Les outils d'intelligence artificielle (IA) peuvent rédiger des rapports, traiter de grands volumes d'informations ou proposer des plans d'affaires en quelques secondes.
Cependant, évaluer si une réponse convient à un besoin concret, vérifier ses données et transformer une idée en une solution applicable exigent des compétences qui vont au-delà de la simple maîtrise d'une plateforme.
La pensée analytique gagne du poids sur le marché du travail
L'impact de ces technologies touche déjà les compétences demandées par les entreprises. Le rapport Future of Jobs 2025 du Forum économique mondial estime que 39 % des compétences actuelles des travailleurs se transformeront ou deviendront obsolètes entre 2025 et 2030.
De plus, sept employeurs sur dix consultés considèrent la pensée analytique comme une compétence essentielle, rappelle Gladys Morán, cofondatrice, rectrice et PDG de l'Université María Auxiliadora (UMA).
Selon la spécialiste, la formation universitaire fait face au défi d'intégrer ces outils sans réduire l'apprentissage à la recherche de réponses automatiques.
L'objectif est que les étudiants puissent interpréter des informations, identifier des problèmes, comparer des alternatives et évaluer les conséquences des décisions qu'ils prennent.
1. Comprendre le problème avant de demander une réponse
La première capacité consiste à analyser une situation avant de recourir à l'intelligence artificielle. Face à une baisse des ventes dans une entreprise, par exemple, il ne suffit pas de demander une stratégie à une plateforme. Il est nécessaire au préalable de revoir les données disponibles, de comprendre le comportement des consommateurs et d'identifier les causes possibles.
D'après l'UMA, le problème peut être lié à des changements de prix, des défaillances dans la distribution, une communication inefficace, de nouveaux concurrents ou des difficultés liées au produit.
Chaque scénario nécessite une réponse différente. L'IA peut aider à organiser l'information et à élaborer des hypothèses, mais elle ne peut pas remplacer le jugement de celui qui définit quel problème doit être résolu.
2. Vérifier les données et remettre en question les réponses
Une réponse bien rédigée ne garantit pas qu'elle soit correcte. Les systèmes d'intelligence artificielle peuvent fournir des informations obsolètes, inclure des données incomplètes ou citer des sources inexistantes. Pour cette raison, la vérification doit faire partie de l'utilisation quotidienne de ces outils.
Confronter les chiffres, examiner les documents originaux et identifier les incohérences permet de réduire les erreurs. Il est également nécessaire de reconnaître lorsque les informations disponibles ne suffisent pas pour tirer une conclusion. Dans ces cas, formuler de nouvelles questions et rechercher des données supplémentaires peut être plus utile que d'accepter une réponse immédiate.
L'Unesco a souligné que l'intégration de l'intelligence artificielle générative dans l'éducation doit maintenir une approche centrée sur les personnes et préserver leur capacité de décision. L'utilisation de cette technologie exige, par conséquent, une responsabilité quant à la qualité et aux conséquences potentielles de chaque résultat.
3. Connecter les connaissances de différents domaines
Les problèmes réels appartiennent rarement à une seule spécialité. Une difficulté dans un service de santé peut impliquer des critères médicaux, des processus administratifs, des systèmes technologiques, des ressources économiques et les besoins des patients.
Cette complexité exige de relier les connaissances de différents domaines. Un étudiant peut connaître les aspects techniques de sa discipline, mais une proposition viable nécessite également de comprendre comment elle impactera les utilisateurs, les équipes de travail, les budgets et les processus.
L'apprentissage par projets permet de travailler sur des situations concrètes, avec des informations imparfaites et des contraintes similaires à celles rencontrées dans les organisations publiques, les entreprises et les communautés. La dynamique oblige à rechercher, prioriser et justifier les décisions.
4. Évaluer la viabilité d'une idée
Une proposition ne devient pas une solution simplement parce qu'elle semble innovante. Elle doit également répondre à des questions fondamentales : combien cela coûte, quels ressources sont requises, qui l'utilisera, quels obstacles peuvent survenir et comment les résultats seront mesurés.
Cette analyse est pertinente pour un entrepreneuriat, une amélioration en entreprise ou une initiative communautaire. L'IA peut apporter des scénarios, des estimations et des alternatives, mais la décision finale dépend de l'évaluation des limites techniques, économiques et opérationnelles.
5. Argumenter, écouter et corriger
Résoudre un problème implique également d'expliquer pourquoi une option a été choisie et quels résultats sont attendus. Présenter des arguments, écouter les objections, travailler avec d'autres personnes et modifier une proposition lorsque l'évidence l'exige sont des compétences nécessaires dans les environnements professionnels.
Dans un contexte où l'IA peut offrir des réponses de plus en plus rapides, le défi éducatif consiste à former des personnes capables de distinguer entre une recommandation automatique et une solution qui pourrait fonctionner dans la réalité.