Lien source de cet article.
Auteur :
Presque trois ans après le « Big Bang » de l’intelligence artificielle générative à grande échelle, la question taraude tous les acteurs de la formation, professionnels et académiques inclus. Quels seront sur le long terme les impacts de l’intelligence artificielle sur l’apprentissage ? ses apports mais aussi ses dangers ? En lien avec une recherche dont le démarrage est prévu en novembre 2025[1], nous vous proposons une plongée au cœur de l’acte d’apprendre et quelques réflexions préliminaires.
Une rupture technologique majeure : la déferlante « intelligence artificielle générative »
Intelligence artificielle générative vous avez dit intelligence artificielle générative ? Pas un jour sans que de nouvelles solutions et fonctionnalités ne soient disponibles sur le marché de la formation. Sortie la tête haute de la crise sanitaire, la formation est de retour sur le devant de la scène tant les enjeux en matière de reconversions et de montée en compétences sont considérables. Désormais, ses « carnets de commande » sont pleins avec une nouvelle ère qui s’ouvre, celle du déploiement à grande échelle de l’intelligence artificielle au sein de tous les métiers et ses divers impacts.
Le mouvement (et la déferlante associée) est avant tout d’ordre technologique (dimensions sociétales, éthiques et juridiques ont bien du mal à suivre) et prend les allures d’une course effrénée facilitée par le sentiment d’une urgence entretenu, pour « ceux qui ne s’y mettraient pas » ; ce qui se traduirait par leur inévitable remplacement par les plus rapides à maîtriser cette nouvelle technologie. Les initiatives battent leur plein dans les entreprises, à plus ou moins grande vitesse, on sensibilise, on teste, on analyse, on tente de comprendre les différentes formes à venir de mutation des métiers. Transformation durable des façons de faire (processus inclus) et impacts associés restent encore à démontrer à grande échelle même si déjà de nombreuses applications prennent forme.
Dans le domaine de la formation, le club des Learning Activists[2] a par exemple mené une réflexion interentreprises autour des cas d’usages associés aux grandes étapes de conception et de déploiement d’un programme de formation. Parmi les usages déjà répandus, les domaines de la production de contenus ou encore d’évaluation et de confrontation des savoirs présentent un très fort potentiel ouvrant un espace d’opportunités sans précédent en matière de contextualisation et de personnalisation de la formation. La vertu de cette approche réside dans le principe d’envisager les solutions digitales à base d’intelligence artificielle générative (le « comment ») une fois seulement bien posés et formalisés les attendus (le « quoi »), favorisant grandement leur sélection et la capacité pour les départements L&D à s’y retrouver dans un océan toujours plus vaste de possibilités. L’approche est également révélatrice d’une intelligence artificielle générative positionnée à sa juste place c’est-à-dire en auxiliaire technico-pédagogique[3] au service d’une intention dûment définie.
Les citoyens du monde : apprendre, au cœur de nos existences
Alors pour commencer qu’est-ce qu’apprendre ? Apprendre vient du latin « apprehendere » qui signifie « saisir, embrasser, s’emparer ». En tant que sujet apprenant, j’obtiens une information, je m’approprie un savoir, j’acquiers un savoir-faire, je développe un savoir-être et ainsi de suite pour finalement procéder à mon individuation en bâtissant ma propre vision du monde et plus encore en devenant un citoyen à part entière doté d’un libre-arbitre lui-même construit sur la base de mes acquis et mes propres convictions. A titre d’exemple, il fallut à l’un de nous deux, alors étudiant en paléoanthropologie au Muséum d’Histoire Naturelle de Paris plusieurs années pour se forger une compréhension personnelle, exhaustive et argumentée de l’évolution humaine, fruit de nombreuses lectures, partages et confrontations d’idées autour des principales théories qui dominaient à l’époque.
