publié initialement dans le Mag RH n°32 – octobre 2025 – numéro dédié au Learning Show
rédigé avec Marion Rébier – Beelearning
« On n’a pas le choix ! », « Il faut bien faire avec… », « Maintenant qu’elle est là… »… Ces phrases, vous les avez certainement lues et/ou entendues de nombreuses fois dans un contexte d’explosion de l’usage des IA génératives. Mais vous êtes-vous dit que vous pouviez tout à fait vous autoriser à ne pas aller dans le sens de la hype ?! Car les raisons à ne pas suivre le mouvement sont nombreuses. Parcourons-en quelques-unes afin d’affûter notre sens critique et de nous orienter vers des usages numériques plus responsables.
Les intelligences artificielles génératives (IAG) font fureur depuis trois ans. Pas une journée ne se passe sans que notre fil d’actualité ne présente des publications vantant les prouesses de tel ou tel outil. C’est tendance et tout le monde s’y met ! Tout le monde ? Eh non : une poignée de pédagogues est entrée en résistance.
Nous tâcherons d’expliquer ici pourquoi il nous est important de résister à cette vague, de faire preuve, plus que jamais, d’esprit critique pour interroger nos pratiques et le sens fondamental de nos métiers, tournés vers l’humain, ses apprentissages et donc son émancipation.
Ici pas de débat contradictoire : les promotions des IAG sont suffisamment nombreuses. Nous choisissons un regard centré sur les difficultés qu’elles soulèvent, que nous classons en trois grandes catégories : les difficultés environnementales, sociales et cognitives.
La première des difficultés soulevées par les IAG est la question environnementale.
Les impacts environnementaux des IAG sont très difficiles à chiffrer. Il y a en effet une véritable opacité sur les mesures qui pourraient être réalisées.
D’une part pour des raisons de secret industriel : permettre ces mesures, c’est rendre visibles les algorithmes, le fonctionnement même des LLM (Large Langage Model), ces modèles entraînés pour traiter de vastes étendues de données. Et ça, bien sûr, les structures qui les développent n’y ont pas d’intérêt. Le secret représentant un avantage concurrentiel.
D’autre part pour des enjeux de sécurité. Ces enjeux poussent en particulier les structures à cacher l’emplacement de leurs data centers. Impossible dans cette configuration de les cartographier et de mesurer leurs impacts.
Par ailleurs, les structures ont un enjeu de réputation à tenir. Il est toujours plus facile de réfuter des arguments qui ne reposent
sur aucune mesure fiable. Si le grand public était précisément au courant des impacts environnementaux des développement et
usages des IAG, on peut espérer que plus de protestations s’élèveraient dans cette course folle à l’IA.
Enfin, les IAG vont en effet vite, très vite : leur fonctionnement est optimisé pour des raisons d’économies et si des mesures ont pu être faites, elles sont vraisemblablement déjà obsolètes. (Luccioni, S., Gamazaychikov, B., da Costa, T. A., & Strubell, E. (2025). Misinformation by Omission: The Need for More Environmental Transparency in AI. arXiv preprint arXiv:2506.15572.)
C’est cette opacité qui fait que Sam Altman, co-fondateur d’OpenAI et co-créateur de ChatGPT, peut déclarer qu’il aimerait pouvoir
s’approprier toute l’électricité produite mondialement pour faire tourner ses LLM et qu’ils consomment très peu. Pour autant, il est
tout de même notable que Google a augmenté de 48% ses émissions de gaz à effet de serre (GES) ces dernières années, alors que leur trajectoire initiale semblait aller dans le sens de l’Accord de Paris (2015).
Bien que des mesures des impacts environnementaux des IAG manquent, nous pouvons tout de même proposer quelques points de repères.
Ressources utilisées
Le secteur numérique est exigeant en ressources nécessaires à la fabrication de ses infrastructures et de ses équipements, ce qui
était déjà le cas avant l’avènement des IAG.
Les réseaux, les data centers et plus encore nos équipements individuels ont une forte matérialité : ils sont notamment fabriqués avec des métaux, des énergies fossiles et de l’eau, extraits de la croûte terrestre. À titre d’exemple, la fabrication d’un ordinateur de 2 kg nécessite 800 kg de ressources, dont 600 kg de minerais (Lhotellier J., Less E., Bossane E., Pesnel S., ADEME (2018), Modélisation et évaluation des impacts environnementaux de produits de consommation et biens d’équipement).
