Quand une institution décide d'intégrer l'IA, la première erreur est de commencer par les outils. La vraie question n'est pas technologique. Elle est organisationnelle, pédagogique, et profondément humaine.
La plupart des institutions qui se lancent dans l'intégration de l'IA commencent par le même endroit : les outils. Quels modèles adopter, quelles plateformes déployer, quels modules créer. C'est compréhensible. C'est aussi le signe que la question de fond n'a pas encore été posée.
La question de fond, c'est le pourquoi. Pourquoi maintenant, pourquoi ici, pourquoi de cette façon ? Et la réponse n'est pas la même selon qu'on est étudiant, enseignant ou direction. L'étudiant cherche une employabilité améliorée et des compétences opérationnelles. L'enseignant s'interroge sur son rôle et ses pratiques. La direction cherche un positionnement différenciant et une pertinence renforcée. Ces trois réponses sont légitimes. Mais si on ne les distingue pas, on conçoit un projet qui prétend répondre à tout et ne répond à rien de façon satisfaisante.
J'ai été invité à intervenir à l'ESPIMA Business School dans le cadre de leur AI Day, consacré à "L'université augmentée par l'intelligence artificielle". L'école ne cherchait pas simplement à parler d'IA : elle construisait une stratégie réelle d'intégration dans l'ensemble de ses parcours. Un document structuré, des objectifs précis, une gouvernance pensée. Dans ce contexte, j'aurais pu venir en expert qui valide. J'ai fait le choix inverse : venir poser des questions. Parce que les projets de transformation qui échouent ne manquaient pas d'outils. Ils manquaient de questions préalables.
Intégrer l'IA dans une université, ce n'est pas ajouter ChatGPT dans une salle de cours. C'est transformer la façon d'apprendre, la façon d'enseigner, et la façon dont chacun perçoit son rôle.
La question la plus difficile à poser -- et la plus utile -- est celle du rôle de l'enseignant. Si l'IA peut expliquer un concept, synthétiser une bibliographie, générer des exercices, corriger une copie et simuler un cas pratique, qu'est-ce que l'enseignant fait que l'IA ne fait pas ? Ce n'est pas une question destinée à angoisser. C'est la question la plus productive qu'un enseignant puisse se poser aujourd'hui.
La réponse : l'enseignant fait ce que l'IA ne peut pas faire. Il crée les conditions de la pensée. Il provoque l'inconfort intellectuel nécessaire à l'apprentissage réel. Il lit ce que l'étudiant ne dit pas encore. Il témoigne, depuis sa propre trajectoire, que la connaissance est un processus vivant et non un contenu téléchargeable. Et surtout : il apprend à l'étudiant à utiliser l'IA sans lui déléguer sa propre pensée -- ce qui est peut-être la compétence pédagogique la plus difficile à développer dans ce contexte.
Sans cadre explicite, chaque enseignant et chaque étudiant improvise ses propres règles. Certains interdisent l'IA. D'autres l'encouragent sans garde-fous. D'autres encore ferment les yeux. Le résultat est une institution qui a perdu la maîtrise de ce qui se passe réellement dans ses salles.
Toute institution qui intègre l'IA doit se poser trois questions simples : qu'est-ce qui est autorisé ? qu'est-ce qui est interdit ? qui décide, et comment ? Ces questions ne sont pas bureaucratiques. Elles sont la condition d'un usage cohérent et défendable. La charte de l'UVT publiée en janvier 2026, première référence nationale co-construite par des universitaires, n'est pas un modèle à copier mais une base de réflexion utile pour quiconque veut structurer sa propre démarche.
Il y a aussi une question d'équité que les projets d'intégration de l'IA négligent souvent : tous les étudiants ont-ils accès aux mêmes outils ? Un étudiant qui dispose d'un abonnement à un modèle performant et un étudiant qui n'en a pas ne sont pas dans la même situation d'apprentissage. Ignorer cette asymétrie, c'est créer une nouvelle forme d'inégalité scolaire sous couvert de modernisation.
Un projet technologique qui échoue est presque toujours un projet humain mal conduit. Les résistances au changement ne sont pas des obstacles à contourner. Elles sont des signaux à lire. Qui résiste, pourquoi, et qu'est-ce que cette résistance dit sur ce que le projet n'a pas encore résolu ?
Dans la salle ce jour-là, il y avait des étudiants déjà utilisateurs et conscients des enjeux, des enseignants profondément engagés qui s'interrogeaient sincèrement sur leur rôle futur, des enthousiasmes et des résistances qui coexistaient. C'est précisément ce type de tension qui rend une transformation saine. Une institution où tout le monde pense pareil sur l'IA n'est pas une institution qui réfléchit. C'est une institution qui s'est conformée.
Ce qui compte, c'est que les désaccords puissent s'exprimer, être entendus, et être intégrés dans la conception du projet. La formation des enseignants avant celle des étudiants. La gouvernance avant les outils. Le cadre éthique avant les usages. L'ordre de ces priorités n'est pas arbitraire : il détermine si le projet produit une transformation réelle ou un vernis technologique.
L'IA ne transforme pas une institution. Ce sont les humains qui la composent qui se transforment -- ou pas. La technologie ne fait qu'amplifier ce qui est déjà là : la qualité de la pédagogie, la solidité des convictions, la capacité à traverser l'inconfort du changement. Si ces fondations sont solides, l'IA sera un levier extraordinaire. Si elles sont fragiles, elle sera un accélérateur de confusion.