AM Edition: Top 10 Security Intel Articles on LiveNews.co.nz for March 27, 2026 – Full Text

Source: The Conversation – in French – By Clément Duhart, Enseignant systèmes embarqués, docteur en informatique, Pôle Léonard de Vinci

Alors que l’intelligence artificielle générative produit des textes, des images et des raisonnements toujours plus convaincants, une question éducative essentielle émerge : que signifie encore comprendre ? À l’ère de la surcharge informationnelle, former une « tête bien faite » ne consiste plus à accumuler des savoirs, mais à apprendre à juger de leur profondeur, de leur validité et de leur inscription dans le réel.

---

Des étudiants peuvent rendre aujourd’hui des travaux irréprochables sur la forme : structurés, argumentés, parfois brillants. Pourtant, lorsqu’on les interroge, un malaise affleure. Ils peinent à expliquer ce qu’ils ont réellement compris, à justifier leurs choix, à relier ce qu’ils ont produit à une expérience vécue ou à une situation concrète. L’intelligence artificielle (IA) générative n’est pas toujours la cause directe de cette situation, mais elle en est un révélateur puissant. Car si produire de l’information n’a jamais été aussi simple, comprendre ce que l’on fait n’a jamais été aussi exigeant.

Connaître, savoir, comprendre : une distinction devenue centrale

À l’ère de l’IA, la question éducative ne peut plus être pensée en termes d’accumulation de connaissances. Elle impose de clarifier ce que l’on entend par connaître, savoir et comprendre, et d’interroger la manière dont ces dimensions s’articulent dans les processus d’apprentissage.

Deux grandes traditions épistémologiques permettent d’éclairer cette distinction. Le scientifique Michael Polanyi a montré que toute connaissance humaine comporte une part irréductiblement tacite : elle est enracinée dans l’expérience, l’action et l’engagement du sujet. « Nous savons plus que ce que nous pouvons dire », écrit-il, soulignant que la compréhension précède souvent sa formulation explicite. Cette connaissance en acte, souvent implicite, se construit dans le faire, l’essai, l’erreur et la confrontation au réel.

À l’inverse, le philosophe Gaston Bachelard a établi que le savoir scientifique ne procède pas d’un simple prolongement de l’expérience. Il exige une rupture avec les évidences premières et avec l’opinion, au prix d’un travail de construction rationnelle, critique et abstraite. « La science ne procède pas de l’opinion », rappelait-il, insistant sur la nécessité de former l’esprit à poser des problèmes plutôt qu’à accumuler des réponses.

Former une « tête bien faite », ce n’est donc ni accumuler des savoirs abstraits, ni se contenter d’une expérience brute. C’est apprendre à tenir ensemble ces deux dimensions : l’expérience vécue et la construction conceptuelle, l’action et la réflexivité.

Ce que l’IA sait faire – et ce qu’elle ne peut pas faire

Les systèmes d’intelligence artificielle excellent précisément là où le savoir est formalisable : calcul, synthèse, reproduction, mise en forme. Ils prennent en charge une part croissante du savoir explicite, stabilisé, calculable. Mais ils opèrent dans un régime spécifique : celui de la corrélation statistique et de la production d’énoncés plausibles.

L’IA ne connaît pas le monde, elle ne le comprend pas. Elle n’a ni expérience, ni rapport incarné au réel, ni accès aux conditions de pluralisme des phénomènes qu’elle décrit. L’information qu’elle génère est par nature probabiliste – elle repose sur des calculs de vraisemblance issus de corrélations statistiques plutôt que sur une compréhension des causes, contingente – elle dépend des données, des contextes d’énonciation et des paramètres techniques, et révisables – en ce sens qu’elle peut être corrigée, contredite ou reformulée à tout moment sans que cela n’implique une progression interne de la compréhension.

Cette distinction est aujourd’hui au cœur des travaux contemporains sur les usages éducatifs de l’IA, qui montrent que l’automatisation de certaines tâches cognitives peut, si elle est mal encadrée, appauvrir l’exercice du jugement critique.

Plus les productions de l’IA deviennent convaincantes, plus le risque est grand de confondre cohérence formelle et compréhension réelle, à savoir paraître véridique en lieu et place d’un énoncé prudent et ouvrant le dialogue.

