- il y a 8 minutes
L’intégration de l’IA ne se limite pas à la technologie : elle dépend aussi du facteur humain. Mohamed Senhadji présente le modèle Hu-Ma Shift pour aider les entreprises à déployer l’IA de manière responsable, collaborative et sécurisée.
Catégorie
🗞
NewsTranscription
00:04On commence cette édition avec les interviews de l'IA autour de la table.
00:08Trois acteurs qui vont nous parler de ce sujet de l'intelligence artificielle, chacun à sa façon.
00:12Mohamed Senadji, bonjour.
00:13Bonjour.
00:14Vous êtes ingénieur en sciences cognitives, vous êtes expert en transformation digitale
00:17et vous êtes un spécialiste de l'adoption de l'IA en entreprise.
00:20Je vais vous interroger sur ce sujet qui m'a interpellé, le sujet de votre webinaire.
00:25Comment la connaissance du fonctionnement neurocognitif des êtres humains transforme l'approche de l'adoption de l'IA en entreprise
00:32?
00:32Très bien.
00:33Waouh.
00:33Bon programme.
00:33On attend votre réponse avec impatience.
00:36Avec nous également Jérôme Legris-Pagès.
00:38Bonjour.
00:39Bonjour.
00:39Vous êtes vice-président en charge de l'innovation pédagogique à l'université de Caen-Normandie,
00:44dont le centre d'enseignement multimédia universitaire a publié un livre blanc qui aussi m'a interrogé.
00:50Enseigner avec l'IA générative à l'université.
00:53Donc ça y est, on y est.
00:55On met les pieds dans le plat et on se pose les bonnes questions.
00:58On verra ça tout de suite après l'interview de Vincent Charlet, qui est également avec nous.
01:04Bonjour Vincent.
01:05Vous êtes délégué général de la Fabrique de l'Industrie, qui est un think tank laboratoire d'idées
01:10consacré aux perspectives de l'industrie en France et à l'international.
01:14Et vous publiez régulièrement des analyses à caractère scientifique sur ces transformations de l'industrie.
01:21L'étude qui nous intéresse est récente.
01:25C'est sur la diffusion des technologies avancées dans l'industrie.
01:28Vous avez mené cette étude auprès de 1200 PMI et ETI en France, en Allemagne et en Italie.
01:33Donc sur l'adoption de 14 technologies que vous avez identifiées comme étant celles qui sont importantes pour l'industrie
01:414.0.
01:43Et pour essayer aussi de comprendre ce qu'en attend l'industrie de ces technologies.
01:47Quelle place tient l'intelligence artificielle ?
01:50Alors, en fait, derrière le mot intelligence artificielle, il se cache plusieurs technologies, plusieurs sous-familles
01:55qui, dans l'industrie, peuvent avoir des résonances assez différentes.
01:58Parce que le machine learning, typiquement, l'apprentissage automatique,
02:02commence à être une technologie presque ancienne comparée à l'intelligence générative.
02:09Et en fait, quand on regarde une entreprise industrielle, à ce jour,
02:12et ça change évidemment très vite, mais à ce jour,
02:14on pourrait dire, en schématisant, que le machine learning est déjà bien en place dans les ateliers,
02:21dans les sites de production, alors que l'IA générative, elle, produit des effets de transformance,
02:25surtout sur les fonctions tertiaires, comptabilité, conseil juridique, etc.
02:30Donc pour l'instant, les différentes familles de l'IA ont des impacts un peu différenciés
02:36selon les étages de la grande maison d'industrie.
02:40Mais elles sont là, ces technologies d'intelligence artificielle ?
02:43Oui, ça progresse beaucoup.
02:44Il se pourrait même qu'il y ait une relative avance en matière de taux d'adoption au sein des
02:49entreprises françaises,
02:50enfin des PMI et ETI industrielles françaises.
02:54Encore une fois, il faut garder en tête ce décalage.
