<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:atom="http://www.w3.org/2005/Atom" version="2.0">
  <channel>
    <atom:link href="https://rino.artgeo.be/rss.xml" rel="self" type="application/rss+xml"/>
    <title>Bienvenue sur le blog AI ∞ IA</title>
    <link>https://rino.artgeo.be</link>
    <description>Un espace d’observation et d’analyse des mutations liées à l’IA dans les pratiques créatives et artistiques, entre usages concrets, regard critique et enjeux contemporains.</description>
    <lastBuildDate>Sat, 07 Nov 2026 12:04:24 +0100</lastBuildDate>
    <item>
      <title>Si prévisible humain</title>
      <link>https://rino.artgeo.be/si-previsible-humain</link>
      <image>https://rino.artgeo.be/bl-content/uploads/pages/aaab08e7b22252af8d4a32652726b74b/Ascension-aux-futurs-transparents-png.png</image>
      <description>&lt;p&gt;&lt;em&gt;Les géants de la tech promettent des IA qui nous connaîtront intimement. En analysant nos clics, nos recherches ou nos achats, les plateformes repèrent des habitudes et des ressemblances. Elles s’en servent pour anticiper certains de nos choix et décider de ce qu’elles nous montrent en premier. Jusqu’où voulons-nous que ces entreprises puissent chercher à prédire nos comportements ? Et faut-il leur laisser décider seules de l’usage de ces prédictions, ou en fixer ensemble les règles ?&lt;/em&gt;&lt;/p&gt;
&lt;p&gt;En août 2010, Eric Schmidt, alors patron de Google, confie au &lt;a href="https://www.wsj.com/articles/SB10001424052748704901104575423294099527212"&gt;Wall Street Journal&lt;/a&gt; que la plupart des gens ne veulent pas que Google réponde à leurs questions. Ce qu’ils attendent, selon lui, c’est que Google leur dise quoi faire ensuite. Seize ans plus tard, la phrase ressemble à un programme.&lt;/p&gt;
&lt;p&gt;En 2015, une étude publiée dans la revue &lt;a href="https://pubmed.ncbi.nlm.nih.gov/25583507/"&gt;PNAS&lt;/a&gt; a nourri l’idée que les machines nous connaîtraient mieux que nos proches. Des chercheurs de Cambridge et de Stanford, dont le psychologue Michal Kosinski, ont analysé un questionnaire rempli par 86 220 volontaires recrutés sur Facebook. Le questionnaire mesurait cinq grands traits de personnalité, dont l’ouverture et l’extraversion. Ces réponses servaient de référence.&lt;/p&gt;
&lt;p&gt;Pour une partie des volontaires, des amis Facebook ont aussi décrit leur personnalité. Un modèle a estimé leurs scores à partir des pages qu’ils avaient aimées. Les chercheurs ont comparé ces deux évaluations aux réponses des volontaires. Ils ont aussi rapproché les scores du modèle de ceux d’études antérieures. Selon cette seconde comparaison, il fallait environ 10 « J’aime » pour que le modèle se rapproche davantage du questionnaire qu’un collègue moyen, 150 pour dépasser un membre de la famille et 300 pour dépasser un conjoint.&lt;/p&gt;
&lt;p&gt;Le résultat porte sur des scores de personnalité tels que les volontaires les décrivent dans un questionnaire. À la même époque, l’historien Yuval Noah Harari referme &lt;em&gt;&lt;a href="https://catalogue.bnf.fr/ark:/12148/cb45350827z"&gt;Homo Deus&lt;/a&gt;&lt;/em&gt; sur une question. Que deviendront nos sociétés quand des algorithmes nous connaîtront mieux que nous ne nous connaissons nous-mêmes ?&lt;/p&gt;
&lt;p&gt;&lt;img src="https://rino.artgeo.be/bl-content/uploads/pages/aaab08e7b22252af8d4a32652726b74b/La-marche-des-futurs-superposés-png.png" alt=""&gt;&lt;/p&gt;
&lt;h3&gt;Ce que les plateformes déduisent de nos comportements&lt;/h3&gt;
&lt;p&gt;Les systèmes de recommandation combinent plusieurs sources d’information : notre historique, les caractéristiques des contenus, le contexte, comme l’heure ou l’appareil utilisé, et souvent ce qu’ont fait d’autres utilisateurs. Le filtrage collaboratif repose sur une idée simple : des personnes qui ont aimé les mêmes films pourraient aussi partager d’autres préférences de cinéma. Ce mécanisme exploite les ressemblances entre utilisateurs et participe à la personnalisation des résultats.&lt;/p&gt;
&lt;p&gt;Si ces ressemblances sont exploitables, c’est que nos goûts ne sont pas distribués au hasard. La sociologie observe depuis longtemps des régularités collectives. En 1897, &lt;a href="https://www.classiques.uqam.ca/classiques/Durkheim_emile/suicide/suicide_tdm.html"&gt;Émile Durkheim&lt;/a&gt; montrait que les taux de suicide diffèrent d’une société à l’autre et restent relativement constants sur certaines périodes. Une telle régularité ne permet pas de prédire le geste d’une personne : elle indique que des faits sociaux comptent aussi dans des situations souvent expliquées par des raisons personnelles.&lt;/p&gt;
&lt;p&gt;En 1979, Pierre Bourdieu publie &lt;em&gt;&lt;a href="https://www.leseditionsdeminuit.fr/livre-La_Distinction-1954-1-1-0-1.html"&gt;La Distinction&lt;/a&gt;&lt;/em&gt;. À partir d’enquêtes menées en France depuis les années 1960, il montre que nos préférences en musique, en peinture, en cuisine ou en décoration sont liées à notre position sociale : le diplôme, le milieu d’origine, la profession. Il appelle habitus les dispositions durables, acquises notamment dans la famille et à l’école, qui orientent nos choix sans que nous en ayons toujours conscience. Il parle de tendances, pas de destins écrits d’avance.&lt;/p&gt;
&lt;p&gt;Les systèmes de recommandation exploitent ces régularités à grande échelle à partir de nos traces numériques. En 2026, &lt;a href="https://aclanthology.org/2026.findings-emnlp.259/"&gt;Liang Wang et ses collègues&lt;/a&gt; se sont inspirés de Bourdieu pour concevoir une méthode expérimentale de personnalisation des modèles de langage. Elle relie les actions d’un utilisateur à ses habitudes et aux comportements d’utilisateurs aux profils semblables. Une théorie qui cherchait à expliquer comment se forment nos goûts sert ici à anticiper des préférences.&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;Nos goûts portent la trace d’histoires communes.&lt;/p&gt;
&lt;/blockquote&gt;
&lt;h3&gt;Prédire un comportement n’est pas connaître une personne&lt;/h3&gt;
&lt;p&gt;En 2010, Chaoming Song et ses collègues publient dans &lt;em&gt;&lt;a href="https://barabasi.com/media/2010-Song_et_al-Limits_of_Predctiability-Science.pdf"&gt;Science&lt;/a&gt;&lt;/em&gt; une étude devenue célèbre. Elle examine des données de téléphonie de 50 000 personnes sur trois mois. Les antennes situent approximativement les appels : de nombreuses heures restent sans donnée. À partir de ces traces, les chercheurs estiment la possibilité de prévoir la zone où se trouverait une personne à l’heure suivante. Les plafonds théoriques qu’ils estiment pour chaque participant se concentrent autour de 93 %. Ce chiffre donne une idée de la précision maximale qu’un programme pourrait atteindre pour cette tâche.&lt;/p&gt;
&lt;p&gt;Ce chiffre a ensuite été discuté. Une partie de cette prévisibilité tient à un fait banal : nous restons souvent au même endroit d’une heure à l’autre. Si quelqu’un est chez lui à deux heures du matin, il y a de fortes chances qu’il y soit encore à trois heures. En 2017, &lt;a href="https://link.springer.com/article/10.1140/epjds/s13688-017-0107-7"&gt;Edin Lind Ikanovic et Anders Mollgaard&lt;/a&gt;, de l’université de Copenhague, ont posé une autre question : une fois qu’une personne quitte un lieu, peut-on prévoir le suivant ? Avec les données de 604 participants, surtout des étudiants, ils ont estimé une limite théorique d’environ 71 %. Les deux chiffres portent sur des populations et des questions différentes : le second ne corrige donc pas directement le premier.&lt;/p&gt;
&lt;p&gt;La réponse dépend donc de ce que l’on cherche à prévoir et des données disponibles. Une position ou des scores de personnalité ne décrivent qu’une partie de notre existence.&lt;/p&gt;
&lt;p&gt;Une autre expérience porte sur les trajectoires de vie. Une enquête américaine a suivi plus de 4 000 familles dont un enfant est né autour de l’an 2000. Elle a rassemblé des milliers de variables portant notamment sur les revenus, la santé, la scolarité, les relations familiales et le logement. Certaines informations manquaient selon les familles.&lt;/p&gt;
&lt;p&gt;Cent soixante équipes ont soumis des prédictions au &lt;a href="https://pubmed.ncbi.nlm.nih.gov/32229555/"&gt;Fragile Families Challenge&lt;/a&gt;. À partir des données recueillies jusqu’aux neuf ans des enfants, elles devaient prédire six éléments de leur situation à quinze ans, dont les notes scolaires ou une éventuelle expulsion du logement. Une partie des résultats à quinze ans servait à entraîner les modèles, une autre à suivre leurs performances pendant le défi. Les organisateurs ont réservé un dernier lot de données pour évaluer les prédictions finales.&lt;/p&gt;
&lt;p&gt;Les résultats, publiés en 2020, sont modestes : même les meilleurs modèles ne prédisent pas ces situations avec une grande précision. Ils font seulement un peu mieux que des calculs plus simples. La difficulté varie selon la situation à prévoir et les données disponibles.&lt;/p&gt;
&lt;p&gt;Le sociologue Bernard Lahire rappelle, lui, qu’une personne ne se résume pas à son groupe. Dans &lt;em&gt;La Culture des individus&lt;/em&gt; (2004), il observe qu’une même personne peut associer des pratiques liées à des univers sociaux différents : aimer l’opéra et la téléréalité, lire Proust et des romans policiers. Une enquête de &lt;a href="https://eprints.whiterose.ac.uk/id/eprint/100789/"&gt;Laurie Hanquinet&lt;/a&gt; auprès de 2 021 habitants de la Fédération Wallonie-Bruxelles montre elle aussi la diversité des combinaisons possibles. Montaigne le disait à sa manière : « Certes, c’est un sujet merveilleusement vain, divers et ondoyant, que l’homme. »&lt;/p&gt;
&lt;p&gt;Prédire un comportement précis, dans un contexte donné, n’équivaut donc ni à connaître une personne ni à prévoir son existence.&lt;/p&gt;
&lt;h3&gt;De la prédiction à l’intervention&lt;/h3&gt;
&lt;p&gt;Une plateforme peut estimer la probabilité que nous cliquions sur un contenu et s’en servir pour décider où le placer. Si nous cliquons, certains systèmes utilisent cette réaction pour ajuster les recommandations suivantes. Le clic indique que nous avons ouvert le contenu. Les raisons qui nous ont poussés à le faire restent inconnues. La juriste et philosophe Antoinette Rouvroy, chercheuse à l’Université de Namur, l’a formulé dans un entretien à &lt;a href="https://www.mediapart.fr/journal/france/250515/lalgorithme-nest-pas-un-systeme-de-prediction-mais-d-intervention"&gt;Mediapart&lt;/a&gt; en 2015. L’algorithme relève, selon elle, de l’intervention.&lt;/p&gt;
&lt;p&gt;Un système n’a pas besoin de tout savoir pour avoir des effets. Une prédiction imparfaite suffit à changer l’ordre des contenus présentés à des millions de personnes. Ce qui apparaît en premier a plus de chances d’être vu. Ce qui apparaît rarement risque de rester invisible. Les plateformes exercent ainsi un pouvoir réel, même si leur connaissance de chacun reste partielle.&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;Ce qui apparaît en premier a plus de chances d’être vu. Ce qui apparaît rarement risque de rester invisible.&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;Le sociologue Massimo Airoldi décrit ce mécanisme dans &lt;em&gt;&lt;a href="https://www.wiley.com/en-us/machine-habitus-toward-a-sociology-of-algorithms-p-9781509543298"&gt;Machine Habitus&lt;/a&gt;&lt;/em&gt; (2021). Reprenant Bourdieu, il propose de voir dans les systèmes d’apprentissage automatique une sorte d’habitus : nourris de données passées, ils peuvent en reproduire les régularités et les inégalités dans ce qu’ils proposent. Rouvroy parle de « gouvernementalité algorithmique » pour désigner une forme de pouvoir qui s’exerce aussi en aménageant notre environnement selon nos comportements anticipés. Ce pouvoir se combine à d’autres, dont les lois.&lt;/p&gt;
&lt;p&gt;D’autres choix techniques sont possibles. Les chercheurs savent aussi concevoir des systèmes qui favorisent la diversité, la nouveauté ou la découverte inattendue. Leur place dépend notamment des objectifs des services : privilégier le temps passé sur l’application ou le taux de clic ne conduit pas nécessairement aux mêmes résultats que faire découvrir des contenus moins attendus.&lt;/p&gt;
