A la recherche de la Gouvernance des Systèmes d'Information perdue

Un jours de mai 2008 trois messieurs ayant chacun une longue expérience de l'informatique et des problèmes qu'elle pose déjeunaient ensemble. Il s'agit d'Almiro de Oliveira, Christophe Legrenzi et Claude Salzman. Ils constataient d'un commun accord qu'une grande partie des difficultés que les entreprises et les administrations rencontrent en informatique étaient due à une vision trop parcellaire et à une gouvernance faible. 

En effet on s'intéressait surtout aux fonctionnement de l'informatique : gestion des centres de traitement, télécommunication, sécurité (cybersécurité), gestion des projets et de la maintenance, ... Dans ces conditions la gouvernance concerne l'application des bonnes pratiques que la DSI doit mettre en oeuvre. C'est la gouvernance de l'IT (Information Technology). Mais cet approche atteint assez vite ses limites car elle ignore les utilisateurs, les grands processus, le management et la direction de l'entreprise. En gros c'est le Système d'Information (SI). Pour être efficace il est donc nécessaire d'avoir une vision large couvrant l'ensemble du système d'information de l'entreprise ou de l'administration. C'est la gouvernance des systèmes d'information.

Nous avons donc décidé de rédiger ensemble le Manifeste de la Gouvernance des Systèmes d'information, ci-dessous, et de créer un Club Européen de la Gouvernance des Système d'Information. Le Manifeste date d'Octobre 2008 et en le relisant 17 ans plus tard je trouve qu'il reste, hélas, toujours d'actualité. Les péripéties du Ministère de l'Intérieur, ci-dessous, l'illustre parfaitement.

                                                                                            Claude Salzman

MANIFESTE POUR LA GOUVERNANCE DES SYSTEMES D'INFORMATION

1. Dans une économie quaternaire dominée par le secteur de l'information et de la connaissance (Bell, Machlup, Porat et d'autres), le management de l'information émerge comme un nouveau facteur de distinction et de différentiation, source d'avantages compétitifs tant pour les entreprises que les organisations publiques, dans un contexte de globalisation accélérée.

Dans une économie post-industrielle, le 4ème facteur de production est le secteur de l'information. Alors que dans la société industrielle, les coûts de revient comprenaient essentiellement les équipements, le travail et d'autres coûts liés au capital, les coûts des systèmes d'informations doivent y être ajoutés de manière explicite. 

Ainsi, la connaissance des coûts et de la valeur de l'information permet de prendre en compte la variété des problématiques de management de l'information et concourt aux Bonnes Pratiques de la Gouvernance des Systèmes d'Information. 

2. Au même moment, les organisations profitable et non-profitables deviennent de plus en plus des Organisations Basées sur l'Information (OBI), cela signifie qu'elles reçoivent, produisent, stockent, consomment et utilisent de plus en plus d'informations comme un constituant de base, assimilable à une matière première, des processus de production et de gestion des activités. 

3. Les organisations doivent faire face à de nouveaux problèmes : l'information émerge comme une ressource économique et mesurable, et le manque (l'absence) de solution adaptée fournie par les modèles traditionnels des organisations pour assurer le contrôle et le pilotage de l'information. 

4. Cependant, il est possible de trouver et déterminer des solutions pertinentes permettant d'aligner le management et le contrôle de l'information (comprenant toutes les ressources consommées tout au long de la chaîne économique pendant les opérations de la production, du stockage et de la distribution) avec l'organisation et ses processus, qui doivent être cohérentes et alignées avec l'émergence de la principale ressource de nos jours, l'information. 

5. Ainsi il est inévitable de définir, de créer et d'intégrer dans les architectures traditionnelles des organisations une nouvelle fonction adaptée à la nouvelle manière de faire des affaires.

Cette nouvelle fonction doit prendre en charge :

- Le management de l'information ;

- Le management des technologies de l'information ;

- Les problèmes liés à l'efficacité des processus de décision et de l'efficacité des affaires ;

- Les autres ressources combinées dans le processus de l'information.

6. Cela veut dire que tous les problèmes liés aux informations, et toutes les ressources utilisées (combinées de façon à produire, à stocker et rendre disponible les informations nécessaires pour prendre les décisions aux différents niveaux du management des organisations profitables et non-profitables ) doivent être :

- Planifié ;

- Organisé ;

- Piloté ;

- Coordonné ;

- Contrôlé :

grâce à une nouvelle fonction (le management des systèmes d'information) appliquant les règles de la gouvernance. 

7. On observe que les différents postes de travail consomment de plus en plus d'informations. Le contenu des postes de travail évolue et la part de la gestion de l'information est sans cesse croissante. Il est possible de mesurer le Taux de Participation du Système d'Information (TPSI ou en anglais Information System Participation rate (ISPr)). C'est un indicateur permettant d'évaluer le degré de maturité du contenu des postes de travail.