02:56C'est-à-dire que nos chiffres nous amènent à penser que l'industrie française serait peut-être en avance
03:03de phase
03:03par rapport à ses concurrents directs sur l'IA générative,
03:06et plutôt en retard sur le machine learning.
03:10Donc ce que je dis, les technologies qui ne s'appliquent plus directement dans les ateliers de production.
03:14Pourquoi ?
03:15Parce que...
03:16On peut y voir là le reflet du fait que l'industrie, elle est globalement plus tertiarisée en France
03:22qu'en Allemagne, par exemple, ou qu'en Italie.
03:23Donc ça peut être simplement un biais de composition.
03:26Il faut rester prudent parce que dans ces enquêtes,
03:31les résultats qui sont parfois commentés avec beaucoup d'énergie,
03:35en disant « Ah, on est en avance, on est en retard »,
03:37d'une part, les enquêtes, dans le meilleur des cas,
03:40elles présentent des résultats qui sont vrais à plus ou moins 5% de pourcentage.
03:44Des fois, ça va être plus ou moins 3% ou plus ou moins 8%.
03:47Donc il faut les voir comme des grandes tendances.
03:51Deuxièmement, je l'ai dit, ça change beaucoup.
03:52C'est-à-dire que ce qui est important de suivre, c'est les cinétiques d'adoption.
03:55Malheureusement, les entreprises françaises, sur cette technologie et sur les autres,
04:00sont plutôt en avance, ou en tout cas pas en retard,
04:02par rapport à leurs concurrentes sur la photo d'aujourd'hui.
04:05Ça, c'est étonnant ce que vous nous dites.
04:07Mais le retard peut venir.
04:08Combien de fois j'entends l'inverse,
04:10qu'on a une industrie qui est très en retard sur l'innovation,
04:14que la 5G a du mal à être adoptée.
04:16Parce qu'on ne parle pas que d'IA quand on parle des innovations transformatrices de l'industrie.
04:20Donc moi, j'entends un discours beaucoup plus...
04:23Mais vous avez raison, au sens où le taux d'adoption est relativement faible.
04:27En tout cas, il est sous la barre des 50% pour la plupart des technologies.
04:30Mais la France n'est pas spécialement en retard sur ce critère
04:33par rapport à l'industrie allemande ou l'industrie italienne.
04:36Une autre façon de le dire, c'est qu'on en est encore à une phase de déploiement.
04:41Donc, ces différentes technologies sont très loin d'avoir colonisé l'ensemble des secteurs d'activité.
04:47Et donc, vous pouvez avoir, je ne sais pas, les jumeaux numériques, par exemple.
04:50C'est une technologie qui va être plus prégnante dans l'aéronautique, typiquement.
04:53La fabrication additive, plus prégnante dans l'automobile.
04:56Et donc, en fonction de la composition sectorielle des différentes industries,
05:02on sait que, par exemple, l'industrie automobile est évidemment beaucoup plus puissante en Allemagne qu'en France.
05:07Vous pouvez avoir aussi une empreinte technologique, un profil d'adoption de ces technos
05:13qui est encore très fortement dépendant des secteurs.
05:16Mais voilà, dans l'ensemble, à ce jour, la France n'est pas spécialement en retard,
05:20surtout si on compare secteur par secteur.
05:22Par exemple, la France n'est pas sous-robotisée, contrairement à ce qu'on dit souvent.
05:26Ce qui nous préoccupe davantage, nous les auteurs de l'étude,
05:29c'est que les perspectives d'investissement à court terme, d'ici 2030,
05:34dans ces technologies, sont beaucoup plus faibles en France que chez nos deux voisins.
05:38Et donc, s'il y avait de l'avance, il est possible que la France le perde.
05:42Et s'il n'y avait pas d'avance, il est possible que la France arrive en retard.
05:45Alors, effectivement, c'est ce que j'ai vu, perspectives d'investissement qui sont moins dynamiques.
05:51Mais on entend aussi des entreprises françaises qui n'envisagent pas de plan de transformation.
