Bloc 1 — La grande image

1. Risques technologiques — Quand le conseil de la machine entre dans la chaîne de décision

La journée réunit trois faits qui tiennent au même gond. Le premier dit qu’un chef d’État a sollicité l’avis d’un modèle de langage avant une opération militaire. Le deuxième dit que le délai entre la découverte d’une faille et sa transformation en arme est tombé sous la journée. Le troisième dit qu’un fabricant d’ordinateurs restreint un accès qu’il avait lui-même ouvert, parce que des programmes autonomes s’en servent désormais. Aucun des trois ne porte sur ce que les modèles produisent. Tous les trois portent sur ce qu’on leur confie.

« Trump spent hours asking Grok, Musk’s AI chatbot, questions about his presidency and legacy » : un agent conversationnel dans la chaîne de décision militaire

TIME, Eric Cortellessa, « What Trump Has Built », 1er octobre 2026 — https://time.com/article/2026/10/01/donald-trump-2026-interview/ TIME, transcription intégrale de l’entretien, 1er octobre 2026 — https://time.com/article/2026/10/01/donald-trump-2026-interview-transcript/

Le récit occupe quelques lignes dans une enquête longue, et il faut les lire deux fois pour en mesurer la portée. En décembre 2025, écrit Eric Cortellessa, Elon Musk revient au Bureau ovale pour une réunion non annoncée. « Trump spent hours asking Grok, Musk’s AI chatbot, questions about his presidency and legacy, according to an official present. » (« Trump a passe des heures a interroger Grok, le robot conversationnel de Musk, sur sa presidence et son heritage, selon un responsable present. ») La conversation glisse vers le Venezuela. Selon le même responsable présent dans la pièce, le modèle répond que Nicolás Maduro est un dictateur répressif et profondément impopulaire, et que beaucoup de Vénézuéliens célébreraient probablement sa chute. Le 3 janvier 2026, les États-Unis envahissent le pays et capturent son président. Après les scènes de liesse, conclut l’article, « Trump, according to officials, came away thinking Grok was ingenious ».

Il faut dire exactement ce que la pièce établit et ce qu’elle n’établit pas. Elle ne produit ni la transcription de l’échange ni un document administratif : elle repose sur le témoignage de responsables présents, non nommés, recueilli par un correspondant politique chevronné d’un magazine qui dispose de moyens d’enquête. Elle n’affirme pas non plus que le modèle a décidé de l’invasion. Ce qu’elle établit, et c’est assez, c’est qu’un avis produit par calcul statistique a circulé dans la pièce où se prépare l’usage de la force, et qu’il y a été reçu comme ingénieux.

L’entretien lui-même, publié en intégralité le même jour, éclaire la disposition d’esprit qui rend la scène possible. Donald Trump y abandonne le nom de la chose : « I don’t call it artificial intelligence anymore. I call it SI. President Xi agreed… it’s not artificial because artificial intelligence is like CNN. It’s fake. » (« Je ne l’appelle plus intelligence artificielle. Je l’appelle SI. Le président Xi était d’accord… ce n’est pas artificiel, parce que l’intelligence artificielle, c’est comme CNN. C’est faux. ») Sur la régulation, il tient une ligne constante : « if you’re going to seek regulation, they can put you out of business. » (« si vous allez chercher la reglementation, elle peut vous mettre en faillite. ») Hapax relevait le 1er octobre que la Maison-Blanche avait baptisé son décret du 29 septembre « Era of Super Intelligence » et bâti un accord industriel « moralement contraignant » dépourvu de sanctions. On comprend mieux, trois jours plus tard, d’où vient le vocabulaire : il vient du président lui-même, et il consiste à retirer au mot « artificiel » son pouvoir de rappeler qu’une machine n’est pas un conseiller.