8. On constate que ceci se traduit par une augmentation significative du poids économique des systèmes d'information. Ils représentent une partie significative de la valeur ajoutée créée par les entreprises et les administrations. En moyenne, ils représentent 15 à 20 % du chiffre d'affaires des entreprises, soit environ  50 % de la valeur ajoutée générée par les entreprises. Mondialement, cela représente un montant de l'ordre de 20.000 à 25.000 milliards de dollars.

Le développement des systèmes d'information permet d'augmenter la valeur ajoutée créée et donc le PIB. C'est le sens de la déclaration de Lisbonne en 2000 qui prévoyais de développer "l'économie de la connaissance" qui est une partie des systèmes d'information. L'investissement dans les systèmes d'informations est un moteur clé de la croissance économique.

La maîtrise des systèmes d'informations passe par la maîtrise des processus. Il est pour cela recommandé de mettre en place dans les entreprises et les administrations des responsables de systèmes d'informations chargés de les piloter et de les développer.

9. Finalement, nous devons avoir pour objectif d'analyser, de débattre, et de concevoir la GSI, Gouvernance des Systèmes d'Information en anglais c'est l'ISG (Information Systems Governance). Elle a pour but de définir quels sont les principaux objectifs, les fonctions et les tâches pour alimenter la nouvelle fonction du management de l'information. Nous devons étudier et proposer de nouvelles solutions, pour positionner cette nouvelle fonction dans l'architecture des modèles d'organisation et notamment de mettre en place des tableaux de bord des systèmes d'information.

10. Plan d'action du Manifeste. 

I. Pour le management supérieur et les directeurs généraux

• Les Systèmes d'information et le Management de l'Information sont critiques pour le niveau d'activité des organisations et même pour leur survie.

• Les Systèmes d'Information et le management de l'information sont critiques pour la réussite des organisations et leur développement.

• L'information est une des ressources stratégiques les plus importantes de l'entreprise car elle permet de produire plus de valeur.

• La gouvernance des systèmes d'information doit prendre en compte l'analyse des processus, la rédaction des procédures et la démarche à suivre et la nouvelle manière d'effectuer les travaux et les tâches.

II. Pour les DSI

• Considérer que la gestion de l'information est le cœur de leur métier et de leur mission. La technologie n'est que le moyen et n'est pas la fin.

• Affirmer que l'information doit être managée comme un véritable actif.

• Développer toutes les tâches et les activités de façon à arriver à un haut niveau de qualité de l'information.

• De se concentrer sur la production et la disponibilité de la valeur ajoutée obtenue par le développement des systèmes d'information.

III. Pour les Directeurs informatiques

• Les responsables informatiques doivent mettre au cœur de leur démarche le développement des systèmes d'information.

• Il faut faire moins de techniques et plus de management des systèmes d'information.

• La maîtrise des systèmes d'information passe par la maîtrise des processus informatiques notamment des processus informatiques comme les projets, la maintenance, les services, l'exploitation. 

• La mise sous contrôle des systèmes d'information avec les responsables des principaux processus de l'entreprise et un tableau de bord par processus permettant de suivre leur efficacité.

IV. Pour les parties prenantes et les utilisateurs finals (Stakeholders et end-users)

• Promouvoir l'architecture des systèmes d'information en adoptant le modèle client-serveur pour toutes les personnes au sein de l'organisation.

• De promouvoir la conception et la mise en place des systèmes d'information tout en tenant compte de leurs besoins pour effectuer pleinement leur travail.

• De stimuler et de contrôler le principe des analyses coût efficacité  dans la production et dans la mise à disposition des processus concernant la gestion des informations.

• Faire la différence entre les données, l'information et la connaissance. 

V. Pour les universitaires

• Dénoncer l'identification couramment effectuée entre le contenu des cours et les messages se trouvant dans les discours marketing des fournisseurs de produits de technologies informatiques.

• Les cours d'enseignements doivent éviter les mots à la mode des fournisseurs des technologies de l'information.

• Séparer scientifiquement et de manière rigoureuse les problèmes des technologies de l'information de ceux qui relèvent des systèmes d'information. 

• Développer une caractérisation claire et rigoureuse des notions de Système d'Information du Management, de Management des Systèmes d'Information, de Management de l'Information, la fonction de DSI, de Directeur Informatique et la Gouvernance des Systèmes d'Information.

• Montrer la grande différence entre les fonctions de management et les travaux de dactylographie, même assisté avec un ordinateur.

VI. Pour les responsables politiques et les dirigeants de l'administration publique

• Démystifier et démythologiser les concepts de la Société de l'Information et la Société du Savoir.

• Les technologies de l'information et la technicité des technologies de l'information peuvent être utilisées d'une bonne ou d'une mauvaise manière et ne sont jamais la solution aux problèmes rencontrés. Ils ne sont et ne peuvent qu'être des outils.

• Accepter qu'un grand nombre de produits des technologies de l'information sont réellement des absurdités, des non-sens, des utopies, des chimères et des fantaisies. 

• Pour conclure qu'il n'y a pas d'évidence scientifique pour affirmer un lien de causalité souvent affirmé pour établir un lien entre l'informatique, la productivité et la compétitivité de l'organisation.