Mesurer la complexité : une compétence qui s’apprend

Face à cette situation, un enjeu éducatif majeur émerge : la capacité à mesurer la complexité des choses. Distinguer ce qui relève de la surface informationnelle de ce qui engage une compréhension structurée. Apprécier les niveaux de profondeur d’un problème, d’un système ou d’une situation.

Or cette capacité ne se décrète pas. Elle se construit progressivement par l’expérience du réel. Elle suppose un travail actif de confrontation entre ce que l’on anticipe théoriquement et ce que révèle l’épreuve de la réalisation concrète. C’est dans l’écart, toujours instructif, entre le modèle et l’expérience que s’affinent les critères de jugement et que se développe une intelligence véritablement située, au sens où elle articule savoir formalisé et connaissance vécue.

Le savoir ne devient opérant qu’à condition d’être éprouvé, mis en tension avec le réel, réajusté à la lumière de ses résistances et de ses surprises. Inversement, l’expérience brute, si elle n’est pas reprise dans un cadre réflexif et conceptuel, demeure muette et difficilement transmissible. La formation doit donc organiser les conditions de cette circulation exigeante entre théorie et pratique, abstraction et incarnation.

Une révolution pédagogique autant que technologique

L’intelligence artificielle ne transforme pas seulement nos outils. Elle intervient au cœur même des fonctions cognitives supérieures : mémoire externalisée, accès instantané à l’information, génération de raisonnements apparents. Là où les technologies précédentes amplifiaient des capacités humaines déjà constituées, l’IA en reconfigure désormais l’équilibre.

L’enjeu éducatif se déplace en conséquence. Il ne s’agit plus principalement d’apprendre à produire ou à restituer de l’information mais d’apprendre à en évaluer la profondeur, la cohérence, les conditions de validité et les effets dans le réel. Cette mutation rejoint les analyses du sociologue Edgar Morin sur la pensée complexe, qui soulignent la nécessité de former des esprits capables de relier, de contextualiser et d’affronter l’incertitude plutôt que de réduire le réel à des réponses simplifiées.

Des travaux récents en sciences cognitives et en sciences de l’éducation montrent d’ailleurs que l’usage substitutif de l’IA peut conduire à une forme de délégation cognitive excessive, réduisant l’engagement intellectuel et la mémorisation à long terme, là où un usage réflexif et critique peut au contraire renforcer l’apprentissage.

Former des ingénieurs – et des citoyens – capables de juger

Former une tête bien faite à l’ère de l’IA implique ainsi de ne pas confondre délégation cognitive et renoncement intellectuel. Il s’agit de former des sujets capables de faire usage de systèmes puissants sans s’y soumettre, capables de maintenir une exigence de sens là où la machine ne produit que de la forme.

Chez IONIS, le développement des IONIS Institute of Technology (I2T) sur nos campus procède d’une conviction forte : si nos étudiants ingénieurs doivent maîtriser les technologies de l’intelligence artificielle, ils doivent tout autant apprendre à en éprouver les limites par la confrontation au réel. Le laboratoire, l’atelier et l’expérimentation deviennent alors des lieux centraux de formation du jugement.

Former de bons ingénieurs – et plus largement des citoyens éclairés – consiste à cultiver un esprit critique, mesuré et évolutif, nourri par l’expérience concrète, le faire et le défaire. À l’ère de l’IA, la question essentielle n’est donc pas seulement ce que nous attendons de la machine mais bien ce que nous attendons de l’humain : sa capacité à comprendre, à créer et à décider avec discernement dans des environnements incertains et technologiquement augmentés.

Clément Duhart ne travaille pas, ne conseille pas, ne possède pas de parts, ne reçoit pas de fonds d’une organisation qui pourrait tirer profit de cet article, et n’a déclaré aucune autre affiliation que son organisme de recherche.

– ref. IA : pourquoi former une « tête bien faite » n’a jamais été aussi crucial – https://theconversation.com/ia-pourquoi-former-une-tete-bien-faite-na-jamais-ete-aussi-crucial-278556

Source: The Conversation – in French – By Harsh Trivedi, Teaching Associate French, School of Languages, Arts and Societies., University of Sheffield

On pourrait croire que l’originalité découle d’une liberté sans limites, mais le célèbre jeu de rôle Donjons et Dragons suggère le contraire. Il propose, à partir d’un petit nombre de facteurs à combiner, de créer des personnages qui semblent infiniment distincts. Un « paladin demi-elfe » est certes un type de personnage immédiatement reconnaissable, mais aucun « paladin demi-elfe » ne ressemble à un autre qu’une fois le jeu commencé. Dans ce jeu, l’identité ne se crée pas en échappant à la structure, mais en la travaillant ; il en va de même pour les personnages conçus par Balzac dans sa Comédie humaine.

