Pourquoi l’IA n’est pas un outil, mais une question socialement vive

Dans beaucoup d’organisations, l’IA est encore traitée comme un sujet technique : achat d’outils, paramétrage, conduite du changement, plan de formation. Pourtant, du point de vue des sciences de l’éducation, elle relève d’une catégorie bien plus délicate : celle des questions socialement vives. Et cela change en profondeur la manière de penser son adoption, les réactions des équipes… et le rôle du L&D.

1. C’est quoi, une “question socialement vive” ?

Les didacticiens (Legardez, Simonneaux et d’autres) ont proposé la notion de question socialement vive pour qualifier des objets de débat qui ne sont ni de simples contenus scolaires, ni de simples sujets d’actualité.

Une QSV, c’est une question qui est à la fois :

• Socialement vive : elle fait controverse dans la société, elle divise, elle touche aux valeurs, elle est fortement médiatisée.
• Scientifiquement vive : les savoirs d’experts à son propos ne sont pas complètement stabilisés, les modèles et les interprétations sont en débat.
• Scolairement / pédagogiquement vive : dès qu’on la fait entrer dans une salle de classe ou un dispositif de formation, elle reste sensible, polémique, difficile à “enseigner” de manière neutre.

Autrement dit : une QSV met en tension, en même temps, la science, la société et l’éducation.
Ce n’est pas un chapitre de manuel qu’on déroule, c’est un terrain de controverses que l’on doit accompagner.

2. Les trois “vivacités” en détail

Vivacité sociale

Une question est socialement vive lorsqu’elle :

• occupe une place importante dans les médias, les réseaux, les conversations quotidiennes ;
• cristallise des désaccords forts (politiques, éthiques, identitaires) ;
• engage des choix de société, des représentations du futur, des conflits de valeurs.

Exemples classiques : changement climatique, nucléaire, OGM, vaccins, migrations.

L’IA a rejoint cette liste : promesse d’opportunités majeures, mais aussi peur pour l’emploi, la démocratie, la vie privée, le rapport au travail.

Vivacité épistémique

Une question est épistémiquement vive lorsque :

• il n’existe pas un consensus total sur “ce que dit la science” ;
• les connaissances sont incomplètes, instables, en cours de construction ;
• des disciplines différentes en proposent des lectures parfois divergentes.

C’est le cas de l’IA :

• on débat de ses impacts réels sur l’emploi, l’environnement, la cognition ;
• on discute des modèles, des biais, de la “compréhension” ou non des systèmes ;
• on explore des scénarios de risques qui vont de la simple automatisation à des enjeux systémiques.

Vivacité scolaire / de formation

Une question est pédagogiquement vive lorsqu’elle :

• ne peut pas être enseignée comme un “savoir établi” ;
• confronte les formateurs aux valeurs, émotions et expériences des apprenants ;
• oblige à travailler la posture : que dire ? comment ? avec quelle distance ?

Parler d’IA avec des étudiants, des salariés, des managers, ce n’est pas simplement expliquer ce qu’est un modèle de langage.

C’est toucher à :

• leurs peurs (être remplacé, surveillé, déclassé),
• leurs espoirs (se libérer de tâches ingrates, créer plus, apprendre autrement),
• leur rapport au savoir, à l’effort, à la décision, à l’éthique.

3. Pourquoi l’IA coche toutes les cases d’une QSV

Si on applique cette grille à l’IA, la conclusion est assez nette :

• Socialement, l’IA est partout : dans les médias, les discours politiques, les fictions, les plans stratégiques d’entreprise. Elle cristallise espoirs et peurs, enthousiasme et rejet.
• Scientifiquement et techniquement, les connaissances évoluent très vite, les incertitudes sont fortes : impacts écologiques, effets sur l’emploi, biais, sécurité, régulation, etc.
• Pédagogiquement, l’IA bouleverse le contrat didactique : qui produit les textes, qui évalue quoi, que signifie “apprendre”, qu’est‑ce qu’un travail “authentique” ?

Dire que l’IA est une question socialement vive, c’est reconnaître qu’elle est :

• controversée,
• incertaine,
• impliquée dans des enjeux de valeurs,
• et que sa place dans l’éducation et le travail ne peut pas être décidée uniquement par les directions IT ou les argumentaires marketing.

4. Conséquences : on ne “gère” pas une QSV comme un simple outil

Traiter l’IA comme une QSV implique plusieurs déplacements importants, notamment pour les fonctions L&D, RH et transformation.

4.1. De la “conduite du changement” au travail de controverse

Dans une logique outil, la résistance est un problème à résoudre : on communique, on forme, on rassure, on accompagne.