« The median window between vulnerability discovery and weaponization has fallen well below 24 hours » (« Le delai median entre la decouverte d’une faille et son armement est tombe bien au-dessous de vingt-quatre heures ») : Microsoft donne l’autre moitié du compte

Microsoft, Terrell Cox, vice-président et directeur adjoint de la sécurité des systèmes d’information pour la sécurité client, « Insights from the 2026 Microsoft Digital Defense Report » (enseignements du rapport Microsoft 2026 sur la défense numérique), 1er octobre 2026 — https://www.microsoft.com/en-us/security/blog/2026/10/01/insights-from-the-2026-microsoft-digital-defense-report/ BleepingComputer, Lawrence Abrams, 1er octobre 2026 — https://www.bleepingcomputer.com/news/security/microsoft-says-threat-actors-are-ahead-in-the-early-ai-race/

Hapax rapportait le 1er octobre que le groupe de renseignement sur les menaces de Google avait dénombré dix mille sept cent quarante failles en un mois et attribuait l’accélération à l’outillage automatisé. Le rapport annuel de Microsoft, publié le lendemain, fournit la moitié du compte qui manquait : non plus combien de failles sont trouvées, mais combien de temps s’écoule avant qu’elles servent. La réponse est brutale. Le délai médian entre la découverte d’une vulnérabilité et sa transformation en arme est tombé, écrit l’éditeur, bien en dessous de vingt-quatre heures. Une organisation qui apprend l’existence d’un défaut le matin et correctif en main le soir est déjà en retard.

Terrell Cox, qui signe la synthèse, décrit un gain d’attaquant plutôt qu’une rupture : « AI can give threat actors greater speed, scale, and ability to tailor activity. » (« L’IA peut donner aux attaquants davantage de vitesse, d’echelle et de capacite a ajuster leur action. ») Le rapport documente trois usages concrets — recherche de vulnérabilités, fabrication de logiciels malveillants sur mesure, compression des opérations postérieures à l’intrusion, l’exfiltration et le déplacement latéral passant de jours à minutes — et attribue des pratiques identifiées à des acteurs étatiques : recherche de failles côté chinois, outillage généré côté russe, fabrication de personnages fictifs et ingénierie sociale côté nord-coréen. Il refuse toutefois le récit de l’attaque entièrement autonome : « most observed campaigns still retain human direction. » Les démonstrations de laboratoire existent, les campagnes réelles gardent un pilote.

Le chiffre qui dit le mieux le déplacement n’est pas technique. Les administrations publiques concentrent en 2026 vingt-sept pour cent de l’activité malveillante observée, contre dix-sept pour cent en 2025. Quant aux agents, Cox leur applique une grille sans indulgence : identité authentifiée, moindre privilège, surveillance, révocation, et traitement des vulnérabilités propres au genre, injection de prompt et intégrité de la mémoire. « A model may be one component, but its security also depends on the data it can reach, the tools it can use, the identities and permissions involved, and the infrastructure and services around it. » (« Un modele n’est qu’un composant ; sa securite depend aussi des donnees auxquelles il accede, des outils qu’il peut employer, des identites et des autorisations en jeu, et de l’infrastructure et des services qui l’entourent. »)

« Exposing everything on their systems » : Apple referme une porte qu’elle avait ouverte

Apple, « Updates to Full Disk Access in macOS » (évolutions de l’accès complet au disque dans macOS), 2 octobre 2026 — https://developer.apple.com/news/?id=p6zjojqw

L’accès disque complet existe sur les ordinateurs d’Apple pour une raison simple : un logiciel de sauvegarde doit pouvoir tout lire. Le 2 octobre, l’entreprise annonce qu’elle en restreindra l’octroi, et elle explique pourquoi dans un texte de quelques lignes dont la franchise mérite d’être citée. « Some developers are using Full Disk Access in ways that could put users at risk, exposing everything on their systems — including files, mail, messages, and even browsing history — without users’ full knowledge and understanding. » (« Certains développeurs emploient l’accès complet au disque d’une manière qui peut exposer les utilisateurs — fichiers, courrier, messages, et jusqu’à l’historique de navigation — sans qu’ils en aient pleinement connaissance. ») Et pour les applications de communication, précise le texte, cela compromet aussi la vie privée des personnes avec qui l’utilisateur échange.

