La proposition de créer un label « sans IA générative » dans l’enseignement supérieur mérite d’être prise au sérieux. Elle traduit une inquiétude réelle : voir des étudiants produire des devoirs, des mémoires, des codes ou des raisonnements avec l’aide d’outils génératifs sans avoir réellement acquis les connaissances et les compétences attendues. Mais elle ne doit pas enfermer le débat dans une opposition trop simple entre une université « avec IA » et une université « sans IA ».
Le problème est plus profond. Il ne concerne pas seulement l’usage de ChatGPT, Claude, Gemini, Mistral ou d’autres outils. Il concerne la manière même dont nous formons, évaluons et accompagnons les apprenants. Wald Maâlam rappelle qu’à l’université, l’apprenant acquiert d’abord des connaissances. C’est indispensable. Mais c’est précisément là que se situe aujourd’hui la difficulté : la connaissance acquise ne devient pas automatiquement une compétence.
Une connaissance peut rester abstraite, théorique, séparée de l’action. Elle peut être récitée, mobilisée dans un examen, citée dans un devoir, sans être réellement pratiquée. Or l’intelligence artificielle générative vient révéler cette faiblesse. Elle ne la crée pas entièrement. Elle la rend visible. Elle permet de produire un texte bien rédigé sans construire sa pensée, un plan cohérent sans problématiser, un code sans comprendre la logique de l’algorithme, un résumé sans avoir lu le texte.
Le vrai danger n’est donc pas que l’étudiant utilise l’IA. Le danger est qu’il puisse obtenir un diplôme sans avoir transformé ses connaissances en compétences par la pratique. C’est pourquoi le débat sur le label « sans IA » est utile, mais insuffisant. Il alerte sur la dépendance cognitive, mais il ne répond pas à la question centrale : comment faire en sorte que les étudiants sachent réellement mobiliser ce qu’ils apprennent ?
Au lieu de bannir l’IA, il faut plaider pour une transformation plus profonde de la formation supérieure. La compétence ne naît pas de la simple accumulation de cours. Elle naît de l’usage vivant de la connaissance. Elle se construit lorsque l’étudiant applique ce qu’il apprend, le confronte à un problème réel, l’adapte à un contexte, l’explique, le corrige, le discute et l’améliore. C’est dans cette pratique régulière que la connaissance devient savoir-faire, jugement, méthode et autonomie.
Wald Maâlam propose depuis longtemps de dépasser l’opposition classique entre université et entreprise. Il ne s’agit pas seulement d’ajouter des stages, de multiplier les périodes d’apprentissage ou d’envoyer ponctuellement les étudiants sur le terrain. Il faut penser un système plus hybride, plus organique, plus continu, dans lequel l’université et l’entreprise ne seraient pas deux mondes successifs, mais deux espaces articulés d’un même processus d’apprentissage.
Dans ce modèle, l’apprenant ne reçoit pas d’abord des connaissances pour les appliquer beaucoup plus tard. Il apprend en appliquant. Il applique en apprenant. Il comprend en faisant. Il progresse en confrontant chaque jour ses connaissances à des situations réelles, à des projets, à des usages, à des contraintes, à des erreurs et à des responsabilités. Il faut une pédagogie de la pratique continue de la connaissance.
C’est là que l’IA peut trouver sa juste place. Elle ne doit pas être bannie par principe, mais intégrée avec méthode. Elle peut aider à chercher, comparer, reformuler, simuler, traduire, coder, tester ou documenter. Mais elle ne doit jamais devenir le substitut silencieux de l’apprentissage. La question n’est pas seulement : l’étudiant a-t-il utilisé l’IA ? La vraie question est : qu’a-t-il compris, appliqué, vérifié, corrigé et assumé ?
Il existe bien sûr des moments où l’usage de l’IA doit être suspendu. L’étudiant doit savoir lire seul, écrire seul, calculer seul, coder seul, chercher seul et argumenter seul. Ce n’est pas une nostalgie, mais une exigence éducative inscrite dans une progression claire.
Il faudrait donc distinguer trois espaces. Le premier est celui des fondamentaux protégés, où l’étudiant démontre qu’il sait produire une pensée sans assistance générative. Le deuxième est celui de l’usage encadré, où l’IA peut être utilisée, mais doit être déclarée, expliquée, discutée et évaluée. Le troisième est celui de la formation critique à l’IA, où l’étudiant apprend à comprendre les biais, les hallucinations, les dépendances, les coûts, la souveraineté des données, la propriété intellectuelle et la transformation des métiers.
Le véritable label dont nous avons besoin n’est donc pas seulement un label « sans IA ». C’est un label de qualité pédagogique à l’ère de l’IA. Il devrait garantir trois choses : que les connaissances fondamentales sont réellement acquises, que ces connaissances sont régulièrement mises en pratique, et que l’IA, lorsqu’elle est autorisée, est utilisée de manière encadrée, déclarée, critique et responsable.
