Rethinking Higher Education/fr/Chapter 7
Au-delà de la salle de cours : formes d'apprentissage alternatives pour le marché du travail transformé par l'IA
Martin Woesler
Université normale du Hunan
Résumé
L'intégration accélérée de l'intelligence artificielle dans la production économique rend obsolètes non seulement des catégories d'emplois spécifiques mais aussi les hypothèses éducatives sur lesquelles elles reposent. Si les machines peuvent désormais accomplir la plupart des tâches cognitives de routine — rédiger des documents juridiques, écrire du code, traduire des textes, analyser des données — alors le modèle éducatif traditionnel qui forme les étudiants précisément à ces tâches fait face à une crise de légitimité. Cet article examine le paysage émergent des formes d'apprentissage alternatives, des institutions et des objectifs éducatifs qui répondent à cette crise, avec une comparaison systématique entre les approches européennes et chinoises. Nous analysons les micro-certifications et nanodiplômes, l'éducation basée sur les compétences, l'apprentissage par projets et par défis, l'apprentissage entre pairs, les universités d'entreprise, les bootcamps et les plateformes d'éducation ouverte, en évaluant chacun pour sa contribution potentielle à la préparation au monde du travail dans une économie transformée par l'IA. Le cadre réglementaire européen — incluant le système ECTS de micro-certifications, les adaptations du Processus de Bologne et le Plan d'action de l'UE pour l'éducation numérique (2021-2027) — est comparé avec l'approche étatique de la Chine à travers « Modernisation de l'éducation 2035 » et la stratégie « Nouvelles Infrastructures ». Nous soutenons que ni la préférence européenne pour l'accréditation formelle ni l'accent chinois sur le déploiement rapide à grande échelle ne résout le problème fondamental : que des systèmes éducatifs conçus pour des domaines de connaissances stables ne peuvent pas préparer adéquatement les apprenants à un marché du travail caractérisé par une incertitude radicale. Nous proposons que les développements les plus prometteurs sont ceux qui déplacent les objectifs éducatifs de la transmission des connaissances vers la capacité d'adaptation — la capacité d'apprendre, de désapprendre et de réapprendre en réponse à des demandes changeantes.
Mots-clés : éducation alternative, marché du travail et IA, micro-certifications, éducation basée sur les compétences, comparaison Europe-Chine, éducation numérique, apprentissage tout au long de la vie, transformation de la main-d'œuvre
1. Introduction : L'obsolescence du programme d'études
En 2023, le rapport de l'avenir de l'emploi du Forum économique mondial estimait que 44 % des compétences fondamentales des travailleurs devraient changer dans les cinq prochaines années — la plus grande perturbation anticipée des compétences depuis le début de l'enquête (WEF, 2023). Le McKinsey Global Institute projetait que d'ici 2030, jusqu'à 375 millions de travailleurs dans le monde devraient changer de catégorie professionnelle en raison de l'automatisation et de l'IA (Manyika et al., 2017). En Chine, où le secteur manufacturier emploie plus de 100 millions de travailleurs et où le secteur des services s'automatise rapidement, le « Plan de développement de l'intelligence artificielle de nouvelle génération » du Conseil des affaires de l'État (2017) reconnaissait que l'IA créerait « de graves défis pour la structure de l'emploi » (Conseil des affaires de l'État, 2017).
Ces projections ont une implication commune : le modèle éducatif traditionnel — des diplômes universitaires de quatre ans organisés autour de connaissances disciplinaires, dispensés par des cours magistraux et des séminaires, évalués par des examens et aboutissant à des certifications qui restent valables pour toute une carrière — est de plus en plus en décalage avec les exigences du marché du travail contemporain. Les connaissances techniques d'un diplômé en informatique ont une demi-vie d'environ cinq ans ; un diplômé en marketing numérique peut voir ses compétences devenir obsolètes en deux ans. Même dans des professions traditionnellement stables — le droit, la médecine, la comptabilité — l'IA automatise des tâches qui étaient autrefois le domaine exclusif de professionnels qualifiés.
Cet article examine les réponses à ce décalage. Nous passons en revue les formes d'apprentissage alternatives, les institutions et les objectifs éducatifs qui émergent tant en Europe qu'en Chine, et nous évaluons leur potentiel à préparer les apprenants à un marché du travail caractérisé par une incertitude radicale. L'Union européenne et la Chine représentent deux des efforts de réforme éducative les plus importants et les plus ambitieux au monde, mais elles abordent le défi à partir de positions institutionnelles, culturelles et philosophiques fondamentalement différentes. La réponse de l'Europe est façonnée par le Processus de Bologne, le cadre ECTS et une tradition d'autonomie institutionnelle et de partenariat social. La réponse de la Chine est façonnée par une planification éducative centralisée, une culture orientée vers les examens en cours de réforme délibérée, et un État qui considère l'éducation comme un instrument stratégique de développement national.
Notre analyse est délibérément équilibrée : nous ne plaidons pas pour le remplacement global de l'éducation traditionnelle, qui conserve des fonctions importantes que les modèles alternatifs ne peuvent pas reproduire, mais nous soutenons que le modèle traditionnel doit être complété — et dans certains cas fondamentalement repensé — s'il veut rester pertinent. L'article s'appuie sur des documents politiques, des rapports institutionnels et des recherches en éducation comparée provenant des contextes européens et chinois, ainsi que sur l'expérience de l'auteur dans l'enseignement supérieur en Allemagne et en Chine.