---

Cela peut sembler surprenant de prime abord, mais les lecteurs du XIXᵉ siècle ont découvert un système très similaire à celui du jeu de rôle Donjons et Dragons dans les romans du romancier français Honoré de Balzac. Son vaste projet littéraire, la Comédie humaine (1829-1848), est construit sur un répertoire limité de « types » sociaux qui deviennent des personnages récurrents à travers près de cent romans et nouvelles.

On y trouve des nouveaux venus provinciaux arrivant à Paris (le Père Goriot, 1835), des ambitieux cherchant à gravir rapidement les échelons sociaux, des journalistes prêts à troquer leurs principes contre de l’influence (Illusions perdues, 1837-1843), des dandys dont l’élégance masque l’insécurité (Splendeurs et misères des courtisanes, 1838-1847), des courtisanes manœuvrant le pouvoir par l’intimité (La Cousine Bette, 1846), des spéculateurs motivés par le risque (la Maison Nucingen, 1837), et de nombreuses « femmes de trente ans » cherchant à sortir de la monotonie provinciale (la Muse du département, 1843). Ces figures sont immédiatement lisibles, mais les personnages qui en émergent semblent étrangement vivants. Loin de produire des stéréotypes, l’œuvre de Balzac génère de l’individualité à travers la combinaison des caractéristiques, leur chevauchement et les circonstances dans lesquelles elles se déploient.

Des personnages comme autant de points de condensation

Balzac était explicite quant à sa méthode « typologique ». Dans la préface d’Une ténébreuse affaire (1841), il définit un « type » comme un personnage qui « résume en lui-même certains traits caractéristiques de tous ceux qui lui ressemblent plus ou moins ; il est le modèle du genre ». Une telle figure n’est pas un stéréotype, mais un point de condensation, rassemblant des traits communs sans effacer l’individualité.

Le philosophe hongrois Georg Lukács a ensuite repris et approfondi cette idée, en affirmant que les personnages de Balzac synthétisent le particulier et l’universel. Selon lui, ils incarnent des forces sociales générales telles que l’ambition, la spéculation, l’aspiration artistique et le calcul politique, tout en restant pleinement ancrés dans leur monde social.

Ce qui rend Donjons et Dragons particulièrement utile ici, c’est que la création des personnages ne se limite pas à leur race (gnome, nain, elfe…) et à leur classe. Les joueurs doivent également lancer un dé à 20 faces pour déterminer des attributs associés à ces personnages tels que la force, la dextérité, la constitution, l’intelligence, la sagesse et le charisme. Ces valeurs introduisent le hasard dans le système et garantissent qu’aucun personnage ne correspond jamais parfaitement à un modèle idéal. Deux personnages peuvent partager la même classe et le même passé, mais être radicalement différents parce que l’un manque de charisme, l’autre est de constitution fragile ou que le troisième possède une intelligence étonnamment élevée. Le hasard ne sape pas le système. Il l’active.

Balzac comprenait parfaitement cette logique et l’a explicitement exprimée dans la préface de la Comédie humaine, où il expose la philosophie et la structure de l’ensemble du projet. Réfléchissant à la manière dont la fiction produit des personnages réalistes, il écrit :

« Le hasard est le plus grand romancier du monde : pour être fécond, il n’y a qu’à l’étudier. »

Pour Balzac, les types sociaux ne suffisent jamais à eux seuls. Ce qui donne vie à ses personnages, c’est la manière dont les positions fixes se heurtent à la contingence, aux accidents, aux erreurs de jugement et aux occasions manquées. Une carrière bascule à la suite d’une rencontre fortuite (Illusions perdues). Une réputation s’effondre à cause d’une rumeur (la Cousine Bette). Une lettre arrive trop tard (Eugénie Grandet, 1833). Une vie ordinaire est bouleversée par un pacte avec des forces surnaturelles (la Peau de chagrin, 1831). Ces éléments n’annulent pas la typologie, ils la mettent en évidence.