Cette approche suppose aussi de repenser l’évaluation. Les devoirs standardisés à domicile, les dissertations mécaniques, les résumés attendus et les plans prévisibles sont devenus fragiles. La réponse ne peut pas être seulement disciplinaire. Elle doit être pédagogique. Il faut davantage d’oraux, de projets réels, de carnets de raisonnement, de travaux progressifs, de mises en situation et d’évaluations du cheminement. À l’ère de l’IA générative, la question centrale n’est plus seulement : qu’as-tu produit ? Elle devient : comment as-tu pensé ?
L’université doit rester le lieu de la connaissance. Mais elle ne peut plus être seulement le lieu de la connaissance abstraite. Elle doit devenir aussi le lieu de sa pratique réfléchie. Les entreprises doivent devenir des partenaires pédagogiques. Les enseignants doivent être reconnus comme des architectes de parcours d’apprentissage.
À l’ère de l’intelligence artificielle, la valeur d’un diplôme ne viendra plus seulement de ce que l’étudiant sait. Elle viendra de ce qu’il sait faire avec ce qu’il sait. Et surtout de sa capacité à le faire avec discernement, responsabilité et autonomie. Une université qui produit des diplômés incapables d’écrire sans IA, de raisonner sans IA ou de décider sans recommandation algorithmique ne prépare pas l’avenir. Elle prépare une dépendance.
À l’inverse, une université qui apprend à ses étudiants à penser d’abord, à pratiquer ensuite, puis à utiliser l’IA avec discernement construit une véritable intelligence augmentée. Car l’intelligence augmentée suppose une intelligence préalable. Elle suppose une culture, une méthode, une capacité critique, mais aussi une capacité d’action. Sans cela, l’augmentation devient substitution, et la substitution devient appauvrissement.
Le label « sans IA » peut donc être utile s’il protège certains moments d’apprentissage profond. Mais il serait insuffisant s’il ne conduisait pas à une réforme plus large de la pédagogie. Il ne s’agit pas de refuser la technologie. Il s’agit de refuser que la technologie devienne le masque d’une compétence qui n’a jamais été construite.
Créer un label « sans IA » peut être une bonne idée à une condition : qu’il ne soit pas pensé contre l’intelligence artificielle, mais pour l’intelligence humaine, pour la pratique de la connaissance et pour la compétence réellement acquise. Demain, la différence ne se fera pas seulement entre ceux qui utilisent l’IA et ceux qui ne l’utilisent pas. Elle se fera entre ceux qui savent produire des réponses et ceux qui savent transformer la connaissance en action, en jugement et en responsabilité.
Le problème est plus profond. Il ne concerne pas seulement l’usage de ChatGPT, Claude, Gemini, Mistral ou d’autres outils. Il concerne la manière même dont nous formons, évaluons et accompagnons les apprenants. Wald Maâlam rappelle qu’à l’université, l’apprenant acquiert d’abord des connaissances. C’est indispensable. Mais c’est précisément là que se situe aujourd’hui la difficulté : la connaissance acquise ne devient pas automatiquement une compétence.
Une connaissance peut rester abstraite, théorique, séparée de l’action. Elle peut être récitée, mobilisée dans un examen, citée dans un devoir, sans être réellement pratiquée. Or l’intelligence artificielle générative vient révéler cette faiblesse. Elle ne la crée pas entièrement. Elle la rend visible. Elle permet de produire un texte bien rédigé sans construire sa pensée, un plan cohérent sans problématiser, un code sans comprendre la logique de l’algorithme, un résumé sans avoir lu le texte.
Le vrai danger n’est donc pas que l’étudiant utilise l’IA. Le danger est qu’il puisse obtenir un diplôme sans avoir transformé ses connaissances en compétences par la pratique. C’est pourquoi le débat sur le label « sans IA » est utile, mais insuffisant. Il alerte sur la dépendance cognitive, mais il ne répond pas à la question centrale : comment faire en sorte que les étudiants sachent réellement mobiliser ce qu’ils apprennent ?
Au lieu de bannir l’IA, il faut plaider pour une transformation plus profonde de la formation supérieure. La compétence ne naît pas de la simple accumulation de cours. Elle naît de l’usage vivant de la connaissance. Elle se construit lorsque l’étudiant applique ce qu’il apprend, le confronte à un problème réel, l’adapte à un contexte, l’explique, le corrige, le discute et l’améliore. C’est dans cette pratique régulière que la connaissance devient savoir-faire, jugement, méthode et autonomie.
Wald Maâlam propose depuis longtemps de dépasser l’opposition classique entre université et entreprise. Il ne s’agit pas seulement d’ajouter des stages, de multiplier les périodes d’apprentissage ou d’envoyer ponctuellement les étudiants sur le terrain. Il faut penser un système plus hybride, plus organique, plus continu, dans lequel l’université et l’entreprise ne seraient pas deux mondes successifs, mais deux espaces articulés d’un même processus d’apprentissage.