&lt;p&gt;Avec l’IA générative, la question de la diversité se pose aussi pour les textes que nous écrivons. Flaubert recensait dans son &lt;em&gt;Dictionnaire des idées reçues&lt;/em&gt; ce qui se dit parce que cela se dit. Dans une étude publiée en 2024 dans &lt;em&gt;&lt;a href="https://pubmed.ncbi.nlm.nih.gov/38996021/"&gt;Science Advances&lt;/a&gt;&lt;/em&gt;, Anil Doshi et Oliver Hauser ont demandé à des participants d’écrire un récit de huit phrases, avec ou sans idées suggérées par GPT-4. Les récits écrits avec accès à ces idées ont été jugés en moyenne plus créatifs et mieux écrits. Une analyse informatique a aussi montré qu’ils se ressemblaient davantage entre eux. Dans cette expérience, le gain individuel s’accompagne donc d’une moindre diversité des récits.&lt;/p&gt;
&lt;p&gt;&lt;img src="https://rino.artgeo.be/bl-content/uploads/pages/aaab08e7b22252af8d4a32652726b74b/Pas-futurs-au-centre-commercial-png.png" alt=""&gt;&lt;/p&gt;
&lt;h3&gt;Qui fixe les objectifs ?&lt;/h3&gt;
&lt;p&gt;« L’IA choisira », « l’IA décidera », « l’IA écrira » : dans ces formules que nous utilisons couramment, la machine devient sujet du verbe, comme si elle était dotée d’une volonté propre. Or les systèmes fonctionnent selon des règles, des données et des objectifs définis par des humains. Dire « l’IA décide » risque d’effacer ceux qui conçoivent et déploient ces outils, ainsi que ceux qui en tirent profit. Les nommer permet de savoir qui porte la responsabilité de ces choix et vers qui se tourner pour les contester.&lt;/p&gt;
&lt;p&gt;Il serait fragile de fonder notre autonomie sur notre capacité à surprendre les modèles : une erreur de prédiction peut venir de données insuffisantes ou d’un changement de situation, et une décision prévisible peut être pleinement choisie. Bourdieu voyait dans la connaissance des déterminismes sociaux une condition pour s’en affranchir en partie. Or la connaissance que les plateformes tirent de nos traces n’est pas nécessairement mise à notre disposition.&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;Une décision prévisible peut être pleinement choisie.&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;Confier une réservation à un agent peut être un choix libre, comme on confie certaines démarches à une agence de voyages. Depuis juillet 2025, &lt;a href="https://openai.com/index/introducing-chatgpt-agent/"&gt;l’agent de ChatGPT&lt;/a&gt; peut accomplir des tâches en ligne, comme préparer un achat, et demander l’accord de l’utilisateur avant certaines actions importantes. Un agent peut suivre une consigne sans établir le profil de la personne qui la donne. L’utilisateur doit pouvoir choisir ce qu’il délègue, corriger une instruction et reprendre la main en cours de tâche.&lt;/p&gt;
&lt;p&gt;Nous pouvons aussi agir collectivement en demandant des explications sur les recommandations, en encadrant l’usage de nos données ou en défendant le rôle des bibliothécaires, des libraires, des disquaires et des enseignants. En Europe, &lt;a href="https://eur-lex.europa.eu/eli/reg/2022/2065/oj?locale=fr"&gt;l’article 38 du règlement sur les services numériques&lt;/a&gt; exige que les très grandes plateformes et les très grands moteurs de recherche proposent au moins une option sans profilage pour chacun de leurs systèmes de recommandation. Lorsque plusieurs options de classement sont proposées, l’article 27 prévoit que les utilisateurs des plateformes puissent accéder facilement au réglage là où les contenus sont classés.&lt;/p&gt;
&lt;h3&gt;Garder la main&lt;/h3&gt;
&lt;p&gt;Quand on observe nos comportements à grande échelle, certaines habitudes se dessinent. Nous apprenons les uns des autres, et nos goûts portent la trace d’histoires communes. Les plateformes repèrent ces régularités à partir de nos traces numériques et les exploitent selon les objectifs qu’elles se donnent.&lt;/p&gt;
&lt;p&gt;Nous devons pouvoir savoir ce que ces systèmes déduisent de nos comportements et dans quel but. Nous devons aussi pouvoir contester leurs effets et reprendre la main sur les décisions que nous leur confions. Ce droit vaut même lorsque la machine a vu juste.&lt;/p&gt;
&lt;h3&gt;Sources et ressources&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;Eric Schmidt, entretien au &lt;a href="https://www.wsj.com/articles/SB10001424052748704901104575423294099527212"&gt;Wall Street Journal&lt;/a&gt;, 14 août 2010. Voir aussi &lt;a href="https://www.computerworld.com/article/1488252/eric-schmidt-as-google-s-ambassador-here-are-his-five-greatest-public-bloopers.html"&gt;Computerworld&lt;/a&gt;.&lt;/li&gt;
&lt;li&gt;Wu Youyou, Michal Kosinski et David Stillwell, &lt;a href="https://pubmed.ncbi.nlm.nih.gov/25583507/"&gt;Computer-based personality judgments are more accurate than those made by humans&lt;/a&gt;, PNAS, 2015.&lt;/li&gt;
&lt;li&gt;Yuval Noah Harari, &lt;a href="https://catalogue.bnf.fr/ark:/12148/cb45350827z"&gt;Homo Deus. Une brève histoire de l’avenir&lt;/a&gt;, Albin Michel, 2017 (éd. originale 2015).&lt;/li&gt;
&lt;li&gt;OpenAI, &lt;a href="https://openai.com/index/introducing-chatgpt-agent/"&gt;Introducing ChatGPT agent&lt;/a&gt;, 17 juillet 2025.&lt;/li&gt;
&lt;li&gt;Émile Durkheim, &lt;a href="https://www.classiques.uqam.ca/classiques/Durkheim_emile/suicide/suicide_tdm.html"&gt;Le Suicide. Étude de sociologie&lt;/a&gt;, Alcan, 1897.&lt;/li&gt;
&lt;li&gt;Pierre Bourdieu, &lt;a href="https://www.leseditionsdeminuit.fr/livre-La_Distinction-1954-1-1-0-1.html"&gt;La Distinction. Critique sociale du jugement&lt;/a&gt;, Minuit, 1979.&lt;/li&gt;
&lt;li&gt;Liang Wang et al., &lt;a href="https://aclanthology.org/2026.findings-emnlp.259/"&gt;Beyond Isolated Behaviors: Hierarchical User Modeling for LLM Personalization&lt;/a&gt;, Findings of EMNLP 2026.&lt;/li&gt;
&lt;li&gt;Chaoming Song et al., &lt;a href="https://barabasi.com/media/2010-Song_et_al-Limits_of_Predctiability-Science.pdf"&gt;Limits of Predictability in Human Mobility&lt;/a&gt;, Science, 2010.&lt;/li&gt;
&lt;li&gt;Edin Lind Ikanovic et Anders Mollgaard, &lt;a href="https://link.springer.com/article/10.1140/epjds/s13688-017-0107-7"&gt;An alternative approach to the limits of predictability in human mobility&lt;/a&gt;, EPJ Data Science, 2017.&lt;/li&gt;
&lt;li&gt;Matthew Salganik et al., &lt;a href="https://pubmed.ncbi.nlm.nih.gov/32229555/"&gt;Measuring the predictability of life outcomes with a scientific mass collaboration&lt;/a&gt;, PNAS, 2020.&lt;/li&gt;
&lt;li&gt;Bernard Lahire, &lt;a href="https://www.editionsladecouverte.fr/la_culture_des_individus-9782707142221"&gt;La Culture des individus. Dissonances culturelles et distinction de soi&lt;/a&gt;, La Découverte, 2004.&lt;/li&gt;
&lt;li&gt;Laurie Hanquinet, &lt;a href="https://eprints.whiterose.ac.uk/id/eprint/100789/"&gt;Exploring Dissonance and Omnivorousness: Another Look into the Rise of Eclecticism&lt;/a&gt;, Cultural Sociology, 2017.&lt;/li&gt;
&lt;li&gt;Montaigne, &lt;a href="https://www.gutenberg.org/files/48529/48529-h/48529-h.htm"&gt;Essais&lt;/a&gt;, livre I, chapitre 1. Gustave Flaubert, &lt;a href="https://www.france-memoire.fr/le-dictionnaire-des-idees-recues-originalite-et-place-dans-loeuvre-de-flaubert/"&gt;Dictionnaire des idées reçues&lt;/a&gt;, première publication posthume en 1910.&lt;/li&gt;
&lt;li&gt;Antoinette Rouvroy, « L’algorithme n’est pas un système de prédiction mais d’intervention », entretien pour &lt;a href="https://www.mediapart.fr/journal/france/250515/lalgorithme-nest-pas-un-systeme-de-prediction-mais-d-intervention"&gt;Mediapart&lt;/a&gt;, 25 mai 2015. Voir aussi C. Stinson, &lt;a href="https://pubmed.ncbi.nlm.nih.gov/35128540/"&gt;Algorithms are not neutral&lt;/a&gt;, AI and Ethics, 2022.&lt;/li&gt;
&lt;li&gt;Massimo Airoldi, &lt;a href="https://www.wiley.com/en-us/machine-habitus-toward-a-sociology-of-algorithms-p-9781509543298"&gt;Machine Habitus. Toward a Sociology of Algorithms&lt;/a&gt;, Polity, 2021 (numérique), 2022 (papier).&lt;/li&gt;
&lt;li&gt;Anil Doshi et Oliver Hauser, &lt;a href="https://pubmed.ncbi.nlm.nih.gov/38996021/"&gt;Generative AI enhances individual creativity but reduces the collective diversity of novel content&lt;/a&gt;, Science Advances, 2024.&lt;/li&gt;
&lt;li&gt;Commission européenne, &lt;a href="https://digital-strategy.ec.europa.eu/fr/factpages/user-rights-under-digital-services-act"&gt;Droits des utilisateurs au titre du règlement sur les services numériques&lt;/a&gt;, articles 27 et 38.&lt;/li&gt;
&lt;/ul&gt;</description>
      <pubDate>Sun, 01 Nov 2026 16:27:35 +0100</pubDate>
      <guid isPermaLink="false">aaab08e7b22252af8d4a32652726b74b</guid>
    </item>
    <item>
      <title>L’IA, mesure de l’humain ?</title>
      <link>https://rino.artgeo.be/l-ia-mesure-de-l-humain</link>
      <image>https://rino.artgeo.be/bl-content/uploads/pages/eab2219c5f6581f09683cb0f8a7a05dc/magnific-photographie-macro-hyperraliste-dun-pouce-pos-sur-98768-png.png</image>
      <description>&lt;p&gt;Les annonces de nouveaux modèles d’IA mettent leurs scores en avant : examens professionnels, olympiades de mathématiques, tests de raisonnement. La comparaison avec les performances humaines ramène toujours la même question : ces machines sont-elles plus intelligentes que nous ? Mais que choisissons-nous de mesurer lorsque nous les comparons ?&lt;/p&gt;
&lt;p&gt;Penser l’esprit à partir de la technique n’a rien de neuf. Au XVII&lt;sup&gt;e&lt;/sup&gt; siècle, Descartes comparait le fonctionnement des nerfs et des muscles aux automates hydrauliques des jardins royaux. Plus tard, le système nerveux a été comparé au télégraphe, au central téléphonique, puis à l’ordinateur. Dans &lt;a href="https://www.hachettebookgroup.com/titles/matthew-cobb/the-idea-of-the-brain/9781541646865/"&gt;&lt;em&gt;The Idea of the Brain&lt;/em&gt;&lt;/a&gt; (2020), le biologiste et historien des sciences Matthew Cobb retrace cette histoire : les techniques d’une époque influencent sa manière de comprendre le cerveau. Ces comparaisons ont fait avancer les connaissances, mais aucune ne suffit à expliquer son fonctionnement.&lt;/p&gt;
&lt;p&gt;Avec l’IA, la comparaison fonctionne dans les deux sens. Les machines empruntent au cerveau son vocabulaire : neurones, apprentissage, mémoire. Ces mots désignent des mécanismes informatiques ; ils ne prouvent pas que les machines fonctionnent comme un esprit humain. Pourtant, leurs performances servent ensuite à évaluer nos propres capacités. Le risque apparaît lorsque les tâches qu’elles réussissent deviennent les seules auxquelles nous accordons de la valeur.&lt;/p&gt;
&lt;p&gt;Dans &lt;em&gt;Neuromania&lt;/em&gt; (Allary, 2024), Albert Moukheiber critique la tendance à tout expliquer par le cerveau : nos émotions, nos choix, notre personnalité. Le neuroscientifique et psychologue clinicien développe cette réflexion dans un &lt;a href="https://www.youtube.com/watch?v=IylkBawg6yI"&gt;entretien à la librairie Mollat, avec Sylvie Hazebroucq&lt;/a&gt;. Il souligne aussi, dans &lt;a href="https://www.welcometothejungle.com/fr/articles/neuromanagement-simplifie-outrance-enjeux-organisationnels"&gt;un échange sur le neuromanagement&lt;/a&gt;, que le préfixe « neuro » donne facilement une apparence scientifique à un discours. La même vigilance peut s’appliquer à l’IA. Affirmer qu’elle fera bientôt tout mieux que nous est un raccourci. Prétendre qu’elle nous rend idiots en est un autre.&lt;/p&gt;
&lt;p&gt;En photographie, une amélioration technique ne suffit pas à garantir la justesse d’une image. Un outil peut proposer un recadrage, ajuster la luminosité ou suggérer une légende. Ces propositions ne règlent pas les questions que doit se poser le photographe : que montre l’image des personnes photographiées ? Que laisse-t-elle hors champ ? Que fait-elle dire à un lieu ? En photographie documentaire, ajouter ou supprimer des éléments avec une IA peut fausser ce que l’image donne à voir du réel. La personne qui signe la photographie reste responsable de ces modifications. Apprendre à photographier, c’est aussi apprendre à mesurer les conséquences des retouches sur le sens et la fidélité de l’image.&lt;/p&gt;