2. Formes d'apprentissage alternatives
2.1 Micro-certifications et nanodiplômes
Les micro-certifications — des unités d'apprentissage courtes et ciblées qui certifient des compétences ou aptitudes spécifiques — représentent peut-être l'innovation structurelle la plus significative de l'histoire récente de l'éducation. La Recommandation de la Commission européenne de 2022 sur les micro-certifications les a définies comme « les attestations des acquis d'apprentissage qu'un apprenant a obtenus à l'issue d'un petit volume d'apprentissage », généralement exprimées en crédits ECTS (1-5 ECTS) et conçues pour être « empilables » vers des qualifications plus importantes.
En Europe, l'écosystème des micro-certifications se développe dans le cadre du Processus de Bologne. L'Approche européenne des micro-certifications, approuvée par le Conseil de l'Union européenne en 2022, établit des normes communes d'assurance qualité, de reconnaissance et de portabilité entre les États membres. Des plateformes comme les fournisseurs de MOOC (Coursera, edX, FutureLearn) et les consortiums universitaires offrent des micro-certifications portant des crédits ECTS, permettant aux apprenants d'accumuler des qualifications reconnues par des parcours d'apprentissage modulaires.
La Chine a développé un système parallèle mais structurellement différent. Le concept de 微证书 (wēi zhèngshū, micro-certificat) est moins formalisé que le modèle européen mais plus largement pratiqué. Les plateformes chinoises de MOOC — 学堂在线 (XuetangX, Université Tsinghua), 中国大学MOOC (MOOC des universités chinoises, NetEase/Higher Education Press) et 智慧树 (Zhihuishu) — offrent des millions de cours, dont beaucoup portent des crédits reconnus au sein du système d'enseignement supérieur chinois. La politique du ministère de l'Éducation de 2019 sur les « cours ouverts en ligne de première classe » (一流线上开放课程) a formellement intégré les crédits de cours en ligne dans les programmes universitaires.
Le contraste est instructif : l'Europe met l'accent sur la standardisation, l'assurance qualité et la reconnaissance transfrontalière ; la Chine met l'accent sur l'échelle, la rapidité et l'intégration dans les structures universitaires existantes. Les deux approches ont des faiblesses. Le modèle européen risque une réglementation excessive qui étouffe l'innovation. Le modèle chinois risque l'inflation des certifications — des certificats qui sont techniquement « reconnus » mais qui ont peu de valeur marchande parce que leur qualité varie énormément.
2.2 Éducation basée sur les compétences
L'éducation basée sur les compétences (EBC) représente une rupture plus radicale avec le modèle traditionnel. Au lieu de mesurer l'apprentissage par le temps passé en formation (heures de crédit, semestres), l'EBC mesure l'apprentissage par la maîtrise démontrée de compétences définies. Les étudiants progressent lorsqu'ils peuvent démontrer ce qu'ils savent et ce qu'ils peuvent faire, indépendamment du temps qu'il leur a fallu pour l'apprendre.
En Europe, l'EBC a été adoptée avec le plus d'enthousiasme dans les systèmes d'enseignement et de formation professionnels (EFP), en particulier en Allemagne (système de formation en alternance), en Suisse et aux Pays-Bas. Le Cadre européen des certifications (CEC) est lui-même basé sur les compétences, définissant huit niveaux de qualification en termes de connaissances, d'aptitudes et d'autonomie plutôt qu'en années d'études.
En Chine, les approches basées sur les compétences émergent dans la réforme de l'enseignement professionnel. Le « Plan de mise en œuvre de la réforme nationale de l'enseignement professionnel » de 2019 (国家职业教育改革实施方案, connu sous le nom de « Zhiye 20 ») a introduit des normes de compétences pour plus de 500 catégories professionnelles et a établi les certificats « 1+X » — un diplôme (1) complété par plusieurs certificats de compétences professionnelles (X) — comme passerelle entre les qualifications académiques et professionnelles.
L'avantage de l'EBC pour le marché du travail transformé par l'IA est clair : si des compétences spécifiques deviennent obsolètes, les apprenants peuvent en acquérir de nouvelles sans reprendre un programme diplômant en entier. Le défi réside dans l'évaluation : l'EBC exige des méthodes robustes et fiables pour évaluer si un apprenant a véritablement maîtrisé une compétence, et non simplement mémorisé le contenu qui lui est associé. À l'ère de l'IA, quand les machines peuvent simuler de nombreuses compétences de manière convaincante, la conception de l'évaluation devient un goulet d'étranglement critique.
La comparaison Europe-Chine révèle une convergence intéressante : les deux systèmes évoluent vers des approches basées sur les compétences, mais à partir de directions opposées. L'Europe ajoute des cadres de compétences à un système déjà flexible et modulaire. La Chine introduit flexibilité et modularité dans un système traditionnellement rigide, basé sur les examens. La destination commune — un cadre éducatif qui certifie ce que les apprenants peuvent faire plutôt que combien de temps ils ont étudié — est significative, même si les parcours diffèrent.
2.3 Apprentissage par projets et par défis
L'apprentissage par projets (APP) et sa variante plus ambitieuse, l'apprentissage par défis (APD), déplacent l'accent éducatif de l'acquisition de connaissances vers la résolution de problèmes. Les étudiants travaillent sur des projets réels ou réalistes — développer un produit, résoudre un problème d'ingénierie, créer une entreprise sociale — et acquièrent des connaissances disciplinaires dans le processus de réponse aux exigences du projet.