Vient alors la phrase qui donne à l’annonce sa portée : « Addressing this is critical. As AI agents become increasingly capable and autonomous, the risks associated with this level of access will grow substantially. » (« Il est essentiel d’y remedier. A mesure que les agents gagnent en capacite et en autonomie, les risques lies a ce niveau d’acces croitront considerablement. ») Ce n’est pas une mise à jour de confort. C’est un fabricant qui constate que la permission qu’il avait conçue pour un logiciel de sauvegarde — un programme lent, prévisible, dont on sait ce qu’il fait des fichiers — est désormais demandée par des programmes qui décident eux-mêmes de leurs actions. La correction annoncée tient en un mot : l’octroi exigera une action explicite de l’utilisateur. On remarquera que le seul levier dont Apple dispose est le consentement, et que le consentement suppose la compréhension, ce que l’entreprise reconnaît en s’engageant à ce que les utilisateurs saisissent le risque avant de l’accepter.

Conclusion

Les trois faits décrivent un même mouvement et trois réactions inégales. Un modèle a conseillé un chef d’État, et personne n’en répond. Un éditeur de logiciels mesure que la fenêtre de défense est tombée sous la journée, et il publie le chiffre. Un fabricant d’ordinateurs restreint une permission, et il nomme la raison. Entre la mesure et la restriction, il y a une politique industrielle. Entre la restriction et le Bureau ovale, il n’y a rien.

2. Réponses réglementaires — Le juge déboute les éditeurs et les renvoie au Congrès

La réponse réglementaire du jour n’est pas réglementaire : elle est judiciaire, et elle consiste à dire que le droit mobilisé ne convient pas. Un juge fédéral américain, saisi par un groupe de presse et par une plateforme éducative qui voient leur audience fondre, écarte les deux plaintes et désigne le législateur. La décision mérite d’être lue pour son raisonnement plus que pour son dispositif.

« Une attente n’est pas un accord » : le référencement n’est pas un contrat

Press Gazette, Charlotte Tobitt, 1er octobre 2026 — https://pressgazette.co.uk/news/penske-ai-overviews-lawsuit-dismissed-because-no-formal-bargain-struck-with-google Forbes, Rick Ellis, 1er octobre 2026 — https://www.forbes.com/sites/rickellis/2026/10/01/google-wins-dismissal-of-penske-media-chegg-ai-lawsuits/ PPC Land, 2 octobre 2026 — https://ppc.land/judge-mehta-dismisses-penskes-google-ai-overviews-antitrust-suit/

Le juge Amit P. Mehta, du tribunal fédéral du district de Columbia, a rejeté le 1er octobre deux actions antitrust dirigées contre Google et Alphabet. La première avait été déposée le 12 septembre 2025 par Penske Media Corporation, qui édite Rolling Stone, Variety, Billboard, The Hollywood Reporter et Deadline, aux côtés de quatorze filiales. La seconde venait de Chegg, plateforme américaine d’aide aux devoirs et de manuels en ligne. Les deux soutenaient la même chose : la recherche en ligne reposait sur un échange tacite, les éditeurs laissaient explorer leurs pages et recevaient en retour du trafic, et les résumés produits par la machine ont rompu le marché sans rien offrir en échange.

Le juge écarte l’argument sur le terrain contractuel. Les plaignants, écrit-il, n’ont pas établi l’existence d’un accord par lequel les défendeurs auraient promis de leur « vendre » une quantité déterminée de trafic. Suit la phrase qui fera date : « An expectation is not an agreement. It is simply how a general search engine works. » (« Une attente n’est pas un accord. C’est simplement ainsi qu’un moteur de recherche generaliste fonctionne. ») Les éditeurs, poursuit la décision, ont « voluntarily acceded to cost-free crawling » : ils ont consenti à l’exploration gratuite parce qu’elle les servait, non parce qu’ils avaient négocié. Le magistrat refuse aussi de traiter les résumés comme un produit distinct de la recherche, et juge que le dommage allégué se situe dans le marché de l’édition, non dans celui de la recherche où la concurrence serait entravée.

