Cynthia Fleury : « L’IA sait conserver le savoir, mais pas le transmettre »

Avec l’IA, les organisations disposent de moyens inédits pour conserver et restituer leurs connaissances. Mais conserver un savoir, est-ce déjà le transmettre ?

Cynthia Fleury – Non, bien sûr que non. Conserver n’est absolument pas assimilable à transmettre. Il y a une illusion très répandue : on croit que parce qu’on conserve, on va transmettre. Ce n’est pas nécessairement le cas, et c’est même souvent l’inverse. Platon, déjà, dans le Phèdre, s’en prenait directement à l’écriture : selon lui, ce moyen de conservation menaçait la transmission elle-même. Avant l’écriture, on considérait que l’oralité était le médium idéal pour transmettre. Car ce qui compte dans la transmission, ce n’est pas le contenu en lui-même, c’est le travail du vivant : la manière dont l’autre va s’approprier une chose avec ce qu’il est. L’IA, en un sens, pousse cette logique de conservation à son maximum, précisément parce qu’elle n’active pas ce travail de transformation du contenu par le vivant, qui est le propre de la transmission.

Qu’est-ce que l’expérience apporte que la formalisation numérique ne peut pas restituer ? Avez-vous des exemples de connaissances faciles à documenter mais difficiles à incarner ?

C. F. – Rien n’est en soi difficile à incarner. Ce qui manque, ce sont les ressources nécessaires pour le faire : du temps, de l’altérité, un corps engagé. L’expérience inscrit la connaissance dans un corps, et on ne fera jamais mieux que cela. Prenez un savoir médical ou un savoir d’ingénieur : ce ne sont pas les mêmes gestes selon qu’on les apprend par simulation ou par la réalité. La simulation est très utile, mais il y aura toujours des biais. Et à force de digitaliser un geste, d’obliger l’humain à se couler dans un langage qui n’est pas le sien, on finit par l’évincer du processus. Il y a là un vrai danger de disparition des savoir-faire. À cela s’ajoute une dimension corporelle qu’on documente encore trop peu : rester assis, devant un écran, toujours sur le même support, affaiblit l’incorporation. Ce qui accompagne habituellement un apprentissage, c’est-à-dire une odeur, une marche, la présence physique d’un autre, participe de son inscription durable. Avec l’IA, cette dimension est beaucoup plus pauvre : l’échange est excellent à l’instant T, mais il faudrait vérifier ce qu’il en reste six mois plus tard.

Que devient l’apprentissage quand la technologie donne une réponse immédiatement ? Le doute et la vérification ont-ils toujours une place ?

C. F. – Moins, hélas. L’IA est d’une puissance telle qu’elle fait sauter ce que Bachelard appelait les obstacles épistémologiques, ceux-là mêmes qui nous aident à construire une façon de penser, de nous en souvenir, de la baliser. Une IA produit en quelques secondes un raisonnement très articulé, mais comme il n’a été traversé ni par votre corps, ni par le temps, ni par le frottement de votre propre pensée, il s’imprime beaucoup moins. Apprendre n’est pas un geste théorique, c’est un geste existentiel, presque physique. L’usage massif de l’IA vient le bousculer. Le doute, qui active l’esprit critique et aide à travailler avec ses erreurs, faisait partie intégrante de la méthode. Aujourd’hui, un raisonnement peut advenir sans l’activation de ces outils, et l’individu risque de devenir dépendant d’une machine et de se déshabituer à raisonner par lui-même.

Le risque n’est-il pas de transmettre davantage de connaissances tout en formant moins le jugement ?

C. F. – Tout à fait. Et les organisations, qui redoutent l’incertitude, auront tendance à continuer de se rassurer en cherchant à tout modéliser pour maîtriser au maximum leur environnement. On voit déjà apparaître des phénomènes de boucle, où une IA vient en corriger une autre, sans jamais sortir du système. Trois issues se dessinent : 1) une régulation par la catastrophe car les sociétés ne régulent presque jamais une technologie de manière préventive ; beaucoup d’acteurs de l’IA eux-mêmes appellent d’ailleurs à ralentir ; 2) une multiplication de « modes dégradés », le jour où les limites physiques et écologiques du numérique se feront sentir ; on oublie que le numérique n’est pas immatériel, donc à terme, les limites physiques finiront par contraindre l’usage, renforçant les inégalités socio-économiques déjà existantes ; 3) entre les deux, un phénomène de fascination-sidération, dans lequel les individus vont payer cher le prix de leur remplaçabilité par l’IA – en salaire, en statut, en capacité de négociation, en sens. Le drame est moins d’être remplacé que d’avoir soi-même cessé de cultiver ce qui n’était pas remplaçable.