Le système éducatif finlandais, largement admiré pour ses performances constamment élevées dans les évaluations internationales, a évolué de manière décisive vers l'apprentissage par phénomènes — une variante de l'APP dans laquelle des projets interdisciplinaires remplacent l'enseignement par matières pour certaines portions du programme. Le programme Horizon Europe de la Commission européenne finance des initiatives d'éducation par défis qui relient la recherche universitaire à des problèmes du monde réel.
En Chine, l'initiative « Nouvelle Ingénierie » (新工科), lancée par le ministère de l'Éducation en 2017, a introduit des approches par projets et interdisciplinaires dans l'enseignement de l'ingénierie dans des centaines d'universités. Les compétitions « coupe du défi » (挑战杯) de l'Université Tsinghua et les programmes de « classe entrepreneuriale » de l'Université du Zhejiang représentent des mises en œuvre de grande envergure de la philosophie de l'APD.
L'APP et l'APD sont particulièrement bien adaptés au marché du travail transformé par l'IA car ils développent précisément les compétences que l'IA ne peut pas facilement reproduire : la résolution créative de problèmes, la négociation collaborative, le jugement éthique dans l'incertitude et la capacité d'intégrer des connaissances de différents domaines.
Fait intéressant, l'IA elle-même peut faciliter l'APP à grande échelle. Les systèmes de tutorat par IA peuvent fournir l'accompagnement personnalisé que requiert l'apprentissage par projets — répondre aux questions techniques, suggérer des ressources, fournir un feedback sur les ébauches — tandis que les instructeurs humains se concentrent sur le mentorat de niveau supérieur que l'IA ne peut pas encore fournir : poser des questions stimulantes, apporter un soutien émotionnel et modéliser les habitudes d'esprit qui caractérisent les praticiens experts. Cette complémentarité humain-IA dans la conception pédagogique reflète la complémentarité documentée dans notre étude empirique (Woesler, dans ce volume) au niveau de l'apprentissage des langues.
La limitation réside dans la scalabilité : l'APP nécessite un mentorat intensif, une évaluation flexible et des structures institutionnelles que la plupart des universités ne sont pas encore conçues pour fournir. Les universités chinoises font face à un défi supplémentaire : la culture orientée vers les examens crée une forte pression en faveur de tâches standardisées et objectivement évaluables, ce à quoi l'approche ouverte et orientée vers le processus de l'APP résiste. Les universités européennes font face à un défi différent : les modèles de charge de travail du corps professoral et les critères de promotion qui récompensent la productivité en recherche plutôt que l'enseignement innovant rendent difficile l'incitation au mentorat intensif que requiert l'APP.
2.4 Apprentissage entre pairs et communautaire
Internet a rendu possible des formes d'apprentissage qui contournent entièrement les structures institutionnelles. L'apprentissage entre pairs — dans lequel des individus ayant des connaissances complémentaires s'enseignent mutuellement — prospère sur des plateformes comme GitHub (pour la programmation), Stack Overflow (pour la résolution de problèmes techniques) et Zhihu (知乎, l'équivalent chinois de Quora) pour l'échange de connaissances générales. L'apprentissage communautaire va plus loin : des groupes d'apprenants forment des communautés auto-organisées autour d'objectifs d'apprentissage partagés, utilisant souvent des ressources éducatives ouvertes et des outils gratuits.
Le modèle de « communauté de pratique » décrit par Etienne Wenger — dans lequel l'apprentissage se fait par la participation à une communauté définie par un domaine, une pratique et une identité partagés — a été amplifié par la connectivité numérique. En Chine, les groupes d'apprentissage WeChat (微信学习群) et les chaînes éducatives Douyin (抖音, TikTok) sont devenus des environnements d'apprentissage informels significatifs, touchant des publics que l'éducation formelle ne peut atteindre.
L'avantage de l'apprentissage entre pairs est son adaptabilité : les communautés peuvent se former autour de compétences émergentes — l'ingénierie de prompts, par exemple, ou le design assisté par l'IA — bien avant que les établissements d'enseignement formels ne développent des programmes pour ces domaines. L'inconvénient est l'assurance qualité : sans supervision institutionnelle, l'apprentissage entre pairs est susceptible de désinformation, de chambres d'écho et de l'effet Dunning-Kruger.
3. Institutions alternatives
3.1 MOOC et plateformes en ligne
Les cours en ligne ouverts et massifs (MOOC) ont été salués comme une révolution en 2012 lorsque Coursera, edX et Udacity ont été lancés avec du contenu provenant d'universités d'élite. La révolution a été surestimée : les taux d'achèvement étaient en moyenne inférieurs à 10 %, et les MOOC atteignaient principalement des apprenants déjà éduqués dans les pays développés. Mais une décennie plus tard, l'écosystème des MOOC a mûri pour devenir un composant significatif de l'infrastructure éducative mondiale.
En Europe, le paysage des MOOC comprend les partenariats de Coursera et edX avec les universités européennes, le Consortium européen des MOOC financé par l'UE, et des plateformes nationales comme France Université Numérique (FUN) et openHPI (Institut Hasso Plattner) en Allemagne. L'engagement de l'UE en faveur des compétences numériques — articulé dans le Plan d'action pour l'éducation numérique (2021-2027) — inclut le soutien aux plateformes d'apprentissage en ligne comme outils d'apprentissage tout au long de la vie et de reconversion professionnelle.