05:56Oui, ça c'est un résultat important de notre étude.
05:58De façon générale, la littérature dit que la performance, la productivité des entreprises
06:05repose en fait, non pas sur la technologie toute seule, mais sur un triptyque.
06:10Technologie, compétences, organisation.
06:13Et simplement même en termes financiers ou mathématiques,
06:16vous obtenez un meilleur rendement d'un investissement dans une technologie donnée,
06:20si par ailleurs, vous avez aussi investi dans l'élévation des compétences de vos salariés,
06:25et que vous avez réfléchi à l'optimisation de votre processus de production, la transformation.
06:32Et donc, cette corrélation, elle s'observe notamment dans le fait que,
06:37on la constate empiriquement,
06:40elle s'observe dans le fait que les entreprises qui disent
06:43« Ah non, je n'ai pas mené de plan de transformation, et d'ailleurs je n'en envisage pas
06:46»,
06:46sont les mêmes que celles qui disent « Non, non, je n'ai pas investi et je n'en envisage
06:49pas ».
06:49Et malheureusement, là, il y a un tropisme français plus marqué,
06:54je les ai appelées des entreprises réfractaires,
06:57on a une part de PMI et ETI industrielles qui n'envisagent ni d'investissement dans les technologies,
07:02ni plan de transformation, qui est nettement plus élevé que chez nos voisins.
07:06Ça veut dire qu'on a un noyau dur qu'il va falloir convaincre,
07:08on a encore du travail.
07:10Ça vous fait réagir, j'imagine, Mohamed,
07:11que vous êtes un spécialiste de l'adoption de l'IA en entreprise ?
07:14L'industrie, c'est-tu d'entreprise ?
07:16Parmi d'autres, effectivement, de par mes expériences,
07:19la question de l'adoption, de par ce que je vois sur le terrain,
07:23effectivement, et les gens qui sont loin de ces sujets d'IA,
07:26considèrent l'IA comme une couche supplémentaire,
07:28comme un travail en plus à faire de ce qu'ils doivent faire,
07:31et il y a un vrai sujet autour de l'adoption de ces technos,
07:35parce qu'elles sont extrêmement diverses,
07:37parce qu'elles arrivent à plusieurs étages.
07:39Parce qu'il faut les expliquer, oui, aussi.
07:41Il y a une dimension explication, mais il y a aussi une appropriation,
07:46une intégration nécessaire dans ce que font les gens au quotidien,
07:50mais que ce ne soit pas conçu, intégré comme quelque chose supplémentaire
07:54de ce qu'ils doivent faire.
07:56On va en continuer ensemble, Mohamed, si vous voulez bien.
07:59C'est Nagy, vous êtes le fondateur du consortium Umashift.
08:02C'est quoi exactement Umashift ?
08:04Avant de parler de consortium, Umashift, c'est d'abord un modèle conceptuel
08:07d'intégration et d'adoption d'IA.
08:09C'est un peu comme l'agilité ou le Lean dans l'industrie.
08:15Dedans, j'entends le mot « human », donc ça veut dire que…
08:18En fait, c'est « human machine shift ».
08:20Et on a sorti de la dimension IA parce que ça prend en compte
08:26un changement de société, un changement d'organisation
08:28beaucoup plus large que simplement les sujets d'IA.
08:31Et donc, c'est un modèle conceptuel d'adoption de l'IA
08:33qui est déjà à sa troisième version.
08:36Ça fait déjà deux ans qu'on travaille dessus
08:38avec des psychologues, des anthropologues, des sociologues,
08:43des gens de la tech, des gens de la formation, des RH.
08:46L'idée, c'est vraiment de ramener tout le monde autour de la table
08:50pour travailler justement sur ces sujets d'adoption.
08:53Et très rapidement, le modèle s'appuie sur cinq axes.
08:57Le premier, c'est toute la partie évolution des mentalités nécessaires
09:00vis-à-vis de l'arrivée de ces machines.
