Pendant longtemps, l’informatique a été perçue comme un domaine réservé exclusivement aux ingénieurs, programmeurs, mathématiciens ou spécialistes des systèmes. Dans les universités comme dans le monde de l’entreprise, parler d’informatique revenait à parler de laboratoires, de lignes de code, de serveurs, de bases de données ou de logiciels. Cependant, cette vision étroite ne suffit plus à expliquer le monde actuel. Au XXIe siècle, l’informatique a cessé d’être une discipline fermée pour devenir une infrastructure transversale et fondamentale de la vie économique, scientifique, éducative, sociale et culturelle.
Aujourd’hui, pratiquement aucune profession ne peut être comprise en dehors des données, des algorithmes, des plateformes numériques, de l’automatisation et de l’intelligence artificielle (IA).
- La médecine analyse les images diagnostiques à l’aide de modèles d’apprentissage profond.
- Le secteur juridique s’appuie sur des outils avancés de recherche et d’analyse documentaire.
- L’éducation intègre des tuteurs intelligents.
- L’agriculture repose sur des capteurs, des drones et des modèles prédictifs.
- L’industrie travaille avec la robotique, la maintenance prédictive et les jumeaux numériques.
- Les sciences sociales traitent de volumes massifs de texte pour cartographier l’opinion publique et le comportement numérique.
- Les arts explorent de nouvelles frontières de création assistée par IA.
Cette expansion rapide confirme que l’IA ne fonctionne pas simplement comme une technologie sectorielle, mais comme une technologie à usage général qui transforme des économies, des organisations et des pratiques sociales entières (OCDE, 2019 ; Stanford HAI, 2025).
Par conséquent, le grand débat ne devrait plus être de savoir si l’IA appartient ou non au domaine strict de l’ingénierie. La question cruciale est désormais la suivante : Comment former tous les professionnels à comprendre, utiliser et orienter de manière critique l’intelligence artificielle dans leurs propres domaines de connaissance ?
L’informatique ne se limite plus à la programmation
L’un des changements de paradigme les plus importants des dernières décennies est que l’informatique n’est plus synonyme de programmation. Bien que l’écriture de code reste importante, l’informatique englobe bien plus : c’est une manière de penser, de modéliser, de conceptualiser des problèmes, d’organiser l’information, d’identifier des motifs (patterns) et de concevoir des solutions.
Jeannette Wing a proposé le concept de pensée informatique (computational thinking) pour désigner une compétence fondamentale qui ne devrait pas être l’apanage exclusif des informaticiens. Pour Wing (2006), penser de manière informatique implique de formuler des problèmes et leurs solutions de façon à ce qu’ils puissent être traités efficacement par un agent de traitement de l’information — qu’il s’agisse d’une machine ou d’un être humain suivant des procédures formelles. Cette idée est essentielle car elle place l’informatique au même niveau que d’autres compétences générales, telles que la lecture, l’écriture, l’argumentation ou le raisonnement mathématique.
Dans cette perspective, un médecin, un avocat, un gestionnaire, un biologiste, un communicant ou un designer n’a pas nécessairement besoin de devenir un ingénieur logiciel. En revanche, ils doivent comprendre comment les données sont structurées, comment les processus sont automatisés, comment les modèles sont entraînés, ce que signifie une prédiction algorithmique et quelles sont les limites d’une réponse générée par l’IA. Comme le soulignent Lockwood et Mooney (2017), la pensée informatique est devenue une compétence éducative de plus en plus pertinente, bien qu’il existe encore des lacunes quant à la manière de l’intégrer largement dans les programmes académiques.
En d’autres termes, l’informatique devient le nouveau langage universel de la vie professionnelle.
L’intelligence artificielle comme technologie à usage général
L’intelligence artificielle possède une caractéristique unique qui la distingue de la plupart des autres technologies : elle ne transforme pas un seul secteur, mais peut modifier presque tous les domaines de l’activité humaine. C’est pourquoi elle est souvent comprise comme une technologie à usage général, à l’instar de ce que l’électricité, la machine à vapeur, l’ordinateur personnel ou Internet ont représenté en leur temps.