L'écosystème chinois de MOOC est plus grand en termes de nombre d'inscriptions. XuetangX, développé par l'Université Tsinghua, compte plus de 100 millions d'utilisateurs enregistrés. Le MOOC des universités chinoises, co-développé par NetEase et le Higher Education Press, propose des cours de plus de 900 universités chinoises. La reconnaissance par le ministère de l'Éducation des crédits de cours en ligne a donné aux MOOC chinois une légitimité institutionnelle que leurs homologues occidentaux n'ont souvent pas.
Le défi pour les MOOC à l'ère de l'IA est paradoxal : les mêmes technologies d'IA qui créent la demande de reconversion menacent également d'automatiser les fonctions d'évaluation, de feedback et de personnalisation qui rendent les MOOC efficaces. Les systèmes de tutorat alimentés par l'IA pourraient finalement remplacer le format MOOC lui-même, offrant des parcours d'apprentissage entièrement personnalisés plutôt que des séquences de cours standardisées.
3.2 Universités d'entreprise et formation dirigée par les employeurs
Les grandes entreprises technologiques ont développé des programmes éducatifs qui rivalisent avec les offres universitaires en profondeur et en valeur marchande. Les certificats de carrière de Google, la formation AWS d'Amazon et la plateforme Learn de Microsoft offrent des certifications reconnues par l'industrie qui peuvent être complétées en semaines plutôt qu'en années. En Chine, l'Académie TIC de Huawei, les programmes de formation de l'Académie DAMO d'Alibaba et l'université interne de ByteDance remplissent des fonctions similaires.
L'essor de l'éducation d'entreprise soulève des questions fondamentales sur la finalité des universités. Si les employeurs peuvent former les travailleurs de manière plus efficace et pertinente que les universités, que reste-t-il à l'enseignement supérieur ? La réponse, suggérons-nous, réside dans ce que la formation d'entreprise ne peut pas et n'a pas l'intention de fournir : la largeur des connaissances, la pensée critique, le raisonnement éthique, la compréhension culturelle et la capacité de questionner — et non pas simplement d'exécuter — les objectifs institutionnels. Un certificat Google enseigne le cloud computing ; il n'enseigne pas à un étudiant à se demander si le cloud computing sert l'épanouissement humain. Une certification TIC de Huawei enseigne l'ingénierie réseau ; elle n'enseigne pas à un étudiant à considérer les implications de surveillance de l'infrastructure qu'il construit.
Cette distinction n'est pas une défense snob du privilège académique. Elle reflète une différence authentique de finalité institutionnelle : les entreprises forment des travailleurs pour servir les intérêts de l'entreprise ; les universités (dans le meilleur des cas) éduquent des citoyens pour servir les intérêts de la société. Les deux fonctions sont nécessaires, mais elles ne sont pas identiques, et les confondre — comme le proposent certains défenseurs de l'éducation « disruptive » — risque de produire une main-d'œuvre techniquement compétente mais éthiquement non critique. L'impératif de responsabilité du philosophe Hans Jonas — selon lequel nous devons nous assurer que nos actions ne détruisent pas les conditions de l'existence humaine future — s'applique à la conception éducative tout autant qu'à la politique environnementale.
3.3 Bootcamps et formation professionnelle intensive
Les bootcamps de codage — des programmes de formation intensifs et de courte durée (généralement 12 à 24 semaines) — ont émergé dans les années 2010 comme une voie alternative vers le secteur technologique. Le modèle s'est étendu au-delà du codage pour inclure la science des données, le design UX, le marketing numérique et, de plus en plus, l'IA et l'apprentissage automatique. En Europe, des bootcamps comme Le Wagon (fondé à Paris, opérant désormais dans plus de 40 villes), Ironhack et Northcoders sont présents dans plusieurs pays. En Chine, des plateformes comme 拉勾教育, 开课吧 (Kaikeba) et de nombreux opérateurs plus petits offrent une formation technique intensive à des centaines de milliers d'apprenants chaque année.
La force des bootcamps est la pertinence pour l'emploi : les programmes sont conçus en consultation avec les employeurs et mis à jour en continu. Leur faiblesse est l'étroitesse : les diplômés acquièrent des compétences techniques spécifiques mais peuvent manquer de la compréhension plus large nécessaire pour s'adapter lorsque ces compétences deviennent obsolètes — ce qui, dans le domaine de l'IA, peut se produire en quelques mois. Le modèle des bootcamps soulève également des préoccupations d'équité : des frais de scolarité de 5 000 à 15 000 euros en Europe et de 10 000 à 50 000 yuans en Chine restreignent l'accès à ceux qui peuvent se permettre d'investir dans des résultats incertains.
3.4 Universités ouvertes et centres d'apprentissage tout au long de la vie
La tradition européenne des universités ouvertes — incarnée par l'Open University du Royaume-Uni (fondée en 1969), la FernUniversität de Hagen en Allemagne et l'UNED en Espagne — fournit un modèle d'apprentissage tout au long de la vie qui précède la révolution numérique. Ces institutions ont été conçues pour servir les adultes en activité, les apprenants à temps partiel et ceux exclus de l'enseignement supérieur traditionnel, et leur expérience des formats d'apprentissage flexibles, de l'enseignement à distance et de l'évaluation non traditionnelle est directement pertinente pour le défi de l'ère de l'IA.