&lt;h3&gt;Une réponse n’est pas une expérience&lt;/h3&gt;
&lt;p&gt;Il suffit parfois d’une sieste pour qu’un conflit se dissipe. Ce qui semblait tenir aux autres tenait aussi à notre fatigue. Un coucher de soleil ne produit pas le même effet selon qu’on le regarde seul, au lendemain d’une rupture ou pendant un premier rendez-vous. Notre façon de percevoir une situation dépend de notre corps, de notre histoire et de ce qui nous arrive à ce moment-là.&lt;/p&gt;
&lt;p&gt;Dans &lt;a href="https://doi.org/10.1016/j.neuron.2016.12.041"&gt;« Neuroscience Needs Behavior »&lt;/a&gt;, publié en 2017 dans &lt;em&gt;Neuron&lt;/em&gt;, John Krakauer et ses collègues défendent une idée voisine : étudier les neurones ne suffit pas à comprendre un comportement. Il faut aussi étudier ce que fait l’individu et la tâche à laquelle il est confronté.&lt;/p&gt;
&lt;p&gt;Un modèle de langage peut décrire un coucher de soleil au point de nous toucher. Son texte n’est pourtant pas le témoignage d’une personne qui l’a vécu, avec sa fatigue, ses attentes et son histoire. Cela n’annule pas la qualité de sa réponse. Mais une réponse convaincante ne suffit pas à conclure que la machine pense ou comprend comme nous.&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;Une réponse convaincante ne suffit pas à conclure que la machine pense ou comprend comme nous.&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;Soigner, réparer, cultiver ou construire demandent aussi de comprendre une situation et d’adapter ses gestes à ce qui se passe. Une pièce ne s’ajuste pas, une plante dépérit, un matériau réagit autrement que prévu : il faut chercher, essayer et corriger. Dans &lt;em&gt;Éloge du carburateur&lt;/em&gt; (La Découverte, 2010, voir &lt;a href="https://laviedesidees.fr/L-intelligence-de-la-main"&gt;cette recension&lt;/a&gt;), le philosophe et réparateur de motos Matthew Crawford défend cette intelligence du travail manuel, souvent sous-estimée face au travail de bureau.&lt;/p&gt;
&lt;p&gt;Dès 1988, le roboticien Hans Moravec relevait un paradoxe : certaines tâches qui nous semblent difficiles, comme le calcul ou les échecs, se prêtaient mieux à l’automatisation que des capacités apparemment ordinaires, comme percevoir son environnement et s’y déplacer. La robotique a progressé depuis. Cette différence rappelle néanmoins que les performances sur un écran ne couvrent qu’une partie des capacités humaines.&lt;/p&gt;
&lt;p&gt;&lt;img src="https://rino.artgeo.be/bl-content/uploads/pages/eab2219c5f6581f09683cb0f8a7a05dc/magnific-photographie-hyperraliste-de-la-face-intrieure-dun-98776-png.png"&gt;&lt;/p&gt;
&lt;h3&gt;Quand l’aide devient une norme&lt;/h3&gt;
&lt;p&gt;L’IA peut nous aider à écrire. Mais à force de reprendre ses suggestions, risquons-nous aussi d’adopter ses façons de dire et de penser ?&lt;/p&gt;
&lt;p&gt;Pour comprendre ce risque, il faut d’abord se demander quels humains ces outils prennent pour référence. En 2010, &lt;a href="https://doi.org/10.1017/S0140525X0999152X"&gt;Joseph Henrich, Steven Heine et Ara Norenzayan&lt;/a&gt; ont montré qu’une grande partie des recherches en psychologie reposait sur des participants issus de sociétés occidentales, éduquées, industrialisées, riches et démocratiques. Ces populations, désignées par l’acronyme anglais WEIRD, ne représentent pourtant pas toute la diversité humaine. Albert Moukheiber revient sur ce problème dans son &lt;a href="https://www.youtube.com/watch?v=IylkBawg6yI"&gt;entretien chez Mollat&lt;/a&gt;.&lt;/p&gt;
&lt;p&gt;En 2023, &lt;a href="https://www.hks.harvard.edu/centers/cid/publications/which-humans"&gt;Mohammad Atari et ses collègues&lt;/a&gt;, dont Joseph Henrich, ont examiné les réponses de modèles de langage à des questionnaires psychologiques. Elles ressemblaient davantage à celles des participants des sociétés WEIRD qu’à celles d’autres populations. Cette étude, citée ici dans sa version préliminaire, invite à préciser ce que recouvre une expression comme « une réponse humaine ».&lt;/p&gt;
&lt;p&gt;Une &lt;a href="https://doi.org/10.1145/3706598.3713564"&gt;étude publiée en 2025&lt;/a&gt; par trois chercheurs de l’université Cornell montre comment ces différences peuvent se retrouver dans l’écriture. Ils ont demandé à 118 participants indiens et américains de rédiger en anglais des textes sur leurs plats préférés, leurs fêtes ou des personnalités de leur culture. Certains recevaient des suggestions de GPT-4o, d’autres écrivaient sans aide. Avec l’IA, les participants indiens adoptaient une manière d’écrire plus proche de celle des participants américains. Ils modifiaient pourtant plus souvent les suggestions de l’outil pour les adapter à leur culture. L’IA influençait donc à la fois ce qu’ils racontaient et la façon de le raconter.&lt;/p&gt;
&lt;p&gt;Dans une &lt;a href="https://doi.org/10.1126/sciadv.adn5290"&gt;expérience publiée en 2024&lt;/a&gt; dans &lt;em&gt;Science Advances&lt;/em&gt;, Anil Doshi et Oliver Hauser ont demandé à des volontaires d’écrire de courtes histoires. Certains pouvaient s’appuyer sur des idées proposées par une IA. Leurs récits ont été jugés, en moyenne, plus créatifs et mieux écrits que ceux des participants sans assistance. L’aide profitait surtout aux personnes qui avaient obtenu les résultats les plus faibles à un test de créativité réalisé avant l’exercice. Mais les histoires écrites avec l’IA se ressemblaient aussi davantage.&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;Avec l’IA, les récits peuvent être meilleurs, mais aussi se ressembler davantage.&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;Ces expériences ne permettent pas d’affirmer que l’IA uniformise toute l’expression humaine. Elles portent sur des tâches précises, et l’étude de Cornell a été menée en anglais. Elles montrent cependant que l’aide à l’écriture peut favoriser certaines façons de raconter au détriment d’autres. Il reste à comprendre comment cet effet varie selon les langues, les modèles et les usages.&lt;/p&gt;
&lt;h3&gt;Ce que l’on cesse d’exercer&lt;/h3&gt;
&lt;p&gt;Déléguer une tâche libère du temps. Cela peut aussi nous priver d’occasions de pratiquer et d’apprendre. Une &lt;a href="https://doi.org/10.1016/S2468-1253(25)00133-5"&gt;étude publiée en 2025&lt;/a&gt; dans &lt;em&gt;The Lancet Gastroenterology &amp;amp; Hepatology&lt;/em&gt; soulève cette question. Dans des centres d’endoscopie polonais, des chercheurs ont comparé des coloscopies réalisées sans assistance avant et après l’introduction d’une IA de détection des polypes. Après cette introduction, les médecins détectaient moins souvent les adénomes, des lésions susceptibles d’évoluer vers un cancer, lors des examens sans IA. Cette baisse ne prouve pas que l’outil leur avait fait perdre des compétences : l’étude observe une évolution, sans pouvoir en établir à elle seule la cause.&lt;/p&gt;
&lt;p&gt;Une &lt;a href="https://doi.org/10.1073/pnas.2422633122"&gt;expérience publiée dans &lt;em&gt;PNAS&lt;/em&gt; en 2025&lt;/a&gt; par Hamsa Bastani et ses collègues montre un décalage entre réussite immédiate et apprentissage. Près de mille lycéens ont participé à des exercices de mathématiques. Les élèves aidés par une IA réussissaient mieux leurs exercices. Mais ceux dont l’assistant pouvait fournir directement les réponses obtenaient ensuite, sans aide, de moins bons résultats que les élèves ayant travaillé sans IA. Cet effet était largement atténué lorsque l’assistant donnait des indices plutôt que les solutions.&lt;/p&gt;
&lt;p&gt;Dans le monde du travail, &lt;a href="https://www.microsoft.com/en-us/research/uploads/prod/2025/01/lee_2025_ai_critical_thinking_survey.pdf"&gt;Hao-Ping Lee et ses collègues&lt;/a&gt; de Microsoft Research et de l’université Carnegie Mellon ont interrogé 319 utilisateurs d’IA générative. Plus ces personnes faisaient confiance à l’outil, moins elles déclaraient exercer leur esprit critique. Celles qui avaient davantage confiance en leurs propres compétences déclaraient au contraire le mobiliser davantage. Les participants décrivaient aussi un changement dans leur travail : vérifier les réponses de l’IA et les adapter à leurs besoins prenait une place importante. Cette enquête repose sur leurs déclarations ; elle ne mesure pas une perte de capacité.&lt;/p&gt;
&lt;p&gt;Ces trois études ne racontent donc pas exactement la même chose. Moins pratiquer une compétence, moins bien apprendre et perdre un savoir-faire déjà acquis sont des problèmes différents. Les résumer par « l’IA nous rend idiots » empêche de comprendre quand l’aide est utile et quand elle risque de nous rendre dépendants.&lt;/p&gt;
&lt;h3&gt;Des récits qui se réalisent&lt;/h3&gt;
&lt;p&gt;Les effets de l’IA dépendent aussi de ce que les organisations attendent des personnes qui l’utilisent. Si leur jugement est considéré comme inutile, elles auront moins d’occasions de l’exercer.&lt;/p&gt;
&lt;p&gt;En 1948, le sociologue Robert K. Merton a décrit &lt;a href="https://www.jstor.org/stable/4609267"&gt;la prophétie autoréalisatrice&lt;/a&gt; : une prédiction fausse devient vraie parce que les gens y croient et agissent en conséquence. Une rumeur annonce, par exemple, qu’une banque va faire faillite alors qu’elle fonctionne normalement. Les clients prennent peur et retirent leur argent. Ces retraits finissent par provoquer la faillite annoncée.&lt;/p&gt;
&lt;p&gt;Dans l’entretien chez Mollat, Moukheiber évoque un autre exemple à partir du livre de Rebecca Solnit, &lt;em&gt;A Paradise Built in Hell&lt;/em&gt; (2009). Lors de plusieurs catastrophes, elle décrit des mouvements d’entraide que les autorités peuvent freiner lorsqu’elles s’attendent surtout à des pillages et au chaos. La notion de &lt;a href="https://www.start.umd.edu/publication/elites-and-panic-more-fear-fear-itself"&gt;« panique des élites »&lt;/a&gt;, étudiée par Lee Clarke et Caron Chess, aide à comprendre ces réactions : la crainte du désordre peut conduire des responsables à privilégier le contrôle de la population au détriment des secours.&lt;/p&gt;
&lt;p&gt;Un risque semblable peut être envisagé avec l’IA. Une organisation décide que le jugement humain n’est plus nécessaire. Elle confie davantage de décisions à un outil et réduit les occasions, pour les salariés, de décider eux-mêmes. Si leur autonomie diminue, cette évolution pourra sembler justifier le choix initial. Ce scénario reste une hypothèse, que les études citées ne démontrent pas dans son ensemble. Il rappelle que les décisions prises autour d’une technologie peuvent contribuer aux effets qu’on lui attribue ensuite.&lt;/p&gt;
&lt;p&gt;&lt;img src="https://rino.artgeo.be/bl-content/uploads/pages/eab2219c5f6581f09683cb0f8a7a05dc/magnific-photographie-hyperraliste-dun-coude-humain-flchi-c-98770-png.png"&gt;&lt;/p&gt;
&lt;h3&gt;Qui fixe les critères ?&lt;/h3&gt;
&lt;p&gt;En formation, une bonne réponse ne suffit pas à savoir ce qu’un étudiant a appris. Il faut aussi comprendre ce qu’il a cherché, essayé et corrigé. De même, dans le travail, la qualité d’un résultat produit avec l’IA ne dit pas tout de la capacité à vérifier ce résultat ou à se passer de l’outil.&lt;/p&gt;
&lt;p&gt;Cette distinction vaut aussi pour les scores des modèles. Un test évalue certaines tâches dans certaines conditions. Dans &lt;a href="https://arxiv.org/abs/2111.15366"&gt;un article présenté à NeurIPS en 2021&lt;/a&gt;, Inioluwa Deborah Raji et ses collègues critiquent la tendance à traiter ces résultats comme des mesures générales des progrès de l’IA. Réussir un test ne signifie pas réussir toutes les situations auxquelles son nom semble renvoyer.&lt;/p&gt;
&lt;blockquote&gt;
&lt;p&gt;Pouvoir contester une proposition suppose aussi d’en avoir les moyens : des connaissances, du temps et une liberté de décision.&lt;/p&gt;
&lt;/blockquote&gt;
&lt;p&gt;Un contrôle humain peut n’exister que sur le papier si la personne chargée de vérifier manque de temps, de connaissances ou de liberté pour refuser la réponse de l’outil. Préserver le jugement humain demande donc davantage que de placer quelqu’un devant un écran pour valider un résultat.&lt;/p&gt;
