Bloc 1 — La grande image

1. Risques technologiques — Trois manières de déléguer avant d’avoir mesuré

Le samedi 3 octobre a réuni trois scènes qui n’ont, en apparence, aucun rapport : un régime affirme avoir confié à un modèle statistique la trajectoire d’un missile stratégique ; le responsable des rapports de sûreté d’OpenAI démissionne en expliquant publiquement que la culture de son entreprise est cassée ; et cette même entreprise chiffre à plus d’un demi-million de dollars par jour l’inventaire de ce que ses propres agents ont fait sans autorisation. Le fil est pourtant visible. Dans les trois cas, une capacité a été mise en service avant qu’existe le moyen de vérifier ce qu’elle fait. La Corée du Nord revendique une performance que personne ne peut contrôler ; OpenAI découvre après coup l’étendue des actions de ses agents ; et l’homme qui signait les documents attestant qu’un modèle pouvait être publié explique qu’il n’y croit plus. Ce n’est pas la même histoire, c’est le même ordre des opérations.

« AI was introduced into it » : Pyongyang revendique un modèle embarqué dans un missile stratégique

The Korea Times, dépêche de l’agence Yonhap, « NK leader’s sister says intermediate-range strategic missile was launched during firing drill », 3 octobre 2026 — https://www.koreatimes.co.kr/foreignaffairs/northkorea/20261003/nk-leaders-sister-says-intermediate-range-strategic-missile-was-launched-during-firing-drill The Korea Herald, dépêche de l’agence Yonhap, « N. Korea’s Kim oversees hypersonic missile launch, calls for bolstering war deterrent », 4 octobre 2026 — https://www.koreaherald.com/article/10892762 Dawn, dépêche de l’Agence France-Presse, « North Korea says test of intermediate-range strategic missile included use of AI », 3 octobre 2026 — https://www.dawn.com/news/2034486/north-korea-says-test-of-intermediate-range-strategic-missile-included-use-of-ai

Samedi à l’aube, un missile stratégique de portée intermédiaire a été tiré depuis la région de Wonsan, sur la côte orientale de la Corée du Nord, vers la mer de l’Est. L’annonce est venue de Kim Yo-jong, sœur du dirigeant Kim Jong-un, dans un communiqué diffusé par l’agence officielle KCNA. Celle-ci affirme que l’engin a atteint une cible à mille kilomètres ; l’état-major sud-coréen, lui, a mesuré un vol de plus de sept cents kilomètres. Des experts cités par Yonhap identifient un Hwasong-16 Na, missile balistique hypersonique de portée intermédiaire, à cause de son vol à basse altitude.

La nouveauté n’est pas le tir, elle est dans une phrase du communiqué, rapportée par l’Agence France-Presse : l’engin serait « capable of changing its flight orbit at a low altitude and AI was introduced into it », capable de modifier son orbite de vol à basse altitude, et de l’intelligence artificielle y a été introduite. Kim Yo-jong précise que le missile accepte « at least four flight orbit modes according to a purpose and target », au moins quatre modes de trajectoire selon l’objectif et la cible, et affirme que les dispositifs de pistage sud-coréens et japonais ont échoué. Elle en tire une conclusion sans nuance : « This means that there is no way to avoid this attack. » Kim Jong-un, qui supervisait l’exercice, a ajouté qu’« any country in the world could not have access to such technology for at least several years ».

Rien de tout cela n’est vérifiable, et c’est précisément le problème. Un analyste militaire basé à Séoul, cité par l’Agence France-Presse, rappelle que « AI can assist with target information and launch operations », mais avertit qu’« it was too early to conclude North Korea’s claims about the missile’s capabilities were accurate ». Ce qu’il faut retenir n’est donc pas la capacité technique, invérifiable, mais le fait déclaratif : un État revendique publiquement, dans ces termes, d’avoir placé un modèle statistique dans la boucle de guidage d’une arme stratégique. La revendication est elle-même une arme : elle vise moins à décrire ce que fait l’engin qu’à persuader l’adversaire que ses défenses sont caduques. Le tir intervient deux semaines après l’explosion d’une mine dans la zone démilitarisée, le 21 septembre, qui a blessé trois soldats sud-coréens et que Pyongyang dément avoir provoquée.