L'équivalent chinois — l'Université ouverte de Chine (国家开放大学, anciennement Université centrale de radio et de télévision de Chine) avec son réseau de plus de 3 000 centres d'apprentissage — accueille environ 4 millions d'étudiants inscrits, ce qui en fait l'un des plus grands établissements d'enseignement au monde. Le système a été critiqué pour ses faibles taux de diplomation et sa qualité variable, mais son infrastructure pour atteindre des apprenants géographiquement dispersés fournit une base pour le type de reconversion massive que la transformation par l'IA exige.
L'idée clé du modèle de l'université ouverte — que l'éducation doit aller à la rencontre des apprenants là où ils sont, et non là où l'institution souhaite qu'ils soient — est de plus en plus pertinente alors que la perturbation du marché du travail par l'IA affecte les travailleurs à toutes les étapes de leur carrière, et pas seulement les jeunes diplômés.
4. Objectifs alternatifs : De la connaissance à la capacité
4.1 Du transfert de connaissances à la capacité d'adaptation
Le changement le plus fondamental que le marché du travail transformé par l'IA exige ne concerne ni les formes d'apprentissage ni les institutions mais les objectifs éducatifs. L'éducation traditionnelle vise à transmettre des connaissances : un corpus de faits, théories, méthodes et compétences établis que l'étudiant est censé maîtriser. Ce modèle présuppose que les connaissances transmises resteront pertinentes pendant une portion significative de la carrière de l'étudiant. L'IA perturbe cette présupposition.
Si l'IA peut accéder, organiser et appliquer les connaissances factuelles plus rapidement et plus précisément que tout être humain, alors la prime éducative se déplace du savoir vers le méta-savoir : la capacité d'apprendre rapidement de nouveaux domaines, d'évaluer l'information de manière critique, de synthétiser des perspectives de différents domaines, de poser les bonnes questions et d'exercer son jugement dans des situations où les données sont ambiguës ou incomplètes.
La prédiction souvent citée d'Alvin Toffler — « L'analphabète du XXIe siècle ne sera pas celui qui ne sait pas lire et écrire, mais celui qui ne peut pas apprendre, désapprendre et réapprendre » — est devenue une réalité opérationnelle. Le défi éducatif est de développer des programmes qui cultivent cette capacité d'adaptation sans abandonner les connaissances fondamentales qui rendent l'adaptation possible.
4.2 La littératie en IA comme compétence fondamentale
La littératie en IA — la capacité de comprendre, d'évaluer et d'utiliser de manière appropriée les outils d'IA — devient rapidement aussi fondamentale que la littératie numérique et textuelle. Nous distinguons trois dimensions de la littératie en IA :
La littératie technique : la capacité d'utiliser efficacement les outils d'IA — formuler des prompts, évaluer les résultats, comprendre les principes de base de l'apprentissage automatique. C'est la dimension la plus immédiatement pratique et celle qui est le plus souvent abordée dans les offres éducatives actuelles.
La littératie conceptuelle : comprendre ce que l'IA peut et ne peut pas faire, reconnaître le contenu généré par l'IA, évaluer de manière critique les résultats de l'IA et comprendre la différence entre la reconnaissance de motifs et la véritable compréhension. Cette dimension est essentielle pour prévenir la dépendance non critique à l'IA que Fang Lu (dans ce volume) documente dans ses études de cas.
La littératie éthique : comprendre les implications sociétales du déploiement de l'IA, y compris les biais algorithmiques, l'érosion de la vie privée, les coûts environnementaux de l'entraînement de grands modèles, le déplacement de la main-d'œuvre et la concentration du pouvoir entre les mains de quelques entreprises technologiques. Cette dimension relie la littératie en IA à des questions plus larges de citoyenneté et de responsabilité sociale.
La loi européenne sur l'IA (2024) — la première réglementation complète de l'IA au monde — crée implicitement une demande de littératie en IA dans tous les domaines professionnels : la conformité exige de comprendre ce que font les systèmes d'IA, comment ils prennent des décisions et quels risques ils présentent. Le système de classification basé sur les risques de la loi (risque inacceptable, risque élevé, risque limité, risque minimal) fournit un cadre conceptuel qui pourrait éclairer les programmes de littératie en IA dans toute l'Europe.
L'approche de la Chine a été plus habilitante que restrictive : les « Mesures administratives provisoires pour les services d'IA générative » de 2023 (生成式人工智能服务管理暂行办法) se concentrent sur l'enregistrement et la modération du contenu plutôt que sur une réglementation globale, mais la demande sous-jacente de littératie en IA est tout aussi urgente. Le ministère de l'Éducation chinois a commencé à intégrer du contenu sur l'IA dans les programmes du primaire et du secondaire, et plusieurs universités ont créé des départements dédiés à l'éducation à l'IA — un développement que l'Europe, malgré son leadership réglementaire, a été plus lente à réaliser à grande échelle.