Or, toutes ces ressources sont présentes dans l’environnement en quantités limitées. Il est donc nécessaire de les exploiter avec
parcimonie. En adoptant le comportement inverse, nous risquons de les épuiser et de ne plus pouvoir rien fabriquer.
Pour couronner le tout, nous assistons depuis plusieurs années au développement fulgurant des IAG, ce qui entraine un accroissement des besoins. La fabrication et l’utilisation des data centers, toujours plus nombreux et plus étendus, réclament de grandes quantités de ressources. En accélérant le développement des IAG et en intensifiant nos usages, nous contribuons donc
à l’intensification de l’extractivisme, à tel point que l’épuisement des ressources naturelles semble inéluctable.
Consommation d’eau
L’eau qui sert à fabriquer tous les équipements qui composent le numérique sert également à refroidir les data centers. En 2023, la
consommation d’eau des data centers de Microsoft a augmenté de 22% par rapport à 2022 (Microsoft, 2024, How can we advance sustainability? 2024 Environmental Sustainability Report) et Google enregistre une augmentation de 14% (Google, 2024, Environmental Report). Mistral AI a quantifié les impacts de l’entraînement de Mistral Large 2. En janvier 2025, après 18 mois d’utilisation, celui-ci a consommé 281 000 m3 d’eau, ce qui représente 91% de toute l’eau utilisée sur l’ensemble de son cycle de vie (Mistral AI, juillet 2025, Notre contribution pour la création d’un standard environnemental mondial pour l’IA).
Nous ne nous étendrons pas ici sur la nécessité absolue de préserver cette ressource naturelle précieuse dont nous manquons déjà, dans un contexte de réchauffement climatique lui-même aggravé par le développement des IAG. Car c’est en effet dans un véritable cercle vicieux que nous sommes entré·es.
Consommation d’énergie
Sur le plan de l’énergie, nous avons également quelques points de repères. Sopra Steria a par exemple publié un rapport : « IA & Environnement : sortir du brouillard informationnel ». On y apprend que la consommation électrique mondiale des data centers a bondi de 300-380 TWh en 2023 à 415 TWh en 2024. Elle pourrait avoisiner 945 TWh d’ici 2030 selon l’Agence internationale de l’énergie (AIE). D’ici à 2030, 30 à 60% de la consommation d’énergie des data centers serait dédiée à l’IA.
Or, toute cette électricité doit être produite. Le plus souvent, et à l’échelle mondiale, cela demande des énergies fossiles. C’est ainsi que l’électricité contribue à émettre des GES et participe au réchauffement climatique. Ainsi il a été calculé que l’entraînement du modèle d’IA BLOOM – un modèle en accès libre – émet de l’ordre de 50 tonnes de GES. Cela représente 10 fois plus que les émissions annuelles d’un Français (Ligozat A.-L., De Vries A., Polytechnique insights, 2024. IA générative : la consommation énergétique
explose).
L’usage massif de l’électricité pose aussi des questions d’arbitrage. S’il en faut toujours plus pour le développement et l’utilisation des IAG, quels autres usages de l’électricité nous faut-il diminuer ?
Conclusion
Bien qu’ils ne puissent pas être précisément mesurés, les impacts environnementaux du développement et des usages des IAG sont bien réels : sur les ressources disponibles, sur l’eau, sur la consommation d’énergie et donc sur les émissions de GES (Nitot T., Open Source Experience #4, 2024, L’humanité peut-elle s’offrir l’IA ? Licence CC-by-SA Creative Commons By SA 4.0 ; https://www.youtube.com/watch?v=SAk5U9EHikg&utm_source=substack&utm_medium=email).
Le second type de difficulté posée par le IAG est lié à l’humain.
Les IAG n’ont pas surgi un beau matin de nulle part ni d’une carte mère autonome. Elles ont besoin d’humains pour être développées. On les appelle les data workers : ce sont les personnes qui alimentent les IAG. Elles sont entre 150 et 430 millions dans le monde ! Rien de bien épanouissant que ce type de travail. Le plus souvent, il s’agit d’annoter des images, de valider ou invalider des textes. Cela apprend à l’IAG à affiner ses réponses. Elle peut ainsi poursuivre, sans fin, ses apprentissages. C’est ce travail de classification qui contribue à l’entraînement des IAG.