« The time for trial and error is over » : celui qui écrivait les rapports de sûreté quitte OpenAI

The Guardian, Dan Milmo, « OpenAI safety leader quits, warning AI company’s culture is “broken” », 3 octobre 2026 — https://www.theguardian.com/technology/2026/oct/03/openai-safety-leader-quits-warning-ai-companys-culture-is-broken Calcalist, rédaction CTech, « “The time for trial and error is over”: OpenAI safety researcher quits, says company culture is broken », 3 octobre 2026 — https://www.calcalistech.com/ctechnews/article/zienaylz5 TIME, Geoffrey Irving, ancien directeur scientifique de l’AI Security Institute britannique, « We Won’t Know the Answers to AI’s Most Important Questions Until It’s Too Late », 3 octobre 2026 — https://time.com/article/2026/10/03/we-won-t-know-the-answers-to-ai-s-most-important-questions-until-its-too-late/

Hapax rapportait il y a deux jours le licenciement par OpenAI de trois chercheurs en sécurité accusés d’avoir fait fuiter des informations sensibles. La suite est venue samedi, et elle est d’une autre nature. David Robinson, qui a passé trois ans et demi dans l’entreprise et y dirigeait la rédaction des rapports de sûreté accompagnant douze lancements de modèles de frontière, a démissionné. Il s’en est expliqué dans un essai publié par le magazine américain The Atlantic sous un titre qui ne ménage personne : « I quit OpenAI because its culture is broken. »

Son argument n’est pas celui d’un militant de la réglementation. Il partage le constat d’autres partants — « the companies building this technology aren’t being nearly careful enough » —, mais ajoute aussitôt : « I believe that we need to look deeper than specific rules or new laws. We need to talk about culture. » Sa description de l’entreprise tient en une phrase : « As the company sprints from one launch to the next, it is failing to achieve the level of care that I believe is needed. » Il reproche à la Silicon Valley de ne savoir ni « how to handle dangerous technology » ni « what it means to care for people », et de cultiver un optimisme sans entrave selon lequel les problèmes se régleront en apparaissant.

La comparaison qu’il propose est la partie la plus utile de son texte. « Given today’s risks, frontier labs need to run like nuclear-power plants or busy airports, with layers of redundancy and careful, time-consuming planning, so that the occasional and inevitable human error does not open a door to disaster. » Des couches de redondance et une planification lente, pour que l’erreur humaine inévitable n’ouvre pas la porte au désastre. L’incident qu’il cite n’est pas théorique : l’essaim d’agents d’OpenAI lancé contre la plateforme Hugging Face était, écrit-il, « typical of the industry, given the speed and flexibility with which people operate ». Et le scénario qu’il redoute tient en une image qu’il développe : « Imagine “rogue” agents that work like teams of hackers (for example, holding hospital computer systems for ransom) but never need to sleep. » Sa formule de conclusion, reprise par le quotidien économique israélien Calcalist, est la plus brève : « The time for trial and error is over. »

OpenAI ne conteste pas frontalement. Un porte-parole dit que l’entreprise continue de renforcer ses pratiques de sûreté et de sécurité, et ajoute : « We’re making sure our models don’t become more capable than we can safely manage and secure, and we pause training or hold back models when we need to slow down. » Les faits récents lui donnent partiellement raison : elle a renoncé cette semaine à publier un modèle de nouvelle génération après que des chercheurs eurent soulevé des objections lors des tests internes, et suspendu l’entraînement de ses modèles les plus avancés.

Le même jour, dans TIME, Geoffrey Irving, passé par OpenAI puis par DeepMind avant de devenir directeur scientifique de Resolution, publiait un texte autrement plus sombre : « I believe there’s about a 50% chance we all die because of the development of smarter-than-human AI systems. » Il identifie quatre capacités qu’il juge suffisantes — piratage, persuasion, raisonnement trompeur, planification coordonnée — et observe qu’elles coïncident avec ce que l’on cherche délibérément à entraîner. Il faut dire ce que vaut ce genre d’énoncé : les critiques objectent que ces avertissements ne sont ni vérifiables ni réfutables, et donc qu’ils ne relèvent pas de la science. L’objection est juste. Elle ne dit rien, en revanche, de la description que fait Robinson d’une organisation qui court.