&lt;p&gt;Albert Moukheiber invite à ne pas réduire l’humain à son cerveau. Sa critique soulève une question semblable à propos de l’IA : quelles capacités négligeons-nous lorsque nous valorisons surtout celles que les machines réussissent à reproduire ? L’IA peut nous aider à créer et à penser. Mais ceux qui la conçoivent, la financent et la déploient ne devraient pas décider seuls de ce qui mérite encore d’être appris, exercé ou reconnu chez les humains.&lt;/p&gt;
&lt;p&gt;&lt;em&gt;Note de transparence. Cet article a été préparé avec ChatGPT (OpenAI) et Claude (Anthropic), utilisés pour la prise de notes, la recherche documentaire, la structuration, la rédaction et la relecture critique. L’auteur en assume la responsabilité éditoriale.&lt;/em&gt;&lt;/p&gt;
&lt;h3&gt;Études et articles de recherche cités&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;John W. Krakauer, Asif A. Ghazanfar, Alex Gomez-Marin, Malcolm A. MacIver, David Poeppel, &lt;a href="https://doi.org/10.1016/j.neuron.2016.12.041"&gt;« Neuroscience Needs Behavior: Correcting a Reductionist Bias »&lt;/a&gt;, &lt;em&gt;Neuron&lt;/em&gt;, 93(3), 2017, p. 480-490.&lt;/li&gt;
&lt;li&gt;Joseph Henrich, Steven J. Heine, Ara Norenzayan, &lt;a href="https://doi.org/10.1017/S0140525X0999152X"&gt;« The weirdest people in the world? »&lt;/a&gt;, &lt;em&gt;Behavioral and Brain Sciences&lt;/em&gt;, 33(2-3), 2010, p. 61-83.&lt;/li&gt;
&lt;li&gt;Mohammad Atari, Mona J. Xue, Peter S. Park, Damián E. Blasi, Joseph Henrich, &lt;a href="https://www.hks.harvard.edu/centers/cid/publications/which-humans"&gt;« Which Humans? »&lt;/a&gt;, prépublication PsyArXiv, 2023.&lt;/li&gt;
&lt;li&gt;Dhruv Agarwal, Mor Naaman, Aditya Vashistha, &lt;a href="https://arxiv.org/abs/2409.11360"&gt;« AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances »&lt;/a&gt;, CHI 2025. Présentation : &lt;a href="https://news.cornell.edu/node/330798"&gt;Cornell Chronicle&lt;/a&gt;.&lt;/li&gt;
&lt;li&gt;Anil R. Doshi, Oliver P. Hauser, &lt;a href="https://pmc.ncbi.nlm.nih.gov/articles/PMC11244532"&gt;« Generative AI enhances individual creativity but reduces the collective diversity of novel content »&lt;/a&gt;, &lt;em&gt;Science Advances&lt;/em&gt;, 10(28), 2024.&lt;/li&gt;
&lt;li&gt;Krzysztof Budzyń et al., &lt;a href="https://doi.org/10.1016/S2468-1253(25)00133-5"&gt;« Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study »&lt;/a&gt;, &lt;em&gt;The Lancet Gastroenterology &amp;amp; Hepatology&lt;/em&gt;, 10(10), 2025, p. 896-903.&lt;/li&gt;
&lt;li&gt;Hao-Ping Lee et al., &lt;a href="https://www.microsoft.com/en-us/research/uploads/prod/2025/01/lee_2025_ai_critical_thinking_survey.pdf"&gt;« The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers »&lt;/a&gt;, CHI 2025.&lt;/li&gt;
&lt;li&gt;Robert K. Merton, &lt;a href="https://www.jstor.org/stable/4609267"&gt;« The Self-Fulfilling Prophecy »&lt;/a&gt;, &lt;em&gt;The Antioch Review&lt;/em&gt;, 8(2), 1948, p. 193-210.&lt;/li&gt;
&lt;li&gt;Lee Clarke, Caron Chess, &lt;a href="https://www.start.umd.edu/publication/elites-and-panic-more-fear-fear-itself"&gt;« Elites and Panic: More to Fear than Fear Itself »&lt;/a&gt;, &lt;em&gt;Social Forces&lt;/em&gt;, 87(2), 2008, p. 993-1014.&lt;/li&gt;
&lt;li&gt;Hamsa Bastani et al., &lt;a href="https://doi.org/10.1073/pnas.2422633122"&gt;« Generative AI without guardrails can harm learning: Evidence from high school mathematics »&lt;/a&gt;, &lt;em&gt;PNAS&lt;/em&gt;, 122(26), 2025, e2422633122.&lt;/li&gt;
&lt;li&gt;Inioluwa Deborah Raji, Emily M. Bender, Amandalynne Paullada, Emily Denton, Alex Hanna, &lt;a href="https://arxiv.org/abs/2111.15366"&gt;« AI and the Everything in the Whole Wide World Benchmark »&lt;/a&gt;, NeurIPS, Datasets and Benchmarks, 2021. Article de position sur les limites de l’évaluation.&lt;/li&gt;
&lt;/ul&gt;
&lt;h3&gt;Entretiens et lectures pour prolonger la réflexion&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;Albert Moukheiber, &lt;a href="https://www.youtube.com/watch?v=IylkBawg6yI"&gt;« Neuromania : le vrai du faux sur votre cerveau »&lt;/a&gt;, entretien avec Sylvie Hazebroucq, librairie Mollat. &lt;a href="https://www.mollat.com/podcasts/albert-moukheiber-neuromania-le-vrai-du-faux-sur-votre-cerveau-podcast"&gt;Présentation et version podcast&lt;/a&gt; (page publiée le 11 mars 2026).&lt;/li&gt;
&lt;li&gt;Albert Moukheiber, &lt;em&gt;Neuromania. Le vrai du faux sur votre cerveau&lt;/em&gt;, Allary Éditions, 2024. Entretien avec l’auteur : &lt;a href="https://www.welcometothejungle.com/fr/articles/neuromanagement-simplifie-outrance-enjeux-organisationnels"&gt;« Le neuromanagement simplifie à outrance les vrais enjeux organisationnels », Welcome to the Jungle&lt;/a&gt;.&lt;/li&gt;
&lt;li&gt;Matthew Cobb, &lt;a href="https://www.hachettebookgroup.com/titles/matthew-cobb/the-idea-of-the-brain/9781541646865/"&gt;&lt;em&gt;The Idea of the Brain: The Past and Future of Neuroscience&lt;/em&gt;&lt;/a&gt;, Basic Books, 2020.&lt;/li&gt;
&lt;li&gt;Matthew B. Crawford, &lt;em&gt;Éloge du carburateur. Essai sur le sens et la valeur du travail&lt;/em&gt;, La Découverte, 2010. Recension : &lt;a href="https://laviedesidees.fr/L-intelligence-de-la-main"&gt;« L’intelligence de la main », La Vie des idées&lt;/a&gt;.&lt;/li&gt;
&lt;li&gt;Hans Moravec, &lt;em&gt;Mind Children: The Future of Robot and Human Intelligence&lt;/em&gt;, Harvard University Press, 1988.&lt;/li&gt;
&lt;li&gt;Ian Hacking, &lt;a href="https://www.lrb.co.uk/the-paper/v28/n16/ian-hacking/making-up-people"&gt;« Making Up People »&lt;/a&gt;, &lt;em&gt;London Review of Books&lt;/em&gt;, 28(16), 2006 ; « The Looping Effects of Human Kinds », dans &lt;em&gt;Causal Cognition&lt;/em&gt;, Oxford University Press, 1995.&lt;/li&gt;
&lt;li&gt;Rebecca Solnit, &lt;em&gt;A Paradise Built in Hell: The Extraordinary Communities That Arise in Disaster&lt;/em&gt;, Viking, 2009.&lt;/li&gt;
&lt;/ul&gt;</description>
      <pubDate>Wed, 07 Oct 2026 13:54:40 +0200</pubDate>
      <guid isPermaLink="false">eab2219c5f6581f09683cb0f8a7a05dc</guid>
    </item>
    <item>
      <title>IA : accélérer pour quoi faire ?</title>
      <link>https://rino.artgeo.be/ia-accelerer-pour-quoi-faire</link>
      <image>https://rino.artgeo.be/bl-content/uploads/pages/bd0543506d403f6181c621d6aefa4133/magnific-photorealistic-photograph-of-a-contemporary-icarus-9893-png.png</image>
      <description>&lt;p&gt;Les modèles d'IA progressent vite, et les chiffres qui circulent donnent le vertige. Pour les lire, il faut d'abord savoir ce qu'ils mesurent.&lt;/p&gt;
&lt;h3&gt;Ce que mesurent ces tests&lt;/h3&gt;
&lt;p&gt;Un benchmark est un test standardisé : on soumet la même série d'exercices à tous les modèles, puis on compare leurs scores. Selon les tests, le score indique la part d'exercices réussis, ou l'écart entre la performance du modèle et une référence humaine.&lt;/p&gt;
&lt;p&gt;Le test ARC-AGI a été créé en 2019 par le chercheur François Chollet. Ses deux premières versions proposent des puzzles visuels : quelques grilles de cases colorées montrent une transformation, et le modèle doit deviner la règle puis l'appliquer à une nouvelle grille. Une personne résout la plupart de ces puzzles en quelques minutes. Une IA a plus de mal, parce que chaque puzzle est inédit : le test est conçu pour limiter la simple mémorisation.&lt;/p&gt;
&lt;p&gt;ARC-AGI-3 change de format. Le modèle est placé dans de petits jeux interactifs, sans aucune consigne. Il doit explorer, comprendre le but et les règles, puis réussir en un nombre d'actions raisonnable. Son score compare sa réussite et son efficacité à celles de joueurs humains, qui ont résolu tous les jeux. Un score de 1 % signifie que la machine est encore très loin du niveau humain ; 100 % voudrait dire qu'elle fait aussi bien.&lt;/p&gt;
&lt;p&gt;Blueprint-Bench 2, conçu par la société Andon Labs, évalue la représentation de l'espace. À partir de photos de l'intérieur d'un appartement, le modèle doit en dessiner le plan. Le score, compris entre 0 et 1, vérifie surtout si les pièces sont correctement reliées entre elles. Les personnes testées obtiennent 0,59.&lt;/p&gt;
&lt;h3&gt;Ce que disent les chiffres&lt;/h3&gt;
&lt;p&gt;Le test ARC-AGI-3, lancé en mars 2026, laissait tous les grands modèles sous 1 % à sa sortie. En septembre, le meilleur modèle obtient un score d'environ 63 % selon le protocole standard d'ARC Prize. ARC Prize publie aussi un score de 99,9 %, obtenu avec un protocole adapté par le fournisseur du modèle : les deux résultats ne sont pas directement comparables.&lt;/p&gt;
&lt;p&gt;Selon la fondation ARC Prize, le coût par tâche pour atteindre 75 % sur ARC-AGI-1, c'est-à-dire le prix à payer pour qu'un modèle tente de résoudre un puzzle, estimé à partir des tarifs des fournisseurs, a baissé de plus de 99 % en un an et demi. Andon Labs projette que les modèles dépasseront la référence humaine sur Blueprint-Bench 2 avant la fin de l'année. Cette dernière affirmation est une extrapolation de tendance, pas une mesure.&lt;/p&gt;
&lt;p&gt;Ces chiffres invitent à parler d'accélération. Leur vérification fait apparaître une question plus importante : l'écart entre la vitesse des modèles et celle des personnes qui travaillent, apprennent ou enseignent avec eux.&lt;/p&gt;
&lt;h3&gt;Plusieurs rythmes qui se désaccordent&lt;/h3&gt;
&lt;p&gt;Parler d'une accélération au singulier mélange quatre phénomènes qui avancent à des vitesses différentes :&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;la fréquence des annonces des entreprises qui développent ces modèles ;&lt;/li&gt;
&lt;li&gt;la progression des scores sur des tests ;&lt;/li&gt;
&lt;li&gt;l'amélioration réelle du travail fait avec ces outils ;&lt;/li&gt;
&lt;li&gt;la vitesse à laquelle les organisations les adoptent.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;Des sorties rapprochées peuvent refléter une concurrence commerciale intense sans que chaque version change les usages. Les tests eux-mêmes changent : ARC-AGI-3 introduit des jeux interactifs absents des deux premières versions. Le temps mis par les modèles pour progresser sur chaque version ne se compare donc pas : ce ne sont pas les mêmes épreuves..&lt;/p&gt;
&lt;p&gt;Les modèles changent en quelques semaines, alors qu'adapter un métier ou une formation prend des années. Tout le monde n'a pas le temps ni les moyens de suivre ce rythme.&lt;/p&gt;
&lt;p&gt;&lt;img src="https://rino.artgeo.be/bl-content/uploads/pages/bd0543506d403f6181c621d6aefa4133/magnific-43146-png.png"&gt;&lt;/p&gt;
&lt;h3&gt;Le coût baisse, la consommation peut monter&lt;/h3&gt;
&lt;p&gt;En 1865, l'économiste William Stanley Jevons publie &lt;cite&gt;The Coal Question&lt;/cite&gt;. Il y constate que les machines à vapeur plus efficaces n'ont pas réduit la consommation de charbon en Angleterre. Elles l'ont augmentée, parce qu'elles rendaient le charbon rentable pour des usages nouveaux. Ce mécanisme porte le nom de &lt;a href="https://fr.wikipedia.org/wiki/Paradoxe_de_Jevons" target="_blank" rel="noopener noreferrer"&gt;paradoxe de Jevons&lt;/a&gt;, ou effet rebond.&lt;/p&gt;
&lt;p&gt;La baisse du coût par tâche des modèles d'IA pose la même question. Une tâche qui coûte mille fois moins cher peut être effectuée beaucoup plus souvent, et par beaucoup plus de monde. L'Agence internationale de l'énergie en fait le constat en avril 2026 : l'énergie consommée par tâche d'IA baisse à un rythme sans précédent, et pourtant la consommation des centres de données a augmenté de 17 % en 2025. Elle devrait doubler d'ici 2030, et celle des centres dédiés à l'IA tripler.&lt;/p&gt;
&lt;p&gt;Le rebond n'est cependant pas automatique, et son ampleur n'est pas connue d'avance. Il dépend des usages réellement remplacés, des usages ajoutés et des équipements nécessaires. Une requête qui évite un déplacement en voiture n'a pas le même bilan qu'une requête qui s'ajoute à tout le reste.&lt;/p&gt;