Précarité et santé mentale
Ce travail est particulièrement mal payé, souvent littéralement au clic (on appelle aussi les data workers « les travailleurs du clic »). Les structures qui développent des IAG utilisent la sous-traitance pour faire travailler ces data workers. La plupart du temps dans des pays en difficultés économiques : les pays dits du Sud global. L’écart entre les salaires, les conditions de vie des data workers et l’argent brassé par les structures qui développent les IAG est impressionnant. Cet écart est perçu comme socialement injuste. L’exploitation mise en place par ces conditions de travail est encore renforcée. En effet ces personnes sont dans l’impossibilité de se syndiquer ou simplement de se regrouper pour défendre leurs droits.
Au-delà des conditions matérielles de ce type de travail, mentionnons aussi les conditions psychologiques. Les données sur lesquelles oeuvrent les data workers (comme pour les personnes modératrices des réseaux sociaux) regorgent souvent de violences et de crimes de toutes sortes. Ces données permettent aux IAG de reconnaître ces contenus comme toxiques. Cette exposition à des contenus violents engendre des problèmes de santé mentale comme des états de stress post traumatique. Les employeurs refusent d’accorder du temps pour que les personnes puissent être accompagnées sur les plans psychologiques et
affectifs.
Les data workers sont également soumis à des clauses de confidentialité. Celles-ci contribuent à les isoler socialement et
entravent donc le recours à toute aide psychologique, de même qu’à toute défense de leurs droits sociaux. (France 2, 2025, Les
Sacrifiés de l’IA ; https://tube-educationphysique-et-sportive.apps.education.fr/w/jPHBBL4P5faBPzqVZUJ fuM?utm_ source=substack&utm_medium=email).
En parallèle de ce premier point lié à l’emploi, les IAG viennent fragiliser l’accès à l’emploi de bon nombre d’autres personnes. Toutes les tâches qui peuvent être confiées à des IAG ne le sont plus à des êtres humains. Que deviennent ces personnes qui deviennent inutiles dans le champ professionnel ? Y a-t-il pour elles de nouvelles opportunités proposées pour évoluer professionnellement vers d’autres tâches ? D’autres métiers ? Nous ne sommes pas sûres que les dispositifs aujourd’hui déployés pour l’accompagnement vers l’emploi se soucient de ces questions.
Propriété intellectuelle
Chaque prompt adressé à une IAG la conduit à compiler des contenus prélevés sur internet et qui constituent sa base de données. C’est ainsi que les IAG répondent aux prompts. Les personnes utilisatrices ont directement accès à la réponse fournie, mais pas d’accès direct aux sources. C’est l’inverse de ce qui se produit avec un moteur de recherche qui, en réponse à une question, propose une liste de sources à consulter, plus ou moins pertinentes. Avec les usages des IAG, nous perdons donc l’accès direct aux contenus créés, peu importe leur qualité. Que deviennent alors les créateurs et créatrices de contenus ? Et les rédacteurs et rédactrices de blog, qui vulgarisent leurs expertises pour les mettre à disposition ? Y a-t-il encore un intérêt à créer, à publier, à communiquer, si les personnes utilisatrices des IAG ne s’appuient que sur les réponses ainsi compilées ?
Par ricochet, ce point soulève également la question de la propriété intellectuelle des contenus publiés. Quels modèles de langage (LLM) des IAG sont en ce moment entraînés sur la base de ce que nous publions ici par exemple ? Quelle reconnaissance pouvons-nous obtenir de ces travaux s’ils sont absorbés par les IAG pour être rendus sans que nos noms ne soient cités ? Sans que les personnes utilisatrices n’aient un accès direct à nos productions complètes ? (Zlotykamien C., Debrun A., Sydologie, 2025, La production d’outils pédagogiques – l’IA et le droit d’auteur).
Vie en société
Enfin, les IAG ont des impacts sur notre manière de vivre ensemble. Le plupart des IAG sont entraînées sur des bases de données principalement anglo-saxonnes. Nous savons qu’elles reproduisent ainsi les biais de ces sociétés. De nombreux tests ont mis en évidence que les IAG démontrent un manque de diversité, des stéréotypes de genres, de considération de certains territoires et plus largement de toute nuance. Par exemple il n’y a pas de représentation du continent africain dans les bases de données aujourd’hui exploitées par les IAG (Julia L., Devoxx France, 2025, Luc Julia sans filtre : l’IA, la tech et les idées reçues ; https://www.youtube.com/watch?v=1BTsjznpUMU).
