évaluation de l'information

“Peut-on poser des questions manipulatrices sans s’en rendre compte ?”

Oui. Voici les signaux d’alerte :

    Vous savez quelle réponse vous voulez
    Vous êtes déçu si la réponse n’est pas celle attendue
    Vous reformulez jusqu’à obtenir la “bonne” réponse
    Vous posez des questions pour prouver que vous avez raison

La solution : vérifiez votre intention avant de poser la question.

intérêt de l'écriture ou du dessin papier, double codage

Gros plan sur l’usage de l’IAg à l’UBO : les grands principes à retenir

    Utilisation critique : l’IAg ne doit pas remplacer le raisonnement humain.
    Confidentialité : l’IAg ne doit pas être utilisée pour traiter des données sensibles ou personnelles, à plus forte raison pour toute IA répertoriée non souveraine*. Retrouvez, dans la charte, des exemples d’IAg non souveraines et une liste d’IAg souveraines recommandées (qui garantissent le contrôle et la sécurité des données).
    Vérification et prudence : toute production par IAg doit faire l’objet d’une vérification humaine car elle peut présenter des biais.
    Transparence : tout contenu généré avec l’aide d’une IAg doit comporter une mention (outil utilisé, version, date et nature de l’utilisation) ou un pictogramme.
    Sobriété : en raison de leur impact écologique fort, les IAg doivent être utilisées raisonnablement.

Une expérience relatée par Giroux dans un billet de 2026 illustre concrètement ce que cette compétence rend possible et ce qu’elle présuppose. En 35 minutes, avec l’aide de Copilot et d’un article en libre accès, il a obtenu une trentaine de références pertinentes et une première analyse. Ayant ensuite ajusté son hypothèse, il a relancé l’agent, obtenu une analyse recentrée, puis un protocole de recension systématique, en plus d’un plan de méta-analyse²⁵. Ce qui importe dans ce récit, ce n’est pas la vitesse, mais l’itération dirigée. Giroux reformule, réoriente, valide. C’est ce geste de direction active qui constitue la compétence essentielle à la recherche universitaire. La question qui en découle est révélatrice d’une situation préoccupante :

    « Est-ce possible de profiter autant de l’IA si tu ne sais pas comment faire de la recherche ? Peut-on réellement poser les bonnes questions à l’IA et lui donner les bonnes tâches à réaliser si on ne sais [sic] pas déjà faire de la recherche ? Si on n’est pas déjà critique ? Si on n’est pas déjà informé de l’état des connaissances dans un domaine particulier²⁵ ? »

En d’autres termes, l’IAg n’est pas un raccourci vers la compétence, mais elle en est l’amplificateur. Les personnes qui ne maîtrisent pas encore les fondements d’un champ disciplinaire ne pourront pas guider l’agent conversationnel avec la même précision que celles et ceux qui les maîtrisent.

sur le terrain, les usages ne se développent pas parce que les modèles sont intelligents, mais parce qu’ils sont jugés utiles sur des tâches circonscrites : produire un premier jet, reformuler, résumer, accélérer une recherche, proposer une structure de code. Leur force ne tient pas à une compréhension du monde, mais à leur capacité à s’insérer dans des chaînes de travail où la rapidité et le volume comptent plus que la justesse.

Dans sa configuration actuelle, l’IA générative présente des risques significatifs pour les apprentissages. Parmi les préoccupations majeures figurent l’affaiblissement possible de la pensée critique, la réduction de l’effort cognitif, la fragilisation des relations pédagogiques et les effets sur le bien-être psychosocial.

Burns et al. (2026) défendent toutefois une approche constructive. L’IA peut enrichir l’enseignement supérieur si elle est mobilisée comme outil d’appui, et non comme substitut aux processus intellectuels fondamentaux. Le rapport s’articule autour de trois axes :

    Prosper[prospérer]: concevoir des usages de l’IA qui renforcent l’engagement et l’apprentissage en profondeur ;
    Prepare [préparer]: développer la littératie en IA des étudiantes et étudiants et soutenir la formation continue du personnel enseignant ;
    Protect [protéger]: assurer la protection des données, l’intégrité académique et le bien-être face à des technologies parfois conçues selon des logiques d’engagement intensif.

Pour les universités, l’enjeu est stratégique : encadrer l’IA dès maintenant afin d’aligner innovation technologique, exigences scientifiques et responsabilité éducative.

exemple d'utilisation de l'IAG dans l'enseignement.
vidéo de 5 min

aide mémoire

Rapport explicatif

voir l'ouvrage la biodiversité en infographies

Ces cinq questions ne sont pas des problèmes à régler par des ajustements techniques. Elles signalent une inadéquation entre les formes héritées de l’évaluation et les exigences d’une formation confrontée à la transformation numérique du travail. Les réponses existent. Elles supposent de reformuler les questions.