&lt;p&gt;Le prix payé par l'utilisateur ne reflète pas non plus le coût collectif. Une requête gratuite ou facturée quelques centimes consomme toujours de l'électricité et repose sur une infrastructure fabriquée à partir de métaux et de ressources minérales. Selon les centres de données, elle mobilise aussi de l'eau pour le refroidissement. Tout cela se passe dans des lieux que l'utilisateur ne voit pas. Une baisse de prix peut cacher un déplacement des coûts.&lt;/p&gt;
&lt;h3&gt;Le temps gagné, et qui le récupère&lt;/h3&gt;
&lt;p&gt;Une meilleure performance sur un test ne se transforme pas directement en temps gagné. Entre les deux, il faut intégrer l'outil, apprendre à s'en servir, vérifier ses résultats et corriger ses erreurs.&lt;/p&gt;
&lt;p&gt;En 2025, l'organisation METR a observé 16 développeurs expérimentés travaillant sur leurs propres projets. Avec les outils d'IA de l'époque, ils ont mis en moyenne 19 % de temps en plus, alors qu'ils estimaient après coup avoir gagné 20 %. Cette étude porte sur une génération d'outils et un contexte précis. Elle montre surtout que le gain ressenti et le gain mesuré peuvent diverger.&lt;/p&gt;
&lt;p&gt;Supposons même que le gain soit réel : une tâche de quatre heures en prend désormais deux. La suite dépend de l'organisation du travail. Les deux heures peuvent servir à approfondir. Elles peuvent aussi servir à produire deux fois plus, ou justifier un délai plus court et un prix plus bas. Elles peuvent enfin être absorbées par le travail que l'outil crée lui-même : contrôler et corriger ses résultats, puis répondre aux demandes supplémentaires qu'une production plus rapide encourage, par exemple davantage de versions ou de retouches.&lt;/p&gt;
&lt;p&gt;Dans les métiers de l'image, la question se pose concrètement. Un outil qui trie des rushs en une heure laisse au monteur la tâche de revoir les plans écartés à tort et de contrôler le résultat. Une livraison plus rapide habitue aussi les clients à attendre la suivante pour le lendemain. On retrouve ici, appliquée au temps humain, une logique proche du paradoxe de Jevons : un temps de travail rendu plus efficace peut être entièrement réabsorbé.&lt;/p&gt;
&lt;h3&gt;Des métiers disparaissent, d'autres apparaissent&lt;/h3&gt;
&lt;p&gt;L'argument rassurant s'appuie souvent sur Joseph Schumpeter. En 1942, il décrit la « destruction créatrice » : les innovations détruisent des activités anciennes et en créent de nouvelles, et l'économie dans son ensemble y gagne. Les cochers ont disparu, les chauffeurs et les mécaniciens sont apparus.&lt;/p&gt;
&lt;p&gt;Un économiste plus ancien apporte une nuance utile. En 1821, David Ricardo ajoute à la troisième édition de ses &lt;cite&gt;Principes de l'économie politique&lt;/cite&gt; un chapitre sur les machines. Il y revient sur sa propre position : il admet que l'introduction des machines peut nuire durablement aux travailleurs, même quand elle enrichit le pays. Ricardo croyait au progrès technique, et il a changé d'avis en observant ses effets sur les ouvriers.&lt;/p&gt;
&lt;p&gt;Appliquée à l'IA, la destruction créatrice soulève trois questions.&lt;/p&gt;
&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;Le délai.&lt;/strong&gt; Les grandes transitions passées se sont étalées sur des générations. Celle-ci peut se jouer au cours d'une seule carrière.&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;Le profil.&lt;/strong&gt; Les emplois créés demandent souvent d'autres qualifications, dans d'autres lieux. La personne dont le poste disparaît n'est pas forcément celle qui occupera le nouveau.&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;La qualité.&lt;/strong&gt; Une partie du travail créé par l'IA consiste à annoter des données et à évaluer des réponses, souvent payé à la tâche et sous-traité dans des pays à bas salaires.&lt;/li&gt;
&lt;/ol&gt;
&lt;p&gt;L'économie peut gagner globalement pendant que des personnes précises perdent leur métier. Les deux constats sont compatibles.&lt;/p&gt;
&lt;p&gt;&lt;img src="https://rino.artgeo.be/bl-content/uploads/pages/bd0543506d403f6181c621d6aefa4133/magnific-photorealistic-longexposure-photograph-in-a-train-43147-png.png"&gt;&lt;/p&gt;
&lt;h3&gt;Quelles compétences vieillissent ?&lt;/h3&gt;
&lt;p&gt;Le discours sur l'IA répète que les compétences deviennent obsolètes de plus en plus vite. Il faudrait préciser lesquelles.&lt;/p&gt;
&lt;p&gt;Prenons le pain au levain. Apprendre à entretenir un levain et à conduire toute la fabrication d'un pain artisanal demande des années. Ce savoir-faire continue d'évoluer : la farine change d'une récolte à l'autre, l'eau d'une région à l'autre, la température et l'humidité d'une saison à l'autre. Le boulanger ajuste ses gestes à chaque fournée. Sa compétence progresse avec son environnement au lieu de dépendre d'une version de logiciel.&lt;/p&gt;
&lt;p&gt;Le philosophe Michael Polanyi a nommé ce type de connaissance le savoir tacite : nous savons plus de choses que nous ne pouvons en dire. Il s'acquiert par la pratique et se transmet mal par une notice.&lt;/p&gt;
&lt;p&gt;La distinction vaut pour la photographie. Connaître l'emplacement d'une fonction dans un logiciel est une compétence liée à l'outil, qui disparaît avec lui. Savoir lire une lumière, choisir un cadre ou trouver la bonne distance avec une personne photographiée relève du savoir tacite. La même ligne de partage traverse l'usage de l'IA : les recettes de prompts liées à un outil ou à une version de modèle vieillissent vite, alors que savoir formuler une intention, donner le bon contexte et juger un résultat reste utile d'un outil à l'autre.&lt;/p&gt;
&lt;p&gt;Une précision tout de même : une compétence peut garder sa valeur humaine et perdre sa valeur économique. Au XX&lt;sup&gt;e&lt;/sup&gt; siècle, le pain industriel et la grande distribution ont fortement réduit la place de la boulangerie artisanale, avant que le levain ne regagne du terrain. Le savoir-faire n'avait pas vieilli entre-temps. Ce qui avait changé, c'était la place que le marché lui laissait.&lt;/p&gt;
&lt;h3&gt;Des inégalités qui se croisent&lt;/h3&gt;
&lt;p&gt;La fracture numérique est souvent décrite comme une course : les ingénieurs devant, les utilisateurs avancés ensuite, le reste de la population derrière. Cette image fait des non-utilisateurs des retardataires. Elle cache plusieurs inégalités distinctes, qui ne touchent pas toujours les mêmes personnes.&lt;/p&gt;
&lt;table style="width: 100%; border-collapse: collapse; margin: 1.5em 0;"&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th scope="col" style="border: 1px solid #cccccc; padding: 8px 12px; text-align: left; background: #f2f2f2; font-weight: bold;"&gt;Dimension&lt;/th&gt;
&lt;th scope="col" style="border: 1px solid #cccccc; padding: 8px 12px; text-align: left; background: #f2f2f2; font-weight: bold;"&gt;Question à poser&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td style="border: 1px solid #cccccc; padding: 8px 12px; text-align: left; vertical-align: top;"&gt;&lt;strong&gt;Accès&lt;/strong&gt;&lt;/td&gt;
&lt;td style="border: 1px solid #cccccc; padding: 8px 12px; text-align: left; vertical-align: top;"&gt;Qui peut payer les abonnements et le matériel ?&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td style="border: 1px solid #cccccc; padding: 8px 12px; text-align: left; vertical-align: top;"&gt;&lt;strong&gt;Temps&lt;/strong&gt;&lt;/td&gt;
&lt;td style="border: 1px solid #cccccc; padding: 8px 12px; text-align: left; vertical-align: top;"&gt;Qui peut tester et apprendre pendant ses heures de travail ?&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td style="border: 1px solid #cccccc; padding: 8px 12px; text-align: left; vertical-align: top;"&gt;&lt;strong&gt;Jugement&lt;/strong&gt;&lt;/td&gt;
&lt;td style="border: 1px solid #cccccc; padding: 8px 12px; text-align: left; vertical-align: top;"&gt;Qui a les connaissances pour repérer un résultat faux ou trompeur ?&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td style="border: 1px solid #cccccc; padding: 8px 12px; text-align: left; vertical-align: top;"&gt;&lt;strong&gt;Autonomie&lt;/strong&gt;&lt;/td&gt;
&lt;td style="border: 1px solid #cccccc; padding: 8px 12px; text-align: left; vertical-align: top;"&gt;Qui peut refuser l'outil, changer de fournisseur ou travailler sans lui ?&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td style="border: 1px solid #cccccc; padding: 8px 12px; text-align: left; vertical-align: top;"&gt;&lt;strong&gt;Bénéfices&lt;/strong&gt;&lt;/td&gt;
&lt;td style="border: 1px solid #cccccc; padding: 8px 12px; text-align: left; vertical-align: top;"&gt;Qui récupère le temps ou l'argent économisé ?&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td style="border: 1px solid #cccccc; padding: 8px 12px; text-align: left; vertical-align: top;"&gt;&lt;strong&gt;Exposition&lt;/strong&gt;&lt;/td&gt;
&lt;td style="border: 1px solid #cccccc; padding: 8px 12px; text-align: left; vertical-align: top;"&gt;Qui subit des décisions assistées par IA sans l'avoir choisi ?&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;
&lt;p&gt;La dernière ligne compte particulièrement. Une personne peut ne jamais ouvrir un assistant conversationnel et être affectée par l'usage que font de l'IA son employeur, son administration ou sa banque. La fracture porte aussi sur le pouvoir de décider de ses propres usages, et de peser sur ceux qu'on lui impose.&lt;/p&gt;
&lt;p&gt;Ces outils peuvent aussi réduire certains écarts. Une personne qui ne pouvait pas payer un traducteur peut désormais comprendre un courrier officiel écrit dans une autre langue. Cet accès reste cependant fragile : le service peut devenir payant, modifier ses conditions ou disparaître, et le travail réalisé n'est pas toujours récupérable ailleurs. Un même outil peut ainsi ouvrir une possibilité tout en créant une dépendance envers son fournisseur.&lt;/p&gt;
&lt;p&gt;Les modèles ouverts, dont les poids sont téléchargeables et qui peuvent être installés sur sa propre machine, offrent une alternative partielle à cette dépendance. Ils restent toutefois peu utilisés en dehors des cercles spécialisés, et les plus performants demandent un matériel puissant, donc coûteux. Cet article ne développe pas cette piste : elle existe, mais elle ne résout pas tout.&lt;/p&gt;
&lt;h3&gt;L'école et son propre temps&lt;/h3&gt;
&lt;p&gt;Les critiques de l'enseignement répètent volontiers que l'école a toujours une guerre de retard. Le constat vaut parfois pour l'équipement technique. Il vaut beaucoup moins pour la réflexion : la plupart des enseignants suivent l'évolution de leur secteur et la transmettent à leurs étudiants. Dans l'enseignement supérieur, les meilleurs leur apprennent aussi à organiser leur propre veille.&lt;/p&gt;
&lt;p&gt;La formule de la guerre de retard prend en outre le calendrier des lancements commerciaux comme étalon pour juger l'enseignement. Or l'école n'a pas pour mission de suivre ce calendrier. Elle doit donner accès aux pratiques actuelles, permettre de les éprouver et transmettre les connaissances qui servent à les juger, ce qui demande du temps.&lt;/p&gt;
&lt;p&gt;La lenteur n'est pas une vertu pour autant. Elle peut traduire un manque de moyens, de formation des enseignants ou de curiosité pour ce qui change. La distinction utile oppose un temps pédagogique choisi et défendu à une inertie subie.&lt;/p&gt;
&lt;p&gt;Dans une école d'art, la question devient concrète : quelles étapes peut-on confier à un outil sans perdre l'apprentissage qu'elles permettaient ? Un étudiant peut obtenir rapidement une image réussie sans avoir encore les moyens de comprendre pourquoi elle fonctionne.&lt;/p&gt;
&lt;p&gt;La réponse habituelle consiste à dire qu'il suffit d'apprendre à vérifier. Mais vérifier une image, un raisonnement ou une information suppose de déjà connaître le domaine. Le regard critique se construit par la pratique, les essais et les erreurs, comme le geste du boulanger. Se tenir à distance de l'engouement du moment peut alors devenir un choix pédagogique, à condition qu'il soit réellement un choix.&lt;/p&gt;
&lt;h3&gt;La promesse des quinze heures&lt;/h3&gt;