Construire ses réflexions sur la base des réponses fournies par des IAG contribue à ainsi renforcer ces biais et stéréotypes. Cela creuse nos incapacités à considérer l’autre dans sa singularité et ses nuances. Il y a là une contradiction fondamentale avec la posture de facilitation des apprentissages. Celle-ci nous pousse plutôt à accueillir l’autre inconditionnellement. Elle implique de se mettre à son écoute pour pouvoir lui permettre de s’émanciper par les savoirs et l’acquisition de compétences.
Conclusion
Emplois précaires et précarisés, absence de respect de la propriété intellectuelle et invisibilisation des créateurs et créatrices de contenus, perpétuation de biais cognitifs et de stéréotypes… Les impacts des IAG sont réels et ont des conséquences sur nos sociétés.
Le troisième type de difficultés posées par les IAG est d’ordre cognitif.
Et nous qui exerçons dans le champ de la formation sommes concernés au plus haut point.
Le recours fréquent à des IAG pour la rédaction a déjà des impacts cognitifs, en particulier sur l’esprit critique. Cet effet concerne particulièrement les personnes qui produisent des prestations intellectuelles et ont recours aux IAG pour rédiger. On peut faire le lien, par exemple, avec nos compétences à scénariser des activités d’apprentissage. Parce que l’IAG simplifie cette phase de créativité et de rédaction, l’effort cognitif fourni est moindre. Et moins nous le produisons, moins nous sommes capables de le produire et plus nos capacités d’analyse s’affaiblissent. (Lee, H. P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025, April). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. In Proceedings of the 2025 CHI conference on human factors in computing systems (pp. 1-22). CHI 2025, https://doi.org/10.1145/3706598.3713778.)
Nous pouvons ajouter à ce constat d’affaiblissement des capacités cognitives, l’affaiblissement de la créativité. Tout ce qui est produit par les IAG se base sur de l’existant, du déjà-imaginé. Il ne s’agit donc pas de création. Pas d’idée novatrice qui puisse alors surgir de l’usage des IAG !
Rappelons d’autre part que les IAG ne brillent pas par leur fiabilité. Entraînées à répondre statistiquement à des questions, elles piochent dans leurs données des assertions vraies ou fausses. Si le faux l’emporte en nombre sur le vrai, elles se font alors l’écho de réponses erronées.
Hallucinations
Il reste encore ces fameuses hallucinations. Les IAG ne sont pas entraînées à dire « non, je ne sais pas ». Elles doivent fournir un résultat. Manque de chance : parfois il n’y a pas de données qui leur permettent de répondre aux prompts. Alors les IAG inventent, sur le modèle de ce qu’elles connaissent. Elles produisent des résultats qui donnent le change. Elles conçoivent ainsi de fausses informations, parfois également de fausses sources. Ce problème a déjà causé des difficultés, juridiques notamment, suite à des recherches de jurisprudence réalisées par des avocats en vue de leurs plaidoiries (https://ici.radio-canada.ca/nouvelle/2169646/intelligence-artificielle-invention-affaires-justice). Tenir pour acquis les réponses des IAG, sans vérifier par soi-même, expose ainsi à des erreurs potentiellement comiques, si tant est qu’elles ne prêtent pas à conséquences fâcheuses.
Ces deux derniers constats vont à l’encontre de la quête de connaissances qui introduit souvent notre visée de développement des compétences. L’usage des IAG provoque ainsi une perte de raisonnement critique, un affaiblissement de nos capacités créatives et renforce la diffusion de contre-vérités.
Conclusion
Ce panorama des problèmes posés par les IAG est incomplet. Nous n’y avons pas abordé les enjeux de souveraineté et de sécurité des données qui concernent pourtant directement toutes nos entreprises et donc nos usages professionnels des IAG.
Les valeurs que nous plaçons au cœur de nos pratiques de formation sont centrées sur le respect de l’être humain, de toutes ses conditions de vie et donc d’apprentissage. À ce titre, les impacts environnementaux, sociaux et cognitifs du développement et des usages des IAG nous inquiètent.
Nous proposons de questionner systématiquement les potentialités que les IAG offrent au regard des impacts qu’elles entraînent. Nous postulons que les gains de productivité proposés ne surpassent pas ce que nous avons à gagner en prenant soin de notre humanité et de l’environnement qui l’héberge. Par conséquent nous proposons de nous passer le plus possible des IAG.
Et si on faisait encore sans ?