IA : le monde académique vit-il sa propre crise Kodak ?

IA : le monde académique vit-il sa propre crise Kodak ?

https://atlantico.fr/author/philippe-silberzahn-1501524

L’IA ne menace pas seulement les métiers qui produisent des services : elle pourrait bouleverser ceux qui produisent et certifient le savoir lui-même. Dans le monde académique, l'analyse de données, la rédaction et l'évaluation deviennent progressivement automatisables, remettant en cause la rareté de l’érudition sur laquelle le système s’est construit.

Le développement massif de l’IA est généralement présenté comme une menace pour les programmeurs, les juristes, les consultants ou les comptables. On parle beaucoup moins de ses effets sur les producteurs de savoir eux-mêmes, ceux dont le métier consiste à produire et transmettre des connaissances. Pourtant, la rupture qui s’annonce dans le monde académique pourrait être considérable. Celui-ci vit peut-être sa propre crise Kodak.

Un enseignant-chercheur consacre de longues années à faire essentiellement deux choses : assimiler la littérature scientifique de son domaine et produire des travaux à partir de celle-ci, auxquels s’ajoute, selon les disciplines, le recueil de données originales. C’est un investissement considérable. Le doctorat, qui requiert plusieurs années de travail, constitue la clé d’entrée dans le système. Derrière les différences entre disciplines, un modèle implicite structure le monde académique : l’érudition est rare, donc elle a de la valeur.

Or cette rareté est en train de disparaître. Que fait concrètement un chercheur qui veut publier ? Il établit une revue de littérature : l’IA peut désormais en produire une en quelques minutes. Il traite des données : l’IA peut écrire le code et réaliser une partie des analyses. Il rédige l’article en respectant les codes de la revue ciblée : elle peut produire un premier jet acceptable également en quelques minutes. Contributions, abstract, reformulations, réponses aux reviewers : toutes ces tâches tombent progressivement dans son périmètre.

Cela ne signifie pas que l’IA sache faire le métier de chercheur. Mais une technologie n’a pas besoin de remplacer entièrement une profession pour en bouleverser l’économie. Elle doit simplement rendre abondant ce qui était rare. Kodak n’a pas disparu parce que les gens ont cessé de prendre des photos. Mais la photographie numérique a fait disparaître la rareté autour de laquelle Kodak avait construit son organisation, ses compétences et son modèle économique. Le risque est le même pour le monde académique : l’IA ne menace pas la production de connaissance, elle menace la valeur de certaines capacités sur lesquelles le système académique s’est construit.

Le problème est que l’évolution du système académique a créé plusieurs fragilités qui augmentent l’impact possible. La première est l’isolement croissant. On publie pour des pairs, dans des revues produites et lues par les pairs, sur des sujets de plus en plus théoriques, selon des conventions de plus en plus codifiées. Dans certaines disciplines où ils sont pourtant essentiels, les liens avec les organisations réelles, les entreprises, les administrations ou les terrains se sont progressivement distendus. Cet enfermement était déjà problématique avant l’IA. Il devient dangereux lorsque la lecture, la synthèse et la conceptualisation à partir de textes existants deviennent justement les activités les plus facilement automatisables.

La seconde fragilité concerne l’enseignement. Dans une partie du système universitaire, celui-ci est devenu secondaire par rapport à la publication, qui détermine largement les carrières et le prestige académique. Or, là aussi, l’IA change les termes de l’équation. Un étudiant peut désormais disposer à toute heure d’un interlocuteur patient, capable de réexpliquer un concept, de changer d’exemple, de produire des exercices et d’adapter son explication à son niveau. Cela ne rend pas le bon professeur inutile ; cela révèle au contraire ce qui fait sa vraie valeur : comprendre où l’étudiant bloque, provoquer une réflexion, développer son jugement, créer une dynamique collective et accompagner une progression intellectuelle. Or c’est tout cela que la focalisation sur la recherche décourage. L’enseignant qui se contente de transmettre un contenu standardisé devient beaucoup plus facilement substituable.

Autrement dit, l’évolution du métier académique a conduit une partie des enseignants-chercheurs à concentrer leur activité précisément sur le nœud de tâches que l’IA automatise le plus facilement. Et la réaction actuelle risque de renforcer le problème. Une véritable course à l’IA s’est engagée dans les laboratoires : formations pour faire une revue de littérature plus vite, rédiger plus rapidement, analyser davantage de données, produire davantage d’articles. C’est le réflexe classique de l’acteur installé confronté à une rupture : utiliser la nouvelle technologie pour améliorer l’efficacité du modèle existant plutôt que pour repenser ce modèle.

C’est précisément ce qui rend l’analogie avec Kodak pertinente. Kodak connaissait parfaitement la photographie numérique et avait même contribué à son développement. Son problème n’était pas de ne pas voir la technologie. C’était de continuer à la regarder à travers le modèle de la photographie argentique qu’elle était en train de rendre obsolète. Le risque pour le monde académique est similaire : adopter massivement l’IA tout en conservant intacts les systèmes de recrutement, de publication, de promotion et de prestige construits autour des compétences que l’IA banalise.

Et la rupture pourrait aller beaucoup plus loin qu’on ne l’imagine aujourd’hui. Le journal Nature rapportait récemment que des agents d’IA sont déjà capables de reprendre la littérature scientifique existante et d’y identifier des erreurs passées inaperçues parfois pendant des décennies. Des pans entiers de la littérature scientifique qu’aucune communauté humaine n’aurait les moyens de relire sont désormais soumis à un audit systématique.

C’est peut-être le signe avant-coureur du véritable séisme. Les travaux pourront être continuellement réexaminés, comparés et critiqués par des machines capables de parcourir une littérature à une échelle inaccessible à l’homme. La rupture touche alors au cœur même de l’institution académique : son rôle de production, mais aussi de certification du savoir.

Ce qui rend cette rupture particulièrement dangereuse est qu’elle frappe un système déjà fragilisé. Une enquête publiée récemment par le New York Times en offre une illustration saisissante. Pendant des années, des milliers de Kényans ont vécu en rédigeant les devoirs d’étudiants d’universités occidentales. L’arrivée de ChatGPT a largement détruit cette activité. L'histoire n’est pas anecdotique. Elle montre que la crise de l’enseignement supérieur n’a pas commencé avec l’IA. Pendant des années, un système pouvait attribuer des notes et, finalement, des diplômes à des étudiants dont une partie du travail intellectuel était réalisée par quelqu’un d’autre. Le phénomène était connu, et pourtant toléré. L’IA n’a créé ni cette faiblesse ni beaucoup d’autres. Elle les révèle, les généralise et les accélère brutalement.

C’est pourquoi son effet peut être si ravageur. Les ruptures technologiques sont particulièrement violentes lorsqu’elles frappent des organisations dont le modèle s’était déjà affaibli mais qui continuaient à fonctionner grâce à leurs routines, leurs institutions et leur prestige.

Le monde académique doit aujourd’hui se poser la question suivante : si l’érudition devient abondante, si une partie de la production intellectuelle est automatisable et si même l’évaluation du savoir peut progressivement être assistée par des agents, sur quoi reposera demain sa valeur ? Bien-sûr, le monde académique n’est pas condamné. Kodak non plus ne l’était au début de la photographie numérique. C’est précisément ce qui rend la comparaison inquiétante.