• Nommer dans chaque pays européen un Ministre des Systèmes d'Information et mettre en place un Conseil Européen chargé de fixer des orientations concernant les opportunités concernant le développement du Système d'Information et de mettre en œuvre une Gouvernance des Système d'Information.

 

Article du Monde du 4 décembre 2025 illustrant parfaitement les défauts de gouvernance des systèmes d'information au travers des péripéties qu'a connu le Ministère de l'Intérieur français avec un projet de saisie des PV de police qui a coûté 257 millions d'euros, a duré 10 ans pour aboutir à une application totalement inutilisable. Vous avez dit Gouvernance des Systèmes d'Information !

Le crétin artificiel

par Bernard Quinio

Les IA, surtout les IA génératives, sont, de plus en plus, capable de faire le travail à notre place. C’est une bonne chose mais cela pose de nombreuses questions. Qui fait le travail le plus intelligent, le plus créatif, le plus sympathique : l'IA ou l'humain ? Quels sont ces conséquences sur les humains, sur les connaissances et finalement sur l’organisation des entreprises et des administrations ?

Il y a quelques années Michel Desmurget alertait dans un livre prémonitoire : « La fabrique du crétin digital » sur les risques induits par les écrans sur les enfants. Il signalait leurs effets négatifs sur le développement des jeunes enfants notamment en ce qui concerne sur leur capacité à avoir des interactions avec les humaines, sur leur langage et leur capacité de concentration.

Aujourd’hui le développement de l’Intelligence Artificielle et notamment de l’Intelligence Artificielle générative remet le sujet en avant. Elle va avoir des effets considérables non seulement sur les enfants mais aussi sur les adolescents et sur les adultes. Il est urgent de s’en occuper. Pour y arriver il est nécessaire d’analyser ce qui se passe dans la relation entre les humains et les systèmes d’Intelligence Artificielle Générative puis de trouver des solutions. Cependant, il ne faut pas pour autant verser dans le pessimisme le plus noir. Les IA Génératives ont des effets positifs considérables notamment en facilitant l’apprentissage, en permettant d’automatiser de nombreuses tâches, en faisant une synthèse sur un sujet particulier, en traduisant des textes écrits dans différentes langues, en suggérant des idées et des démarches nouvelles, … L’IA Générative est un fantastique outil d’enseignement et de recherche et d’amélioration de l’efficacité du travail dans les entreprises et les administrations.

Mais en même temps les systèmes d’IA Générative souffrent d’un certain nombre de problèmes comme les biais, les hallucinations, les effets de la consanguinité, … qui peuvent perturber les utilisateurs. Pour éviter ces risques il est indispensable de mettre en place des gardes fous et notamment de prendre des mesures afin de rendre l’IA Explicable et ainsi éviter les effets de boîte noire. Il est certain que l’on ne retrouve pas la même difficulté à expliquer les résultats obtenus dans le cas des autres applications informatiques. Les chiffres obtenus à l’aide d’Excel ne sont pas inexplicables. Ils peuvent être faux mais assez vite on sait quelle en est la cause. Ce n'est pas le cas avec l’Intelligence Artificielle Générative. 

Mais à côté de ces défauts il existe un effet encore plus redoutable : c’est l’impact de l’IA Générative sur le raisonnement. On craint que des pertes de compétences peuvent survenir. Il y a quelques décennies, lors de la généralisation de l’emploi des calculatrices, nous avions déjà constaté chez les enfants une perte de leurs capacités de calcul mental. On a observé plus récemment que la génération Z a perdu le sens des ordres de grandeurs. N'est-ce pas inquiétant ? Certain dirons qu’en fait ce n’est pas si grave. Cependant, la généralisation de l’Intelligence Artificielle Générative fait apparaître un phénomène de ce type mais avec des effets considérablement plus fort. Il semble qu’il y a un risque de perte de capacité intellectuelle, c’est-à-dire d’intelligence. Dans ces conditions serons-nous encore capable de réfléchir seul ?

Ceci nous amène à nous interroger sur la nature de l’intelligence ? En fait il n’y a pas de définition claire de cette notion fondamentale. Les psychologues en discutant depuis des années sans arriver à se mettre d’accord et on ne sait toujours pas la mesurer de façon pratique. A la capacité d’avoir un raisonnement logique s’ajoute en effet une certaine dose de créativité, une capacité de mémorisation et surtout un esprit critique. Un bon raisonnement est le résultat de ces différents facteurs. Dans ces conditions mesurer l’impact de l’IA Générative sur l’intelligence n’est pas une opération évidente.

De nombreuses études montrent les risques de l’Intelligence Artificielle Générative

Une étude récente de la FNEGE sur l’attitude des étudiants face au l’IA Générative, et notamment face à ChatGPT, montre que 80 % d’entre eux utilisent régulièrement et massivement. En dehors de la rédaction des devoirs et des mémoires ils s’en servent pour effectuer beaucoup de choses différentes comme la recherche de données, une meilleure compréhension du cours, la recherche de citations, le développement d’idées innovantes, le cheminement de la réflexion, la création d’images, … Ils sont conscients des risques de l’IA Génératives comme la perte de compétences, la disparition de leur esprit critique, la perte de l’habitude de faire des efforts, … Mais, en pratique, ils ont du mal à prendre leur la distance face aux productions des IA Génératives et même après une mise en garde des enseignants ils éprouvent une grande difficulté à prendre la distance nécessaire. Ce constat doit être mis en relation avec un autre phénomène préoccupant récemment observé : la rapide perte d’attention des étudiants au-delà de 15 minutes. Enfin, l’emploi massif des IA Génératives a comme conséquence qu’aujourd’hui les enseignants ne savent plus vraiment de quelle manière ils peuvent évaluer les étudiants.

