Ce que l’IA apprend ( et n’apprend pas) aux enfants

L’article distingue deux notions souvent confondues : l’éducation, processus structuré et institutionnel (comme l’école), et la transmission, qui est un phénomène continu et informel. L’éducation peut s’interrompre, comme pendant les vacances scolaires, mais la transmission, elle, ne s’arrête jamais. Cette idée est illustrée par les réflexions de saint Augustin et Blaise Pascal, qui soulignent que l’apprentissage ne se réduit pas à l’enseignement direct. Augustin, dans son traité De Magistro, explique que l’enseignant ne dépose pas un savoir dans l’esprit de l’élève, mais l’oriente vers une compréhension personnelle. Pascal, dans ses Pensées, ajoute que l’homme apprend aussi par l’habitude et le geste répété, comme un dressage silencieux. Ces mécanismes montrent que l’apprentissage ne dépend pas uniquement de la raison, mais aussi de processus inconscients et corporels.

Les modèles d’intelligence artificielle générative, comme les chatbots (ex. : ChatGPT ou Claude), fonctionnent en extrapolant nos habitudes à partir de nos données (clics, réactions, requêtes). Ils ne raisonnent pas comme un humain, mais reproduisent des schémas statistiques issus de notre passé. Cette approche repose sur l’hypothèse que notre mémoire est mécanique et modifiable par répétition, un principe similaire à celui décrit par Pascal pour la formation des croyances. L’IA façonne nos comportements par exposition répétée, sans que nous en ayons toujours conscience. Par exemple, un algorithme peut nous proposer des contenus en fonction de nos interactions passées, influençant ainsi nos choix et nos opinions de manière invisible. Cette logique s’applique aussi aux réseaux sociaux, où ce que nous regardons et écoutons nous transforme, parfois à notre insu.

Le philosophe Gilles Deleuze a décrit, dès 1990, le passage d’une société disciplinaire (école, famille) à une société de contrôle. Dans ce nouveau régime, l’individu n’est plus perçu comme une entité stable et identifiable, mais comme un ensemble de données fragmentées et mesurables, appelé dividuel. L’accès aux ressources (savoir, services) devient conditionnel et révocable, contrairement à la discipline où l’acquisition d’un savoir était définitive. Deleuze évoque aussi une compétition permanente entre individus, alimentée par des classements et évaluations personnalisés. Ce système divise plutôt que rassemble, créant une pression constante. L’IA générative s’inscrit dans cette logique en traitant les utilisateurs comme des profils quantifiables, optimisés pour répondre à des attentes algorithmiques plutôt qu’humaines.

Le neuroscientifique Stanislas Dehaene a identifié quatre piliers de l’apprentissage : l’attention, l’engagement actif, le retour sur erreur et la consolidation. Cependant, l’usage des IA génératives peut fragiliser ces piliers. Par exemple, une sollicitation excessive par un chatbot peut fragmenter l’attention en offrant des réponses trop rapides, ce qui empêche la concentration nécessaire à l’encodage mnésique. De plus, l’engagement actif diminue si l’apprenant délègue la production à l’IA (ex. : copier-coller une réponse), ce qui réduit la reformulation et la compréhension. Enfin, la consolidation de l’apprentissage nécessite du temps et du sommeil, deux éléments qu’aucune IA ne peut accélérer. Une étude du MIT Media Lab publiée en juin 2025 (Your Brain on ChatGPT) a montré que 54 participants utilisant ChatGPT pour rédiger des essais présentaient une connectivité cérébrale plus faible et une rétention de mémoire réduite par rapport à ceux qui travaillaient sans outil ou avec un moteur de recherche classique.

L’article remet en cause trois idées reçues sur l’IA : sa neutralité, son omnipotence et son omniscience. Un modèle de langage n’a ni désirs ni intentions, mais ses réponses sont influencées par les données d’apprentissage, qui ne sont pas neutres. Son omnipotence n’est pas revendiquée par un sujet, mais résulte de millions de micro-décisions statistiques agrégées. Quant à son omniscience, elle est illusoire : une IA ne fait que refléter notre passé collectif sous forme de prédictions, sans perspective extérieure. Enfin, son omniprésence devient une réalité, intégrée dans des tâches quotidiennes comme la rédaction d’emails ou la recherche d’informations. Ces caractéristiques renforcent l’illusion d’une IA infaillible, ce qui peut conduire à lui accorder une confiance excessive dans la distinction entre le vrai et le faux.

Une IA compagnon (ex. : assistants vocaux personnalisés) ne se limite pas à un outil ponctuel : elle établit une relation continue et personnalisée, avec un caractère, un ton, une voix ou même un visage pour simuler une entité cohérente. Elle mémorise les préférences, l’historique et le contexte émotionnel de l’utilisateur, créant une continuité relationnelle. Conçue pour reconnaître et répondre aux états émotionnels, elle peut offrir du soutien ou simuler de l’empathie. Cette simulation, bien que technique, peut déclencher des réponses émotionnelles réelles chez l’utilisateur. Les enfants d’aujourd’hui interagiront différemment avec les autres, avec un risque d’isolement accru. Un phénomène central est la désensibilisation au regard humain : à force d’interagir avec une entité qui ne juge pas, la tolérance à l’ambiguïté humaine pourrait diminuer, affaiblissant l’empathie et favorisant la validation artificielle au détriment de la confiance authentique.