4.3 Créativité, pensée critique et intelligence émotionnelle
Si l'IA gère les tâches cognitives de routine, alors les capacités uniquement humaines — créativité, pensée critique, intelligence émotionnelle, raisonnement éthique et communication interculturelle — deviennent le cœur de la valeur économique. Le rapport sur l'avenir de l'emploi du Forum économique mondial identifie systématiquement la pensée analytique, la pensée créative, la résilience, la flexibilité et la curiosité comme les principales compétences valorisées par les employeurs — dont aucune n'est une connaissance spécifique à un domaine. Le défi est que ces capacités sont précisément celles que l'éducation traditionnelle, avec son accent sur l'évaluation standardisée et les connaissances disciplinaires, est la moins bien conçue pour cultiver.
La philosophie éducative européenne, en particulier le modèle nordique, a depuis longtemps mis l'accent sur la créativité et la pensée critique aux côtés de la réussite académique. La réforme du programme national finlandais (2014) a rendu les « compétences transversales » — incluant penser et apprendre à apprendre, compétence culturelle, multilittératie et participation — obligatoires dans tout l'enseignement à partir du primaire. Le Cadre de compétences clés de l'UE pour l'apprentissage tout au long de la vie identifie huit compétences transversales — incluant « apprendre à apprendre », « compétences sociales et civiques » et « sensibilité et expression culturelles » — qui vont au-delà des connaissances disciplinaires.
Les efforts de réforme éducative de la Chine, en particulier le mouvement 素质教育 (sùzhì jiàoyù, éducation de qualité) qui est politique officielle depuis les années 1990, visent à contrebalancer la culture orientée vers les examens (应试教育, yìngshì jiàoyù) par un développement plus large des compétences. La politique de « double réduction » (双减) de 2021, qui a restreint le soutien scolaire parascolaire et les devoirs à la maison, était explicitement motivée par le désir de créer de l'espace pour la créativité, l'activité physique et le développement non académique. Cependant, la mise en œuvre reste inégale, et le gaokao (高考, examen national d'entrée à l'université) continue d'exercer une force centripète puissante en faveur de la préparation aux examens au détriment du développement de la pensée critique et créative.
4.4 La compétence interculturelle comme avantage compétitif
Dans une économie mondialisée où l'IA gère les tâches de routine à travers les frontières linguistiques et culturelles, la capacité de naviguer dans les différences culturelles — comprendre différents systèmes de valeurs, styles de communication, pratiques de négociation et normes institutionnelles — devient une compétence humaine distinctive avec une valeur économique significative. Cela est particulièrement pertinent pour le dialogue éducatif européen-chinois que représente ce volume : les professionnels qui peuvent travailler efficacement à travers le fossé européen-chinois possèdent une capacité rare et précieuse que l'IA ne peut pas reproduire.
La compétence interculturelle ne se résume pas à la maîtrise des langues (que l'IA peut de plus en plus simuler) mais à l'intelligence culturelle : la capacité d'interpréter des signaux sociaux ambigus, d'adapter son comportement à des contextes culturels inhabituels et de construire la confiance à travers les frontières culturelles. Les programmes éducatifs qui développent cette compétence — par le biais de programmes d'échange, d'expériences immersives, de travail d'équipe interculturel et d'un engagement soutenu avec les traditions intellectuelles d'une autre culture — représentent une forme d'éducation alternative qui est immunisée contre le déplacement par l'IA précisément parce qu'elle dépend de l'expérience humaine incarnée.
5. Cadres réglementaires européens contre approches étatiques chinoises
Le contraste entre la gouvernance éducative européenne et chinoise éclaire les forces et les limites de la réponse de chaque système à la perturbation par l'IA.
5.1 Le modèle européen : régulation et standardisation
L'approche de l'Union européenne en matière de réforme éducative fonctionne à travers une structure de gouvernance multi-niveaux complexe. L'UE a une compétence directe limitée sur la politique éducative (l'éducation reste principalement une responsabilité des États membres en vertu du principe de subsidiarité), mais elle exerce une influence significative par le biais de cadres, de recommandations et de financements.
Le Plan d'action pour l'éducation numérique (2021-2027) établit deux priorités stratégiques : favoriser le développement d'un écosystème d'éducation numérique performant, et renforcer les compétences et aptitudes numériques pour la transformation numérique. Il finance des initiatives dans l'infrastructure numérique, la formation des enseignants et l'apprentissage en ligne, mais la mise en œuvre dépend de l'adoption par les États membres.
L'Agenda européen des compétences (2020) fixe des objectifs incluant 60 % des adultes participant à des activités d'apprentissage annuellement d'ici 2030, et la création de comptes de formation individuels pour financer la formation. La Recommandation sur les micro-certifications (2022) fournit une définition commune et des normes de qualité. Le Cadre européen des certifications (CEC) permet la reconnaissance transfrontalière des qualifications.
Les forces de cette approche sont l'assurance qualité, la portabilité et la confiance : une micro-certification européenne émise selon des normes communes a une valeur reconnue dans 27 États membres. La faiblesse est la vitesse : le temps nécessaire pour négocier, adopter et mettre en œuvre des cadres à l'échelle de l'UE signifie que la politique éducative est systématiquement en retard par rapport au changement technologique. Au moment où un cadre européen de micro-certification pour l'« ingénierie de prompts en IA » est formellement établi, la compétence elle-même peut avoir été automatisée.
5.2 Le modèle chinois : direction étatique et déploiement rapide à grande échelle
La gouvernance éducative de la Chine est centralisée. Le ministère de l'Éducation (教育部) définit la politique nationale, et les bureaux d'éducation provinciaux la mettent en œuvre. Cette structure permet une action rapide et à grande échelle : lorsque le Conseil des affaires de l'État publie une stratégie nationale — comme Modernisation de l'éducation 2035 ou l'initiative Double première classe des universités — les ressources peuvent être mobilisées et les programmes réformés dans des milliers d'établissements en quelques mois, et non en années.