Différentes études confirment ces constatations notamment une recherche faite par Microsoft en 2025 sur la base de 319 réponses à une enquête qui montre que l’usage des IA Génératives est associé à une pensée moins critique. De même une étude du MIT sur un échantillon de 54 personnes suivie durant 4 mois montre que les personnes qui utilisent ChatGPT sous-performent systématiquement par rapport aux personnes qui n’y recourent pas. Pire : 83 % des utilisateurs sont incapables de se rappeler les opérations qu’ils ont effectuées quelques minutes auparavant ! On constate ainsi une perte des capacités de mémorisation qui est à relier probablement à la perte des ordres de grandeurs déjà constaté.

D’autres études montrent que les utilisateurs développent une dépendance à l’outil qui se traduit par une certaine paresse à rechercher les connaissances (vous trouverez dans les slides ci-dessous la référence de ces études et des articles qu’il est intéressant de consulter). Ceci est probablement dû à l’absence d’effort pour produire un résultat particulier. 

On constate aussi un problème d’honnêteté intellectuelle car beaucoup de personnes pensent que si le système d’IA Générative l’a dit, c’est que c’est vrai. En fait, on constate qu’il y a une sorte phénomène de délégation cognitive qui se traduit par des pertes des compétences et donc une réduction de l’autonomie intellectuelle. Ceci explique en grande partie l’absence d’esprit critique constatée. 

Pour en revenir à l’Université on constate des attitudes très variées des étudiants : une majorité d’entre eux perdent une partie de leurs capacités intellectuelles à cause de l’emploi de l’IA Générative et ils sont donc diminués alors qu’une minorité d’étudiants voient au contraire leurs performances augmentées car ils ont su préserver leurs capacités de compréhension, leur créativité et surtout leur esprit critique. Mais derrière cette fracture cognitive on distingue une facture éthique qui risque d’avoir avec le temps un très fort impact. L’usage croissant de l’IA Générative pourraient mener à terme à une uniformisation des métiers et des identités professionnelles. 

En effet avec l’application de l’IA Générative dans le domaine de l’éducation on va pouvoir individualiser les parcours des étudiants. Ceci fait qu’ils ne sont plus ensemble pour travailler et ceci va se traduire par la perte du sens de la communauté. Finalement on va perdre les communs. Enfin, la dépendance croissante à ces outils va se traduire par des comportements curieux. Ainsi on constate une réticence croissante à apprendre des langues étrangères car les systèmes d’IA traduisent sans peine et instantanément toutes les langues. 

Apprendre à vivre avec l’Intelligence Artificielle Générative

Dans ces conditions il est nécessaire de s’organiser pour résister à la tempête qui s’annonce. On doit pour cela commencer à distinguer le cas des professionnels formés et celui des étudiants en cours de formation. De même dans l’entreprise il va être nécessaire de gérer de manière spécifiques les débutants et de redéfinir le rôle des séniors. On peut penser que cela va entrainer dans les années à venir de grands changements.

Il faut le rappeler que l’IA Générative est un puissant outil de travail entre des mains expertes. Ainsi, dans le cadre des activités scientifiques elle est capable de prendre en charge de nombreux travaux. C’est un collaborateur fiable, efficace et discret. Il en est de même dans de nombreuses autres fonctions de l’entreprise comme la gestion commerciale, le marketing, les finances et la comptabilité, la logistique, le juridique, la recherche et développement, ….

Mais il y a actuellement trop de montreurs de marionnettes qui racontent des fables à ce sujet, sortent des bancs d’essais biaisés et minimisent les limites de cet outil. Ils annoncent le grand remplacement des hommes par les machines. 

En vérité on va probablement arriver à un mode de collaboration efficace et équilibré en développant une sorte d’hybridation entre les hommes et l’IA Générative de façon à arriver à un humain augmenté. Ceci va nécessiter de revoir les compétences et les qualifications en recourant à des outils comme la classification de Bloom (voir slide 33). Ces changements vont avoir des conséquences importantes dans le domaine de la gestion des compétences. Ceci va imposer aux RH une nouvelle approche. Ses responsables vont devoir renforcer leur dialogue avec les différentes parties prenantes et en particulier avec les DSI. 

Ce texte est un résumé de la conférence faite par Bernard Quinio au Club de la Gouvernance des Systèmes d’Information le Mercredi 5 Novembre 2025 sur le thème « Le crétin artificiel ». Elle a permis de faire le point sur ce sujet et de répondre à quelques questions clés comme :

- Qui fait le travail le plus intelligent, le plus créatif, le plus sympathique : l'IA ou l'humain ?