Le « système » balzacien : des personnages qui circulent dans l’œuvre

Dans la Comédie humaine, les personnages de Balzac n’existent pas comme des portraits isolés, mais font partie d’un vaste système soigneusement organisé. Les personnages reviennent d’un roman à l’autre, réapparaissent dans de nouveaux contextes et sont recadrés par des pressions sociales et historiques changeantes. Un journaliste rencontré au début de l’œuvre revient plus tard, compromis ou triomphant. Un arriviste provincial refait surface en tant qu’acteur social endurci. Un écrivain devient un échec commercial ou un succès institutionnel. Cette récurrence ne relève pas d’une répétition gratuite. C’est ainsi que se forge l’individualité.

Le contraste entre les personnages de Lucien de Rubempré et Eugène de Rastignac rend cette logique particulièrement claire. Tous deux arrivent à Paris en tant que nouveaux venus provinciaux (dans Illusions perdues et le Père Goriot). Tous deux sont ambitieux, socialement alertes et parfaitement conscients que le succès dépend de la visibilité, du mécénat et des alliances stratégiques.

Sur le plan typologique, ils occupent une position similaire dans l’univers social de Balzac en tant qu’aspirants provinciaux à l’ascension sociale. Pourtant, leurs trajectoires divergent de manière spectaculaire. Rastignac apprend à lire le système avec précision et s’y adapte avec un succès croissant. Lucien confond reconnaissance et appartenance, talent et protection. Leur différence résulte de la manière dont des éléments similaires interagissent avec le hasard au fil du temps.

Ce schéma se répète tout au long de l’œuvre de Balzac. Dans chaque cas, le type reste lisible, mais la trajectoire personnelle n’est jamais fixée à l’avance. Il s’agit là d’une différence cruciale par rapport à d’autres œuvres cycliques à grande échelle du XIXᵉ siècle, notamment les Rougon-Macquart (1871-1893) d’Émile Zola, où les personnages sont finalement régis par l’hérédité et le déterminisme social et biologique. L’univers de Balzac est structuré, mais il n’est pas fermé. Ses personnages sont façonnés par le hasard et les choix, et ne sont pas prisonniers d’un destin dicté par leur lignée.

Réfléchir à Balzac à travers Donjons et Dragons permet de mettre en évidence une logique de création de personnages qui est souvent considérée comme acquise.

Les grands romanciers ne créent pas des personnages distincts et originaux en abandonnant la structure, mais en la travaillant. La perspicacité de Balzac a été de reconnaître que la vie sociale est déjà organisée selon des rôles, des hiérarchies plus ou moins visibles et des attentes liées au rôle de chacun, et que la fiction devient plus puissante lorsqu’elle montre comment les gens naviguent (et parfois se rebellent) contre ces contraintes.

La Comédie humaine commence avec un ensemble fini de types sociaux et génère des variations infinies grâce à la combinaison, au hasard et au choix. Loin de limiter ses personnages, la typologie balzacienne est précisément ce qui leur permet de demeurer si intensément vivants.

Harsh Trivedi ne travaille pas, ne conseille pas, ne possède pas de parts, ne reçoit pas de fonds d’une organisation qui pourrait tirer profit de cet article, et n’a déclaré aucune autre affiliation que son organisme de recherche.

– ref. Comprendre Balzac grâce au jeu de rôle « Donjons et Dragons » – https://theconversation.com/comprendre-balzac-grace-au-jeu-de-role-donjons-et-dragons-277280

Source: The Conversation – France in French (3) – By Élodie Edwards-Grossi, PhD, Associate Professor in Sociology and American Studies, Université Paris Dauphine – PSL

Au XVIIIᵉ puis au XIXᵉ siècle, des scientifiques et des médecins théorisaient une supposée supériorité des personnes blanches, en s’appuyant sur des critères biologiques. Dans le Racisme scientifique et médical (éditions PUF, 2026), Élodie Edwards-Grossi (Université Paris Dauphine-PSL/Institut universitaire de France) et Delphine Peiretti-Courtis (Aix-Marseille Université) expliquent comment, aujourd’hui, la pratique médicale perpétue des stéréotypes et biais raciaux hérités de ces thèses qui nuisent à la prise en charge en santé des personnes racisées. Extraits.

---

Le 26 décembre 2024, un député français d’extrême droite partageait, sur le réseau social X (anciennement Twitter), une carte censée représenter le Quotient Intellectuel moyen par pays, qui rappelait en tout point les procédés classificatoires du XIX^e siècle.