Par ailleurs, de nos jours, notre relation à l’apprentissage s’ancre dans un continuum avec l’idée-force d’un apprentissage tout au long de la vie, en particulier pour faire face à l’apparition, la modification ou encore la disparation de nombreuses compétences. Il nous faut donc nous mettre en capacité d’apprendre en permanence, en toutes circonstances. Au-delà d’une approche désormais largement véhiculée et marketée dans l’univers de la formation, le défi est en réalité de taille car cela présuppose que nous sommes chacun et chacune en capacité de développer les attitudes et les comportements favorables à l’apprentissage.
Une première perspective nous éclaire sur ce défi avec le concept d’apprenance, qui peut se définir comme « un ensemble durable de dispositions favorables à l’action d’apprendre dans toutes les situations formelles ou informelles, de façon expériencielle ou didactique, autodirigée ou non, intentionnelle ou fortuite ». On distingue donc d’une part une attitude et des dispositions envers l’apprentissage, de l’autre la pratique proprement dite de l’acte d’apprendre sur lequel la motivation aura une portée significative. Découlant de l’apprenance, un modèle a été proposé par l’un des auteurs de cet article portant sur trois facteurs recouvrant l’ensemble des composantes impliquées dans l’apprentissage[4].
-des facteurs dispositionnels d’ordres biologique, biographique, cognitif, affectif et conatif qui traversent la vie d’une personne et déterminent sa relation présente à l’apprentissage,
– des facteurs comportementaux incluant des actions, des schémas de comportement, des stratégies d’autorégulation, routines et habitudes qui caractérisent la pratique d’apprentissage de la personne,
– des facteurs contextuels, qu’ils soient imposés, choisis ou construits par la personne et incluant les ressources variées mobilisés dans l’apprentissage (humaines, technologiques et matérielles).
L’équation idéale pour un apprentissage efficace serait alors celle « d’une personne bien disposée à apprendre et dotée de compétences adéquates, déployant des stratégies efficaces d’autorégulation…dans un contexte riche et diversifié en ressources humaines et matérielles ». On retiendra ici pour chacun d’entre-nous l’importance de l’attitude (des dispositions préalables), des comportements (et façons d’apprendre) et enfin du contexte (dans ses diverses dimensions).
Une seconde perspective, celle de la pratique réflexive, complète le panorama. Elle est associée à une prise de recul dans ses pratiques professionnelles et au développement d’une lucidité sur soi-même et vis-à-vis des autres. Dans un monde de plus en plus « accéléré », elle est devenue essentielle, voire vitale pour tout professionnel désireux de « poser le crayon », de gouter au temps de l’inaction et de réfléchir sur ses différentes réalisations. Elle est en cela une composante essentielle de l’apprentissage et on la retrouve par exemple formalisée dans les actions de formation en situation de travail (Afest). Le modèle EDRACT®[5] réconcilie la formation formelle et l’apprentissage expérientiel, les apports de ressources et leur mobilisation en situation (dimension d’agir) tout en favorisant le développement de la réflexivité chez l’apprenant (réflexion « avant » et « sur » l’action, évaluation et feedback). Cette dimension réflexive se situe au cœur même des apprentissages en situation travail déployés chez Safran au travers du tutorat digitalisé : l’apprenant prend en premier lieu du recul sur ses actions (« faits »), le tuteur le questionne à son tour (« analyse »), projette avec lui de nouvelles façons de faire (« solutions) et identifie avec ce dernier les principaux apprentissages et leçons apprises (« transfert »).
En cela, l’apprenance, et la pratique réflexive nous invitent à être les premiers responsables de notre développement soutenu par des apprentissages autodirigés. Le glissement sémantique s’opère au niveau de la « formation » qui emprunte désormais davantage à une forme de « facilitation ».
L’intelligence artificielle générative au cœur de nos vies : quelques réflexions préliminaires autour de l’apprentissage
Il s’agit donc en premier lieu de réflexions préliminaires fondées sur nos observations et pratiques (les apports et les dangers de l’intelligence artificielle générative), en se plaçant du point de vue de l’apprenant, et qui pourront également inspirer la recherche à venir.