Les chiffres portés au dossier donnent la mesure de ce qui n’a pas trouvé de remède. Penske allègue une part de marché de Google de quatre-vingt-neuf virgule deux pour cent dans la recherche, une chute du taux de clic de trente-quatre virgule cinq pour cent là où un résumé s’affiche, et un recul de plus d’un tiers de ses revenus d’affiliation organiques entre le point haut et la fin de 2024. Le juge ne les conteste pas. Il dit seulement : « The court is bound to apply the law only as it is written, not how the Court or any party believes it ought to be » (« Le tribunal est tenu d’appliquer la loi telle qu’elle est ecrite, non telle que lui-meme ou une partie estimerait qu’elle devrait etre »), et renvoie au Congrès le soin de traiter la dislocation économique provoquée par une innovation. Jason Kint, directeur général de l’association d’éditeurs Digital Content Next, résume l’amertume du camp perdant : « Google has an adjudicated illegal monopoly in search and is now swallowing up all of the journalism of humanity to power its AI products. » (« Google detient un monopole illegal reconnu en justice dans la recherche, et il engloutit a present tout le journalisme de l’humanite pour alimenter ses produits d’IA. »)

Conclusion

Le lectorat d’Hapax notera la présence de Chegg au rang des plaignants. Une entreprise qui vendait de l’aide aux devoirs a vu son modèle se dissoudre d’abord dans les assistants conversationnels, ensuite dans les résumés de recherche, et elle se retourne vers le droit de la concurrence faute de mieux. Le juge lui répond que l’antitrust n’est pas un instrument d’amortissement. La décision a donc une portée qui dépasse la presse : elle établit qu’aux États-Unis, l’économie de l’accès au savoir en ligne ne sera pas réarrangée par les tribunaux. Elle le sera par une loi, ou elle ne le sera pas.

Bloc 2 — Impacts sociétaux

3. Innovations négatives — Ce que le calcul statistique ne fait pas

Il est rare qu’une objection à la production automatique d’images vienne d’une institution dont le métier est de durer. Celle-ci ne porte ni sur le droit d’auteur ni sur la rémunération. Elle porte sur la nature de ce qui est produit, et elle demande une alliance.

« Les algorithmes n’ont pas l’étincelle de l’humanité » : le pape demande à l’Église une alliance avec les artistes

Vatican News, « Pope Leo: the Church needs artists », 2 octobre 2026 — https://www.vaticannews.va/en/pope/news/2026-10/pope-leo-the-church-needs-artists.html Axios, Herb Scribner, 2 octobre 2026 — https://www.axios.com/2026/10/02/pope-leo-xiv-catholic-church-ai-warning-artists

Le 2 octobre, Léon XIV s’est adressé aux participants d’une rencontre intitulée « The Art of Possibility: Weaving Together » (« l’art du possible : tisser ensemble »), organisée par le dicastère pour la culture et l’éducation. Il y déclare que l’Église « wishes to renew its alliance with artists and cultural institutions » (« souhaite renouveler son alliance avec les artistes et les institutions culturelles »), et fonde cette demande sur une distinction qu’il formule ainsi : il existe une différence ontologique, antérieure même à la différence esthétique, entre l’art et ce qu’une machine peut engendrer par calcul statistique à partir de millions d’images créées par d’autres. Distinguer l’art humain de la production des machines est, ajoute-t-il, devenu urgent. Axios retient la formule la plus courte : « Algorithms lack the spark of humanity. » (« Les algorithmes n’ont pas l’etincelle de l’humanite. »)

L’argument est plus précis qu’il n’y paraît, et c’est sa précision qui l’intéresse. Le pape ne dit pas que les images produites sont laides, ni qu’elles trompent, ni qu’elles volent — trois reproches qu’on entend partout et qui se discutent au cas par cas. Il dit que l’opération n’est pas du même ordre : un calcul sur un corpus d’œuvres antérieures ne fait pas ce que fait un geste d’auteur, quelle que soit la qualité du résultat. On peut contester la métaphysique et admettre la conséquence pratique, qui est pédagogique : si la différence est d’ordre et non de degré, alors elle s’enseigne, et elle ne s’enseigne pas en comparant des rendus. En appui, et sa date réelle doit être dite, l’encyclique Magnifica Humanitas du 15 mai 2026 avait posé le cadre, sur le terrain de la dignité humaine dans un monde automatisé.