Ce planisphère révèle toute la prégnance et les permanences, à l’heure actuelle, de la ferveur taxinomique et du racisme scientifique nés aux XVIII^e et XIX^e siècles, et pose la question de ses ramifications avec la sphère politique.

La notion de « race » relayée sur les réseaux sociaux

Relayée auprès d’un large public francophone par ce député, cette carte avait déjà été abondamment relayée sur les réseaux sociaux en 2019. Elle avait même suscité la création d’un mot-clé « #carte QI », utilisé pour donner une grande visibilité à ces théories.

Cette carte est, hélas, loin d’être la seule occurrence de diffusion de croyances biologisantes et hiérarchisantes à propos de la notion de « race » sur Internet, comme en témoignent de nombreux articles de vulgarisation scientifique, émettant l’idée, pour le grand public, que cette catégorie pourrait, à nouveau, être appréhendée avec la génétique.

Analyser les résurgences actuelles du racisme scientifique

Dans ce contexte, les théories racistes empreintes d’un réalisme biologique recouvrent une fonction sociale et politique bien particulière : celle de la légitimation de courants et d’idéologies inégalitaires, qui, pour exister, doivent avant tout s’appuyer sur l’idée que la déshumanisation d’une partie de la population est la résultante de caractéristiques naturelles et inébranlables, ancrées dans les corps et les esprits de ces mêmes individus.

Le racisme scientifique, à travers le déploiement du réalisme biologique, propose ainsi une caution non négligeable à des programmes politiques façonnant les inégalités. Il revêt une double fonction : il est à la fois le produit et le levier de l’ordre social raciste dans lequel il est façonné, et sans cesse réactivé, tout en fournissant à ses partisans les justifications de son maintien.

Dans quels contextes politiques et géographiques les théories et pratiques qui constituent le racisme scientifique et médical apparaissent-elles ? Pouvons-nous relever des systématicités dans les parcours de leurs auteurs ? Quels positionnements entretiennent-ils vis-à-vis de leurs pairs, des décisionnaires politiques, mais aussi du grand public ? Enfin, quelles résurgences pouvons-nous mettre en exergue ?

C’est précisément le sujet de l’ouvrage le Racisme scientifique et médical : ancré en histoire et en sociologie de la connaissance, celui-ci propose de documenter les modalités de production et de circulation du racisme scientifique et médical et leurs réappropriations sociales et politiques.

Quand les corps et les esprits des personnes racisées sont infériorisés

La notion de racisme scientifique et médical recouvre a priori de nombreuses théories et pratiques. Des historiens ayant travaillé de manière pionnière sur le sujet, tels Claude Blanckaert ou Stephen Jay Gould, ont décrit le racisme scientifique comme l’ensemble des théories et pratiques se réclamant de différents champs scientifiques (on peut citer la biologie, la psychologie, la génétique, l’anthropologie, etc.) proposant une définition altérisant, et infériorisant, les corps et les esprits des personnes racisées.

Présentées comme « scientifiques » par leurs instigateurs et leurs soutiens, ces théories établissent, dans le même temps, la supposée supériorité tacite ou explicite des personnes blanches en utilisant les mêmes critères corporels ou mentaux variés : le QI, la taille des crânes, l’intelligence sont autant de points qui reviennent dans ces études suggérant l’infériorité des uns au profit de la primauté des autres. Ces écrits ont été produits et ont circulé dans des contextes politiques épars et révèlent une forte porosité quant aux liens entre science et politique.

Un fait social contemporain qui touche le champ médical

Réinsérer la question du racisme scientifique et médical dans une approche critique des rapports sociaux de race, grâce à un dialogue transdisciplinaire entre sciences sociales et sciences historiques, c’est comprendre comment les artisans du racisme scientifique bénéficient d’un besoin de méconnaissance pour voir advenir leurs théories. Pour exister, ces théories ont besoin d’un vide épistémologique qui s’inscrit dans une histoire longue de la production de l’ignorance.

Cette production de l’ignorance a largement été produite par l’appareil étatique qui se refusait, et se refuse encore, à produire une analyse rigoureuse des rapports sociaux de race. Celle-ci permettrait notamment de mettre à mal les croyances et itérations, toujours présentes, de la race comme catégorie d’analyse biologique malgré son invalidation dans la deuxième moitié du XX^e siècle.

