L'IA et l'emploi : pourquoi l'école doit cultiver les soft skills

Le progrès rapide de l’intelligence artificielle générative incite les éducateurs de la maternelle à la terminale (K-12) à réévaluer fondamentalement les compétences essentielles dont les élèves auront besoin pour l’avenir. Pendant des décennies, les carrières les plus lucratives ont de plus en plus tourné autour des tâches intellectuelles, en particulier dans les domaines de la science et de la technologie. Cependant, avec l’adoption généralisée de l’IA générative, ce paradigme est en train de changer. Les employeurs signalent désormais leur intention d’automatiser certains rôles professionnels, soulevant des questions sur la demande future de travailleurs créatifs et analytiques comme les programmeurs informatiques, et sur la viabilité de nombreux postes de début de carrière au sein de l’économie du savoir.

Ce changement profond affecte non seulement la main-d’œuvre, mais aussi les enseignants de la maternelle à la terminale, qui se sont longtemps concentrés sur la préparation des élèves aux professions de cols blancs. Les familles, elles aussi, sont confrontées à des anxiétés concernant les compétences que leurs enfants devront acquérir dans une économie imprégnée par l’IA générative. En tant que professeur de politique éducative ayant étudié l’impact de l’IA sur l’emploi, et ancien enseignant de la maternelle à la terminale, je crois que la solution pour les éducateurs comme pour les parents réside dans la compréhension de ce que l’IA ne peut pas — et ne pourra probablement pas — faire.

Les vagues précédentes d’automatisation ont principalement déplacé les emplois routiniers et manuels, amplifiant ainsi le potentiel de revenus du travail intellectuellement exigeant. L’IA générative, cependant, fonctionne différemment. Elle excelle dans la reconnaissance de formes, ce qui lui permet de simuler le codage, l’écriture, le dessin et l’analyse de données humains. Cette capacité rend les niveaux fondamentaux de ces professions susceptibles à l’automatisation. Inversement, parce que sa production est basée sur des modèles dans les données existantes, l’IA générative peine avec les défis de raisonnement complexes, et encore plus avec les problèmes complexes et ouverts dont les solutions dépendent de nombreuses inconnues. De plus, elle ne possède aucune compréhension innée de la pensée ou de l’émotion humaine.

Cette distinction critique suggère que les « compétences non techniques » (soft skills) — les attributs permettant une interaction humaine efficace et la conscience de soi — sont sur le point de devenir primordiales. Ces compétences sont essentielles pour résoudre des problèmes complexes et collaborer avec les autres. Bien que des qualités comme la conscience professionnelle et l’amabilité soient souvent considérées comme des traits de personnalité, la recherche indique qu’elles sont, en fait, des compétences émotionnelles développables qui peuvent être enseignées.

La bonne nouvelle est que ces compétences non techniques cruciales peuvent être intégrées de manière transparente dans l’enseignement des matières traditionnelles comme les mathématiques et la lecture, des domaines pour lesquels les enseignants sont déjà tenus responsables, en utilisant des techniques pédagogiques familières. Par exemple, les enseignants utilisent souvent des « tickets de sortie » à la fin d’une leçon — de brèves réflexions écrites ou des questions sur des concepts nouvellement appris. Ceux-ci peuvent être adaptés pour aider les élèves à affiner leurs compétences émotionnelles et sociales en même temps que leur apprentissage académique. Les enseignants pourraient proposer des incitations qui encouragent la réflexion sur des moments de résilience intellectuelle, de contrôle émotionnel ou de compréhension interpersonnelle, tels que : « Décris une fois aujourd’hui où tu as aidé quelqu’un », ou « Parle-moi de quelqu’un qui a été gentil avec toi aujourd’hui, et comment il a montré sa gentillesse ». Une autre incitation efficace pourrait être : « Rappelle-toi un moment cette semaine où tu as appris quelque chose qui te semblait incroyablement difficile. Comment as-tu surmonté ce défi ? »

L’objectif principal de tels exercices va au-delà de la simple amélioration de l’humeur ou de l’engagement des élèves, bien que ce soient des sous-produits précieux. L’objectif central est d’aider les élèves à reconnaître que leurs réponses émotionnelles aux circonstances extérieures sont dans leur sphère d’influence. Une meilleure conscience de leurs propres émotions s’est avérée prédire la capacité des enfants à gérer la frustration, à anticiper et percevoir les émotions des autres, et à collaborer harmonieusement avec leurs pairs. Toutes ces compétences sont vitales pour le milieu professionnel et leur valeur augmentera sans aucun doute avec la prolifération de l’IA générative.