- Quelle perte de compétences pouvons-nous anticiper ?

- Saurons-nous toujours raisonner si les IA le font pour nous ?

- Qui va subir ces pertes de compétences ? 

- Un expert peut utiliser une IA générative car il sait faire une analyse critique, mais un jeune non formé ? Sans faire des gammes, peut-on être concertiste ?

- ….

Lire ci-dessous le support de la présentation de l’exposé de Bernard Quinio :

                                                                                                    Slide

1. Les concepts de base de l’Intelligence Artificielle    3

2. Ce qu’on peut très bien faire avec l’IA            7

3. Quelques petits problèmes            9

4. L’Impact des Intelligence Artificielle sur le raisonnement  14

5. Différentes études sur l’impact de l’Intelligence Artificielle 17

6. Comment résister à cette tempête         28

L’IA générative, système dialoguant sans sujet ni conscience

D’après la conférence faite par Henri Gilabert le 24 septembre 2025 au Club de la Gouvernance des Systèmes d’Information 

Henri Gilabert a eu la curieuse idée de demander à ChatGPT et Gemini quel sont les causes des hallucinations en se présentant comme un philosophe. Ils reconnaissent l’existence des hallucinations et expliquent ce qui les produit. Cependant Gemini n’arrive pas à expliquer leurs conséquences. Les réponses de ChatGPT sont intéressantes et pertinentes (voir les premières conclusions écrites par Henri Gilabert dans la deuxième fenêtre ci-dessous).

ChatGPT explique ces dérives en citant plusieurs philosophes comme Derrida, Lyotard et Wittgenstein mais surtout il avoue que : « le langage n’a plus besoin du réel pour fonctionner. Il suffit qu’il se boucle sur lui-même, qu’il produise du plausible, du cohérent, du consommable. » Parole d’ordinateur ! Dans ces conditions on comprend mieux comment sont possibles les hallucinations des IA génératives. Ceci amène à s’interroger sur la véritable nature d’une IA générative.

Fort de ce premier succès pour en avoir le cœur net Henri Gilabert décide de pousser le test en demandant à ChatGPT de « faire une synthèse philosophique de l’éthique sur laquelle est fondée l’AI Act de l’UE ». La question n’est pas simple et la réponse n’est pas évidente. Immédiatement ChatGPT répond immédiatement un texte étonnant : « l’IA Act représente un effort singulier pour incorporer des principes philosophiques (dignité, autonomie, justice, transparence) dans un cadre juridique opérationnel. Qu’il mêle une éthique fondée sur les droits, une approche fondée sur les risques, et une techno-règlementation pragmatique. » Etonnante réponse venant d’un ordinateur !

Pour comprendre ce qui s’est passé et la manière qui a permis à ChatGPT de sortir de son discours habituel basé sur la somme des opinions majoritaires il a été nécessaire de voir comment il a forcé le LLM pour lui permettre de sortir de sa démarche habituelle. Il a pour cela mis une série de demandes l’obligeant à aller chercher dans des points de vue minoritaires qui sont généralement ignorés. Ceci a été possible par la mise en œuvre d’un protocole rigoureux en 7 points détaillé sur le slide 11 (voir ci-dessous dans la première fenêtre). Il oblige ChatGPT à travailler de manière différente. Henri Gilabert a alors entamé un long dialogue philosophique qui a duré des dizaines d’heures pour « mettre en tension » les différents points de vue majoritaires et minoritaires et à amener le LLM à mieux cerner les concepts sous-jacents.

Au cours de ses échanges a été abordé le délicat problème de l’influence des algorithmes des réseaux sociaux sur les comportements des utilisateurs. En travaillant sur les concepts mis en œuvre Henri Gilabert et ChatGPT ont fini par codéveloppé un concept original dérivé d’une notion inventée par Jean-Paul Sartre « d’être pour autrui » qui est celui de « l’être-pour-l’algorithme ». Ce terme « désigne la modalité d’existence par laquelle un sujet se constitue en s’exposant à un regard machinique et impersonnel. Il est caractérisé par une temporalité différée et partiellement maîtrisée : l’individu choisit quand et comment il se montre, mais toujours sous des contraintes normatives invisibles. » Cela vous semble très abstrait et un peu obscur pourtant vous observer en permanence sur Internet et notamment sur les réseaux sociaux ce type de comportement. Certaines personnes, généralement bien élevées, écrivent dans l’intimité de leur clavier-écran des propos violents, orduriers et racistes qu’ils ne tiendraient pas dans la vraie vie.

La démarche suivie par Henri Gilabert montre que l’approche originale suivie a permise d’obliger ChatGPT à sortir de sa démarche habituelle. Il a été permis par le biais d’un dialogue original de dégager des idées originales. Henri Gilabert considère que c’est « une rupture épistémologique ». C’est-à-dire que la nature du discours produit par le LLM a changé de manière radicale.