&lt;p&gt;Les capacités des modèles évoluent vite, mais la possibilité de décider de leurs usages reste inégalement répartie. Le rythme est fixé par une poignée d'entreprises privées, qui contrôlent les modèles les plus avancés et une large part des infrastructures de calcul. Cette concentration leur donne un pouvoir de fait sur des pratiques professionnelles, éducatives et culturelles entières, sans débat démocratique préalable. L'AI Act européen, appliqué par étapes depuis 2024, encadre les usages les plus risqués de l'IA, mais il ne traite pas cette concentration. Elle relève d'autres outils, comme le droit de la concurrence.&lt;/p&gt;
&lt;p&gt;Le progrès technique a pourtant permis, depuis la révolution industrielle, de réduire fortement le temps de travail. Au XIX&lt;sup&gt;e&lt;/sup&gt; siècle, les ouvriers européens travaillaient souvent douze heures par jour, six jours par semaine, dans des conditions épuisantes. En Belgique, une loi de 1921 fixe la journée à huit heures, et la durée légale est aujourd'hui de 38 heures par semaine. Les gains de productivité ont rendu cette réduction possible, mais elle a été obtenue par des luttes sociales et inscrite dans la loi.&lt;/p&gt;
&lt;p&gt;En 1930, l'économiste John Maynard Keynes prédisait qu'à l'horizon de 2030, quinze heures de travail par semaine suffiraient. Le philosophe Bertrand Russell défendait peu après, dans son &lt;cite&gt;Éloge de l'oisiveté&lt;/cite&gt;, une journée de quatre heures. Près d'un siècle plus tard, le sociologue et philosophe allemand Hartmut Rosa constate que les techniques censées faire gagner du temps s'accompagnent d'une accélération du rythme de vie, et que le sentiment de manquer de temps augmente.&lt;/p&gt;
&lt;p&gt;L'IA repose ainsi une question ancienne : à quoi employer le temps qu'elle libère, à supposer qu'il soit réellement libéré ? Il peut servir à produire davantage. Il peut aussi être consacré à une passion, à ses proches, à se cultiver ou à la vie collective. Ce choix ne relève pas de la technique, mais de la manière dont une société répartit les gains qu'elle produit.&lt;/p&gt;
&lt;h3&gt;Sources&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;ARC Prize Foundation, &lt;a href="https://arxiv.org/abs/2603.24621" target="_blank" rel="noopener noreferrer"&gt;ARC-AGI-3: A New Challenge for Frontier Agentic Intelligence&lt;/a&gt;, rapport technique (2026)&lt;/li&gt;
&lt;li&gt;ARC Prize, &lt;a href="https://arcprize.org/leaderboard" target="_blank" rel="noopener noreferrer"&gt;classement&lt;/a&gt; et &lt;a href="https://arcprize.org/results" target="_blank" rel="noopener noreferrer"&gt;résultats des modèles sur les tests ARC-AGI&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;ARC Prize, graphique « The falling costs of reaching 25% and 75% on ARC-AGI-1 and ARC-AGI-2 » (2026)&lt;/li&gt;
&lt;li&gt;Andon Labs, Blueprint-Bench 2, graphique « Performance vs. release date » (2026)&lt;/li&gt;
&lt;li&gt;METR, &lt;a href="https://arxiv.org/abs/2507.09089" target="_blank" rel="noopener noreferrer"&gt;Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity&lt;/a&gt; (2025)&lt;/li&gt;
&lt;li&gt;Agence internationale de l'énergie, &lt;a href="https://www.iea.org/news/data-centre-electricity-use-surged-in-2025-even-with-tightening-bottlenecks-driving-a-scramble-for-solutions" target="_blank" rel="noopener noreferrer"&gt;Data centre electricity use surged in 2025&lt;/a&gt; (avril 2026)&lt;/li&gt;
&lt;li&gt;Clément Le Ludec, Maxime Cornet, Antonio A. Casilli, &lt;a href="https://journals.sagepub.com/doi/10.1177/20539517231188723" target="_blank" rel="noopener noreferrer"&gt;The problem with annotation. Human labour and outsourcing between France and Madagascar&lt;/a&gt; (2023)&lt;/li&gt;
&lt;li&gt;Connaître la Wallonie, &lt;a href="https://connaitrelawallonie.wallonie.be/fr/histoire/timeline/14-juin-1921-loi-sur-les-8-heures-journalieres-et-des-48-heuressemaine" target="_blank" rel="noopener noreferrer"&gt;14 juin 1921 : loi sur les 8 heures journalières et les 48 heures par semaine&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;
&lt;h3&gt;Ressources&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;William Stanley Jevons, &lt;a href="https://archive.org/details/TheCoalQuestion" target="_blank" rel="noopener noreferrer"&gt;&lt;cite&gt;The Coal Question&lt;/cite&gt;&lt;/a&gt; (1865), texte intégral en anglais&lt;/li&gt;
&lt;li&gt;&lt;a href="https://fr.wikipedia.org/wiki/Paradoxe_de_Jevons" target="_blank" rel="noopener noreferrer"&gt;Le paradoxe de Jevons&lt;/a&gt;, présentation encyclopédique&lt;/li&gt;
&lt;li&gt;David Ricardo, &lt;a href="https://classiques.uqam.ca/classiques/ricardo_david/principes_eco_pol/principes_eco_pol.html" target="_blank" rel="noopener noreferrer"&gt;&lt;cite&gt;Des principes de l'économie politique et de l'impôt&lt;/cite&gt;&lt;/a&gt; (1817, 3&lt;sup&gt;e&lt;/sup&gt; édition 1821), texte intégral en français&lt;/li&gt;
&lt;li&gt;John Maynard Keynes, &lt;a href="https://www.cairn.info/revue-idees-economiques-et-sociales-2015-2-page-1.htm" target="_blank" rel="noopener noreferrer"&gt;« Perspectives économiques pour nos petits-enfants »&lt;/a&gt; (1930)&lt;/li&gt;
&lt;li&gt;Bertrand Russell, &lt;a href="https://fr.wikipedia.org/wiki/%C3%89loge_de_l%27oisivet%C3%A9" target="_blank" rel="noopener noreferrer"&gt;&lt;cite&gt;Éloge de l'oisiveté&lt;/cite&gt;&lt;/a&gt; (1932)&lt;/li&gt;
&lt;li&gt;Joseph Schumpeter, &lt;cite&gt;Capitalisme, socialisme et démocratie&lt;/cite&gt; (1942) : &lt;a href="https://journals.openedition.org/interventionseconomiques/1563" target="_blank" rel="noopener noreferrer"&gt;article d'analyse sur l'actualité de l'ouvrage&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;Michael Polanyi, &lt;cite&gt;The Tacit Dimension&lt;/cite&gt; (1966) : &lt;a href="https://en.wikipedia.org/wiki/Polanyi%27s_paradox" target="_blank" rel="noopener noreferrer"&gt;le « paradoxe de Polanyi » et l'automatisation&lt;/a&gt; (en anglais)&lt;/li&gt;
&lt;li&gt;Hartmut Rosa, &lt;a href="https://www.editionsladecouverte.fr/acceleration-9782707154828" target="_blank" rel="noopener noreferrer"&gt;&lt;cite&gt;Accélération. Une critique sociale du temps&lt;/cite&gt;&lt;/a&gt; (La Découverte, 2010)&lt;/li&gt;
&lt;/ul&gt;</description>
      <pubDate>Thu, 01 Oct 2026 12:25:52 +0200</pubDate>
      <guid isPermaLink="false">bd0543506d403f6181c621d6aefa4133</guid>
    </item>
    <item>
      <title>Qui a écrit ce texte ?</title>
      <link>https://rino.artgeo.be/qui-a-%C3%A9crit-ce-texte</link>
      <image>https://rino.artgeo.be/bl-content/uploads/pages/c1d439f0ac8d43fe963a632b85eca66c/magnific-photographie-photorealist-w4GPetr7EI-png.png</image>
      <description>&lt;p&gt;Depuis août 2026, Anthropic déploie un filigrane statistique dans les sorties des nouveaux modèles Claude. L'entreprise a annoncé le dispositif le 11 août, puis détaillé son fonctionnement trois jours plus tard. Le système s'applique mondialement dès le lancement d'un modèle ; les modèles antérieurs au 2 août 2026 doivent encore être couverts progressivement, dans les mois qui viennent. Google avait ouvert la voie deux ans plus tôt avec Gemini. Ce geste, presque passé inaperçu du grand public, dit quelque chose d'important : la question de savoir si un texte a été écrit par une machine ne se réglera pas de la même façon qu'on l'a cru pendant longtemps.&lt;/p&gt;
&lt;h3&gt;Les limites des détecteurs statistiques&lt;/h3&gt;
&lt;p&gt;GPTZero, Copyleaks, ZeroGPT ou Winston AI ont bâti leur réputation sur une promesse simple : soumettre un texte, obtenir un verdict. En réalité, ces outils ne détectent pas une intention, ils mesurent une régularité statistique : la perplexité, c'est-à-dire la prévisibilité d'une séquence de mots par rapport à un modèle de langage, et la burstiness, la façon dont cette prévisibilité varie d'une phrase à l'autre. Un texte humain alterne généralement des passages prévisibles et des passages plus surprenants ; un texte généré tend à rester plus uniforme. Ce sont des corrélations, jamais des certitudes.&lt;/p&gt;
&lt;p&gt;Une étude de 2025 portant sur GPTZero, ZeroGPT et Corrector concluait déjà à une capacité de distinction imparfaite ; une autre, publiée en 2026 sur GPTZero, Pangram, Copyleaks et Turnitin, continue de documenter les mêmes difficultés face aux textes hybrides ou retouchés après coup.&lt;/p&gt;
&lt;p&gt;Le problème est connu depuis longtemps dans les écoles et les universités : un étudiant à l'écriture académique très structurée se fait parfois signaler comme suspect, tandis qu'un texte généré puis légèrement retravaillé passe sans encombre. OpenAI en avait tiré la leçon dès 2023 en retirant son propre classifieur, trop peu fiable pour être maintenu. Un score de détection reste un indice, jamais une preuve d'auteur. Aucune institution sérieuse ne devrait fonder une sanction sur ce seul chiffre.&lt;/p&gt;
&lt;p&gt;&lt;img src="https://rino.artgeo.be/bl-content/uploads/pages/c1d439f0ac8d43fe963a632b85eca66c/magnific-photographie-photorealist-nVITKCvYQD-png.png"&gt;&lt;/p&gt;
&lt;h3&gt;Le watermarking : marquer plutôt que deviner&lt;/h3&gt;
&lt;p&gt;La technique la plus prometteuse aujourd'hui ne cherche plus à deviner après coup, mais à marquer dès la génération. C'est le principe de SynthID-Text, développé par Google DeepMind et publié dans &lt;em&gt;Nature&lt;/em&gt; fin 2024. Anthropic en a adapté une version pour Claude : le système utilise une clé secrète et les mots qui précèdent pour orienter, de façon imperceptible à la lecture, le processus probabiliste qui détermine certains choix de mots. Un détecteur qui connaît la clé peut ensuite tester si la séquence observée correspond statistiquement à celle attendue.&lt;/p&gt;
&lt;p&gt;L'image qui revient souvent est celle d'un imprimeur qui inclinerait très légèrement certaines lettres, invisible à l'œil nu, pour signer chaque page qu'il produit. Le texte lu ne change pas ; sa signature statistique, si.&lt;/p&gt;
&lt;p&gt;Cette approche résiste plutôt bien à de petites corrections ou reformulations. Une réécriture profonde peut en revanche faire chuter fortement la confiance de détection. La traduction mérite d'être distinguée : dans le cas de Claude, une traduction générée par Claude reste watermarquée, puisque chaque mot de la traduction est de nouveau choisi par le modèle.&lt;/p&gt;
&lt;p&gt;La vérification, elle, reste fragmentée. Anthropic a ouvert début septembre une API de détection en préversion privée, accessible à certains régulateurs, médias, chercheurs et fact-checkers ; Google propose de son côté ses propres mécanismes de vérification SynthID. Mais chaque système garde ses propres clés et ses propres canaux. Il n'existe pas de clé universelle ni d'autorité centrale capable d'authentifier indistinctement les sorties de tous les fournisseurs.&lt;/p&gt;
&lt;p&gt;Il faut surtout retenir ceci, et Anthropic le formule ainsi : le watermark permet d'évaluer une probabilité d'implication du modèle, jamais d'établir une paternité. Il ne distingue pas un texte entièrement généré d'un texte humain simplement corrigé.&lt;/p&gt;
&lt;blockquote&gt;« Le watermark permet d'évaluer une probabilité d'implication du modèle, jamais d'établir une paternité. »&lt;/blockquote&gt;
&lt;h3&gt;Un dégradé entre humain et IA&lt;/h3&gt;
&lt;p&gt;Le schéma binaire « humain ou IA » ne correspond plus à la réalité des usages. Un texte peut aujourd'hui résulter d'allers-retours répétés entre les deux (humain, IA, humain, IA, humain), sans qu'aucune étape ne domine clairement les autres. Un texte intégralement rédigé sur demande porte un watermark net. Un texte rédigé à 90 % par un humain et seulement relu par une IA peut, selon Anthropic elle-même, ne pas produire un signal suffisant pour être détecté. Et un texte réécrit en profondeur par une IA, puis repris par un humain, peut rester détectable sans qu'on puisse pour autant mesurer la part de chacun.&lt;/p&gt;
&lt;p&gt;La question « qui a écrit ce texte ? » devient, dans bien des cas, mal posée. La question à laquelle la technique peut réellement répondre est plutôt : quels systèmes ont participé à sa production ?&lt;/p&gt;
