Extrait court
L’esprit critique peut être compris comme une disposition intellectuelle à examiner en profondeur les affirmations et les déclarations sur des faits, des valeurs et des normes, en s’interrogeant sur leurs fondements et en évaluant leur validité, plutôt que de les accepter sans discernement.
Définition courte
Disposition intellectuelle et capacité à analyser, questionner et évaluer avec rigueur la validité des informations. Face à l’intelligence artificielle, l’esprit critique est essentiel pour discerner le vrai du faux, repérer les biais algorithmiques et éviter de développer une dépendance ou une confiance aveugle envers les résultats générés par la machine.
Définition longue
L’esprit critique (ou la pensée critique) est une vertu épistémique (relatif à la connaissance, au savoir ou à la croyance) fondamentale qui permet aux citoyennes et aux citoyens de porter des jugements éclairés. Dans le contexte de l’intelligence artificielle, particulièrement l’IA générative, l’exercice de l’esprit critique est le principal rempart contre le risque de « biais d’automatisation », c’est-à-dire la tendance à surestimer la fiabilité de la machine et à accepter ses réponses sans discernement. En effet, les systèmes d’IA peuvent produire des informations biaisées, inexactes ou des fabulations qui semblent pourtant tout à fait plausibles en raison de la grande qualité syntaxique de leur rédaction (l’effet de halo).
Au sein de l’enseignement supérieur, l’intégration de l’IA soulève le défi de préserver le développement de cette compétence de haut niveau cognitif. L’utilisation de l’IA ne doit pas entraîner une décharge cognitive qui priverait les personnes apprenantes des efforts intellectuels (comme la recherche, la synthèse et la rédaction) nécessaires pour construire et aiguiser leur pensée. Cultiver l’esprit critique exige donc d’examiner activement les processus de génération de l’IA, d’évaluer de manière métacognitive les résultats, de diversifier ses sources d’information et de comprendre comment les biais cognitifs humains peuvent être exploités par ces technologies.
Éléments clés
- Analyse en profondeur : Disposition à questionner les fondements et la validité des affirmations et des résultats de la machine, refusant de les accepter passivement.
- Vigilance et validation : Nécessité d’évaluer de manière critique les contenus générés par l’IA (fabulations, mésinformation, biais) en les croisant avec des sources documentaires fiables.
- Lutte contre le biais d’automatisation : Rempart essentiel pour contrer la confiance excessive, la dépendance ou la perte d’autonomie envers les recommandations algorithmiques.
- Nécessité de l’effort intellectuel : Compétence qui se développe par l’effort et la démarche de réflexion, risquant de s’atrophier si la machine se substitue entièrement au jugement humain.
Exemple d’application
Lors d’un travail de recherche, une personne étudiante utilise un agent conversationnel pour générer des idées, mais prend le soin d’examiner activement les suggestions fournies, de vérifier chaque affirmation à l’aide de sources primaires fiables et de repérer les potentiels biais dans le texte généré, refusant ainsi d’intégrer le contenu sans l’avoir validé avec rigueur.
Sources d’inspiration
- Conseil supérieur de l’éducation (CSE) et Commission de l’éthique en science et en technologie (CEST). (2024). Intelligence artificielle générative en enseignement supérieur : enjeux pédagogiques et éthiques.
- Conseil de l’innovation du Québec (CIQ). (2024). Prêt pour l’IA : Répondre au défi du développement et du déploiement responsables de l’IA au Québec.
- Fédération nationale des enseignantes et des enseignants du Québec (FNEEQ-CSN). (2023). De la mission à la démission sociale : replaçons l’humain au cœur de l’enseignement