09:01On ne travaille plus avec les machines de la même façon.
09:04On a grandi avec des machines déterministes.
09:06C'est complètement une manière différente.
09:09Notre rapport à l'apprentissage et à la connaissance
09:12est aussi la compréhension de tous les imaginaires,
09:16les fantasmes, les projections que peuvent avoir les gens
09:18vis-à-vis de l'arrivée de ces IA dans leur organisation.
09:22Ensuite, il y a toute la partie montée en compétences adaptatives.
09:24Aujourd'hui, ce qu'on constate malheureusement,
09:26c'est qu'on a foncé tête baissée sur le même type de formation pour tout le monde.
09:31Et l'idée dans cette montée de compétences,
09:33c'est plutôt partir des intentions des gens,
09:35de leur attention, de leur motivation,
09:37pour proposer des parcours de montée en compétences
09:41personnalisés en fonction de leurs besoins,
09:43de leurs attentes,
09:45où est-ce que les gens veulent aller avec ces IA-là
09:47et sortir un peu de ce...
09:50Mais l'entreprise est dans une autre urgence.
09:52Elle se dit, moi, je veux développer des cas d'usage,
09:55je veux que les personnes incompétentes pour faire ceci, cela.
09:58D'où l'intégration dans le parcours naturel.
10:00Et c'est le troisième pilier de ce modèle.
10:03C'est qu'aujourd'hui, comme je l'ai évoqué tout à l'heure,
10:06pour beaucoup d'entités,
10:08beaucoup de gens qui ne sont pas forcément dans la tech, dans l'IA,
10:10c'est un truc en plus.
10:12C'est une cerise sur le gâteau,
10:13c'est une charge de travail supplémentaire.
10:15Comment on fait en sorte,
10:17pour que ça ne soit pas simplement...
10:19On ajoute l'IA,
10:20mais qu'on intègre l'IA vraiment dans le quotidien des gens,
10:23dans ce qu'ils doivent faire à très court et moyen terme.
10:26Le quatrième pilier, c'est cette relation avec la machine.
10:29Ça s'appuie sur des travaux qui,
10:30en plus d'une vingtaine d'années,
10:31qui ont été initiés par l'armée américaine,
10:33qui s'appelle Human Autonomy Teaming.
10:35Et dans ces travaux-là, c'est d'abord le travail sur les compétences.
10:38Quelles sont les compétences qu'on veut garder en tant qu'humain ?
10:40Une fois qu'on les a identifiées,
10:42comment on les maintient dans le temps ?
10:44Comment on s'assure que les gens sont toujours au bon niveau d'expérience ?
10:46Comment on s'assure surtout de la transférabilité
10:48de ces compétences-là d'une génération à l'autre ?
10:50Une fois qu'on a travaillé sur ces compétences,
10:52et les entreprises sont loin d'avoir vraiment travaillé sur ce sujet-là,
10:57qu'est-ce qu'on délègue à la machine ?
10:58Et cette délégation, ce n'est pas simplement
11:00j'aime faire, j'aime pas faire, je délègue.
11:01Cette délégation, c'est comment outiller intellectuellement
11:05les collaborateurs pour comprendre l'impact de ces délégations
11:08à moyen et long terme.
11:10Si je délègue aujourd'hui, mais que ça me fait perdre la compétence,
11:13c'est qu'il y a un problème.
11:13Et le dernier point dans ce Human Autonomy Timing,
11:17c'est comment je travaille avec cette machine-là,
11:18et on fait la différence entre collaboration et coopération.
11:22Collaboration, travail, homme, machine, sur les mêmes objectifs.
11:26Coopération, on peut avoir des objectifs complètement différents
11:28et juste des points d'alignement.
11:30Et on a déjà commencé à concevoir, développer des outils
11:33autour de ce premier, c'était la deuxième version du modèle,
11:37et on s'est rendu compte l'été dernier
11:38qu'il y avait une dimension qui manquait,
11:40notamment la dimension collective.