Mon accès aux savoirs : le Learning pour tous. L’accessibilité, autre serpent de mer des directions L&D, prend ici une autre dimension et œuvre à une démocratisation des accès aux Learning, y compris à des populations jusque-là le plus souvent ignorées. Le terrain de la localisation des contenus (dimension linguistique) connait déjà un essor considérable dans les entreprises et soutient la production de contenus de Learning à grande échelle et dans une dimension internationale. Chez Safran, 650 auteurs et autrices utilisent les fonctionnalités de production, de globalisation et de traduction assistée par intelligence artificielle des contenus digitaux de formation directement intégrés dans la plateforme digitale de l’entreprise avec en 2024 une production de plus de 2000 contenus.
Mon besoin-mon expérience de Learning : la personnalisation des apprentissages. Un sujet qui date et qui n’a jamais vraiment trouvé réponse avec l’avènement du e-learning au début des années 2000. L’intelligence artificielle semble offrir de belles perspectives en la matière et tout particulièrement dans sa capacité à aider les départements L&D à proposer des expériences de Learning de plus en plus alignées avec besoins de développement et personnalités de leurs apprenants. Le fameux concept d’adaptabilité et de recommandations ciblées s’incarne au travers de la conception et déploiement de parcours de Learning « multibranches » c’est-à-dire dont les contenus sont mobilisés à la demande, par exemple en fonction d’une évaluation préalable du niveau d’entrée : je suis déjà en maîtrise de la plupart des concepts (niveau élevé de maîtrise), je réalise donc uniquement le ou les modules dont j’ai encore besoin dans mon apprentissage. L’analyse sous-jacente de mes données d’apprentissage permet une guidance bout-en-bout et une pertinence optimale de mon expérience d’apprentissage.
Mon développement au quotidien : le glissement opéré vers le « travail » : il s’agit également ici d’interroger la pertinence d’une expérience de Learning limitée dans un temps formel et cadencé et à laquelle les apprenants opposent toujours le besoin d’une continuité, une fois de retour « au travail ». Le développement à foison des agents conversationnels nécessite une attention particulière dans les mois et les années à venir, tout particulièrement dans leur capacité à s’ancrer dans un accompagnement (et coaching) personnalisé quotidien. Les premières expérimentations débutent également dans le développement d’outils auteurs permettant de programmer des conversations simulées. 360 Learning et plusieurs entreprises, incluant Safran lanceront cette nouvelle approche en 2026 : on peut imaginer, au sein des programmes de Learning, des « sas d’entrainement » simulant des situations issues du terrain et permettant à l’apprenant de vivre une expérience d’apprentissage au plus proche de la réalité. De même, le champ de la réalité virtuelle, de la simulation et des apprentissages immersifs, augmenté par l’intelligence artificielle est sans doute appelé à prendre une ampleur additionnelle. Enfin, nous le constatons et le pratiquons nous-mêmes, l’intelligence artificielle peut devenir un partenaire hors normes de tous les instants, utilisé en « delta mode » (c’est-à-dire en simple appui) dans toutes nos recherches, par exemple à titre d’inspiration.
Mon développement dans la durée : dimension systémique de la carrière : le buzzword du moment s’appelle… « SBO » pour « Skills Based Organisation ». Au-delà, et même si la preuve à grande échelle reste à faire, l’intelligence artificielle, semble pouvoir apporter une solution à un problème majeur auquel nombre d’entreprises se sont confrontées : la conception de référentiels de compétences mort-nés. Le souci ? L’impossible maintenabilité de référentiels le plus souvent complexes et mouvants. L’ambition réside dans un référentiel de compétences assisté par intelligence artificielle générative tant dans la détermination des compétences afférentes aux emplois de l’entreprise que dans celles associées à ses formations. Passée cette difficulté, des fonctionnalités à forte valeur ajoutée sont appelées à être proposées aux apprenants, par exemple en matière de développement dans le poste qu’ils occupent (« Quel parcours de Learning peut me permettre de développer cette compétence ? ») ou encore en matière de mobilité (« indique-moi les parcours de Learning pour développer les compétences me permettant de passer du poste « A » au poste « B » ? »).