Conclusion

Le texte est une prise de position, non un constat, et il faut le donner pour tel. Mais il arrive au moment où un juge fédéral vient d’expliquer que le droit de la concurrence ne protégera pas ceux dont le travail alimente les machines. Deux institutions séculaires parlent le même jour de la même chose et n’ont pas les mêmes moyens : l’une dit qu’elle ne peut rien, l’autre propose une alliance. On mesurera plus tard laquelle a pesé.

4. Innovations positives — Décrire une pièce à qui ne la voit pas

« Balaye lentement vers la droite » : une assistance visuelle construite avec ses usagers

Google, Isha Sheth, cheffe de produit principale pour Gemini Live, « Guided Vision in Gemini Live: built for accessibility » (la vision guidée dans Gemini Live, conçue pour l’accessibilité), 1er octobre 2026 — https://blog.google/innovation-and-ai/products/gemini-app/guided-vision-gemini-live/

La fonction s’appelle Guided Vision et elle est arrivée le 1er octobre sur les téléphones Android à partir de la version 9 du système. L’utilisateur partage sa caméra ; l’assistant décrit ce qu’il voit, lit un texte en petits caractères, nomme une couleur, localise un objet. L’originalité n’est pas là. Elle est dans le fait que l’assistant guide le cadrage à la voix — « pan slowly to the right » — c’est-à-dire qu’il admet ne pas voir assez et demande à la personne de l’aider, au lieu de décrire approximativement un champ mal visé.

Le second point notable est la méthode. Google indique avoir travaillé avec Aira, service américain d’interprétation visuelle à distance, qui a fourni des dizaines de milliers d’heures de données d’interprétation, mobilisé plus de mille testeurs de confiance issus de son réseau pour éprouver la fonction, et prêté ses spécialistes à la construction des garde-fous. La fonction est disponible en plusieurs langues, notamment en Inde, au Brésil, à Singapour, en Indonésie et au Japon. Le billet précise enfin, et c’est à porter au crédit de ses auteurs, ce que l’outil n’est pas : « not a medical device, mobility aid, or white cane replacement » (« ni un dispositif medical, ni une aide a la mobilite, ni un substitut a la canne blanche »), sans capacité de navigation ni de détection d’obstacle.

Conclusion

On tient là le contre-exemple utile. Les mêmes modèles qui produisent des avis géopolitiques sans que personne n’en réponde servent ici à une tâche bornée, construite avec les personnes concernées, dont les limites sont écrites noir sur blanc dans l’annonce. La différence n’est pas dans la technique. Elle est dans le périmètre que les concepteurs ont accepté de se donner.

Bloc 3 — Éducation et pédagogie

5. IA et cognition des jeunes — Un tuteur qui fait reculer l’engagement

Deux travaux universitaires paraissent la même semaine, et aucun des deux ne parle de triche. Le premier tire au sort des enseignants pour mesurer ce qu’un tuteur intégré au cours fait aux résultats et à l’assiduité ; sa réponse est négative, et la perte double chez les étudiants dont la famille n’avait jamais connu l’université. Le second compare près de trente mille copies de programmation déposées avant et après la diffusion des assistants, et constate qu’elles se ressemblent de plus en plus. Tous deux finissent par désigner la même chose : ce que l’exercice demande réellement à l’élève.

« Introducing an AI tutor may displace engagement with existing learning activities » : deux mille trois cent soixante-dix-neuf étudiants tirés au sort

Jing Liu, Tracy Sweet, Marty Haoyuan Chen, Jonathan Engelberg, Megan Masters, Martyn Clark, Axel Persaud, Alia Lancaster, Jeffrey Hollingsworth et Jennifer King Rice, « The Effects of Course-Integrated AI Tutoring on Student Performance and Engagement: A Randomized University Trial » (effets d’un tutorat par IA intégré au cours sur les résultats et l’engagement des étudiants : un essai randomisé à l’université), document de travail n° 26-1598, Annenberg Institute at Brown University, octobre 2026 — https://edworkingpapers.com/ai26-1598

Le dispositif est rare dans ce domaine, et c’est ce qui lui donne son poids : un essai contrôlé randomisé. Trente enseignants de l’université du Maryland, répartis sur trente-quatre sections de cours et deux mille trois cent soixante-dix-neuf étudiants de premier cycle, ont été tirés au sort par blocs pour disposer ou non d’un assistant d’étude adossé à GPT-4o et alimenté par les documents de leur propre cours. Les disciplines vont de la biologie et de l’informatique à l’anglais, aux mathématiques et aux politiques publiques.