L’OCDE a souligné que l’IA reconfigure activement les économies et les sociétés en générant de nouvelles capacités de productivité, d’efficacité, d’automatisation, d’analyse de l’information et de prise de décision. En même temps, elle avertit que son adoption généralisée soulève des défis majeurs liés aux valeurs humaines, à l’équité, à la vie privée, à la sécurité et à la responsabilité (OCDE, 2019). Cette double nature est fondamentale : l’IA n’est pas un simple outil neutre conçu pour accélérer ce que nous faisions déjà. C’est une force transformatrice qui change notre façon de décider, de chercher, de produire, d’enseigner, de diagnostiquer, de concevoir des politiques publiques et d’interpréter la réalité.
Agrawal, Gans et Goldfarb (2018) avancent une idée très puissante : l’intelligence artificielle réduit considérablement le coût de la prédiction. Cela signifie que de nombreuses décisions qui dépendaient auparavant uniquement de l’intuition et de l’expérience humaines peuvent désormais s’appuyer sur des systèmes capables d’anticiper des comportements, des risques, des demandes, des tendances ou des scénarios. La conséquence est profonde : si la prédiction devient moins chère et plus accessible, de nombreuses professions devront redéfinir leurs cadres de prise de décision.
Dans la même lignée, Iansiti et Lakhani (2020) soutiennent que les organisations qui rivalisent à l’ère de l’IA ne se contentent pas d’adopter de nouveaux logiciels ; elles repensent entièrement leurs modèles opérationnels autour des données, des algorithmes, des plateformes et des réseaux numériques. Par conséquent, l’impact de l’IA ne se limite pas à l’efficacité technique ; il transforme fondamentalement la stratégie, l’architecture organisationnelle et la création de valeur.
Une compétence transversale pour toutes les professions
Parler de l’informatique et de l’intelligence artificielle comme d’un domaine transversal implique de reconnaître qu’il ne suffit plus de former des spécialistes isolés. Toutes les professions exigent désormais un socle minimal de littératie algorithmique, de pensée informatique et de compréhension critique de l’IA.
Les applications sont déjà omniprésentes :
- En santé : l’IA soutient le diagnostic, classifie l’imagerie médicale, prédit les risques et personnalise les traitements.
- En éducation : elle aide à identifier les difficultés d’apprentissage, génère des parcours personnalisés et enrichit le travail des enseignants.
- En finance : elle permet la détection des fraudes, l’évaluation des risques et l’automatisation des décisions de crédit.
- Dans l’industrie : elle optimise les processus grâce à la maintenance prédictive, la vision par ordinateur et la robotique.
- En agriculture : elle facilite la gestion des cultures, des sols, du climat et des parasites.
- Dans la gouvernance : elle améliore le ciblage des politiques publiques, le service aux citoyens et l’analyse des données territoriales.
Pourtant, face à tous ces cas d’usage, une même question surgit : Qui interprète, valide et gouverne ces décisions automatisées ?
C’est là le cœur du sujet. L’IA ne décharge pas le professionnel de sa responsabilité ; au contraire, elle rend l’exigence d’imputabilité plus stricte. Un professionnel du XXIe siècle doit non seulement savoir utiliser des outils intelligents, mais aussi comprendre leurs conséquences techniques, éthiques, sociales et organisationnelles. Russell (2019) avertit que l’avancement rapide de l’IA oblige à repenser l’alignement entre les systèmes intelligents et les valeurs humaines, en particulier lorsque ces systèmes participent à des décisions qui affectent directement des vies humaines.
De la littératie numérique à la littératie algorithmique
Pendant des années, la littératie numérique a été définie comme la capacité de base à utiliser des ordinateurs, naviguer sur Internet, utiliser des plateformes, gérer des feuilles de calcul ou utiliser des outils de communication. Bien que ce socle reste nécessaire, il n’est plus suffisant.
La nouvelle ère exige une littératie algorithmique et une intelligence artificielle appliquée. Cela implique de comprendre, du moins à un niveau fondamental, ce qu’est une donnée, comment fonctionne un algorithme, comment un modèle apprend, ce que signifie entraîner une IA, ce que sont les biais algorithmiques, comment une prédiction est évaluée et pourquoi un résultat automatisé ne doit jamais être accepté aveuglément sans esprit critique.
