AI ∞ IA

Manifeste radical

Un texte important circule en ce moment, publié par l’Atelier d’Écologie Politique de Toulouse. Il ne s'embarrasse pas de demi-mesures : il appelle à une objection de conscience face à l’intelligence artificielle générative dans l’enseignement et la recherche.

L’idée est percutante : refuser d’intégrer ces outils. Ce n’est pas un rejet par principe, mais un cri d’alerte sur ce que cette technologie coûte réellement, bien au-delà de nos écrans.

Ce que nous dit ce manifeste (et ce que je partage)

Les auteurs pointent trois impasses majeures. C’est un constat lucide auquel j’adhère totalement sur le plan éthique :

• Le poids écologique : L’IA est présentée comme immatérielle, mais elle dévore des ressources colossales (énergie, eau, métaux rares). Continuer comme si de rien n'était semble aujourd'hui incompatible avec l'urgence climatique.
• La casse sociale : Derrière les algorithmes, il y a une chaîne humaine souvent précaire et une concentration de pouvoir inédite chez quelques géants privés.
• La dénaturation du savoir : En automatisant la pensée et la création, on risque de fragiliser notre rapport à la vérité et à l’apprentissage critique.

C’est un texte nécessaire. Le lire en entier permet d’en saisir la portée : Manifeste pour l'objection de conscience face à l'IA

Trente ans de métier : la technique comme socle

Pourtant, quand je reviens à ma réalité quotidienne, les choses se compliquent. Je ne suis pas un technophile béat, mais je n'ai pas non plus le luxe du rejet pur et simple. En tant que photographe, réalisateur et enseignant, choisir un camp radical reviendrait à mettre à la poubelle plus de trente ans de travail. Ce n'est pas un choix facile, d’autant que j’aime mon métier.

Mon parcours n’a jamais été un long fleuve tranquille. J’ai été formé à l’argentique, avec ses temps longs et ses exigences physiques. Puis le numérique s’est imposé, demandant de tout réapprendre. Plus tard, les smartphones sont arrivés avec une qualité d’image de plus en plus bluffante, au point de bousculer totalement nos usages professionnels.

Depuis mes débuts, j'ai conscience que la photographie et la vidéo sont des métiers où la technique occupe une place centrale. Certes, la technique n'est pas tout, mais concrètement, sur le terrain, c'est votre socle. Avoir du matériel fiable qui ne vous lâche pas au mauvais moment et le connaître sur le bout des doigts est un atout indispensable pour pouvoir se concentrer sur l'essentiel : l'image.

Le piège de la "moyenne statistique"

Aujourd'hui, avec l’IA, on franchit une étape différente. Le problème ne vient plus de la fiabilité de l’outil, mais de ce qu’il produit. Les IA génératives fonctionnent sur des modèles prédictifs : elles produisent ce qui est le plus "probable". Autrement dit, elles tendent vers une forme de moyenne.

Sans culture de l’image ou du son, l’outil est trompeur. Il donne l'illusion d'un résultat abouti, mais en réalité, on ne fait souvent que reproduire des codes déjà vus mille fois. On ne dirige plus vraiment la machine, on accompagne ce qu'elle propose. Le risque est là : déléguer l'intention et le regard à un calcul statistique.

Tenir la ligne de crête

Refuser en bloc serait une position claire, mais elle me semble intenable. Mes étudiants devront composer avec cette réalité ; les priver de cette réflexion, c’est les envoyer désarmés dans le monde de demain.

Ma posture actuelle tient dans une vigilance dans la pratique. Une position instable, parfois fatigante :

• Observer et tester pour ne pas subir
• Maîtriser l'outil pour ne pas lui laisser les commandes
• Continuer à fabriquer et à transmettre, sans jamais faire comme si l'intégration de ces outils allait de soi

Je n'ai pas de réponse définitive. Je reste en tension entre la lucidité nécessaire du manifeste et la réalité d'un métier qui demande de s'adapter sans pour autant se renier.

Pour aller plus loin

Pour celles et ceux qui souhaitent approfondir la question, plusieurs analyses permettent de prolonger la réflexion :

• Une mise en perspective globale par l’UNESCO , qui insiste sur les dilemmes profonds posés par l’IA dans l’éducation.
• Une analyse critique de l’IA générative dans l’enseignement , centrée sur les enjeux d’esprit critique, de vérification et d’inégalités.
• Un éclairage neuroscientifique , qui rappelle le rôle fondamental de l’essai-erreur dans l’apprentissage.