qui semble original. Soyons clairs (et il n’y a pas de débat là dessus malgré les dires de certains qui vendent leurs produits), d’un point de vue technique, l’IA ne “pense” pas l’œuvre, elle ne porte pas d’intention : elle calcule une suite de symboles probable. OK, parfois le résultat est réellement bluffant.
Une étude récente montre d’ailleurs que, sur des tests standardisés de créativité, certains modèles d’IA dépassent la créativité moyenne des humains, mais pas celle des plus créatifs, et surtout qu’ils sont très sensibles à la manière dont on les pilote (formulation des instructions, réglage de la “température”, etc.). Autrement dit, l’IA se positionne comme un orchestre fabuleux mais sans compositeur : elle ne joue réellement qu’à partir de ce qu’on lui demande de jouer.
Dans l’art, on voit cette tension partout :
- Des IA qui génèrent des images stupéfiantes en quelques secondes.
- Des artistes qui utilisent ces outils comme des accélérateurs d’esquisses, de variations, de textures.
Un constat revient d’ailleurs souvent : l’IA ne remplace pas l’artiste, elle déplace son travail. Elle pousse moins sur la production brute, plus sur le choix, l’assemblage, la direction artistique. Plusieurs analyses insistent sur le fait que la valeur reste dans l’intention humaine, le cadrage, l’arbitrage, la manière d’utiliser l’outil plutôt que dans le simple fait de produire un objet “joli”.
La vraie question n’est donc pas : “L’IA est-elle créative ?”
Mais plutôt : “Qui décide de ce qui vaut la peine d’exister ?”
La créativité est-elle juste cyclique ?
Voilà une intuition très répandue:
“De toute façon, la créativité, c’est cyclique. On recycle toujours ce qui existe déjà, comme dans la mode.”
Si on regarde l’histoire de l’art, on retrouve effectivement des cycles :
- Des retours à des styles anciens.
- Des remixes permanents.
- Des “révolutions” qui s’appuient en fait sur des traditions oubliées ou marginales.
Mais ça ne veut pas dire qu’il n’y a pas de création au sens fort. Créer, ce n’est pas forcément inventer à partir de zéro, c’est souvent reconfigurer ce qui existe d’une manière qui change notre regard.
Même dans une vision “tout est reprise”, il reste une question clé : qui choisit la reprise ?
Qui décide que tel mélange, à tel moment, pour tel public, fait sens ? Qui ose briser la norme du moment pour réactiver, détourner, réinterpréter ?
C’est là qu’on retrouve encore et toujours l’humain :
- Dans l’intention (pourquoi je fais ça).
- Dans le contexte (où, quand, pour qui).
- Dans la prise de risque (je sors du code établi).
Les travaux en management et en psychologie de la créativité rappellent que la créativité humaine implique aussi une lecture fine du contexte et des émotions, ce qui reste difficilement modélisable. Un bon exemple appliqué à l’IA en entreprise est l’article de Harvard Business Review France : “Intelligence artificielle : la contrainte développe la créativité, tandis que la norme la supprime”.
Alors oui, l’IA peut générer d’innombrables variantes. Mais décider laquelle compte, laquelle est audacieuse, laquelle touche juste… ça, pour l’instant, reste profondément humain.
Les compétences de demain : On veut des pilotes, pas des encyclopédies
Si on met tout ça bout à bout, on voit se dessiner une nouvelle carte des compétences.
Les rapports sur l’emploi et l’IA insistent sur deux mouvements simultanés :
- Certaines compétences deviennent obsolètes parce que l’IA les automatise (tâches routinières, traitement standard d’informations).
- D’autres compétences deviennent cruciales : interaction avec l’IA, compréhension des données, capacités transversales (créativité, résolution de problèmes, collaboration).
Pour l’école (et plus largement pour la formation tout au long de la vie), ça change tout.
On ne forme plus des encyclopédies ambulantes, on forme des pilotes :
- Piloter une IA, c’est être capable de lui poser de bonnes questions, de formuler des contraintes claires, de cadrer le problème.
- Piloter sa pensée, c’est savoir quand s’appuyer sur l’IA… et quand la challenger, la contredire, la laisser de côté.
- Piloter un projet créatif, c’est orchestrer humains, machines, contraintes et objectifs dans un ensemble cohérent.
Les documents d’“Education 2030” parlent de “créer de la valeur nouvelle” comme compétence centrale : prendre des ressources existantes (connaissances, technologies, personnes) et les transformer en quelque chose qui a du sens et de l’impact (futur de l’éducation et des compétences – OCDE).
C’est exactement ce que l’école-CPU devrait viser.
Et si la vraie rareté, c’était l’audace ?
Dans un monde où l’IA peut produire un nombre infini de réponses “correctes”, le plus rare devient peut-être… la prise de risque.
Accepter de proposer une idée qui ne ressemble pas aux autres.
Assumer une position, une esthétique, une intention.
L’IA rend plus facile le fait de “remplir la page”.
Ce qui devient précieux, c’est ce qui va au-delà du remplissage : le point de vue, la voix, le style, le courage d’aller contre la tendance dominante. Plusieurs analyses sur l’impact de l’IA au travail montrent que ce sont justement ces capacités de prise d’initiative et de transformation qui sont encouragées, plutôt que remplacées.
Au fond, la question “qui est à l’origine ?” n’appelle peut-être pas une réponse métaphysique, mais une invitation :
qui est prêt à prendre la responsabilité de dire : “Ça, c’est moi” — même si l’IA a aidé quelque part sur le chemin ?