L’UNESCO (2024) a proposé un référentiel de compétences en IA pour les enseignants, comprenant les principes fondamentaux de l’IA, l’éthique, la pédagogie, le développement professionnel et une approche centrée sur l’humain. Bien que conçu pour le corps enseignant, ce cadre s’avère un excellent modèle pour penser la formation transversale de n’importe quel professionnel. Il insiste à juste titre sur le fait que l’IA ne doit pas être enseignée uniquement comme une technique, mais aussi comme une pratique éthique, critique et socialement située.
Il s’agit là d’un mandat clair pour l’enseignement supérieur. Si l’IA pénètre tous les secteurs, les universités ne peuvent pas se contenter de proposer des cours optionnels ou des ateliers isolés. Une refonte structurelle est nécessaire pour intégrer l’informatique et l’IA comme des composantes de formation transversales au sein de chaque cursus.
L’IA comme méthode de recherche augmentée
Au-delà de l’automatisation des tâches professionnelles, l’intelligence artificielle transforme fondamentalement la manière dont nous produisons des connaissances dans toutes les disciplines académiques.
- Sciences naturelles : Elle accélère l’analyse des données génomiques, de l’imagerie satellitaire, des modèles climatiques et des cycles écologiques.
- Sciences sociales : Elle facilite le traitement de volumes massifs de textes, l’analyse des réseaux sociaux, des enquêtes et des registres administratifs.
- Sciences humaines : Elle ouvre de nouvelles perspectives pour l’analyse informatique des archives historiques, des discours politiques, de l’iconographie, de la linguistique et du patrimoine culturel.
- Ingénierie : Elle permet de simuler des systèmes complexes, d’optimiser des processus et de concevoir des solutions avancées grâce à des modèles prédictifs.
Par conséquent, l’IA est en train de s’imposer comme une méthode de recherche augmentée. Elle ne remplace ni la théorie fondamentale, ni l’interprétation humaine, ni l’expertise disciplinaire. En revanche, elle amplifie notre capacité à observer, classifier, corréler, simuler et découvrir des motifs qui étaient auparavant invisibles ou impossibles à traiter manuellement.
Le rapport AI Index Report 2025 de Stanford souligne que l’intelligence artificielle s’est rapidement propagée dans la recherche scientifique, l’industrie, le capital-risque, la réglementation et l’adoption par les entreprises. Cela confirme que l’IA n’est plus une tendance technologique émergente et marginale, mais un pilier structurel de la science, de l’économie et de la société contemporaines (Stanford HAI, 2025).
Un nouveau socle commun pour la connaissance humaine
La thèse de fond est claire : l’informatique et l’intelligence artificielle doivent être reconnues comme une nouvelle aire commune de la connaissance. Cela ne signifie pas que tout le monde doive devenir un expert en réseaux de neurones, en programmation avancée ou en architecture de modèles. Cela signifie plutôt que chaque profession évoluera inévitablement dans une réalité façonnée par des systèmes intelligents.
Tout comme les statistiques sont devenues indispensables pour interpréter les données en santé, en économie, en psychologie, en gestion ou en sociologie, l’IA devient une compétence de base pour naviguer dans un monde automatisé. Tout comme l’écriture a permis à l’humanité d’organiser et de transmettre le savoir, et les mathématiques ont fourni le langage de la science moderne, les algorithmes sont en train de devenir le langage opérationnel de la société numérique.
Pour y répondre, les universités devraient envisager un programme d’IA transversal structuré autour de cinq niveaux progressifs :
- Littératie en IA : Saisir les concepts fondamentaux, y compris les structures de données, les algorithmes, les modèles d’apprentissage automatique et l’automatisation.
- Pensée informatique : Formuler des problèmes par l’abstraction, la logique, la reconnaissance de formes et des processus reproductibles.
- Application professionnelle de l’IA : Utiliser des outils intelligents spécifiques à une discipline pour résoudre des problèmes sectoriels.
- Analyse décisionnelle : Interpréter les données, les prédictions algorithmiques, les visualisations complexes et les scénarios prospectifs.
- Éthique et gouvernance : Évaluer de manière critique les biais, les risques, les contraintes de confidentialité, la transparence, la responsabilité et les impacts sociétaux plus larges.
Ce cadre structuré permet d’éviter deux extrêmes dangereux : l’idée fausse selon laquelle l’IA devrait être laissée uniquement aux élites techniques, et l’hypothèse tout aussi périlleuse selon laquelle il suffit d’utiliser ces outils sans comprendre leur fonctionnement.