11:41C'est qu'on ne peut pas envisager une montée
11:44ou un changement, une évolution des mentalités
11:46sans prendre en compte les cultures existantes,
11:48les façons de travail existantes, la mentalité existante.
11:50On ne peut pas simplement travailler sur la montée
11:53en compétences individuelles,
11:55comment on s'assure de la complémentarité
11:57de ces compétences-là entre mon équipe, mon groupe.
12:02Et ce qu'on constate aujourd'hui,
12:03c'est que tout le monde est formé sur un ou deux sujets,
12:06et il y a plein de trous dans la raquette
12:08par rapport à nos process.
12:09Dans l'intégration, dans le parcours naturel,
12:11c'est comment éviter ce qu'on constate aussi aujourd'hui,
12:14l'accumulation de tâches automatisables,
12:17qui fait perdre de sens, qui fait perdre de concepts.
12:20Et dernier point hyper important
12:22qui fait réfléchir beaucoup au sein du groupe.
12:24J'aurais dû les noter.
12:26Non mais parce que vous me dites que c'est 3-4 piliers,
12:29mais là j'ai en redonné déjà moins à...
12:30Non, il y en a 5.
12:31Évolution des mentalités, compétences, parcours,
12:35relation avec la machine,
12:36et le cinquième, c'est le collectif dans tout ça.
12:38Le collectif.
12:39Et juste point sur le collectif dans tout ça,
12:41c'est que ces outils-là, depuis l'arrivée en 2023,
12:44nous ont beaucoup poussé vers l'hyper-individualisation,
12:47aux collaborateurs augmentés, techniciens augmentés, etc.
12:49Ce qu'on constate, c'est que plus on travaille sur ces sujets-là,
12:52plus on fragilise le groupe.
12:54Et du coup, l'important...
12:55Mais est-ce que c'est votre façon de répondre à ma question en introduction
12:58de comment les sciences neurocognitives nous aident à adopter l'IA ?
13:01Ce modèle-là est basé sur les sciences cognitives,
13:05sur les facteurs humains,
13:06sur la compréhension de comment fonctionne justement l'humain
13:09dans l'appropriation de ces outils-là.
13:12Mais on voit que c'est un chemin pas simple.
13:16Enfin, je veux dire, il ne suffit pas de décréter
13:17qu'on va rajouter de l'IA dans mon industrie,
13:20dans mon entreprise, pour que ça fonctionne.
13:22C'est exactement ça.
13:23Il y a un chemin de réflexion complexe.
13:26Et je pense que ça fait écho aussi aux réflexions que vous avez, vous,
13:30dans le domaine de l'éducation.
13:33Oui, parfaitement.
13:33Quelle transformation ça engage ?
13:36Ici, on a effectivement des réflexions qui sont voisines,
13:40mais pas similaires.
13:42Donc on a des axes de similarité,
13:44mais il y a quand même pas mal de choses sur lesquelles, en fait,
13:45on peut se prendre encore le luxe,
13:47parce qu'on n'a pas forcément l'urgence économique qui est présente,
13:50de poser un certain nombre de questions et de préalables.
13:56Donc effectivement...
13:56Encore que, je ne sais pas s'il n'y a pas une urgence économique
13:58pour l'université aujourd'hui,
14:00face aux grandes écoles et...
14:02Ou alors, elle est peut-être déterminée,
14:03alors c'est peut-être un autre débat,
14:04mais elle serait peut-être déterminée par autre chose que,
14:07finalement, l'adoption ou pas.
14:09Le type d'éducation.
14:09Voilà.
14:11En fait, donc, à l'université de Côte-en-Brandi,
14:13on a initié, il y a maintenant 5-6 ans,
14:17donc avant novembre 2022, on a initié...
14:20Avant Chatipiti.
14:21Globalement, on avait déjà initié des réflexions,
14:24et c'était un sujet qui était déjà présent dans les sciences de l'éducation,
14:27de s'interroger sur l'émergence de ces modèles-là,
14:30qui ont commencé à pointer leur nez vers 2020,
14:34et en fait, de voir ce que ça pourrait amener
14:36dans les transformations globales.