&lt;blockquote&gt;« La question « qui a écrit ce texte ? » devient, dans bien des cas, mal posée. »&lt;/blockquote&gt;
&lt;h3&gt;Ce que documente la provenance cryptographique&lt;/h3&gt;
&lt;p&gt;À côté du watermarking, une autre approche gagne du terrain : signer la provenance d'un contenu, indépendamment de son style d'écriture. La norme C2PA, portée par la Coalition for Content Provenance and Authenticity, attache au fichier un manifeste de provenance signé cryptographiquement, qui identifie son auteur, l'outil utilisé pour le produire et les modifications qui ont suivi. OpenAI l'utilise déjà pour ses images.&lt;/p&gt;
&lt;p&gt;Une capture d'écran ne récupère pas automatiquement ces informations, ce qui limite la portée du dispositif. La spécification prévoit toutefois des mécanismes de liaison souple, capables dans certains cas de retrouver un manifeste à partir d'une empreinte ou d'un watermark, même quand les métadonnées d'origine ont disparu. Et surtout, C2PA établit une provenance déclarée, pas une vérité : il authentifie l'origine d'un fichier, pas l'exactitude de ce qu'il représente.&lt;/p&gt;
&lt;p&gt;&lt;img src="https://rino.artgeo.be/bl-content/uploads/pages/c1d439f0ac8d43fe963a632b85eca66c/magnific-photographie-photorealist-eIQ85eQdqL-png.png"&gt;&lt;/p&gt;
&lt;h3&gt;Ce que l'AI Act impose réellement&lt;/h3&gt;
&lt;p&gt;Le règlement européen n'impose la création d'aucun détecteur universel de texte IA : il exige des fournisseurs qu'ils rendent leurs contenus détectables, pas qu'un tiers soit en mesure de tout détecter. L'article 50 de l'AI Act est entré en application le 2 août 2026. Il distingue plusieurs obligations selon les acteurs : les fournisseurs de systèmes génératifs doivent marquer leurs contenus dans un format lisible par machine et détectable comme artificiel (article 50, paragraphe 2) ; les utilisateurs professionnels qui diffusent certains contenus, notamment les textes destinés à informer le public sur des sujets d'intérêt général, ont quant à eux une obligation distincte de labellisation (paragraphe 4).&lt;/p&gt;
&lt;p&gt;Les systèmes génératifs déjà sur le marché avant le 2 août 2026 bénéficient d'une période transitoire jusqu'au 2 décembre 2026 pour se conformer à l'obligation de marquage technique. Le délai concerne les systèmes eux-mêmes, pas le contenu qu'ils ont déjà produit.&lt;/p&gt;
&lt;p&gt;Autrement dit : la loi oblige les fournisseurs à rendre leurs contenus détectables, elle n'oblige personne à mettre en place un système capable de tous les détecter.&lt;/p&gt;
&lt;h3&gt;La part du texte web déjà écrite par une IA&lt;/h3&gt;
&lt;p&gt;Sur le web, la part de texte assisté ou généré par IA est déjà majoritaire, selon plusieurs mesures indépendantes. Une analyse d'Ahrefs portant sur 900 000 nouvelles pages web a trouvé que 74,2 % des pages publiées en avril 2025 contenaient du contenu détectable comme généré par IA, dont 2,5 % de pages entièrement générées et environ 72 % relevant d'un mélange humain-IA. Une étude de l'agence Graphite, fondée sur l'analyse de dizaines de milliers d'articles issus de la base Common Crawl, montre que la part d'articles primairement générés par IA a dépassé celle des articles écrits par des humains dès novembre 2024, avant de se stabiliser autour de 50 %. Une estimation Europol publiée en 2022 tablait sur 90 % de contenu généré par IA en ligne d'ici 2026 ; la réalité n'a pas atteint ce niveau, mais l'ordre de grandeur reste considérable.&lt;/p&gt;
&lt;p&gt;Ces chiffres mesurent une présence détectée après coup, pas une déclaration. Rien n'indique qu'une part comparable de ces pages s'annonce elle-même comme générée ou retravaillée par une IA. L'écart entre ce que les détecteurs statistiques repèrent et ce que les auteurs signalent volontairement donne une mesure concrète de ce que l'obligation de labellisation de l'article 50, paragraphe 4, cherche à combler : un volume déjà considérable de texte en circulation, potentiellement concerné par l'obligation de transparence, sans qu'on sache combien de ces publications remplissent réellement la condition d'examen humain qui les en dispenserait.&lt;/p&gt;
&lt;p&gt;&lt;img src="https://rino.artgeo.be/bl-content/uploads/pages/c1d439f0ac8d43fe963a632b85eca66c/magnific-photographie-photorealist-LwiU0NGswO-png.png"&gt;&lt;/p&gt;
&lt;h3&gt;Trois approches, un même renoncement&lt;/h3&gt;
&lt;p&gt;Détection statistique, watermarking, provenance cryptographique : ces trois approches ne se remplacent pas, elles se superposent, chacune avec ses failles. La rupture de cet été tient moins à l'apparition d'un détecteur enfin capable de reconnaître tous les textes générés par IA qu'à l'abandon progressif de cette ambition, au profit d'une discipline plus modeste : documenter la provenance au moment où le contenu est produit, puis conserver cette information tout au long de sa chaîne de transformation.&lt;/p&gt;
&lt;p&gt;Cela ne permettra jamais de répondre parfaitement à la question « qui a écrit ce texte ? ». Cela permet, de plus en plus, de répondre à une question plus réaliste : quels systèmes ont participé à sa production, et que peut-on encore en vérifier ?&lt;/p&gt;
&lt;h3&gt;Note sur la fabrication de ce texte&lt;/h3&gt;
&lt;p&gt;Cet article a été rédigé avec l'assistance de Claude (Anthropic), sur la base d'échanges itératifs de recherche, de rédaction et de relecture critique. Il relève, à ce titre, du champ que vise l'article 50, paragraphe 4, de l'AI Act : un texte publié pour informer le public sur une question d'intérêt public, lorsqu'il est généré ou manipulé par une IA, doit en principe le signaler. Le règlement prévoit toutefois une exemption lorsque le contenu a fait l'objet d'un examen humain ou d'un contrôle éditorial réel, assumé par une personne identifiée : c'est le cas ici, chaque version ayant été relue, corrigée et validée avant publication.&lt;/p&gt;
&lt;p&gt;L'enjeu dépasse la conformité réglementaire. Signaler la part d'une IA dans la fabrication d'un texte, plutôt que de s'appuyer silencieusement sur l'exemption éditoriale, c'est une manière de pratiquer, à l'échelle d'un article, ce que ce texte défend à l'échelle d'un secteur : documenter la provenance plutôt que la dissimuler.&lt;/p&gt;
&lt;blockquote&gt;« Documenter la provenance plutôt que la dissimuler. »&lt;/blockquote&gt;
&lt;h3&gt;Sources et ressources&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;a href="https://www.anthropic.com/news/claude-text-watermark" target="_blank" rel="noopener noreferrer"&gt;Anthropic, How Claude's text watermarking works&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://techcrunch.com/2026/08/15/anthropic-shares-more-details-about-how-claudes-new-watermarks-will-work/" target="_blank" rel="noopener noreferrer"&gt;TechCrunch, Anthropic shares more details about how Claude's new watermarks will work&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://ai-act-service-desk.ec.europa.eu/fr/ai-act/article-50" target="_blank" rel="noopener noreferrer"&gt;Commission européenne, Article 50 de l'AI Act&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://artificialintelligenceact.eu/fr/article/50/" target="_blank" rel="noopener noreferrer"&gt;EU Artificial Intelligence Act, texte annoté de l'article 50&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://ahrefs.com/blog/what-percentage-of-new-content-is-ai-generated" target="_blank" rel="noopener noreferrer"&gt;Ahrefs, What Percentage of New Content is AI-Generated?&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://graphite.io/five-percent/ai-now-writes-as-many-online-articles-as-humans-do" target="_blank" rel="noopener noreferrer"&gt;Graphite, AI Now Writes as Many Online Articles as Humans Do&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://arxiv.org/pdf/2502.11248" target="_blank" rel="noopener noreferrer"&gt;Synthetic Politics: Prevalence, Spreaders, and Emotional Reception of AI-Generated Political Images on X (arXiv)&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://c2pa.org/" target="_blank" rel="noopener noreferrer"&gt;Coalition for Content Provenance and Authenticity (C2PA)&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;</description>
      <pubDate>Thu, 10 Sep 2026 14:19:11 +0200</pubDate>
      <guid isPermaLink="false">c1d439f0ac8d43fe963a632b85eca66c</guid>
    </item>
    <item>
      <title>Itérer pour enseigner !</title>
      <link>https://rino.artgeo.be/iterer-pour-enseigner</link>
      <image>https://rino.artgeo.be/bl-content/uploads/pages/autosave-8973f98fd30feb4a2671db2ce35e7c4a/magnific-un-artichaut-entier-feuil-gO6uoVVSXO-v2-png.png</image>
      <description>&lt;p&gt;Comment deux outils pensés pour enseigner le comportement de la lumière en photographie de studio ont pris forme, prompt après prompt.&lt;/p&gt;
&lt;h3&gt;Aucun des étudiants n'a encore manipulé un flash&lt;/h3&gt;
&lt;p&gt;À la rentrée, les étudiants arrivent en studio avec des parcours très différents. Beaucoup n'ont jamais réglé un flash, utilisé un flashmètre ou placé une source lumineuse par rapport à un sujet. Ce qu'ils savent réellement de la lumière reste encore à découvrir. Quelques mois plus tard, ces mêmes étudiants devront construire des éclairages et justifier leurs choix. Ils devront comprendre comment la position d'une source modifie le rendu d'une image et anticiper les conséquences de leurs décisions avant même de déclencher.&lt;/p&gt;
&lt;p&gt;Parmi les différentes notions abordées dans cet apprentissage, deux méritent d'être examinées plus attentivement, car elles constituent un préalable à la suite du parcours. La loi du carré inverse décrit la diminution de l'éclairement lorsque la distance entre la source et le sujet augmente. La formation de l'ombre et de la pénombre dépend de la taille apparente de la source lumineuse ainsi que des distances qui séparent la source, le sujet et le fond. Avant de développer un nouvel outil pédagogique, plusieurs solutions existantes ont été examinées. Le premier simulateur trouvé était un ancien outil gratuit. Son apparence était datée et les personnages représentés à l'écran manquaient de crédibilité. Leurs visages figés et leurs postures artificielles faisaient davantage penser à des zombies qu'à des personnes réelles.&lt;/p&gt;
&lt;p&gt;Un second outil, Learning Light, publié par Google, semblait plus prometteur. Son fonctionnement restait difficile à comprendre sans explications préalables. Une analyse plus approfondie a montré qu'il avait été conçu pour l'éclairage de scène. Les projecteurs étaient fixés à une structure suspendue, comme dans un théâtre. Il n'était pas possible de les rapprocher ou de les éloigner librement d'un sujet, une manipulation pourtant élémentaire en studio photographique. Au terme de ces essais, aucun des outils identifiés ne répondait réellement aux besoins du cours.&lt;/p&gt;
&lt;h3&gt;Construire un outil sur mesure : de la théorie à la pratique&lt;/h3&gt;
&lt;p&gt;Aucun des outils identifiés ne répondait réellement aux besoins du cours. Un nouvel outil a donc été développé. L'objectif n'était pas de remplacer les simulateurs existants, mais de montrer ce qu'aucun d'entre eux ne permettait de voir clairement : le lien direct entre le tracé des rayons lumineux et leur effet visuel sur le sujet. Les deux devaient apparaître simultanément à l'écran.&lt;/p&gt;
&lt;p&gt;Avant le développement, les besoins ont été reformulés afin de vérifier qu'ils étaient correctement compris. Les trois notions à transmettre ont été identifiées et décrites séparément avant d'être traduites en fonctionnalités. Les limites observées dans le premier simulateur ont également influencé les choix de conception. Toute représentation réaliste a été abandonnée au profit d'un schéma géométrique vu de profil, composé d'une source lumineuse, d'un sujet et d'un fond photographique. Une forme neutre remplaçait le visage afin de concentrer l'attention sur les phénomènes lumineux plutôt que sur leur représentation.&lt;/p&gt;