En matière de dangers, une question se pose aujourd’hui, par-delà les bénéfices attendus de l’usage généralisé des outils d’intelligence artificielle générative en termes de rapidité de traitement des informations, de résolution de problèmes et de synthèse de données complexes…Que dire des risques associés à l’apprentissage de processus cognitifs simplifiés et au désapprentissage d’autres plus profonds ? Les processus de désapprentissage sont encore mal connus et le plus souvent abordés comme contribuant à l’amélioration de nouvelles acquisitions. Pour adopter de nouvelles représentations d’un concept, d’une procédure, d’une attitude, il convient d’abord d’éliminer les connaissances que l’on en avait auparavant, pour permettre aux nouvelles connaissances de se former ; l’épistémologie et les didactiques contemporaines s’accordent en effet sur le besoin de désapprendre pour ré-apprendre. Mais le désapprentissage comporte également un versant plus sombre, voire opaque, car une fonction cognitive s’atrophie si elle ne sert pas… L’on peut aisément concevoir que, de même que nos capacités d’orientation sont affectées par l’usage de GPS, nos compétences linguistiques peuvent également s’affaiblir à mesure de la généralisation et du perfectionnement des applications de traduction. Et que dire de nos habiletés psychosociales, quand à l’occasion d’une réunion, les procédures fines et complexes de nos interactions langagières « chaudes », teintées de gestuelles et d’émotions sont transformées en données synthétiques, « froides » d’un compte-rendu factuel et concentré de données soigneusement algorithmées … ? Comment gagner en compétence dans les zones de pertinence de l’usage de l’intelligence artificielle, sans trop en perdre dans les domaines où les capacités psychosociales sont non seulement nécessaires, mais peut-être également indispensables à la performance organisationnelle et au développement humain ?
Le mirage de la facilité : le défi de l’effort : l’usage de l’intelligence artificielle, associé à des résultats toujours plus faciles et rapides à obtenir (pas forcément justes mais convaincants) questionne selon nous la notion même d’effort (dimension conative de l’apprenance vue plus haut). Les fameux « devoirs à la maison » n’ont plus la côte dans le milieu scolaire et les témoignages de productions uniformes et insipides vont bon train dans milieu de l’édition. Même si tout cela reste pleinement à étudier au cours de notre recherche (les expérimentations débutent[6]), ce questionnement va de pair avec un risque de dépendance cognitive grandissant aux « savoirs externalisés » disponibles à la demande et par opposition à des savoirs internalisés (qui ne sauraient sans doute pas se résumer à un « art de prompter »), fruits d’efforts d’appropriation et de recombinaison parfois considérables. L’exemple des systèmes de navigation GPS vus plus haut désormais courants dans nos véhicules est un bon exemple : qui sait encore lire une carte et que faire alors lorsque nous sommes privés de connexion pendant nos trajets en particulier pour celles et ceux dépourvus du « sens de l’orientation » ? Quelle dépendance demain aux divers systèmes LLM (et à leurs biais et vision du monde) auquel nous sommes appelés à nous abreuver toujours davantage ?
On pourrait nous retourner qu’il y longtemps que nous déléguons nombre d’activités (et de savoirs et savoir-faire) aux autres, mais la question posée ici est celle de la construction même de chacun d’entre-nous, fondée sur une appropriation et une recombinaison personnelle et régulière de savoirs, aux sources mêmes de notre individuation et de notre libre arbitre. La réponse serait, on l’entend partout, dans l’exercice de l’esprit critique, désormais incontournable. Certes. Mais pour autant, l’esprit critique, comme le palais bien affuté de l’œnologue met du temps (et des efforts) à se développer et à se mettre efficacement en œuvre ! Bref, pas d’esprit critique et en particulier de pouvoirs analytiques et de relativisation sans un…long apprentissage préalable.