14:39Et en fait, effectivement, on a pu se rendre compte
14:42à travers un état de l'art assez élargi.
14:47Il n'y a pas, en sciences de l'éducation,
14:50un colloque depuis 3 ans,
14:52où il n'y a pas un axe qui s'interroge sur les effets de l'IA.
14:55On a des études qui commencent à être relativement importantes,
14:58et puis, chaque université, nous, c'est ce qu'on a fait,
15:00on menait des enquêtes auprès de l'ensemble de notre communauté,
15:04donc enseignantes et étudiantes,
15:06sur voir quels étaient les impacts et les transformations.
15:09Et ce qui est intéressant, de ce qu'on a pu voir,
15:12et ce qu'on a essayé de mettre en avant dans le livre blanc
15:14qu'on a sorti à cette occasion,
15:16c'est qu'il y a des éléments
15:20qui modifient, qui transforment fondamentalement plusieurs choses.
15:25Il y a notre rapport à l'écrit, notre rapport à la lecture
15:27et à l'écriture, qui est modifié pour tout le monde.
15:30Donc, effectivement, ça, c'est quelque chose
15:32qui, depuis longtemps, était quand même l'un des piliers
15:35de l'éducation, quel que soit le niveau.
15:38Et donc, il y a quelque chose ici qui change ce rapport.
15:44Et par extension, on a un deuxième élément
15:47qui est le rapport à l'effort cognitif,
15:51qui peut être porteur de sens,
15:53qui peut être porteur aussi de créativité.
15:55J'insiste souvent, moi, sur...
15:56J'ai une formation qui me tend à beaucoup apprécier
16:01Vladimir Jankelevitch,
16:02qui parlait des vertus de l'ennui
16:04et du temps où il ne se passe a priori rien,
16:07mais c'est l'ennui qui nous fait partir l'aventure, disait-il.
16:09En fait, ce temps où on ne fait rien,
16:12c'est un temps qui, humainement,
16:14a été historiquement très prolifique.
16:15Et est-ce que, justement, on a deux minutes à perdre
16:18et est-ce qu'on ne prend pas notre téléphone ?
16:20On a un plan à trouver, une recherche à faire,
16:23une dissertation du côté étudiant ou un cours.
16:27Comment est-ce qu'on se pose ?
16:29Est-ce que, spontanément, on ne va pas se précipiter sur une machine ?
16:32Et oui.
16:33Et puis, la dernière chose que ça transforme,
16:38c'est aussi notre rapport à l'outil.
16:41Et là, par rapport à l'outil,
16:44de voir quelle est notre place par rapport à ce dernier.
16:46Est-ce qu'on souhaite être, finalement, dominé par lui ?
16:49Ou est-ce qu'on veut garder, quand même, la main sur ce qui est dit ?
16:52Et à ce titre-là, c'est là où je parlais d'un certain nombre
16:57de barrières qu'on cherche à mettre en place
17:00autour de la qualité de ce que peut produire cette machine.
17:06Mais ça, il faut être capable de l'évaluer, cette qualité.
17:09Aujourd'hui, l'enseignant peut évaluer la qualité
17:11de ce que produisent les IA génératifs, par exemple.
17:15A priori, dans la pyramide de Bloom,
17:18comment dire, la priorité des compétences,
17:20l'évaluation, c'est la compétence la plus évoluée.
17:23Donc, c'est...
17:24Et après même la création.
17:27Donc, en fait, évaluer, c'est...
17:28Alors, effectivement, c'est quelque chose
17:30qui est énormément transformé.
17:32Mais en soi, actuellement, même si on peut se faire piéger
17:40éventuellement par la machine,
17:42très majoritairement, c'est pas...
17:44Enfin, c'est pas qualitatif ce que peut produire
17:49une intelligence artificielle.