La stratégie « Nouvelles Infrastructures » (新基建), annoncée en 2020, a désigné l'IA comme l'une des sept catégories d'infrastructure stratégique aux côtés de la 5G, des centres de données et de l'internet industriel. L'éducation a été explicitement identifiée comme bénéficiaire : des plateformes d'apprentissage adaptatif alimentées par l'IA, des systèmes de tutorat intelligents et des outils d'évaluation automatisés devaient être développés et déployés à grande échelle.
La force de cette approche est la vitesse d'exécution et l'échelle : la Chine peut construire une infrastructure éducative — plateformes numériques, programmes de formation, réformes institutionnelles — plus rapidement que tout autre pays. La faiblesse est la flexibilité : la planification centralisée tend vers l'uniformité, et l'accent mis sur les stratégies nationales et les objectifs quantitatifs (nombre de cours, nombre de certifications, nombre de participants) peut occulter les préoccupations qualitatives concernant la profondeur de l'apprentissage, la pensée critique et l'autonomie intellectuelle.
5.3 Vers un apprentissage mutuel
Les modèles européen et chinois ne sont pas simplement différents mais complémentaires. L'Europe a besoin de davantage de la volonté chinoise de passer rapidement à l'échelle et d'intégrer les certifications alternatives dans les systèmes d'éducation formels sans des décennies de délibération. La Chine a besoin de davantage de l'accent européen sur l'assurance qualité, l'autonomie de l'apprenant et les fondements philosophiques de l'éducation — ce que Döring (dans ce volume) appelle la distinction entre Verstand et Vernunft.
Un dialogue productif entre les deux systèmes — le type de dialogue que ce volume et le Centre d'excellence Jean Monnet qui le soutient sont conçus pour favoriser — se concentrerait non pas sur quel modèle est « meilleur » mais sur ce que chacun peut apprendre de l'autre. La transformation du marché du travail par l'IA est un défi partagé ; les réponses éducatives devraient être partagées également.
6. Risques et critiques
6.1 Le piège de la diplomite
À mesure que les certifications alternatives se multiplient, le risque d'inflation des certifications grandit. Si les micro-certifications, les nanodiplômes, les certificats de bootcamp et les certifications d'entreprise se multiplient sans assurance qualité robuste, le marché du travail pourrait faire face à une situation dans laquelle les certifications ne signalent rien de fiable sur la compétence. Les employeurs, incapables d'évaluer la qualité de centaines de certifications concurrentes, pourraient revenir à l'heuristique la plus simple disponible : le diplôme universitaire traditionnel — précisément la certification que l'apprentissage alternatif cherche à compléter ou à remplacer.
Ce paradoxe est déjà visible en Chine, où la prolifération de certificats en ligne (网络证书) a conduit de nombreux employeurs à les ignorer entièrement, tandis que simultanément le diplôme universitaire traditionnel conserve (et même augmente) sa fonction de filtre pour l'emploi souhaitable. En Europe, le risque est institutionnel : à mesure que les universités elles-mêmes commencent à offrir des micro-certifications, la frontière entre certifications « traditionnelles » et « alternatives » s'estompe, ce qui pourrait saper la valeur de signal des deux.
6.2 La fracture numérique
Les formes d'apprentissage alternatives nécessitent de manière écrasante un accès numérique, une littératie numérique et une capacité d'apprentissage auto-dirigé. Ces prérequis sont inégalement distribués tant entre les pays qu'au sein de ceux-ci. En Chine, l'écart entre l'infrastructure éducative urbaine et rurale reste substantiel : tandis que les étudiants de Pékin et Shanghai ont accès à des environnements d'apprentissage numériques de classe mondiale, les étudiants du Guizhou rural ou du Gansu peuvent manquer d'une connexion Internet fiable. Selon le Centre d'information sur le réseau Internet de Chine (CNNIC), la pénétration d'Internet dans les zones urbaines dépasse 80 % mais tombe en dessous de 60 % dans les zones rurales — un écart qui limite directement l'accès aux plateformes d'apprentissage en ligne. En Europe, la fracture numérique entre les États membres du Nord et du Sud, de l'Est et de l'Ouest crée des inégalités similaires : les données d'Eurostat montrent que le pourcentage de personnes ayant des compétences numériques supérieures au niveau de base varie de plus de 70 % aux Pays-Bas et en Finlande à moins de 30 % en Roumanie et en Bulgarie.
Le risque est que les formes d'apprentissage alternatives, plutôt que de démocratiser l'éducation, puissent renforcer les inégalités existantes — offrant des opportunités supplémentaires aux personnes déjà favorisées tout en laissant de côté celles qui ont le plus besoin de reconversion. Un mineur de charbon dans le Shanxi ou un ouvrier textile au Portugal, déplacé par l'automatisation, est peu susceptible de se reconvertir par un nanodiplôme Coursera sans un soutien institutionnel substantiel, une infrastructure numérique et une aide financière. Tout cadre politique sérieux pour l'éducation alternative doit traiter l'équité d'accès comme une préoccupation de premier ordre, et non comme une considération secondaire.