Sur l’échantillon où les sections comparées relèvent exactement du même cours, l’accès à l’assistant est associé à une baisse de 0,37 écart-type de la note finale, de 0,37 écart-type des pages consultées, de 0,51 écart-type des jours d’activité et de 0,90 écart-type de la participation enregistrée dans l’espace numérique de travail.

Reste à comprendre par quoi cela passe, et la nature des demandes en donne une idée. Sur l’ensemble des requêtes adressées à l’assistant, 73,8 % réclament une information, une explication ou une solution ; 11,3 % relèvent de l’entraînement ou de la préparation aux épreuves ; 0,7 %, soit sept pour mille, demandent un retour sur un travail déjà produit. L’outil a servi de distributeur de réponses, presque jamais de correcteur. Les pertes estimées de note finale sont par ailleurs plus du double chez les étudiants de première génération universitaire. Le résumé de l’étude est prudent dans la forme et net sur le fond : « These findings suggest that introducing an AI tutor may displace engagement with existing learning activities without improving academic performance, with potentially differential impact across student groups. » (« Ces résultats suggèrent que l’introduction d’un tuteur IA peut évincer l’engagement dans les activités d’apprentissage existantes sans améliorer les résultats scolaires, avec un effet potentiellement différent selon les groupes d’étudiants. »)

Les auteurs posent eux-mêmes trois réserves. C’est un document de travail, non encore évalué par les pairs. Seuls 14,63 % des étudiants du groupe traité ont ouvert l’assistant au moins une fois, et environ quatre sur dix d’entre eux une seule fois : l’essai mesure l’effet d’une mise à disposition, sur une population qui s’en est peu servie. Enfin, les étudiants avaient accès par ailleurs à d’autres modèles, et presque tous les enseignants ont laissé l’assistant en mode réponse directe plutôt qu’en mode tutoriel guidant vers la solution. L’étude évalue ce déploiement précis, et non « les tuteurs IA » en général.

Le second travail ne regarde plus les étudiants, mais ce qu’ils rendent.

« Student submissions increasingly matched generated references » : vingt-neuf mille neuf cent soixante-dix copies, cinq promotions

arXiv, Ye, Fan, Zavaleta Bernuy, Karnalim, Denny, Leinonen et Liut, « Correctness, Convergence, and AI-Generated Code Detection: A Longitudinal Study of Student and Large Language Model Code in Introductory Programming » (justesse, convergence et détection du code produit par l’IA : étude longitudinale des rendus d’étudiants et des modèles de langage en programmation débutante), prépublication annoncée le 2 octobre 2026, acceptée à la conférence Koli Calling 2026 — https://arxiv.org/abs/2610.00863

Les auteurs ont réuni vingt-neuf mille neuf cent soixante-dix rendus d’étudiants déposés entre 2021 et 2025 dans des travaux pratiques de programmation en Python, et quatre-vingt-dix mille solutions produites par des modèles de langage pour les mêmes exercices. Le dispositif permet une comparaison que peu d’établissements peuvent faire : il couvre deux promotions antérieures à la diffusion des assistants et trois promotions postérieures, sur les mêmes énoncés.

Les résultats tiennent en trois constats. Les modèles produisent le plus souvent des solutions correctes, et ils convergent entre eux vers des implémentations voisines. Les rendus d’étudiants ressemblent de plus en plus aux références produites par les modèles dans les promotions récentes, y compris parmi les copies qui réussissent les tests. Et surtout, sur les fonctions fortement contraintes par l’énoncé, les modèles se ramènent à un petit nombre de formes d’arbre syntaxique — tandis que la diversité des copies d’étudiants diminue elle aussi. Sur les fonctions ouvertes, la diversité se maintient des deux côtés.