17:51Parce que les propos ne sont pas situés,
17:53ne sont pas nourris de l'expérience,
17:55il n'y a pas cette originalité.
17:56Et si on fait produire des travaux
17:59et qu'on les évalue,
18:01produire des travaux moyens,
18:02c'est très facile pour la machine.
18:04Mais le travail excellent,
18:06c'est celui qui, justement, ne va pas être basé
18:08sur des choses qui ont déjà été pensées.
18:11Et...
18:11Toute la question, ça va être...
18:12Parce que ça, c'est aujourd'hui,
18:14la capacité d'excellence,
18:16elle est chez l'enseignant.
18:18Mais j'imagine, vous réfléchissez à demain,
18:20quand le jeune étudiant deviendra
18:23l'enseignant en université.
18:25Est-ce qu'il aura gardé cette même excellence
18:29qui lui permettra d'évaluer correctement les travaux ?
18:32Et les IA vont elles-mêmes énormément progresser ?
18:35Alors, enfin, ça reste du mimétisme.
18:38C'est-à-dire qu'elles pourront progresser
18:39dans le mimétisme de l'humain.
18:41Et quelque part...
18:44Ça, je suis tout à fait d'accord avec vous.
18:46Je ne suis pas certain qu'on puisse arriver
18:47à un moment où il y aurait quelque chose
18:51qui dépasserait, en fait,
18:53cette créativité humaine.
18:55Alors, peut-être que...
18:57J'ouvre le débat.
18:58Les avis sont...
19:00Mais...
19:01Ce n'est pas impossible, par contre,
19:02que les machines...
19:02Convergent, je pense, pour l'instant, mais...
19:03Que les machines arrivent à produire des résultats
19:05qui nous plaisent majoritairement.
19:07En fait, une machine,
19:09elle s'entraîne à nous plaire.
19:11Et en fait, c'est le souci qu'en fait,
19:12on a un amphi de 500 étudiants
19:14qui nous font tous...
19:15Alors, je ne dis pas que c'est le cas,
19:16mais s'ils nous faisaient tous un devoir,
19:18ils auraient tous, eux, l'impression
19:19d'avoir quelque chose
19:20qui est plaisant et original,
19:22mais ça serait la même originalité
19:24que leurs voisins, en fait,
19:26parce qu'ils s'est nourris par...
19:27Et puis, il y a quand même un billet...
19:28Comment fait l'enseignant,
19:29parce qu'il ne nous reste plus
19:30beaucoup de temps,
19:31mais très concrètement,
19:32comment fait l'enseignant
19:34pour continuer d'enseigner
19:35avec la même exigence de qualité
19:37à l'ère de l'IA ?
19:38Alors, c'est là où il y a
19:39une transformation qui va être nécessaire.
19:41C'est-à-dire qu'on ne peut pas...
19:42Alors, moi, je ne cède ni
19:43à la panique morale,
19:44ni au techno-optimisme.
19:45Je pense que c'est un fait.
19:47L'IA est ici, elle est présente.
19:49Donc là, il y a quelque chose
19:50qui doit nous amener
19:51à repenser nos évaluations
19:52pour qu'elles soient, justement,
19:54résilientes à l'IA.
19:55Je pense qu'il faut, justement,
19:56travailler avec cet outil-là,
19:58se dire, OK,
19:59maintenant qu'on l'a dans le paysage,
20:01utilisons-le.
20:02On a eu des débats,
20:03alors qu'ils n'étaient pas aussi passionnés,
20:04mais avec l'arrivée de Google,
20:05de Wikipédia,
20:07avec...
20:07Mais si on monte à Montesquieu,
20:09ou quand on monte à Montaigne,
20:11à l'arrivée du livre,
20:12voilà, de l'imprimerie, je veux dire.
20:14Donc, on a eu des fois aussi
20:15des débats sur ces innovations.
20:18Donc, comment on fait
20:19pour qu'on ait ces évaluations-là ?
20:21Donc, il y a des choses qui existent.