Nous souhaitons insister sur le fait que le racisme scientifique et médical est bien un fait social contemporain, débordant du cadre historique que nous nous proposons d’étudier dans cet ouvrage : bien que l’autorité médicale cherche à entrer dans un rapport d’exceptionnalisme de son champ, le champ médical n’est pas exempt des rapports sociaux qui le modèlent.

Des effets sur les trajectoires de vie des individus

La question des tissages historiques et des résurgences du racisme scientifique et médical est ainsi capitale : loin d’avoir disparu, celui-ci a parcouru les époques et produit un effet encore conséquent.

À titre d’exemple, en décembre 2024, plusieurs quotidiens régionaux rapportèrent qu’une femme racisée avait accouché, sans prise en charge, sur le parking d’un hôpital à Dijon, en Côte d’Or, malgré ses appels à l’aide. L’un des journalistes relatant l’événement avait titré son article « On la refuse aux urgences : cette femme a dû accoucher dans le parking (et ça en dit long sur les préjugés racistes) ». Mettant en lien la mise en danger de cette femme et la longue histoire du syndrome méditerranéen en France, cet article souligne la manière dont des stéréotypes de résistance à la douleur des personnes racisées, formulés dès le XIX^e siècle ont pu être transmis et rester vivaces jusqu’à nos jours.

De tels stéréotypes préfigurent bien la manière dont le racisme scientifique et médical produit un effet concret sur les trajectoires de vie et de mort des individus. Pour reprendre les mots toujours aussi actuels de Colette Guillaumin, autrice pionnière dans le champ des études sur le racisme en France, cet exemple met en relief « la réalité de la “race”. Cela n’existe pas. Cela pourtant produit des morts ». Les inégalités et différences de prises en charge de santé du fait de la subsistance de biais raciaux en médecine produisent une mise en danger différentielle et accrue des corps racisés. Ainsi, de cette manière, le racisme scientifique et médical peut être vu comme l’une des facettes matérielles, concrètes et opérantes du racisme structurel.

Stéréotypes, biais et pratiques discriminatoires

Partant du principe que la classe sociale ou les facteurs socio-économiques ne peuvent pas expliquer l’ensemble des trajectoires de soins de ces personnes, le concept de racisme médical s’intéresse par exemple aux biais présents et passés qui modèlent les représentations et les pratiques des médecins et psychiatres, majoritairement issus du groupe dominant blanc envers leurs patients et patientes.

Ces biais ne sont pas la résultante d’actes de discriminations conscients et donc voulus : ils sont le fruit de l’accumulation de stéréotypes sur les corps racisés encore largement diffusés dans les salles de cours, dans les livres de médecine, mais aussi de l’agrégation d’allégations fausses, érigées en « données scientifiques » qui ont traversé les siècles, sans connaître une condamnation explicite, telle que la théorie du syndrome méditerranéen, qui consiste en la croyance erronée en une exagération de la douleur chez les personnes originaires du Maghreb et d’Afrique subsaharienne.

Ces théories, qui débouchent sur la formation de pratiques discriminatoires, entérinent des prescriptions médicamenteuses elles aussi différentielles qui ont pour résultante de nourrir chez la patientèle une certaine défiance à l’égard des médecins et de leurs institutions. Les patients et patientes choisissent parfois de ne plus faire confiance au personnel soignant, ou aux institutions les employant.

La médecine, instrument et vecteur de théories

Écrire de front sur le racisme scientifique, parfois vu comme seul objet historique, et le racisme médical nous semble important à plus d’un titre. Cela permet d’abord d’aller à l’encontre d’un récit exceptionnalisant qui viserait à mettre en exergue les spécificités du champ de la médecine (et de toutes ses spécialités, la chirurgie, la psychiatrie, la gynécologie, la cardiologie, la dermatologie, etc.) vis-à-vis du reste des sciences (sciences naturelles, biologie, pharmacie, etc.).

Les médecins acquièrent un statut sans précédent au cours du XVIII^e siècle, et plus encore durant le XIX^e siècle, surnommé le siècle du scientisme. Producteurs de savoirs, ils sont également liés au pouvoir. Ce qui fait la spécificité de la médecine, et qui a notamment été mis en lumière par Michel Foucault par le biais du concept de biopouvoir, réside dans le rôle social et politique spécifique qu’elle détient, à l’instar de l’Église dans les siècles précédents.