La plongée dans l’instantanéité : la dominante renforcée du temps court. L’époque était déjà celle de la dominante du temps court doublée d’une forme d’impatience. Elle le sera sans doute encore davantage avec l’avènement de l’intelligence artificielle générative. Même si les usages en sont encore à la découverte et aux tests, il n’y a qu’un pas pour que processus et abaques (tolérés) de charge mutent vers de nouvelles tolérances. Quand je rédigeais hier un cahier des charges en deux jours, combien de temps l’entreprise me laissera t’elle demain, une fois assisté par intelligence artificielle générative ? Et d’ailleurs, pourrais-je encore produire « à l’ancienne » avec à la clé un fort risque de marginalisation ? En contrepartie, le besoin de conservation du temps long et de « zones blanches », au sens totalement déconnectées du digital et de l’intelligence artificielle générative, devrait encore (il est déjà majeur) s’amplifier dans les années à venir, essentiel à notre ressourcement, reconstruction et réflexivité, plus encore à nous protéger des maladies mentales dont l’explosion est constatée ces dernières années.
La production anonymisée : perte des origines et l’éthique mise en question. Un usage exclusif de l’intelligence artificielle générative tend, en produisant des contenus standardisés, à « gommer » selon nous toutes les composantes qui permettent d’œuvrer à la genèse de contenus spécifiques, en particulier le processus créatif, avec ses joies, ses doutes et ses difficultés, le temps et les efforts nécessaires. Plus encore, il fait fi de toute notion de « filiation » (et de respect des prédécesseurs dans une dimension éthique) au travers de la production de « conglomérats anonymisés » régurgités tels quels. Il sera intéressant de creuser ce que les apprenants ressentent lorsqu’ils goutent ce type de « plats ». Une expérience de déploiements d’avatars pour marketer des formations a par exemple montré une réaction négative des participants face à une durée des modules trop longue, effet lassitude (de l’avatar) et ressenti « low cost » (du « contenu servi ») rapidement exprimés. Pour autant, les productions progressent si vite qu’il sera facile de combler ces manques. Resteront alors les dimensions éthiques et « filiatives » qui n’y résisteront peut-être pas…
Un monde de représentations bouleversé : la pollution numérique. L’univers numérique disponible en ligne sur les réseaux sociaux, en premier lieu avec les images, désormais avec les vidéos, fait l’objet d’une pollution sans précédent et acte définitivement une désacralisation de l’image reléguant les graphistes et artistes au rang de simples « producteurs » parmi d’autres boostés par le « prompt facile ». Pour autant qui sait encore lire (et prendre le temps de lire) une image tout en maîtrisant les fondamentaux de la sémiologie ? Plus largement ces productions artificielles brouillent et bouleversent nos représentations mentales, plus encore notre vision du monde. Outre les risques inhérents aux fausses informations, nous percevons ici une possible atteinte à nos référentiels et finalement à nos capacités de comparaison et de relativisation. La mode est par exemple à revisiter la nature en la reproduisant puis en la faisant muter en animaux chimériques…quel objet mental demain pour incarner le rhinocéros qui tend (le vrai) à disparaitre progressivement ?
Les recherches ne font que débuter et nous espérons que celle que nous lancerons sous peu permettra de mieux cerner ces diverses dimensions et plus largement l’impact de l’intelligence artificielle sur l’apprentissage.
Jean-Roch HOULLIER, Head of Operations, Learning & Digital, Safran
Philippe Carré, Professeur émérite, Université Paris Nanterre
[1] L’association Interface Recherche conçoit, organise et conduit une recherche intitulée Usages de l’intelligence artificielle générative générative : apprendre ou désapprendre ?, en collaboration avec l’équipe Apprenance, formation, digital (laboratoire Cref) de l’université Paris-Nanterre et plusieurs organisations publiques et privées. Sa réalisation se déroulera entre le 1er novembre 2025 et le 31 mars 2027.
[3] Carré, P. (2025). L’efficacité pédagogique en formation d’adultes. Dunod.
[4] Carré, P. (2022). Apprenance: Rethinking How and Why Adults Learn. In Third International Handbook of Lifelong Learning (pp. 1-16). Cham: Springer International Publishing.
[5] https://www.blog-formation-entreprise.fr/scenariser-formations-engageantes-efficaces-methode-edract/
[6] Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X. H., Beresnitzky, A. V., … & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task. arXiv preprint arXiv:2506.08872, 4.