20:23On peut demander, en annexe,
20:25voilà, justement, les prompts.
20:27La qualité des prompts,
20:28c'est quelque chose qu'on peut évaluer,
20:29d'évaluer, justement,
20:30l'effort maïotique qu'a fait l'étudiant
20:32pour arriver à ce résultat-là,
20:33plus que d'évaluer le résultat en lui-même.
20:35Oui, intéressant.
20:35De dépasser, en fait, le cadre,
20:40le cadre simple
20:42de la restitution de connaissances,
20:45qui est encore aussi quelque chose qui...
20:48Effectivement, la machine,
20:48elle nous dépasse sans aucun souci.
20:50Et peut-être d'aller faire de la relation
20:53sur des choses qui sont liées,
20:54une fois de plus, à un contexte,
20:56à une structure, à une expérience.
20:58Et puis, nous, on a quelque chose
21:01qui est important à faire,
21:02c'est à donner de la valeur
21:04à la capacité de l'étudiant.
21:06Donc, l'étudiant, c'est de...
21:07À la capacité de faire sans dire.
21:09Ou avec, mais de lui dire
21:10qu'il y a de la valeur, en fait,
21:12qu'il ne...
21:13Voilà, qu'il n'abande pas,
21:15qu'il ne démissionne pas,
21:16justement, de sa qualité cognitive.
21:18Enfin, sinon, ça serait très déprimant.
21:20Oui.
21:21Et c'est au contraire,
21:22de se dire, OK, voilà.
21:23Par contre, il faut travailler avec,
21:24il faut être en capacité
21:25de pouvoir se justifier.
21:28Et puis, nos étudiants,
21:30c'est ce qu'on avait fait une étude,
21:31auprès de 1000 étudiants environ,
21:32là, sur 6 licences,
21:34donc des étudiants qui sortent du lycée
21:35et qui arrivent,
21:36la première année.
21:37Et on avait été globalement admiratifs
21:40de la qualité de l'utilisation de ça.
21:43Donc, on ne dit pas
21:44qu'il n'y a pas des étudiants
21:45qui s'en servent
21:46pour, voilà, se débrancher le cerveau.
21:48Mais on a vraiment des choses
21:49qui sont exceptionnelles
21:50en termes, justement,
21:51d'entraînement, de synthèse.
21:54Moi-même, qui voulait réagir
21:56et il nous reste 30 secondes.
21:57J'interviens en école.
21:58Effectivement, moi,
21:59le sujet que j'essaie de pousser
22:00auprès des étudiants
22:01qui peuvent utiliser ces outils
22:04d'une manière très ouverte,
22:05c'est qu'ils incarnent ce qu'ils font.
22:07Et du coup,
22:07c'est quoi leur position à eux
22:09de ce que ces machines produisent
22:11et comment eux sont capables
22:13de dire, partager,
22:16reproduire ce que cette machine dit
22:17indépendamment de la machine.
22:19Donc, s'il y a cette dimension
22:20d'incarnation, d'engagement
22:21dans ce que produit la machine,
22:22c'est déjà une première étape,
22:24mais on navigue quelque part à vue
22:26et l'idée serait de continuer
22:27à transformer l'éducation.
22:29Rester en capacité, dans tous les cas.
22:31Merci beaucoup à tous les trois
22:32pour vos éclairages
22:34sur cette transformation
22:35avec l'intelligence artificielle.
22:36Vincent Charlet, je rappelle
22:37que vous êtes le délégué général
22:38de la fabrique de l'industrie.
22:40Mohamed Senadji, fondateur
22:41du consortium Humachift.
22:43Et Jérôme Legris-Pages,
22:44vice-président en charge
22:45de l'innovation pédagogique
22:46à l'Université de Caen-Normandie.
22:49Je vous invite maintenant
22:49à suivre notre séquence
22:51sur le biomimétisme.
22:52de l'innovation pédagogique à l'innovation.
22:52Sous-titrage Société Radio-Canada
Commentaires