En tant qu’experts des corps, des âmes, et donc des sociétés, les médecins s’arrogent la possibilité de statuer sur la normalité ou l’anormalité des corps, et sur ce qui constitue une différence ou une convergence humaine. En cela, la médecine devient le principal instrument et le vecteur de théories objectivant des différences corporelles présentées comme raciales.

C’est bien l’assignation d’une marque biologique à un groupe social donné qui produit la naturalisation de ce groupe, et radicalise, ainsi sa différence.

Élodie Edwards-Grossi a reçu des financements de l’Institut universitaire de France.

Delphine Peiretti-Courtis ne travaille pas, ne conseille pas, ne possède pas de parts, ne reçoit pas de fonds d’une organisation qui pourrait tirer profit de cet article, et n’a déclaré aucune autre affiliation que son organisme de recherche.

– ref. Quand la pratique médicale perpétue des stéréotypes hérités du racisme scientifique des XVIIIᵉ et XIXᵉ siècles – https://theconversation.com/quand-la-pratique-medicale-perpetue-des-stereotypes-herites-du-racisme-scientifique-des-xviii-et-xix-siecles-279004

Source: The Conversation – France in French (2) – By Maxime Morge, Professeur d’Informatique, Université Claude Bernard Lyon 1

Réserver un voyage en comparant des centaines d’offres, rédiger un rapport à partir de plusieurs documents, analyser des données médicales ou corriger automatiquement un programme informatique : ces tâches exigent de la réflexion, de la méthode et des compétences variées. L’« IA agentique » promet désormais de les accomplir de manière autonome, en orchestrant les opérations nécessaires, en utilisant des outils et en corrigeant ses propres erreurs… Toutefois, l’IA agentique actuelle ne recouvre pas encore toute la richesse du concept d’« agent autonome » tel qu’il a été élaboré dans les décennies précédentes.

---

Le cabinet Gartner a présenté 2026 comme l’année des « agents IA ». Ces systèmes dépassent la simple amélioration des assistants conversationnels. Les agents IA d’OpenClaw sont d’ores et déjà capables de dialoguer entre eux et d’exécuter des tâches complexes avec une supervision humaine limitée. Pour les entreprises, que ce soit dans l’industrie, l’administration ou la santé, la promesse est celle d’une automatisation plus souple qu’avec les logiciels traditionnels, capable de s’adapter à des situations variées plutôt que d’appliquer des règles prédéfinies.

Pourtant, derrière l’apparente nouveauté se cache une histoire plus ancienne. L’IA agentique s’inscrit dans la continuité de plusieurs décennies de recherche sur les agents autonomes et les systèmes multi-agents. Ce qui change aujourd’hui, ce sont les outils, notamment les grands modèles de langage et leur capacité à interagir plus naturellement avec les humains.

De la génération de texte à l’action

Les modèles conversationnels, comme ChatGPT, Gemini ou Claude, impressionnent par leur aptitude à résumer ou à rédiger des textes complexes. Pris isolément, ils restent toutefois essentiellement réactifs : ils produisent une réponse en fonction d’une requête. Un agent autonome va plus loin. Il peut analyser une demande, planifier une séquence d’opérations, utiliser des outils externes (moteur de recherche, base de données, logiciel), évaluer le résultat obtenu et ajuster sa stratégie si nécessaire.

Là où un modèle de langue se limite à écrire un programme informatique, un agent peut l’exécuter dans un environnement sécurisé, observer les erreurs éventuelles, corriger le code, puis le tester à nouveau. En somme, les agents IA ne font pas que parler, ils agissent.

Le passage de la génération de texte à l’action transforme la nature même du logiciel. Alors qu’un programme suit des instructions précisément définies à l’avance, un agent autonome peut, lui, adapter dynamiquement ses décisions en fonction du contexte, des résultats obtenus et des objectifs fixés. Il ne remplace pas nécessairement l’humain, mais modifie la répartition des tâches entre supervision et exécution.

Promesses et risques

Cette évolution ouvre des perspectives considérables. Dans les organisations, des agents peuvent automatiser des processus métiers laborieux. Dans l’industrie, ils peuvent coordonner des systèmes logiciels complexes. Dans le domaine médical, ils peuvent analyser des dossiers, rechercher des publications pertinentes et proposer des synthèses pour assister les médecins. Mais ces promesses s’accompagnent de risques.

