L'IA apprend de nous — mais peut-elle apprendre sans nous ?
L'intelligence artificielle va plus vite que l'humain, mais ses connaissances se limitent à ce que nous lui avons transmis. Un article de Thot Cursus soulève trois enjeux concrets pour les formateurs : hallucinations, effondrement des modèles et contrôle pédagogique.

Avant l'IA, synthétiser un cours ou traduire un document pouvait prendre des heures. L'auteure de cet article rappelle que l'IA a réduit ce délai à quelques minutes. Pour un formateur, le gain de temps est réel. Mais la vitesse d'exécution soulève une question plus délicate : peut-on encore contrôler ce qu'on a mis en mouvement ?
L'IA ne crée pas de connaissances nouvelles. Elle traite, croise et restitue ce que l'humain lui a fourni. C'est un fait technique : les modèles de langage sont entraînés sur des corpus produits par des humains. Les connaissances de l'IA sont donc plafonnées par celles que l'humanité a produites et indexées jusqu'à la date d'entraînement du modèle. Pour les formateurs, cela signifie que des domaines peu documentés, des pratiques récentes ou des contextes locaux risquent d'être mal représentés dans les réponses générées.
Le problème des « hallucinations » est documenté scientifiquement. Ziwei Ji et al. ont recensé les formes d'aberrations dans une étude parue dans ACM Computing Surveys en 2023 : un modèle peut formuler une réponse cohérente et fluide tout en avançant des informations fausses ou injustifiées. En formation, l'enjeu est direct : un apprenant qui utilise un outil d'IA pour rédiger un dossier peut produire un contenu trompeur sans s'en apercevoir. Le formateur reste donc le garant de la vérification factuelle.
Si les utilisateurs alimentent l'IA avec des contenus eux-mêmes générés par l'IA, les modèles se dégradent. Ilia Shumailov et al. ont montré dans Nature (2024) que l'entraînement récursif sur des données synthétiques produit un « effondrement du modèle » : les cas rares et atypiques disparaissent progressivement, rendant les réponses de plus en plus homogènes et éloignées de la diversité réelle des savoirs. Pour les organismes de formation qui produisent des ressources, cela invite à maintenir une production humaine originale plutôt que de déléguer systématiquement la création à l'IA.
L'auteure pose la question du contrôle : qui décide des limites de l'IA ? Elle cite deux lettres ouvertes signées par des chercheurs et développeurs en 2023 — l'une portée par le Future of Life Institute, l'autre par le Center for AI Safety — qui demandaient une pause dans le développement des grands modèles. Ces initiatives n'ont pas débouché sur un moratoire. Pour les formateurs, la question pratique n'est pas celle d'un « bouton pause » global, mais d'un cadre d'usage clair dans leurs propres dispositifs : que confier à l'IA, que conserver en propre, comment apprendre aux apprenants à distinguer les deux ?
Cet article de Thot Cursus n'est pas une étude empirique : c'est une réflexion grand public qui s'appuie sur des références scientifiques existantes, sans données sur les usages en formation. Il aide néanmoins à poser trois questions concrètes : quelle place donner à l'IA dans la production de contenus pédagogiques ? Comment former les apprenants à vérifier les sorties des modèles ? Et comment s'assurer que les formateurs restent producteurs de savoirs originaux, plutôt que simples opérateurs de prompts ?