 

Comment une organisation peut-elle distinguer ce qui doit être documenté, ce qui doit être transmis par la pratique et ce qui doit rester discuté collectivement ?

C. F. – Il n’existe pas de réponse gravée dans le marbre : la matière est mouvante, on ne sait jamais à l’avance ce qui mérite d’être conservé, documenté ou débattu. Ce qui est certain, c’est qu’il faut faire les trois : documenter, transmettre par la pratique, discuter collectivement. Mais sans jamais figer les arbitrages : si on fixe une fois pour toutes cette répartition, on commet une grave erreur. Il faut préserver la possibilité de continuer à arbitrer, collectivement et dans la durée.

 

Cela donne-t-il une importance particulière aux « passeurs » ? L’IA peut-elle libérer du temps pour le compagnonnage plutôt que de le remplacer ?

C. F. – Dans un univers qui sollicite très fortement des outils mécanisés, il faut absolument réenclencher une culture du compagnonnage, tutorat, accompagnement, peu importe le nom qu’on lui donne. Le but est de dégager du temps humain pour cela. Si l’on se contente de délivrer des contenus numériques très vite, il n’y aura ni incorporation ni appropriation réelle. Les passeurs (qui ne se définissent pas par leur « statut » : toute personne est un passeur potentiel au sens où elle est garante de penser ensemble un savoir et un contexte, un geste et des valeurs) ont un rôle clé : garder vivant un dialogue actif et interactif entre les personnes. Le problème, c’est que les organisations ont trop souvent tendance à substituer l’outil à l’humain plutôt qu’à inventer une complémentarité qui augmente réellement les capacités des équipes. Le temps libéré par l’IA n’est presque jamais réinvesti dans la transmission : il est absorbé par une hausse de la productivité attendue, ou simplement supprimé avec le poste. On remplace le tuteur par un module d’e-learning.

En transformant l’expérience en contenus réutilisables, l’IA ne risque-t-elle pas de standardiser les pratiques et d’effacer les singularités professionnelles ?

C. F. – C’est un vrai risque, et une donnée de vigilance. Avant même de se demander ce qu’on conserve, il faut se demander comment on conserve : est-ce qu’en conservant, on dénature ? Est-ce qu’en conservant, on standardise ? On peut produire des « boîtes à outils » qui uniformisent des pratiques qui, par la simple vitalité de l’expérience, n’auraient pas eu besoin de l’être. Cette hyper-rationalisation préexistait à l’IA, qui ne fait souvent que renforcer un mouvement déjà là. J’y ajouterai un mécanisme plus insidieux : sous couvert de traçabilité, les personnes craignent de faire des erreurs et se conforment à ce qu’elles croient être les attentes de l’outil. On connaît bien ce phénomène de lissage, par exemple avec les comptes rendus écrits qui aplatissent les opinions des uns et des autres. Ce qui change, c’est l’échelle : la « folie de la traçabilité » actuelle fait courir un risque réel de panoptique, c’est-à-dire où tout peut être surveillé sans être vu, dangereux pour les individus si l’outil est mal maîtrisé ou détourné.

À quelles conditions l’IA peut-elle aider à identifier ce qui, dans une organisation, demeure irremplaçable ? Quelle serait la première décision concrète à prendre ?

C. F. – Ma position est peut-être à contre-courant : pourquoi vouloir que ce soit l’IA qui s’en charge ? Confions-lui ce qui est remplaçable, et laissons les humains montrer leur valeur en allant chercher précisément l’irremplaçable. Je ne vois pas l’intérêt de déléguer à la machine cette valorisation : l’objectif devrait être d’en faire, au contraire, un domaine préférentiel pour l’humain. Quant à la première décision concrète à prendre dans une organisation, elle tient en un mot : la confiance. C’est la première vitesse d’une organisation. Dès qu’un outil d’IA vient l’abîmer, par exemple en aggravant le sentiment d’inégalité ou l’effet de boîte noire, ou en diluant les responsabilités, c’est le signal qu’il faut immédiatement revoir l’outil, le rendre plus transparent, plus explicable. Le vrai test, c’est celui-là : est-ce que cet usage renforce la confiance, ou est-ce qu’il renforce le sentiment d’abandon, la compétition exacerbée entre collaborateurs ? Dans ce cas, c’est qu’on n’a pas le bon usage de l’outil, et il faut, collégialement, en inventer un autre.