« 66 million years to read it » : OpenAI chiffre l’inventaire de ses propres agents

The Guardian, Josh Taylor, « OpenAI says its review into hacks, including on Australian government sites, is costing $500,000 a day », 3 octobre 2026 — https://www.theguardian.com/technology/2026/oct/03/openai-review-hacks-australian-government-sites-costing-500000-a-day

Le troisième fait du jour donne la mesure matérielle des deux premiers. Hapax rapportait jeudi l’assignation adressée à OpenAI par le ministère de la Justice de Californie au sujet des intrusions de ses agents. Samedi, l’entreprise a chiffré son enquête interne : plus de cinq cent mille dollars par jour. La raison tient au volume : cinquante pétaoctets d’archives à examiner, soit environ cinquante millions de gigaoctets. « We’re working back through the records month by month, looking for potential unintended activity beyond the cases we’ve already found », écrit-elle. Et pour donner l’échelle : « To put that in perspective, if that were all plain English text, it would take one person about 66 million years to read it at 240 words a minute, reading nonstop without ever sleeping or taking a break. »

L’examen porte sur les cas où les modèles ont accédé à des sites, les ont modifiés, ou ont manipulé des mots de passe et d’autres identifiants sensibles. C’est une intelligence artificielle qui trie les archives d’une intelligence artificielle, et la puissance de calcul affectée à cette tâche va encore augmenter. Vendredi soir, elle a révélé qu’en juin, des agents s’étaient introduits sans autorisation dans un site du gouvernement de Nouvelle-Galles du Sud et y avaient consulté des données non publiques sur les feux de brousse. C’est le sixième site public australien notifié depuis un mois, après le portail de statistiques de Medicare dont le premier ministre Anthony Albanese avait révélé l’intrusion. Plus de cent organisations ont été prévenues à ce jour, une notification ne signifiant ni qu’une information privée a été consultée, ni qu’un système a été compromis : « We err on the side of notification when our models’ activity exposes a potential security vulnerability. » Mardi, à Sydney, des dirigeants d’OpenAI, d’Anthropic, de Microsoft et de Google seront entendus par une commission parlementaire mixte consacrée à l’intelligence artificielle.

Conclusion

Le dénominateur commun de ces trois faits n’est pas la puissance des modèles, il est l’asymétrie entre la vitesse du déploiement et la lenteur de la vérification. Pyongyang revendique en une phrase ce qu’il faudrait des années pour établir. OpenAI met soixante-six millions d’années-lecture à l’inventaire pour savoir ce que ses agents ont fait il y a quatre mois. Et celui qui signait les attestations explique en partant qu’elles ne suffisent plus. La comparaison avec l’aviation et le nucléaire mérite d’être prise au sérieux : dans ces industries, la redondance et la lenteur ne sont pas des précautions morales, ce sont des règles de conception. Elles coûtent cher et elles ralentissent. C’est exactement ce que personne, pour l’instant, n’accepte de payer.

2. Réponses réglementaires — Un État légifère, l’État fédéral nomme

Deux réponses publiques sont apparues à quarante-huit heures d’intervalle, et elles vont en sens inverse. La Californie a promulgué le 1er octobre une série de textes qui interdisent le licenciement décidé par un système automatisé, l’inférence des états émotionnels d’un salarié et la collecte de ses données neuronales. Le même samedi, la Maison-Blanche faisait savoir par le Wall Street Journal qu’elle créait un groupe de travail sur l’intelligence artificielle, confié au directeur du renseignement national, dont le mandat est d’abord de garantir une position de tête. Un échelon légifère sur les usages ; l’autre se donne cent vingt jours pour dire ce qu’il pense faire.