En effet, les modèles actuels peuvent produire des informations inexactes, les fameuses hallucinations, et sont susceptibles de reproduire des biais présents dans leurs données d’entraînement. Si les agents sont cantonnés à un rôle d’assistant, ces limites sont déjà problématiques ; elles deviennent critiques lorsqu’elles concernent des systèmes capables d’agir sur des infrastructures techniques, notamment en exécutant des commandes système, en manipulant des fichiers ou en envoyant des requêtes réseau.

La question des agents d’IA n’est donc pas seulement technique : elle est aussi juridique, économique et sociétale. Elle touche à la transformation du travail qualifié et à la gouvernance des systèmes informatiques.

Une filiation historique

L’idée d’un agent autonome n’est pas née avec les modèles de langue. Elle remonte aux origines mêmes de l’intelligence artificielle. En 1956, lors de la conférence fondatrice de Dartmouth (au nord-est des États-Unis), l’un de ses organisateurs, Marvin Minsky, définissait déjà l’IA comme la conception de programmes capables d’accomplir des tâches mobilisant des capacités dites intelligentes telles que comprendre, apprendre, raisonner ou décider.

À partir des années 1980, la notion d’« agent intelligent » devient centrale. Un « agent » est alors défini comme un programme capable de percevoir son environnement, de prendre des décisions et d’agir pour atteindre des objectifs. Très tôt, les chercheurs développent le champ des systèmes multi-agents : des ensembles organisés de programmes autonomes qui interagissent dans un même environnement numérique. L’objectif est de comprendre comment ces entités peuvent se coordonner, coopérer ou entrer en compétition afin de résoudre des problèmes complexes.

Plusieurs travaux emblématiques illustrent concrètement cette approche. Le système HEARSAY-II repose sur un modèle de « tableau noir ». Plusieurs modules spécialisés pour la reconnaissance, l’analyse et l’interprétation du langage contribuent à la compréhension de la parole en partageant leurs hypothèses dans un espace commun structuré. Le Contract Net Protocol propose un mécanisme inspiré des appels d’offres : pour réaliser une tâche, un agent émet un appel à proposition, d’autres agents proposent leurs services, et les plus compétents se voient attribuer le contrat. Autrement dit la coordination entre agents est au cœur de l’IA depuis plusieurs décennies.

Un réservoir d’idées encore sous-exploité

Mais si l’idée d’agent n’est pas nouvelle, l’« IA agentique » s’impose aujourd’hui auprès des non-spécialistes en raison du rôle central joué par les grands modèles de langue. Bien que dénués de compréhension causale et de compréhension du monde physique, ceux-ci fournissent aux agents une capacité linguistique et une forme de « sens commun » statistique qui facilitent l’interaction avec les humains et l’interprétation d’instructions complexes en langage naturel.

Toutefois, l’IA agentique actuelle ne recouvre pas encore toute la richesse du concept d’agent autonome tel qu’il a été élaboré dans les décennies précédentes. Dans la pratique, elle repose encore le plus souvent sur une séquence d’actions où chaque étape est prévue et ordonnée à l’avance. Les travaux menés depuis les années 1990 sur les systèmes multi-agents qui portent sur la coopération, la négociation, l’allocation de tâches et l’adaptation collective offrent un réservoir d’idées encore largement sous-exploitées.

L’intégration de ces mécanismes avec les capacités des grands modèles ouvre pour demain des perspectives nouvelles : des agents capables non seulement d’exécuter un plan mais de s’organiser collectivement, de se spécialiser et de s’adapter à des environnements complexes.

L’IA agentique constitue ainsi une nouvelle étape plutôt qu’une rupture. Elle associe l’héritage théorique des systèmes multi-agents à la puissance récente des modèles génératifs. Comprendre cette filiation historique permet de dépasser l’effet de mode. L’IA agentique représente une tentative de transformer des modèles prédictifs en systèmes capables d’agir, de planifier et, peut-être demain, de s’organiser collectivement dans des environnements complexes.

Maxime MORGE a reçu des financements de Lyon 1 Université et CNRS, .

– ref. Qu’est-ce que l’« IA agentique » ? Comprendre son histoire pour dépasser l’effet de mode – https://theconversation.com/quest-ce-que-l-ia-agentique-comprendre-son-histoire-pour-depasser-leffet-de-mode-278682