Dans ce modèle, l’apprenant ne reçoit pas d’abord des connaissances pour les appliquer beaucoup plus tard. Il apprend en appliquant. Il applique en apprenant. Il comprend en faisant. Il progresse en confrontant chaque jour ses connaissances à des situations réelles, à des projets, à des usages, à des contraintes, à des erreurs et à des responsabilités. Il faut une pédagogie de la pratique continue de la connaissance.
C’est là que l’IA peut trouver sa juste place. Elle ne doit pas être bannie par principe, mais intégrée avec méthode. Elle peut aider à chercher, comparer, reformuler, simuler, traduire, coder, tester ou documenter. Mais elle ne doit jamais devenir le substitut silencieux de l’apprentissage. La question n’est pas seulement : l’étudiant a-t-il utilisé l’IA ? La vraie question est : qu’a-t-il compris, appliqué, vérifié, corrigé et assumé ?
Il existe bien sûr des moments où l’usage de l’IA doit être suspendu. L’étudiant doit savoir lire seul, écrire seul, calculer seul, coder seul, chercher seul et argumenter seul. Ce n’est pas une nostalgie, mais une exigence éducative inscrite dans une progression claire.
Il faudrait donc distinguer trois espaces. Le premier est celui des fondamentaux protégés, où l’étudiant démontre qu’il sait produire une pensée sans assistance générative. Le deuxième est celui de l’usage encadré, où l’IA peut être utilisée, mais doit être déclarée, expliquée, discutée et évaluée. Le troisième est celui de la formation critique à l’IA, où l’étudiant apprend à comprendre les biais, les hallucinations, les dépendances, les coûts, la souveraineté des données, la propriété intellectuelle et la transformation des métiers.
Le véritable label dont nous avons besoin n’est donc pas seulement un label « sans IA ». C’est un label de qualité pédagogique à l’ère de l’IA. Il devrait garantir trois choses : que les connaissances fondamentales sont réellement acquises, que ces connaissances sont régulièrement mises en pratique, et que l’IA, lorsqu’elle est autorisée, est utilisée de manière encadrée, déclarée, critique et responsable.
Cette approche suppose aussi de repenser l’évaluation. Les devoirs standardisés à domicile, les dissertations mécaniques, les résumés attendus et les plans prévisibles sont devenus fragiles. La réponse ne peut pas être seulement disciplinaire. Elle doit être pédagogique. Il faut davantage d’oraux, de projets réels, de carnets de raisonnement, de travaux progressifs, de mises en situation et d’évaluations du cheminement. À l’ère de l’IA générative, la question centrale n’est plus seulement : qu’as-tu produit ? Elle devient : comment as-tu pensé ?
L’université doit rester le lieu de la connaissance. Mais elle ne peut plus être seulement le lieu de la connaissance abstraite. Elle doit devenir aussi le lieu de sa pratique réfléchie. Les entreprises doivent devenir des partenaires pédagogiques. Les enseignants doivent être reconnus comme des architectes de parcours d’apprentissage.
À l’ère de l’intelligence artificielle, la valeur d’un diplôme ne viendra plus seulement de ce que l’étudiant sait. Elle viendra de ce qu’il sait faire avec ce qu’il sait. Et surtout de sa capacité à le faire avec discernement, responsabilité et autonomie. Une université qui produit des diplômés incapables d’écrire sans IA, de raisonner sans IA ou de décider sans recommandation algorithmique ne prépare pas l’avenir. Elle prépare une dépendance.
À l’inverse, une université qui apprend à ses étudiants à penser d’abord, à pratiquer ensuite, puis à utiliser l’IA avec discernement construit une véritable intelligence augmentée. Car l’intelligence augmentée suppose une intelligence préalable. Elle suppose une culture, une méthode, une capacité critique, mais aussi une capacité d’action. Sans cela, l’augmentation devient substitution, et la substitution devient appauvrissement.
Le label « sans IA » peut donc être utile s’il protège certains moments d’apprentissage profond. Mais il serait insuffisant s’il ne conduisait pas à une réforme plus large de la pédagogie. Il ne s’agit pas de refuser la technologie. Il s’agit de refuser que la technologie devienne le masque d’une compétence qui n’a jamais été construite.
Créer un label « sans IA » peut être une bonne idée à une condition : qu’il ne soit pas pensé contre l’intelligence artificielle, mais pour l’intelligence humaine, pour la pratique de la connaissance et pour la compétence réellement acquise. Demain, la différence ne se fera pas seulement entre ceux qui utilisent l’IA et ceux qui ne l’utilisent pas. Elle se fera entre ceux qui savent produire des réponses et ceux qui savent transformer la connaissance en action, en jugement et en responsabilité.