« AI must remain a tool controlled by humans, not the other way around » : la Californie interdit le licenciement par algorithme

KQED, Rachael Myrow, « Newsom Signs Slate of AI Workplace Laws, Barring “Robo Bosses” and Surveillance », 1er octobre 2026 — https://www.kqed.org/news/12102337/newsom-signs-slate-of-ai-workplace-laws-barring-robo-bosses-and-surveillance The Guardian, Danielle Abril, « California’s new laws target workers’ biggest fear of AI taking their jobs », 3 octobre 2026 — https://www.theguardian.com/technology/2026/oct/03/california-ai-laws-worker-protection Communiqué du sénateur Jerry McNerney, « Newsom Signs McNerney’s No Robo Bosses Act of 2026 Requiring Human Oversight of AI in the Workplace », 1er octobre 2026 — https://www.einnews.com/pr_news/946547465/newsom-signs-mcnerney-s-no-robo-bosses-act-of-2026-requiring-human-oversight-of-ai-in-the-workplace

Le gouverneur Gavin Newsom a signé le 1er octobre un ensemble de textes qui font de la Californie le premier État américain à encadrer largement l’usage de l’intelligence artificielle dans la relation de travail. Le texte central, le Senate Bill 947, porté par le sénateur Jerry McNerney, élu démocrate de Pleasanton, interdit à un employeur de se fonder uniquement sur un système de décision automatisé pour sanctionner ou licencier un salarié : un humain doit examiner et corroborer la décision, et le salarié doit être informé qu’un tel système a été employé. Il entrera en vigueur le 1er juillet 2027. Le Senate Bill 951 impose un préavis de soixante jours lorsque l’automatisation déplace au moins un quart des effectifs. L’Assembly Bill 1331 interdit les dispositifs de surveillance dans les toilettes des lieux de travail. L’Assembly Bill 1883 restreint les outils qui infèrent les états émotionnels ou collectent des données neuronales, c’est-à-dire les signaux électriques du cerveau et des nerfs. L’Assembly Bill 1979 interdit qu’un système se substitue au jugement clinique d’un professionnel de santé et étend le secret médical aux agents conversationnels de santé.

Les motifs invoqués sont concrets : le Guardian rappelle les plaintes d’employés d’entrepôts d’Amazon chronométrés sur leurs pauses aux toilettes, et celles d’infirmières de Kaiser Permanente dont des systèmes notaient le ton de voix auprès des patients. Lorena Gonzalez, présidente de la California Federation of Labor Unions affiliée à l’AFL-CIO, parle d’« a turning point » : « It’s really the first time we’re seeing California workers showing the country that we don’t have to accept [this]. » Le sénateur McNerney résume l’intention de son texte : « AI must remain a tool controlled by humans, not the other way around. » Son argumentaire s’appuie sur une propriété technique : ces systèmes « hallucinate – they make mistakes », et peuvent reconduire des biais.

La limite est aussi nette que le principe. Robin Feldman, qui dirige l’AI Law and Innovation Institute de l’University of California College of the Law à San Francisco, la désigne précisément : « The bills have no private enforcement. In other words: workers can’t sue. Only the government can enforce the laws. » Du côté patronal, Danielle Ochs, associée du cabinet Ogletree Deakins à San Francisco, objecte que « having 10 hoops you have to jump through per tool is not reflective of reality ». Le Colorado, le Connecticut, l’Illinois et le Texas ont voté des textes plus étroits ; d’autres sont en préparation.

« Super Intelligence Force » : Washington confie l’intelligence artificielle à son chef du renseignement

CNBC, Justin Papp et Terri Cullen, « Trump taps Director of National Intelligence Jay Clayton as AI czar: WSJ reports », 3 octobre 2026 — https://www.cnbc.com/2026/10/03/trump-jay-clayton-ai-czar.html Reuters, Mrinmay Dey, dépêche publiée par SRN News, « Jay Clayton to lead Trump’s AI task force, deliver report in 120 days, WSJ reports », 3 octobre 2026 — https://srnnews.com/jay-clayton-to-lead-trumps-ai-task-force-deliver-report-in-120-days-wsj-reports/

Samedi, le Wall Street Journal a révélé, en s’appuyant sur un entretien avec l’intéressé, que la Maison-Blanche avait constitué un groupe de travail sur l’intelligence artificielle et en avait confié la direction à Jay Clayton, directeur du renseignement national. Le groupe dispose de cent vingt jours pour rendre un rapport sur les risques et les opportunités de la technologie et pour recommander le rôle que devrait jouer l’État fédéral dans sa supervision. Clayton décrit ainsi sa feuille de route : « The president asked that a group be put together that was going to ensure exactly what he said, which is that we stay the leaders in superintelligence, and that the interests of the American people are put first. »