Le défi éthique : Faisabilité technique vs Désirabilité sociale
Une évaluation académique de l’IA ne peut se limiter à l’enthousiasme technologique. L’intelligence artificielle introduit des risques profonds : elle peut perpétuer des biais structurels, porter atteinte aux droits fondamentaux, aggraver les inégalités socio-économiques, centraliser le pouvoir technologique, précariser l’emploi, envahir la vie privée ou automatiser des décisions sans aucune transparence.
Par conséquent, enseigner l’IA ne peut pas simplement consister à former des utilisateurs d’outils ; cela doit se concentrer sur le développement du jugement critique.
Russell (2019) insiste sur le fait que l’un des plus grands défis de notre époque est de veiller à ce que les systèmes intelligents restent strictement alignés sur les valeurs humaines. Il ne s’agit pas d’un dilemme philosophique abstrait. Dans des domaines tels que la médecine, la justice pénale, l’éducation, l’emploi et l’attribution de crédits, une décision automatisée a un impact direct sur des destins humains.
C’est pourquoi l’informatique et l’IA doivent toujours être enseignées aux côtés de l’éthique, de la responsabilité professionnelle, de la pensée critique, de l’analyse sociale et de la gouvernance technologique. Comme le soutient l’OCDE (2019), le développement de l’IA doit être guidé par des principes de confiance, de transparence, de robustesse, de sécurité et de responsabilité, en particulier lorsqu’elle est déployée dans des secteurs sociaux sensibles.
Conclusion : Une nouvelle littératie pour une époque en transformation
L’informatique et l’intelligence artificielle représentent l’un des changements de paradigme les plus profonds du XXIe siècle. Leur véritable importance ne réside pas dans la simple prolifération de nouveaux logiciels, mais dans l’émergence d’une toute nouvelle façon de penser, de chercher, de produire, de décider et de travailler.
L’IA ne peut plus être traitée comme le terrain de jeu exclusif des ingénieurs ou des scientifiques des données ; elle doit être adoptée comme une dimension transversale de l’ensemble des connaissances humaines. Chaque domaine doit développer son propre dialogue spécialisé avec ces technologies : la médecine avec l’IA diagnostique, le droit avec l’IA documentaire, l’éducation avec l’IA pédagogique, la biologie avec l’IA computationnelle, la gestion avec l’IA stratégique, les arts avec l’IA créative et la gouvernance avec l’IA publique.
Le défi à venir pour les universités, les entreprises et les institutions publiques va bien au-delà de l’apprentissage de l’utilisation des derniers logiciels à la mode. Le véritable mandat est de former des professionnels qui comprennent la logique sous-jacente des systèmes intelligents, savent comment les appliquer de manière responsable dans leurs domaines, possèdent le recul critique pour remettre en question leurs résultats et s’engagent à orienter leur puissance vers des fins éthiques, humaines et socialement valables.
L’informatique à l’ère de l’intelligence artificielle est la nouvelle littératie professionnelle du XXIe siècle : une capacité fondamentale, critique et stratégique requise pour façonner activement l’avenir de notre société de la connaissance.
Références
Agrawal, A., Gans, J., & Goldfarb, A. (2018). Prediction machines: The simple economics of artificial intelligence. Harvard Business Review Press.
Agrawal, A., Gans, J., & Goldfarb, A. (2022). Power and prediction: The disruptive economics of artificial intelligence. Harvard Business Review Press.
Iansiti, M., & Lakhani, K. R. (2020). Competing in the age of AI: Strategy and leadership when algorithms and networks run the world. Harvard Business Review Press.
Lockwood, J., & Mooney, A. (2017). Computational thinking in education: Where does it fit? A systematic literary review. arXiv. https://arxiv.org/abs/1703.07659
OECD. (2019). Artificial intelligence in society. OECD Publishing. https://doi.org/10.1787/eedfee77-en
Russell, S. (2019). Human compatible: Artificial intelligence and the problem of control. Viking.
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
Stanford Institute for Human-Centered Artificial Intelligence. (2025). Artificial Intelligence Index Report 2025. Stanford University.
UNESCO. (2024). AI competency framework for teachers. UNESCO.
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35. https://doi.org/10.1145/1118178.1118215
Deja una respuesta