&lt;p&gt;L'outil calculait en temps réel les effets produits par la taille de la source, sa position, la distance qui la séparait du sujet et celle qui séparait le sujet du fond. Chaque modification des paramètres se répercutait immédiatement sur l'affichage. Avant d'être retenu, l'outil a été confronté aux calculs et aux exemples utilisés dans le cours. Les résultats obtenus correspondaient aux valeurs attendues. Cette étape a permis de vérifier que les phénomènes représentés à l'écran n'étaient pas seulement plausibles visuellement, mais également cohérents avec les principes enseignés.&lt;/p&gt;
&lt;p&gt;&lt;img src="https://rino.artgeo.be/bl-content/uploads/pages/autosave-8973f98fd30feb4a2671db2ce35e7c4a/magnific-photographie-realiste-vue-4Rn1JmM9Aa-png.png"&gt;&lt;/p&gt;
&lt;h3&gt;Une caméra cachée&lt;/h3&gt;
&lt;p&gt;La version en coupe a répondu au besoin initial, mais elle n'a pas marqué la fin du projet. Une itération supplémentaire a rapidement été envisagée : transposer le dispositif en trois dimensions afin de pouvoir observer la scène sous différents angles. L'objectif restait inchangé. L'outil devait demeurer autonome et pouvoir être distribué sous la forme d'un simple fichier HTML, sans installation ni logiciel complémentaire. Le passage à la 3D a également révélé un problème qui n'était pas apparu durant le développement. À l'ouverture du fichier, la caméra se positionnait derrière le fond photographique. Une correction a été apportée, mais cette étape n'a pas mis fin aux ajustements.&lt;/p&gt;
&lt;h3&gt;Des escaliers dans le dégradé&lt;/h3&gt;
&lt;p&gt;Le fichier livré présentait un défaut plus gênant. Les dégradés d'ombre apparaissaient sous forme de paliers visibles. La transition entre les zones claires et les zones sombres manquait de progressivité et prenait l'aspect d'un escalier. Pour un outil destiné à expliquer le comportement de la lumière, le problème ne pouvait pas être ignoré.&lt;/p&gt;
&lt;p&gt;La remarque formulée était précise. Elle ne remettait pas en cause le fonctionnement général de l'outil ni les calculs sur lesquels il reposait. L'origine du problème a été identifiée rapidement et une correction a pu être apportée. Les dégradés sont alors devenus plus fluides sans modifier les calculs déjà validés. Une nouvelle vérification a confirmé que les dimensions des ombres et des pénombres restaient inchangées. Seul le rendu visuel avait évolué.&lt;/p&gt;
&lt;p&gt;Cette phase d'essais a également conduit à réévaluer l'intérêt de la version tridimensionnelle. L'objectif de l'outil n'était pas d'explorer un espace virtuel mais de comprendre un phénomène lumineux. Les essais ont montré que la possibilité de tourner autour de la scène ajoutait une dimension ludique qui attirait l'attention sur la manipulation de l'interface plutôt que sur l'observation des ombres et des pénombres. La version en coupe, déjà suffisante pour comprendre le phénomène, s'est révélée plus efficace. La déclinaison en 3D a donc été abandonnée.&lt;/p&gt;
&lt;h3&gt;Le protocole de la reformulation&lt;/h3&gt;
&lt;p&gt;Le message qui signalait les dégradés en escalier se terminait par une consigne simple : vérifier la compréhension avant toute correction.&lt;/p&gt;
&lt;blockquote&gt;« Dis-moi que tu as bien compris avant de changer quoi que ce soit. »&lt;/blockquote&gt;
&lt;p&gt;Cette habitude était déjà présente au début du projet. Avant le développement du premier outil, plusieurs échanges avaient été consacrés à reformuler le contenu des diapositives et les phénomènes à représenter. L'exercice ne consistait pas à répéter la demande avec d'autres mots, mais à rendre visible ce qui avait été retenu.&lt;/p&gt;
&lt;p&gt;L'une de ces reformulations a d'ailleurs fait apparaître un léger décalage. Une explication concernant la direction de la source lumineuse avait été ajoutée alors qu'elle ne figurait pas dans l'extrait de cours utilisé comme référence. À plusieurs reprises, ce travail préalable a permis de repérer des écarts avant qu'ils ne se retrouvent dans un outil terminé. Une phrase reformulée se corrige plus facilement qu'une fonctionnalité déjà développée.&lt;/p&gt;
&lt;p&gt;&lt;img src="https://rino.artgeo.be/bl-content/uploads/pages/autosave-8973f98fd30feb4a2671db2ce35e7c4a/magnific-photographie-realiste-vue-ks7tky016B-png.png"&gt;&lt;/p&gt;
&lt;h3&gt;Le tableau qui savait tout, et qui n'aidait plus&lt;/h3&gt;
&lt;p&gt;Sur l'outil consacré à la loi du carré inverse, un tableau a connu plusieurs versions. À un moment, il détaillait chaque diaphragme intermédiaire, chaque distance équivalente et chaque facteur de conversion. Les informations étaient exactes et plus nombreuses que dans la version précédente. Pourtant, la lecture en devenait plus difficile. D'autres ajustements ont suivi la même logique : un axe logarithmique a été retiré parce qu'il attirait l'attention sur la représentation du phénomène plutôt que sur le phénomène lui-même ; une colonne affichant 100 % à chaque ligne a également disparu.&lt;/p&gt;
&lt;p&gt;Le problème ne venait ni des calculs ni de leur exactitude. La difficulté tenait à la quantité d'informations présentées simultanément. Avant de s'intéresser aux détails, il fallait d'abord comprendre l'idée centrale : lorsqu'une source s'éloigne, la même quantité de lumière se répartit sur une surface qui augmente avec le carré de la distance. Le tableau a finalement été simplifié. Certaines informations ont été déplacées ou retirées afin de laisser apparaître plus clairement ce principe avant d'introduire des niveaux de détail supplémentaires.&lt;/p&gt;
&lt;p&gt;Il faut noter que cette loi suppose une source ponctuelle rayonnant librement, sans réflexions ni modificateurs de lumière (softbox, parapluie, murs environnants). En conditions réelles de studio, ces hypothèses ne sont jamais parfaitement vérifiées : le calcul reste donc une bonne approximation plutôt qu'une loi exacte applicable à chaque prise de vue.&lt;/p&gt;
&lt;blockquote&gt;« À vouloir tout montrer trop tôt, on risque de masquer l'idée essentielle. »&lt;/blockquote&gt;
&lt;h3&gt;&lt;img src="https://rino.artgeo.be/bl-content/uploads/pages/autosave-8973f98fd30feb4a2671db2ce35e7c4a/magnific-photographie-realiste-por-hu5cYtwvqL-png.png"&gt;&lt;/h3&gt;
&lt;h3&gt;Dans la salle, avant l'écran&lt;/h3&gt;
&lt;p&gt;L'outil consacré à la loi du carré inverse produit les résultats attendus. Les calculs n'ont jamais posé de difficulté particulière. Sa présentation, en revanche, reste perfectible et ne possède pas encore la clarté nécessaire pour être utilisée seule devant une classe.&lt;/p&gt;
&lt;p&gt;Après plusieurs itérations, les modifications devenaient de plus en plus modestes. Chaque ajustement demandait de nouveaux échanges, du temps supplémentaire et consommait des ressources, alors que les progrès obtenus sur la mise en page se réduisaient. Le développement s'est arrêté à ce stade. L'outil n'était pas terminé, mais les améliorations envisagées ne justifiaient plus l'investissement nécessaire pour les obtenir.&lt;/p&gt;
&lt;p&gt;Cette limite a été acceptée comme telle. L'outil sera utilisé comme support de démonstration plutôt que comme dispositif autonome. Les premières manipulations seront réalisées par l'enseignant avant que les étudiants ne prennent le relais. Le fichier HTML ne constitue donc pas l'aboutissement du processus. Une partie du travail se poursuivra en classe, dans les échanges, les explications et les démonstrations qui accompagneront son utilisation.&lt;/p&gt;
&lt;blockquote&gt;« Les améliorations envisagées ne justifiaient plus l'investissement nécessaire pour les obtenir. »&lt;/blockquote&gt;
&lt;h3&gt;Les étudiants face aux outils&lt;/h3&gt;
&lt;p&gt;Les premiers retours des étudiants ont confirmé un constat récurrent dans l'enseignement de l'éclairage : certains phénomènes lumineux restent difficiles à appréhender tant qu'ils ne sont pas observés. La présentation théorique avait permis d'introduire les notions essentielles. Les outils ont ensuite servi d'espace d'expérimentation où chacun pouvait modifier les paramètres et observer immédiatement les conséquences de ses choix.&lt;/p&gt;
&lt;p&gt;Dans le cas de la loi du carré inverse, plusieurs étudiants ont été surpris par l'importance des variations observées à courte distance. L'idée qu'une source située à deux mètres éclaire quatre fois moins qu'à un mètre reste contre-intuitive lorsqu'elle est uniquement présentée sous forme de formule ou de tableau. Beaucoup s'attendaient à une diminution progressive et relativement modérée de l'éclairement. La simulation leur a permis de constater que l'essentiel de la variation se produit précisément aux faibles distances et qu'un déplacement limité de la source peut modifier fortement l'exposition.&lt;/p&gt;
&lt;p&gt;Le même phénomène est apparu avec l'outil consacré à la formation de l'ombre et de la pénombre. Là aussi, certaines observations entraient en conflit avec les représentations initiales des étudiants. La relation entre la taille apparente de la source et la douceur des transitions lumineuses ne semblait pas toujours évidente. En manipulant les paramètres, ils ont progressivement compris qu'il était possible d'agir sur la dureté ou la douceur des ombres en modifiant la taille de la source ou sa distance par rapport au sujet.&lt;/p&gt;
&lt;p&gt;La séquence ne s'est toutefois pas arrêtée à l'utilisation des outils. Après une période d'exploration autonome, les phénomènes ont été reproduits en studio. Cette étape a permis d'établir un lien direct entre les diapositives, la simulation et l'observation réelle. Les étudiants pouvaient alors vérifier que les comportements observés à l'écran correspondaient effectivement à ce qui se produisait devant eux.&lt;/p&gt;
&lt;p&gt;Quelques semaines plus tard, les notions retenues étaient souvent les mêmes. Concernant la loi du carré inverse, les étudiants évoquaient spontanément l'importance des variations de lumière entre un et deux mètres. Pour l'ombre et la pénombre, ils faisaient davantage référence aux choix concrets qu'ils pouvaient effectuer pour obtenir une ombre plus dure ou plus douce. L'objectif n'était pas qu'ils mémorisent un outil, mais qu'ils développent une capacité à anticiper les effets de leurs décisions avant même d'installer un éclairage.&lt;/p&gt;
&lt;h3&gt;Sources et ressources&lt;/h3&gt;
&lt;ul&gt;
&lt;li&gt;&lt;a href="https://www.mdpi.com/2227-7102/16/4/558" target="_blank" rel="noopener noreferrer"&gt;Leveraging Generative AI Through Vibe Coding — étude de cas sur la co-construction de simulations avec un LLM&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://pmc.ncbi.nlm.nih.gov/articles/PMC13043969/" target="_blank" rel="noopener noreferrer"&gt;Empowering Health Professions Educators — le débogage traité comme une conversation&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://arxiv.org/pdf/2603.25146" target="_blank" rel="noopener noreferrer"&gt;Factors Influencing the Quality of AI-Generated Code — le "task alignment check" en ingénierie de prompt&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://www.anthropic.com/research/towards-understanding-sycophancy-in-language-models" target="_blank" rel="noopener noreferrer"&gt;Anthropic — Towards Understanding Sycophancy in Language Models (2023)&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://arxiv.org/pdf/2503.00967" target="_blank" rel="noopener noreferrer"&gt;How Do Teachers Create Pedagogical Chatbots? — pratiques et difficultés réelles des enseignants&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://photo.artgeo.be/loi-carre-inverse.html" title="L'outil sur la loi du carré inverse" target="_blank" rel="noopener"&gt;L'outil sur la loi du carré inverse&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://photo.artgeo.be/penombre.html" title="L'outil sur la la formation de l'ombre et de la pénombre" target="_blank" rel="noopener"&gt;L'outil sur la la formation de l'ombre et de la pénombre créé par Claude Sonnet 5&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;</description>
      <pubDate>Tue, 01 Sep 2026 11:28:00 +0200</pubDate>
      <guid isPermaLink="false">autosave-8973f98fd30feb4a2671db2ce35e7c4a</guid>
    </item>
  </channel>
</rss>
