Je me souviens avoir eu du mal avec Hannah Arendt la première fois que je l'ai lue. Elle a utilisé le mot « réfléchi » d'une manière que les anglophones natifs ne font généralement pas : elle l'a utilisé pour signifier considéré, par opposition au sens plus courant de prévenant. Là où je pourrais faire référence à un geste réfléchi, signifiant qu’il était prévenant, elle ferait référence à une approche réfléchie de la politique. Ce dernier n’était pas une question de manières ou d’étiquette ; il s’agissait de réfléchir à ce que nous faisions ou essayions de faire. Il s’agissait d’être plein de réflexion, dans le sens d’avoir engagé une réflexion sérieuse (et collective). L’absence de réflexion, ou ce qu’elle appelle la banalité, ouvrait la voie à un mal immense.
Avec plus de kilomètres sur mon compteur kilométrique personnel maintenant qu’à l’époque, je comprends son point de vue. Récemment, je suis tombé sur quelques articles particulièrement réfléchis, au sens d'Arendt, sur la manière de répondre à l'IA dans l'enseignement supérieur. Ils ne sont pas aussi banals que « va-t’en et laisse-moi tranquille » ou « maintenant nous n’avons plus du tout besoin d’éducation ». Au lieu de cela, ils offrent des exemples de ce à quoi pourrait ressembler une réflexion sérieuse et collective, chacun avec la promesse implicite d’aider les collèges et les universités à comprendre plus clairement ce qu’ils devraient faire. Je les recommande à mes lecteurs sages et mondains, ainsi qu'à tous ceux qui cherchent de l'espoir.
Le premier est le rapport largement remarqué du Massachusetts Institute of Technology sur « l’utilisation de l’IA dans l’enseignement, l’apprentissage et la formation à la recherche ». C'est un document frappant à bien des égards. Le plus flagrant, par rapport à la plupart de ce que je vois dans mon rôle, est la centralité de l’apprentissage, par opposition au placement.
Cela peut en partie refléter une sorte de privilège lié au rang. Le MIT peut supposer que ses étudiants trouveront un emploi. Sa politique d'admission et son programme d'études sont suffisamment exigeants pour que les gens supposent que toute personne titulaire d'un diplôme doit être assez pointue. Lorsque vous présélectionnez toute personne qui n'a pas fait preuve d'une expérience extraordinaire en matière de scolarité, vous pouvez éluder certaines questions et vous en sortir. Ça doit être sympa. Ils n'ont pas non plus à se soucier de la transférabilité, ce qui ouvre des options de notation qui n'existent pas dans mon monde.
Mais même en admettant cela, j’ai été réconforté par la manière dont le rapport aborde de manière approfondie et franche le défi de l’IA. À un moment donné, il réprimande les professeurs qui ont remplacé les assistants de recherche par l’IA. L’argument est que oui, parfois l’IA peut accomplir certaines tâches plus rapidement, mais cela va à l’encontre de l’objectif de l’institution. Les assistants de recherche sont de futurs chercheurs, et une partie de l’intérêt des assistanats est d’apprendre à faire de la recherche. Remplacer les chercheurs débutants revient à manger les semences de maïs du champ.
Le rapport propose huit principes, dont l'un (« intentionnalité ») est une version reformulée de la réflexion d'Arendt. Une autre, « il n’y a pas de solution universelle », propose une suggestion pratique et rafraîchissante pour les politiques en matière d’IA : plutôt que d’adopter une seule déclaration à l’échelle de l’université ou de laisser chaque professeur livré à lui-même, proposez un court menu d’options. En fait, ils suggèrent que le rôle du leadership est de concevoir la bonne question à choix multiples et de permettre aux professeurs de choisir la réponse qui a du sens pour un cours ou une tâche donnée. C'est le genre de solution rétrospectivement évidente qui reflète une réflexion sérieuse dans le processus de son développement. En d’autres termes, ils donnent l’impression que les choses sont faciles. Je veux dire cela comme un compliment.
Le second est un article extraordinaire de Christine Nowik, professeur d’anglais au Harrisburg Area Community College en Pennsylvanie. D'une manière merveilleusement pratique – avec un cahier d'exercices ! – Novik suggère de saisir le défi de l'IA comme une opportunité de réfléchir collectivement à ce que nous essayons de faire. Elle suggère de remplacer les questions sur la détection de l’IA et le respect des politiques par des questions sur ce que nous voulons que les élèves apprennent et sur les domaines dans lesquels la « friction » est un élément indispensable de l’apprentissage.
Novik souligne que la tâche du leadership n’est désormais « pas d’éliminer la complexité mais de l’organiser ». Cela est cohérent avec l'approche du MIT en matière d'options politiques à choix multiples. Je pense que je pourrai peut-être faire broder « non pas éliminer la complexité mais l'organiser » sur un oreiller.
Certains des principes qu’elle énumère reflètent les réalités d’établissements sous-financés et à forte intensité d’enseignement. En d’autres termes, ils s’appliquent à des institutions autres que le MIT ou ses pairs. « Ne pas créer de pénalité pour l’innovation » et « laisser mourir certaines vieilles choses » sont bien plus difficiles qu’il n’y paraît, mais d’autant plus importants. Novik est parfaitement conscient que les mandats institutionnels créent souvent du nouveau travail pour les professeurs (et, j'ajouterais, pour tous les autres sur le campus) lorsqu'ils ne sont pas associés à des suppressions ou des soustractions. Lorsque la charge d’enseignement de base est de 5/5, comme c’est le cas ici, et que des bureaux entiers sont composés d’une seule personne, la conscience de la charge est essentielle. Novik suggère de créer ce qu’elle appelle du « slack » pour donner aux gens le temps et les ressources nécessaires pour expérimenter, et pour avoir suffisamment de recul pour savoir que certaines expériences échouent. C'est pourquoi ce sont des expériences.
À ce stade, je vais transformer un peu de son sous-texte en texte. Créer un espace pour expérimenter (et parfois échouer) nécessite de l'argent. Des décennies d’austérité dans le secteur public ont supprimé l’essentiel de la marge de manœuvre budgétaire qui aurait pu autrefois permettre des expérimentations plus ambitieuses. Les tendances politiques actuelles étant ce qu’elles sont, nous devrons peut-être nous tourner vers la philanthropie (plutôt que vers les législateurs) pour trouver les ressources nécessaires pour rendre certaines de ces idées possibles. Il suffit de regarder l’histoire de vendredi dernier concernant le sénateur de l’État de l’Ohio, Jerry Cirino, et son rejet de la gouvernance partagée comme étant une « poubelle » pour comprendre à quel point il sera important et difficile de développer une approche véritablement réfléchie face au défi de l’IA.
Malgré toute sa perspicacité en matière de réflexion, Arendt était notoirement indifférente à l’économie. (Son amie Mary McCarthy l'a un jour directement défiée : si vous supprimez « l'économique » du « politique », que reste-t-il ?) Nous ne pouvons pas l'être. Nos ressources sont limitées et, dans certains cas, les personnes qui contrôlent l’accès à ces ressources ont pris l’ignorance impulsive comme un signe de détermination. Nous avons besoin de détermination pour lutter contre des questions sérieuses. Félicitations au MIT et au professeur Nowik pour avoir montré comment cela peut être réalisé.