Les enseignants peuvent également inciter les élèves à résoudre des « problèmes complexes » pour lesquels les réponses ne sont pas immédiatement connues. Par exemple, pendant que les élèves du primaire apprennent à calculer des périmètres ou des volumes, ils peuvent travailler en groupes pour mesurer des objets grands ou de formes inhabituelles autour de l’école. L’accent ne devrait pas être uniquement mis sur la justesse de leurs réponses, mais sur la manière dont ils ont formulé et abordé chaque problème. Cette application concrète des connaissances, souvent appelée évaluation authentique, peut être mise en œuvre dans n’importe quelle discipline. Des exemples incluent l’analyse des pentes du sol et des niveaux d’humidité sur le terrain de l’école pour proposer des solutions d’aménagement paysager, la création et le test pilote de campagnes vidéo pour des causes sociales, ou la réimagination d’événements historiques en considérant comment différents choix de leadership auraient pu modifier les résultats et leurs implications politiques modernes. Apprendre aux enfants à démêler la complexité les aide à distinguer entre la recherche de réponses dans les manuels scolaires et l’exploration de possibilités lorsque la solution optimale est incertaine. Résoudre des problèmes nouveaux et complexes continuera de poser des défis importants à l’IA, non seulement en raison des nombreuses étapes et inconnues impliquées, mais aussi parce que l’IA manque de notre compréhension intuitive du contexte et de l’émotion humaine. Même à long terme, d’innombrables variables que les humains comprennent instinctivement resteront difficiles à reproduire pour les algorithmes.

La préoccupation la plus fréquente que j’entends des enseignants concernant la technologie est l’utilisation par les élèves de l’IA générative pour accomplir leurs devoirs. Ce comportement ne découle pas de la malveillance, mais de la nature humaine ; nous sommes motivés par l’efficacité et la récompense, prenant souvent des raccourcis sur des tâches qui semblent ennuyeuses ou intimidantes pour prioriser des activités plus gratifiantes. Cependant, lorsque les élèves sont dans la phase cruciale de développement de nouvelles compétences, déléguer le travail à l’IA est une erreur significative. En accélérant les processus lents, l’IA peut par inadvertance nuire à l’apprentissage, car la véritable acquisition de compétences exige souvent un effort soutenu à travers des tâches difficiles.

Par conséquent, je crois que les éducateurs doivent protéger la salle de classe comme un espace où les compétences fondamentales sont acquises progressivement, en collaboration avec les pairs. Pour de nombreuses leçons, cela pourrait impliquer de revisiter les méthodes d’apprentissage traditionnelles de l’ère pré-informatique, où les élèves rédigeaient leurs devoirs à la main ou présentaient leur travail oralement, apprenant à anticiper et à répondre à divers points de vue. Si les élèves sont autorisés à utiliser des outils d’automatisation numérique, ils devraient être invités à réfléchir profondément sur la manière dont ils les ont utilisés, les connaissances qu’ils ont acquises, et, surtout, les compétences qu’ils n’ont pas pu pratiquer — telles que l’orthographe, la division longue ou le formatage de bibliographie — en déléguant le travail à l’outil.

Bien que personne ne puisse prédire avec certitude l’avenir précis du travail dans une économie alimentée par l’IA, et que les experts soient en désaccord sur les compétences que l’IA augmentera ou remplacera, les compétences fondamentales en mathématiques et en lecture resteront sans aucun doute importantes. Surtout, les compétences intrinsèquement humaines de conscience de soi et d’interaction sociale deviendront encore plus vitales. La compétence la plus critique que les écoles peuvent transmettre aux enfants aujourd’hui est peut-être la conscience de soi de privilégier l’apprentissage véritable plutôt que les raccourcis, et de s’abstenir de déléguer des tâches aux machines tant qu’ils ne sont pas capables d’effectuer ces tâches eux-mêmes. De plus, la capacité à collaborer efficacement avec les autres pour analyser et résoudre des problèmes difficiles deviendra de plus en plus indispensable. Une société alimentée par l’IA ne sera pas dépourvue de défis complexes. Même si le marché du travail se reconfigure, je suis convaincu que les opportunités abonderont pour ceux qui peuvent travailler efficacement avec les autres pour relever les défis significatifs à venir.