 

Comment expliquer cela. Comme chacun le sait, les IA génératives génèrent habituellement un texte contextuellement adapté au propos de l’utilisateur et stylistiquement cohérent mais ce qu’il dit n’est pas forcement la vérité. Ce ne sont que des propos vraisemblables. Ceci contribue le curieux phénomène des hallucinations. Mais, en le forçant le LLM et en lui imposant des contraintes fortes, Henri Gilabert le force à changer de comportement et va chercher dans sa prodigieuse mémoire des notions et des concepts qui, jusqu’alors, n’étaient pas en avant. On assiste alors à un dialogue original entre le LLM et l’utilisateur ce qui permet d’affiner la pensée de ce dernier.

 

Cette rupture est liée à la nature d’une IA générative. C’est un système qui parle sans sujet ni conscience. Il ne pense pas, mais produit pourtant un discours cohérent et convaincant, notamment avec les dernières générations de LLM. Ce n’est plus simplement un système machine-donnés-logiciel qui répète ou calcule, mais elle devient autre chose : une surface d’écho, un opérateur syntaxique, un système mimétique discursive capable de simuler le dialogue humain avec une intensité nouvelle. Henri Gilabert parle dans ce cas « d’interface maïeutique ». D’où vient ce saut qualitatif ?

 

Si cette illusion fonctionne, jusqu’où peut aller ce simulacre ? Qu’est-ce que ces systèmes révèlent, non pas sur la machine, mais sur nous : sur notre rapport au langage, à la pensée et à l’autre ? Les machines parlent-elles… ou faisons-nous parler les machines ? Quand l’interlocuteur n’existe pas, que devient l’échange ? On n’a pas fini d’être étonné par les possibilités des LLM et notamment de ChatGPT.

  

Ce texte est un résumé de la conférence faite par Henri Gilabert au Club de la Gouvernance des Systèmes d’Information le Mercredi 24 Septembre 2025 sur le thème : « L’IA générative, système dialoguant sans sujet ni conscience » avec comme sous-titre : « Les échanges avec l’Intelligence Artificielle Générative ». Elle a permis de faire le point sur ce sujet et de répondre à quelques questions clés comme :

-        Comment les LLM expliquent leurs hallucinations ?

-        Comment les LLM voient les conséquences de leurs hallucinations ?

-        Est-ce que le fait que l’interlocuteur humain se déclare philosophe à une influence sur les LLM ?

-        Pour quelles raisons ChatGPT va alors plus loin et sort des explications classiques qu’il donne dans un premier temps pour aider à faire émerger des concepts nouveaux ?

-        Comment expliquer ce saut qualitatif ? Est-ce une rupture épistémologique ?

-        Est-ce que les LLM sont capables de tenir un discours philosophique de qualité et pourquoi ?

-        Est-ce le début d’une vraie intelligence des LLM ?

-        Quel est le rôle de « l’interface maïeutique » qui a été réalisé ?

-        …

 

Lire ci-dessous le support de la présentation de l’exposé de Henri Gilabert :

Slide

1.      Mes échanges avec Gémini et ChatGPT sur les hallucinations            3

2.      Mes échanges avec ChatGPT sur l’IA Act                                           6

3.      Premières conclusions                                                                        10

4.      Le dialogue comme événement dialectique                                       12

5.      Conclusion finale                                                                               13

 

 

Et lisez les premières constations faites par Henri Gilabert après avoir demandé à Gemini et à Chat GPT pour quelles raisons ils commettaient des hallucinations :

https://docs.

 

 

Regards croisés sur les IA Génératives dans l’Enseignement Supérieur en Gestion : Panorama des pratiques et perspectives des IAG

                               D’après la conférence faite par Bernard Quinio le 6 novembre 2024

On assiste depuis 2 ans à une explosion des usages des systèmes d’Intelligences Artificielles Génératives (IAG). Après le raz de marée de ChatGPT on a observé l’apparition de nombreux autres systèmes concurrents comme Gemini, Claude, LLaMA, Perplexity, … Et puis il y a aussi les IAG créateurs d’images comme Dall-E, Midjourney, … On a aussi constaté qu’un certain nombre d’entreprises utilisent Copilot de Microsoft et GPT-4 d’OpenAI et avec ces systèmes elles ont développé de nombreuses applications. 

L’enseignement supérieur est directement impacté par ces technologies. Elles sont de plus en plus utilisées dans les Universités et les Ecoles. Elles vont avoir un impact profond sur les méthodes pédagogiques et les outils utilisés. On observe une évolution des méthodes de travail des étudiants et des enseignants et ceci va probablement les transformer de manière significative.

Les étudiants ont très vite vu l’intérêt de ces systèmes et les ont immédiatement et massivement utilisés avec enthousiasme. Au contraire les enseignants, de leur côté, ont vite perçu les risques de fraudes et de mauvais usages de ces outils. C’est probablement la fin des cours d’amphi traditionnels et la remise en cause des mémoires de master. On note aussi que la diffusion des IAG se traduisent par des préoccupations éthiques et réglementaires, des débats sur la protection de la vie privée, sur les risques de désinformation, sur la sécurité des données, sur le coût de leur utilisation et sur leurs impacts écologiques.