Le dernier point est celui qu’il faut retenir, parce qu’il est pédagogique et non policier. Les auteurs en tirent deux recommandations. La première s’adresse à l’enseignant qui veut savoir : constituer, avant de distribuer un énoncé, une banque de solutions produites par les modèles, afin de repérer sur quoi ils convergent — ce qui revient à mesurer la part de l’exercice qui ne discrimine plus rien. La seconde s’adresse à l’enseignant qui veut enseigner : redessiner les tâches pour qu’elles exigent des tests, un raisonnement et des étapes intermédiaires. Quant à l’attribution individuelle, les auteurs sont nets : la coïncidence de code ne suffit pas, il faut de l’historique de révision et de la déclaration de l’élève.

Conclusion

Les deux travaux se répondent. Le premier montre qu’un assistant simplement mis à disposition fait reculer l’activité d’apprentissage sans rien améliorer, et qu’il la fait reculer davantage chez ceux qui disposaient au départ du moins de ressources. Le second montre que, sur les exercices dont l’énoncé contraint fortement la solution, la bonne réponse était déjà presque unique avant les modèles. Tous deux ramènent à une même décision, qui porte sur ce qu’on demande à l’élève de produire. Un exercice dont l’énoncé n’admet qu’une forme correcte cesse d’évaluer quoi que ce soit le jour où une machine produit cette forme. Un assistant qui répond avant que l’élève ait essayé prend la place du travail. La recommandation qui sort des deux études est la même : exiger les étapes, les traces, l’essai raté. Elle s’adresse à celui qui rédige l’énoncé.

6. Innovation pédagogique — L’internat médical appliqué à l’ingénieur

« Une petite équipe de gens capables d’initiative peut transformer une entreprise entière » : cent millions de dollars, dix mille ingénieurs

Anthropic, « Claude Frontier Academy », 2 octobre 2026 — https://www.anthropic.com/news/claude-frontier-academy

L’annonce est datée du 2 octobre et son chiffre est rond : cent millions de dollars pour former dix mille ingénieurs d’ici la fin de 2027. Ce qui intéresse ici n’est pas la somme, c’est le modèle de formation retenu, que l’entreprise désigne explicitement : celui de l’internat médical. Les ingénieurs apprennent auprès de praticiens, travaillent sur des cas réels, et passent des évaluations avant d’obtenir un titre. Concrètement, plusieurs jours de formation en présence d’ingénieurs de l’entreprise, puis une résidence de douze semaines pendant laquelle le participant conduit de vrais projets dans sa propre organisation, puis deux insignes de compétence. Les premières promotions réunissent des ingénieurs d’Accenture, Bain, Capgemini, de la Commonwealth Bank of Australia, de Deloitte, McKinsey, Morgan Stanley et Novo Nordisk, à San Francisco, New York et Londres. Steve Corfield, responsable mondial du développement et des partenariats, résume l’intention : « A small team of high-agency people with the right skills can transform an entire company. » (« Une petite equipe de gens capables d’initiative, dotes des bonnes competences, peut transformer une entreprise entiere. »)

Le dispositif s’appuie sur un précédent dont les chiffres méritent d’être mis côte à côte avec le reste : plus de cent soixante-quinze mille professionnels ont déjà obtenu une certification de l’entreprise, réparties dans quarante-six mille cabinets ou sociétés. Autrement dit, un fournisseur de modèles délivre déjà des titres à l’échelle d’un gros organisme de formation continue, et il passe maintenant du certificat court à l’internat long.

Conclusion

Deux remarques, qui vont dans des sens opposés. La première est à décharge : le modèle de l’internat est pédagogiquement sérieux. Apprendre sur des cas réels, sous le regard d’un praticien, pendant douze semaines, avec une évaluation terminale, c’est à peu près le contraire du module en ligne de deux heures qui tient lieu de formation dans la plupart des entreprises. La seconde est à charge, et elle est structurelle : le titre est délivré par le vendeur de l’outil. Dans la formation des médecins, l’internat est organisé par des universités et validé par un ordre, deux instances qui ne vendent pas de médicaments. Ici, celui qui définit le référentiel, celui qui forme, celui qui évalue et celui qui facture l’outil sont la même personne morale. On peut juger le dispositif efficace et noter que cent soixante-quinze mille titres privés constituent déjà, dans les faits, un système de qualification que nul n’a mandaté.