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
Attitude intellectuelle de vigilance exigeant de remettre en question et d’évaluer rigoureusement le fonctionnement, la neutralité et les résultats des systèmes d’intelligence artificielle. Face aux risques de biais et de mésinformation, cette posture implique de ne jamais déléguer son propre jugement à la machine et de refuser le solutionnisme technologique.
Définition longue
Dans le contexte de l’enseignement supérieur, l’adoption d’une posture critique est une condition essentielle pour faire face au déploiement de l’intelligence artificielle (IA). Elle s’oppose directement au « biais d’automatisation », soit cette tendance humaine à surestimer les capacités de la machine, à lui accorder une confiance aveugle et à baisser la garde face aux informations qu’elle génère.
Adopter une posture critique ne signifie pas être nécessairement technophobe, mais plutôt cultiver un techno-scepticisme sain. Cela implique de comprendre que la technologie n’est pas neutre: les systèmes d’IA sont conçus par des humains, entraînés sur des données comportant des limites, et ils reproduisent ou amplifient souvent les stéréotypes et les inégalités de la société.
Sur le plan pédagogique, cette posture exige du personnel et de la population étudiante de toujours valider les informations (pour contrer les fabulations ou hallucinations de l’IA), de diversifier ses sources et de ne jamais laisser un algorithme se substituer au raisonnement intellectuel, au jugement moral ou à la prise de décision. En somme, c’est l’engagement à utiliser l’IA comme un outil de soutien, sans y sacrifier son autonomie, son intégrité ou son empathie.
Éléments clés
- Évaluation rigoureuse : Disposition à analyser systématiquement la validité, les biais et les fondements des résultats produits par l’IA avant de les accepter.
- Lutte contre le biais d’automatisation : Vigilance active visant à ne pas surévaluer l’exactitude des machines ni s’y fier de manière aveugle.
- Refus du solutionnisme technologique : Compréhension que l’IA ne constitue pas une solution magique à des problèmes sociaux ou éducatifs complexes.
- Maintien de l’autonomie : Volonté de préserver le raisonnement humain et de refuser de déléguer la prise de décision critique ou éthique à des algorithmes.
- Compréhension de la non-neutralité : Reconnaissance que la conception et les données de l’IA sont imprégnées d’idéologies, de choix humains et de dynamiques de pouvoir.
Exemple d’application
Face à un texte très convaincant produit par une IA générative sur un événement historique, une personne utilisatrice prend le temps de vérifier les faits dans des bases de données scientifiques pour s’assurer qu’il ne s’agit pas d’une fabulation de la machine.
Sources d’inspiration
- Cégep de Trois-Rivières. (2025). Énoncé de principes et 9 principes directeurs en IA.
- Comité école et société (FNEEQ-CSN). (2023). Intelligence artificielle en éducation : De la mission à la démission sociale : replaçons l’humain au cœur de l’enseignement.
- 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