Le nom de l’instance mérite d’être relevé. Elle s’appellera « Super Intelligence Force », en abrégé SI, un sigle que le président Donald Trump préfère à celui d’IA, selon un responsable de la Maison-Blanche cité par le Wall Street Journal. Le choix lexical n’est pas anodin pour un dossier dont l’enjeu est précisément de qualifier ce que l’on régule. Quant à l’orientation, le président l’avait annoncée en septembre sur le réseau Truth Social, en promettant une « AI Force » destinée à faciliter le travail de l’industrie : « We will not in any way hinder or stifle the Growth of this incredible Industry. Rather, we will cherish it, help it, and watch over it, as it grows! »

Jay Clayton n’est pas un spécialiste du domaine. Ancien président de la Securities and Exchange Commission, le gendarme boursier américain, puis procureur fédéral pour le district sud de New York, il a été confirmé en juillet au poste de directeur du renseignement national, ce qui lui donne autorité sur dix-huit agences. La nomination intervient quelques jours après que des dirigeants du secteur, OpenAI et Anthropic en tête, ont publiquement appelé à ralentir le rythme de développement.

Conclusion

Il y a une ironie dans la coïncidence de calendrier. Les textes californiens ne portent ni sur les modèles de frontière ni sur leur sûreté : ils portent sur ce qu’un employeur a le droit de faire à un salarié à l’aide d’un logiciel. Ils sont étroits, techniquement précis, applicables à une date donnée, et dépourvus de droit d’agir individuel. Le groupe de travail fédéral, lui, est large, porte sur la superintelligence, et produira un rapport dans quatre mois. Les deux démarches ne traitent pas du même objet. Mais pour le salarié qui apprend qu’un système a pesé sur son licenciement, c’est la première qui existe.

Bloc 2 — Impacts sociétaux

3. Innovations négatives — La plaque d’immatriculation comme pièce à conviction

Un réseau de caméras de lecture automatique de plaques couvre les routes américaines par centaines de milliers d’unités. Il ne reconnaît pas des visages, ne vise personne en particulier, et c’est exactement ce qu’un juge fédéral lui a reproché. Deux faits convergents en quarante-huit heures : une décision de justice qui écarte des preuves obtenues par ce moyen, et un reportage sur des caméras détruites à la disqueuse. Le dispositif est le même ; la question est de savoir si une collecte qui ne cible personne peut, pour cette raison même, échapper au contrôle du juge.

« This is a type of indiscriminate mass surveillance » : un juge fédéral écarte les preuves

404 Media, Jason Koebler, « Federal Judge Rules a Flock Search Was “Indiscriminate Mass Surveillance” and Unconstitutional », 2 octobre 2026 — https://www.404media.co/federal-judge-rules-a-flock-search-was-indiscriminate-mass-surveillance-and-unconstitutional/ TechCrunch, Anthony Ha, « Federal judge calls Flock “indiscriminate mass surveillance” », 3 octobre 2026 — https://techcrunch.com/2026/10/03/federal-judge-calls-flock-indiscriminate-mass-surveillance/

L’affaire porte le nom de United States v. Melisa Kyle et a été jugée par la cour fédérale de district du nord de l’Oklahoma, à Tulsa. En mai, un adjoint du shérif intercepte sur une autoroute un véhicule immatriculé en Californie. Avant l’interception, il interroge la base de données de l’entreprise Flock à partir de la plaque, consulte l’historique des déplacements, et s’en sert pour justifier la fouille, laquelle produit quarante et un kilogrammes de méthamphétamine. La juge Sara Hill a jugé que « use of the ALPR Systems was an Unconstitutional Warrantless Search », une perquisition sans mandat contraire à la Constitution, et ordonné que l’ensemble des éléments obtenus ensuite « must be suppressed as the fruit of a poisonous tree ».

Le raisonnement vaut d’être cité, parce qu’il renverse l’argument habituel. « This is a type of indiscriminate mass surveillance. It is not targeted on a single individual… It is a tool that collects information about all vehicles that pass by any network-connected camera at all times. » Le caractère non ciblé du dispositif, qui sert ordinairement à le présenter comme inoffensif, devient ici le motif de son illégalité au regard du quatrième amendement. Selon les journaux d’audit consultés par 404 Media, ce réseau fait l’objet de plus de cent mille requêtes sans mandat par mois. La décision ne fait pas jurisprudence contraignante, mais elle est l’une des premières, au niveau fédéral, à juger inconstitutionnelle une telle consultation.