Cependant leur emploi a aussi des aspects très positifs. Les IAG permettent, par exemple, d’aider les étudiants à mieux comprendre le cours en reprenant les notions mal comprises, à s’entraîner quand ils veulent et où ils veulent en échangeant avec une IAG.

L’enquête sur les usages des IAG : première partie de l’enquête FNEGE

Pour mieux comprendre ce qui se passe la FNEGE a lancé une étude sur l’impact des IAG qu’elle a confié à trois enseignants : Alain Goudey, Philippine Loupiac et Bernard Quinio avec deux objectifs :

1. Dresser un état des lieux des pratiques actuelles liées aux IAG dans l’enseignement supérieur en gestion.

2. Proposer des pistes de réflexion pour une adoption critique, positive, éthique et rigoureuse des IAG par les étudiants et les professeurs.

Bernard Quinio a présenté le 6 novembre 2024 les résultats de cette étude au Club de la Gouvernance des Systèmes d’Information. Il faut noter que les évaluations scientifiques objectives des usages des IAG sont rares. Au-delà du cas particulier de l’enseignement supérieur en gestion on notera que cette démarche permet de se faire une idée sur l’impact réel de ces technologies sur les organisations en place.

Depuis le deuxième volet de l’étude FNEGE est sorti qui détaille les expérimentations des établissement d’enseignement les plus avancés dans l’usage des IAG. De nombreux exemples d’utilisation pédagogiques de ces outils y sont présentés.

L’enquête a été conduite au cours du premier trimestre 2024 et elle a permis de recueillir les avis de 668 étudiants, de 204 professeurs et de 29 directeurs d’école ou d’université du domaine de la gestion : le management, le contrôle de gestion, les systèmes d’information, le marketing, la communication, les ressources humaines, …

En matière d’adoption des IAG les réponses font apparaître des différences significatives de comportement entre les étudiants et les enseignants :

• Les étudiants utilisent massivement des IAG : 

o 45 % des étudiants utilisent les IAG régulièrement ou très fréquemment, 

o 50 % les ont utilisées pour au moins d’un quart pour faire leurs travaux. 

o 12 % les ont utilisées pour plus de trois-quarts de leurs travaux.

o Seulement 7 % des étudiants ne les utilisent jamais.

• Les enseignants sont nettement plus prudents : 

o 44 % des professeurs n’utilisent jamais ou très rarement les IAG, 

o Seuls 6 % des professeurs les utilisent très fréquemment.

Ces différences de comportement sont très significatives du processus d’adoption d’une nouvelle technologie.

Le système d’IAG le plus souvent utilisé est ChatGPT et notamment la version gratuite. Il est cité par 89 % des professeurs et 94 % des étudiants.

Les autres systèmes sont nettement moins souvent cités. Or ce sont des systèmes nettement plus performants que la version gratuite de ChatGPT. Ce sont notamment : Claude 3 Opus, Mistral Large, Ultra 1.0 Google Gemini ou ChatGPT 4o. Les versions payantes de ChatGPT ne sont utilisées que par 27 % des professeurs et 19 % des étudiants. Les outils de production d’images sont moins couramment utilisés : Dall-E est utilisé par 25 % des étudiants et des professeurs et Midjourney est cité par 20 % des personnes. Les autres systèmes d’IAG, telles que Quillbot, Perplexity, Claude d’Anthropic ou Stable Diffusion sont utilisés par moins de 10 % des utilisateurs.

Pour apprécier l’impact des IAG il est nécessaire d’identifier leurs utilisations. Les étudiants les utilisent surtout pour collecter rapidement des données et les analyser, mais aussi ils s’en servent pour les aider au développement d’idées créatives, et pour mieux comprendre les cours et pour rechercher des textes utiles. 

Les enseignants les utilisent pour développer des contenus pédagogiques, traduire et adapter des contenus, créer des exercices et rechercher des données et de les analyser. Comme on le voit les usages entre les étudiants et les enseignants sont différents.

La réflexion sur les usages des IAG : La deuxième partie de l’enquête FNEGE

A la suite de l’enquête la FNEGE a lancé une deuxième étude plus qualitative. Elle se base sur des entretiens en profondeur fait avec 20 enseignants-chercheurs et 2 ingénieurs pédagogiques « early adopters » des IAG. Les auteurs de l’étude, Cécile Godé et Régis Meissonier mettent en avant deux résultats principaux :

1. La plus-value que l’enseignant conserve sur la machine et sur laquelle il doit capitaliser pour faire évoluer son enseignement repose sur ses qualités didactiques et relationnelles ainsi que sur ses qualités de chercheur. C’est par cette dimension humaniste qu’il peut guider les étudiants vers la rigueur et l’esprit critique requis par l’usage des IAG.

2. Il est impératif de conduire des réflexions au sein “d’écosystèmes privés-publics autour de l’IAG ». Dans cette approche collaborative, l’impératif est de former les enseignants-chercheurs comme les étudiants au regard d’une nouvelle relation pédagogique médiatisée par ces technologies. 