Dans une logique QSV, la controverse est un matériau à travailler :

• on crée des espaces de discussion argumentée,
• on accepte la pluralité des points de vue,
• on met en dialogue les expériences, les peurs, les objections,
• on ne cherche pas à “fermer” le débat trop vite.

L’objectif n’est pas que tout le monde pense la même chose, mais que les désaccords soient instruits, éclairés, assumés.

4.2. De la “montée en compétences” à la formation du jugement

Former à l’IA, dans une perspective QSV, ce n’est pas seulement :

• apprendre à utiliser des assistants,
• optimiser des prompts,
• gagner du temps sur certaines tâches.

C’est aussi (et surtout) développer :

• la capacité à évaluer la pertinence d’un usage d’IA dans une situation donnée ;
• le discernement pour dire “oui, ici” et “non, pas là, pas comme ça” ;
• la compétence de délibération collective sur les conditions d’utilisation acceptables.

On n’est plus uniquement dans l’acquisition de techniques, mais dans la construction d’un jugement éthique et politique sur les technologies.

4.3. De l’obligation silencieuse au droit au débat (et au refus)

Dans beaucoup d’entreprises, l’IA s’installe par petites touches :
un assistant dans un outil bureautique, une fonctionnalité “copilot”, un module de résumé automatique, etc.

La QSV rappelle que :

• les collaborateurs ont le droit de questionner ces usages,
• le refus ou la prudence ne sont pas nécessairement des signes d’arriération,
• il est légitime de demander des garanties (sur les données, la transparence, la responsabilité, l’impact écologique).

Reconnaître l’IA comme QSV, c’est réintroduire un droit au débat et, dans certaines limites, un droit au désaccord.

5. Ce que cela change concrètement pour le L&D

Pour le L&D, le fait de penser l’IA comme une question socialement vive ouvre des pistes très concrètes :

• Concevoir des dispositifs hybrides qui mêlent : apports techniques, analyse critique, partage d’expériences, exploration des imaginaires (utopies, dystopies).
• Intégrer des temps de controverse structurée : débats argumentés, jeux de rôles, études de cas où plusieurs solutions sont possibles, analyses d’impacts.
• Travailler la posture des formateurs : sortir du rôle “expert qui sait” pour adopter un rôle de médiateur, de facilitateur de débat, capable de dire aussi “on ne sait pas encore”.
• Articuler les enjeux de santé mentale, d’éthique et d’écologie avec ceux de performance : l’IA n’est pas qu’un levier de productivité, c’est aussi un facteur de charge cognitive, de tensions identitaires, de consommation énergétique.
• Donner une place explicite aux résistances comme signaux : plutôt que de chercher à les éliminer, les considérer comme des indicateurs de questions non résolues dans l’organisation.

6. Relire l’“AI resistance” à la lumière des QSV

Vu sous cet angle, ce qu’on appelle aujourd’hui “AI resistance” n’est pas seulement un déficit de compétences ou une erreur de change management.
C’est aussi l’expression d’une vivacité sociale : des salariés et des managers qui sentent instinctivement que quelque chose de plus profond se joue que le choix d’un nouvel outil.

La question devient alors :

• Comment créer des espaces où cette vivacité peut être travaillée intelligemment ?
• Comment articuler les objectifs légitimes de performance avec l’exigence tout aussi légitime de préserver du sens, de la souveraineté cognitive et des garde‑fous écologiques et sociaux ?

Si l’IA est une question socialement vive, elle mérite mieux qu’un simple plan de déploiement.

Elle mérite un véritable projet éducatif et démocratique dans les organisations.

#QuestionsSocialementVives
#Didactique
#AdoptionIA
#LearningAndDevelopment
#FuturOfWork

Sources

• Legardez, A. (2006). Enseigner des questions socialement vives. Quelques points de repère. In A. Legardez & L. Simonneaux (dir.), L’école à l’épreuve de l’actualité (Educagri).
• Legardez, A. & Simonneaux, L. (dir.) (2011). Développement durable et autres questions d’actualité. Questions socialement vives dans l’enseignement et la formation. Dijon : Educagri.
• Legardez, A., Simonneaux, L. & Simonneaux, J. (2007).
  « Compétences et enseignement des Questions Socialement Vives ».
  Éducation et didactique, 1(3), 91‑119.

Je conçois des écosystèmes apprenants pour les équipes L&D et les organismes de formation. Fondateur d’ATAWAK et auteur de « aiaiaiaiai ! – Apprendre et partager le savoir dans un monde liquide ». Maître de conférences associé à l’Université Sorbonne Nouvelle – UFR Sciences de l’information et de la communication.

2617-0093-01