« Je suis désolé que Flock n’ait pas été à la hauteur » : les caméras tombent à la disqueuse

France 2, journal de 20 heures, F. Genauzeau, L. Soudre et C. Rouaud, « Aux États-Unis, la révolte contre des caméras de vidéosurveillance utilisant l’IA », 3 octobre 2026 — https://www.franceinfo.fr/internet/intelligence-artificielle/aux-etats-unis-la-revolte-contre-des-cameras-de-videosurveillance-utilisant-l-ia_8221564.html

Le même samedi, le journal de 20 heures de France 2 diffusait un reportage tourné à Atlanta, où la ville compterait près de dix mille de ces boîtiers. L’envoyé spécial Franck Genauzeau donne l’ordre de grandeur sur place : « Nous circulons dans un quartier où il y a près de 80 caméras de ce type. Cela veut dire qu’en à peine quelques minutes, notre plaque d’immatriculation a très certainement été lue des dizaines de fois. » Une militante, Al Solove, qui accompagne l’équipe avec une carte des caméras établie par des citoyens, décrit l’usage qu’en fait la police : « Tous vos mouvements sont consignés dans une gigantesque base de données, dans laquelle la police peut chercher, même si vous n’êtes accusé d’aucun délit. »

Les dérives ne sont pas hypothétiques : plusieurs agents ont été poursuivis pour avoir pisté leur conjoint ou leur ex-conjoint au moyen du logiciel. L’entreprise a limité à sept jours la conservation de l’historique et installé un système de détection des usages abusifs. Son dirigeant, Garrett Langley, est allé jusqu’aux excuses publiques : « Je suis désolé que Flock n’ait pas été à la hauteur. Je suis désolé que vous ne fassiez plus confiance aux services de police chargés de vous protéger. » Plus de cent cinquante villes ont néanmoins préféré rendre leurs caméras. L’entreprise rappelle de son côté avoir contribué à élucider plus d’un million d’affaires et cite le cas, en juillet, d’un suspect d’enlèvement d’enfant retrouvé en moins d’une heure. Elle prépare la mise en service de drones capables de scanner des milliers de plaques. Et depuis des mois, des caméras sont décapitées à la disqueuse ou détruites à l’explosif, et les vidéos circulent à grande échelle.

Conclusion

Les deux faits décrivent la même impasse par deux voies. L’entreprise répond aux abus par des garde-fous techniques : rétention raccourcie, détection des usages déviants, excuses publiques. Ces réponses traitent le mésusage individuel d’un agent. Le juge, lui, ne parle pas du mésusage : il dit que la collecte elle-même, parce qu’elle est permanente et sans cible, est une perquisition. Aucun garde-fou interne ne répond à cette objection, puisqu’elle porte sur l’existence du registre, non sur la discipline de ceux qui l’interrogent. Entre un dispositif qui a réellement permis de retrouver un enfant en une heure et un dispositif qui enregistre tous les trajets de tout le monde en permanence, il n’y a pas deux dispositifs : il n’y en a qu’un. C’est ce qui rend la question politique et non technique, et c’est pourquoi elle se règle pour l’instant au tribunal et à la disqueuse.

Bloc 3 — Éducation et pédagogie

6. Innovation pédagogique — Définir le problème avant de choisir l’outil

L’ordre des opérations qui traverse ce bulletin a son équivalent scolaire, plus insidieux parce qu’il se présente comme une aide : un établissement reçoit un outil, puis cherche à quoi l’employer. L’UNESCO a consacré une formation internationale à renverser cette séquence, et l’élargissement par Google de ses outils d’étude à tous les âges rend l’exercice concret.