6.3 La perte de l'éducation humaniste
La pression pour aligner l'éducation sur les demandes du marché du travail risque de marginaliser précisément les dimensions de l'éducation qui sont les plus résistantes à la perturbation par l'IA : l'enquête humaniste, la réflexion philosophique, l'appréciation esthétique et la formation civique. Une main-d'œuvre formée exclusivement aux compétences « pertinentes pour l'emploi » peut être techniquement compétente mais culturellement appauvrie — incapable de poser les questions éthiques, politiques et existentielles que les sociétés humaines ont besoin que leurs membres posent. L'analyse d'Ole Döring dans ce volume, distinguant entre Verstand (intelligence technique) et Vernunft (sagesse pratique), est directement pertinente : l'éducation alternative doit cultiver les deux si elle veut servir l'épanouissement humain et pas seulement la productivité économique.
7. Conclusion : Vers un modèle équilibré
Le paysage de l'éducation alternative en Europe et en Chine révèle un diagnostic partagé — les modèles éducatifs traditionnels sont de plus en plus en décalage avec les exigences du marché du travail de l'ère de l'IA — et des réponses divergentes. L'Europe met l'accent sur la réglementation, la standardisation et l'assurance qualité. La Chine met l'accent sur l'échelle, la rapidité et l'intégration dirigée par l'État. Aucune approche à elle seule n'est suffisante.
Nous proposons que la voie la plus productive combine des éléments des deux traditions :
Du modèle européen : des cadres d'assurance qualité robustes qui préviennent l'inflation des certifications ; des mécanismes de reconnaissance qui permettent l'apprentissage tout au long de la vie à travers les frontières institutionnelles ; et un engagement envers l'éducation humaniste comme composante irréductible de tout programme éducatif, et non comme supplément optionnel.
Du modèle chinois : la volonté d'expérimenter à grande échelle ; l'intégration de l'apprentissage en ligne et hors ligne au sein des structures universitaires formelles ; et la reconnaissance pragmatique que l'éducation doit servir à la fois le développement individuel et les besoins économiques collectifs.
D'aucun des deux modèles mais urgemment nécessaire : une reconception fondamentale des objectifs éducatifs qui déplace le centre de gravité de la transmission des connaissances vers la capacité d'adaptation. L'éducation la plus précieuse à l'ère de l'IA n'est pas celle qui enseigne aux étudiants ce qu'il faut faire — l'IA peut accomplir la plupart des tâches spécifiques plus rapidement et à moindre coût — mais celle qui enseigne aux étudiants comment penser, comment apprendre, comment juger et comment se soucier d'autrui.
Cela ne signifie pas que les universités traditionnelles devraient devenir des centres de formation aux compétences, ou que les sciences humaines devraient être abandonnées au profit de l'enseignement STEM, ou que chaque étudiant devrait apprendre à programmer. Cela signifie que chaque établissement d'enseignement — de l'école primaire à la recherche de troisième cycle — devrait se poser la question : préparons-nous les apprenants à un monde qui n'existe plus, ou au monde qui émerge ? La question n'est pas rhétorique. La révolution de l'IA n'arrive pas ; elle est arrivée. La révolution éducative, tant en Europe qu'en Chine, n'a guère commencé.
Les formes d'apprentissage alternatives, les institutions et les objectifs présentés dans cet article représentent les premières expériences de cette révolution. Certains se révéleront éphémères ; d'autres remodèleront l'éducation pour des générations. La tâche pour les décideurs en matière d'éducation, les chercheurs et les praticiens — tant en Europe qu'en Chine — est d'identifier quelles innovations servent l'épanouissement humain et lesquelles ne servent que la commodité du marché, et de construire des systèmes éducatifs qui font les deux sans sacrifier aucun des deux. Ces capacités ne sont pas des alternatives à l'éducation traditionnelle mais sa finalité la plus profonde, redécouverte sous la pression du changement technologique.
Remerciements
Cofinancé par l'Union européenne. Les points de vue et opinions exprimés sont toutefois ceux de l'auteur uniquement et ne reflètent pas nécessairement ceux de l'Union européenne [101126782].
Références
Chapelle, C. A. (2001). Computer Applications in Second Language Acquisition. Cambridge University Press.
European Commission. (2022). Proposal for a Council Recommendation on a European approach to micro-credentials for lifelong learning and employability. Brussels: EC.
European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (AI Act). Official Journal of the European Union.
Golonka, E. M., et al. (2014). Technologies for foreign language learning: A review. Computer Assisted Language Learning, 27(1), 70–105.
Manyika, J., et al. (2017). Jobs Lost, Jobs Gained: Workforce Transitions in a Time of Automation. McKinsey Global Institute.
Ministry of Education, PRC. (2019). 国家职业教育改革实施方案 [National Vocational Education Reform Implementation Plan].
State Council, PRC. (2017). 新一代人工智能发展规划 [New Generation Artificial Intelligence Development Plan].
State Council, PRC. (2019). 中国教育现代化2035 [Education Modernization 2035].
Jonas, H. (1984). The Imperative of Responsibility: In Search of an Ethics for the Technological Age. University of Chicago Press.
Toffler, A. (1970). Future Shock. Random House.
Wenger, E. (1998). Communities of Practice: Learning, Meaning, and Identity. Cambridge University Press.
World Economic Forum. (2023). The Future of Jobs Report 2023. Geneva: WEF.
Partie III : Technologie et Innovation