Numérique : Des machines à apprendre aux machines co-apprenantes 

Il y a longtemps que l'on se demande si on ne pourrait pas remplacer les enseignants par des ordinateurs. Mais, pour renverser la question, aurons-nous un jour des ordinateurs comme élèves dans les classes ? C'est ainsi que l'on pourrait repenser le pari de Turing (on ne distingue pas la conversation avec un ordinateur de celle avec un humain, pour simplifier), en imaginant que l'ordinateur soit une machine à penser. Mais si seulement l'ordinateur était une machine à apprendre, ce serait déjà une avancée significative. On peut donc envisager qu'il faille faire apprendre la machine et même lui apprendre à apprendre. Si ce débat de la machine contre l'homme existe depuis très longtemps, il est récemment réactivé par un certain nombre de travaux sur la manière dont les machines pourraient apprendre. 

 

Après les machines à enseigner, les machines à apprendre ou encore les machines apprenantes ? Si l'ouvrage d'Eric Bruillard publié en 1997 pose les prémisses d'une évolution des machines, il ne s'engage pas sur le terrain qui aujourd'hui ressurgit dans le domaine de l'éducation : les machines apprennent-elles et si oui quelles en sont les conséquences pour les usagers et pour l'éducation ? En d'autres termes, l'évolution actuelle, en particulier des logiciels, appuyés par des machines informatiques de plus en plus puissantes, permet de voir apparaître une forme de "capitalisation intelligente" des données qui permet une automatisation de certaines actions. Ceci signifie qu'à l'instar d'un être vivant, le lien perception (données)- action (agit) permis par les machines devient de plus en plus puissant et surtout adaptatif à l'environnement et au contexte. Les machines apprennent par elles-mêmes, mais à condition qu'on leur ait appris à apprendre. C'est le travail des concepteurs d'algorithmes, mais est-ce aussi un travail d'enseignant ?

 

Derrière cette question provocatrice, "et si on remplaçait les élèves par des machines apprenantes ?", se cache une réelle problématique liée à la montée en puissance des neurosciences et de leurs certitudes (médiatisées) et donc à la conception du fonctionnement de l'apprentissage. Mais se cache aussi une autre question beaucoup plus angoissante : et si la puissance de la machine apprenante (vitesse de traitement, quantité d'informations traitées etc.) dépassait d'une certaine façon la puissance de l'humain qu'adviendrait-il ? Ce qui apparaît dans un premier temps c'est que la machine réalise plus vite et mieux certaines tâches dites automatisables. Ce qui apparaît dans un second temps c'est que la machine devient de plus en plus apprenante de son environnement. Ce qui semble advenir dans un troisième temps c'est la possibilité pour la machine de remplacer purement et simplement le cerveau humain dans certaines tâches et dans la suite logique de s'autonomiser partiellement vis à vis de ses concepteurs (humains) et ainsi générer (selon des règles préprogrammées) des comportements inattendus. Pour le dire autrement la machine serait capable de faire face à l'inattendu, à l'inconnu ! Et cela sans répéter bêtement ce qu'elle connaissait déjà, mais en fabricant de nouvelles connaissances et, pour elles, de nouvelles "manières de faire".

 

Si nous reprenons le premier niveau, il suffit de regarder la place du GPS, de la robotique industrielle ou encore de la calculatrice pour comprendre que la machine gagne progressivement des "part de marché" sur l'humain. Si l'on prend le second niveau, en observant la manière simple dont la suggestion sémantique et orthographique sur votre clavier de smartphone ou votre requête de moteur de recherche est exprimée, vous pouvez aussi, facilement, repérer comment, comme pour les logiciels de reconnaissance vocale, la machine apprend de l'expérience. Reste que nous sommes dans des mondes "finis" et "certains". La troisième phase, initiée et symbolisée par la lutte de l'ordinateur contre le joueur d'échec, mais bien connue dans la littérature de science-fiction, doit permettre à la machine d'être adaptable de manière globale à son environnement. Une des grandes avancées des travaux récents est celle dite des "big data", autrement dit du traitement de grandes quantités de données. Car l'observation fine du fonctionnement du cerveau et de son développement montre que c'est bien cette capacité à traiter quasi instantanément une quantité importantes d'informations parfois très simples mais surtout d'en tirer des règles qui est fondamentale. L'exemple de la voiture ou de l'avion sans pilote va dans ce sens et tente en cela d'imiter l'humain.

 

De récentes publications grand public (cf. la Recherche, Cerveau et psycho) font à nouveau émerger ces questions de manière globales. Cela devient un sujet de préoccupation qui s'invite dans le débat public. Le "machine learning" est un phénomène qui s'installe petit à petit dans nombre de milieux déjà largement numérisés. Auxiliaires de l'humain, ces machines (en fait des logiciels pour la partie principale) sont d'abord des "bateaux de cerveau humain" embarqués. Autrement dit il s'agit d'externaliser des fonctions mentales dans les machines, non pas pour tenter de répondre à Turing, mais plutôt pour augmenter le travail des cerveaux humains. Imaginons ce que serait ainsi une classe d'élèves augmentés. Comment se comporterait la machine, comment se comporterait le petit humain qui la porterait ?

 

A certains moments, on peut se demander si nos élèves, nos jeunes, avec l'œil et l'oreille attirés compulsivement par les machines ne sont pas déjà dans cet univers et ne sont pas eux-mêmes en train de rendre la machine non pas apprenante, mais co-apprenante. Cette fusion de l'humain et de la machine est un phénomène qui est très visible pour ce qui est des relations interhumaines. Est-ce que les fonctionnalités à venir de ces appareils ne vont pas prendre de plus en plus d'importance dans le quotidien. En 1990, nous nous intéressions à l'intelligence artificielle. A l'époque nous avons tenté d'imaginer ce que serait une sorte de "cahier de brouillon informatique" de l'élève. Mais un cahier de brouillon qui serait un compagnon intelligent, disponible mais surtout capable d'adapter les très grandes quantités d'information reçues pour les rendre facilement disponible au cerveau qui en a besoin en les structurant, les reliant, les relisant. Quand je regarde les piles de papier qui s'entassent sur et sous ma table de travail, je sens que j'ai déjà commencé à rêver à ce que pourrait être une machine apprenante auxiliaire de vie, auxiliaire de l'apprendre. Quand un élève sort son smartphone en classe, il n'utilise que de faibles possibilités de celui-ci. Gageons que dans un avenir pas si lointain que ça, un véritable augmenteur d'apprentissage sera disponible dedans ! Mais pour l'instant, le premier augmenteur de l'apprentissage scolaire reste l'enseignant... mais pour combien de temps encore ?

 

Bruno Devauchelle

 

La chronique de B Devauchelle

 

Eric Bruillard : Les machines à enseigner.

Les machines à enseigner BRUILLARD Éric (1997). Les machines à enseigner. Éditions Hermès, Paris, 320 p.

 

Par fjarraud , le vendredi 24 avril 2015.

Commentaires

Vous devez être authentifié pour publier un commentaire.

Partenaires

Nos annonces