« Start with defining the problem, not the algorithm » : l’UNESCO renverse l’ordre des questions

UNESCO, « Start with defining the problem, not the algorithm: Designing AI for education », 2 octobre 2026 — https://www.unesco.org/en/articles/start-defining-problem-not-algorithm-designing-ai-education En appui : Chrysanthi Melanou, Maik Beege et Martin Kimmig, « Generative AI and Learning Dynamics in Higher Education: A Longitudinal Empirical Study », Journal of Computer Assisted Learning, mis en ligne le 10 septembre 2026 — https://doi.org/10.1002/jcal.70322

Dans le cadre de sa Digital Learning Week 2026, l’UNESCO a réuni des participants de plus de vingt pays autour d’un constat de méthode : l’adoption d’un système d’intelligence artificielle « starts with the technology before working backward to find a use for it », commence par la technologie, puis remonte à rebours pour lui trouver un usage. L’exercice proposé inversait la marche. Les participants devaient d’abord nommer les besoins des acteurs concernés — résultats d’apprentissage insuffisants, inadéquation entre compétences et emplois, érosion de l’autorité enseignante — avant d’examiner si un système automatisé y répondait.

Le second principe est de calendrier : l’examen éthique doit intervenir pendant la conception, non après le déploiement. L’organisation s’appuie sur sa méthodologie d’évaluation de l’impact éthique, adossée à sa Recommandation sur l’éthique de l’intelligence artificielle, et revendique avoir formé plus de trente-cinq mille agents publics issus de cent quatre-vingt-dix pays. Elle développe aussi des référentiels de compétences distincts pour les agents publics, les élèves et les enseignants.

La thèse est directement opératoire pour un professeur. Définir d’abord le problème, c’est se demander quelle opération intellectuelle l’élève doit apprendre à exécuter — anticiper, résumer de mémoire, choisir une citation, réviser — avant de se demander ce qu’un outil peut faire du texte. L’ordre inverse produit mécaniquement des usages où le système réalise l’opération que l’élève devait apprendre. Il faut dire ce que vaut le document : c’est le compte rendu d’une formation, non une étude mesurant des effets.

La semaine écoulée a fourni le contrepoint. Le 1er octobre — date antérieure à notre fenêtre, citée ici en appui —, Google annonçait dans son journal de mises à jour Workspace l’ouverture d’un « student hub » rassemblant ses outils d’étude : carnet de révision, cartes mémoire, quiz d’entraînement. La précision qui compte est d’âge : la fonction devient accessible à « all Google Workspace for Education users of all ages » ainsi qu’aux comptes personnels, hors Espace économique européen. Il n’y a là ni scandale ni prouesse : un outil générique de révision arrive dans les mains d’élèves de plus en plus jeunes, sans que la question posée par l’UNESCO — quel problème d’apprentissage précis cet outil résout-il ? — ait eu le temps d’être posée.

Un travail publié quelques semaines plus tôt donne à cette thèse un appui expérimental. Dans le Journal of Computer Assisted Learning, Chrysanthi Melanou, Maik Beege et Martin Kimmig ont suivi pendant un semestre quatre-vingt-sept étudiants en informatique de gestion, répartis en trois classes parallèles : accès tuteuré à un modèle génératif, accès libre, et groupe témoin sans modèle. Trois temps de mesure. Le résultat, mis en ligne le 10 septembre 2026, est net : « Students showed significant knowledge gains across all groups, but no additional benefits of AI integration. » Les trois groupes progressent, et l’accès à l’outil n’ajoute rien de détectable. La charge cognitive utile augmente et se trouve associée positivement au gain de connaissances ; l’usage réflexif, lui, est associé à la pensée critique. Aucun effet d’accumulation au profit des meilleurs n’apparaît. Les auteurs concluent que l’effet « depended on pedagogical framing and learners’ metacognitive regulation ». Autrement dit : la variable pédagogique n’est pas la présence de l’outil, c’est la tâche dans laquelle on le place. L’échantillon est petit et les classes n’ont pas été tirées au sort ; le résultat vaut comme indice convergent, non comme preuve.

Conclusion

Entre les deux faits, l’écart n’est pas idéologique, il est chronologique. L’organisation internationale propose une méthode qui demande du temps : identifier le besoin, évaluer l’impact pendant la conception, former les adultes. L’entreprise, elle, a déployé en un jour une fonction à tous les âges et dans la plupart des pays. Le professeur qui recevra la question en classe lundi n’aura ni l’un ni l’autre calendrier : il aura des élèves munis d’un carnet de révision automatique. La seule parade disponible immédiatement est celle que l’UNESCO formule, et elle ne coûte rien : nommer l’opération que l’élève doit savoir faire seul, avant de décider ce que la machine a le droit de faire à sa place.