Le rapport préconise aussi le développement d’IAG spécifiquement adaptées à l’enseignement supérieur, de type RAG (Retrieval Augmented Generation).

Cette deuxième partie de l’étude FNEGE, propose de nombreux encarts présentant des démarches pédagogiques originales et validées sur le terrain d’usage des IAG dans l’enseignement en gestion.

Conclusion

Pour en savoir plus sur les constats effectués par les auteurs de l’étude FNEGE nous vous conseillons de lire les deux parties de l’étude accessibles gratuitement ici :

1. Partie 1 de l’étude FNEGE : https://fnege.org/publications/regards-croises-sur-les-ia-generatives-dans-lenseignement-superieur-en-gestion-panorama-des-pratiques-et-perspectives/

2. Partie 2 de l’étude FNEGE : Regards croisés sur les IA Génératives dans l’Enseignement Supérieur en Gestion : Recherche qualitative d’usages précurseurs et préconisations - FNEGE

 La conférence de Bernard Quinio au Club de la Gouvernance des Systèmes d’Information le Mercredi 6 Novembre 2024 a permis de faire le point sur ce sujet et de répondre à quelques questions clés comme :

- Quels est l’usage des IAG par les étudiants et les enseignants ? Et quels sont les IAG                     utilisés ?

- Comment les systèmes à base d'Intelligence Artificielle Générative (IAG) modifient les                 compétences des étudiants et des enseignants ?

- Quelles sont les démarches des uns et des autres ? Quels sont les points de convergences et            de divergences ?

- Quelle est l’importance des besoins de formation à l’emploi de ces outils ?

- Quels sont les risques de fraude et surtout de remise en cause du système d’enseignement             actuel ?

- Quels sont les obstacles à la généralisation de ces outils ? Et quels sont les risques ?

- A quelle vitesse se feront les évolutions liées à la diffusion de ces outils ? 

- Quelles mesures doit-on prendre pour améliorer l’usage des IAG ?

- ….

Comme le montre les deux rapports de la FNEGE, cette enquête est riche d’enseignements. Pour en profiter, nous vous conseillons fortement de télécharger ces deux rapports et de les lire.

Révolutionner le processus de création des logiciels grâce à l’Intelligence Artificielle Générative

Réinventer chaque phase du cycle de vie des logiciels

D’après la présentation faite par Sébastien Méric 

https://www.linkedin.com/in/sebastien-meric/

 

Depuis plus de 70 ans les informaticiens développent des applications informatiques. Cette activité est encore aujourd’hui très artisanale. Elle souffre de deux maux :

-        La complexité des opérations à effectuer,

-        La faible productivité des développeurs.

Pour y faire face on a adapté la gestion de projet au développement de logiciels avec le modèle en cascade, le cycle en V, les méthodes agiles, … De nombreux outils ont été inventé pour faciliter le travail des programmeurs comme l’identification et le suivi des tâches, la gestion des temps, la rédaction automatique de compte-rendu des réunions ou d’entretien, la rédaction de résumé de ces documents, … Ils sont nombreux et un nombre croissant d’entre eux recourent à l’Intelligence Artificielle mais ils n’ont pas, jusqu’à aujourd’hui, permis de réaliser des gains importants.

Depuis un peu plus d’un an on assiste au développement très rapide de l'Intelligence Artificielle Générative (IAG) et de ses usages. Chaque jour on découvre de nouvelles applications notamment en informatique. Celle-ci sont en train de révolutionner le monde du développement des logiciels, offrant un soutien inestimable à chaque étape du processus, allant de l’émergence de l’idée de la future application (l'idéation) à la fin de l’exploitation de l’application après des années de bons et loyaux services (le décommissionnement).

 L'Intelligence Artificielle Générative (IAG) intervient aux différents stades du projet

 Elle permet d’abord d’améliorer la gestion de projet qu’elle soit faite selon le modèle classique en cascade ou à l’aide d’une méthode agile. Elle permet de :

-        Automatiser les comptes-rendus de réunion, y repérer les tâches et les décisions sans en oublier aucune,

-        Automatiser et optimiser le suivi des tâches,

-        Gérer la répartition des ressources,

-        Estimer l’ensemble des charges y compris celle des utilisateurs et des testeurs,

-        Prévoir les délais et notamment les dates où doivent intervenir les utilisateurs et les décideurs,

-        Préparer les tests,

-        Permettre une planification plus efficace et une exécution du projet plus fluide.

Cette technologie apporte d’abord une valeur ajoutée significative lors de l’étape de conception, notamment pour produire les spécifications. Elle peut :

-        Faciliter le recueil des besoins en offrant aux futurs utilisateurs la possibilité de répondre de manière libre à des questions ouvertes afin de décrire sous forme de texte ce dont ils ont besoins et ensuite d’en faire automatiquement la synthèse sans rien oublier,

-        Rédiger les documents de spécification détaillés (cahier des charges) à partir de textes décrivant ce que la future application doit faire,

-        Proposer des maquettes d'interface utilisateur (écran, état, fichier),

-        Suggérer une architecture logicielle optimales en fonction des besoins spécifiés.

Durant les phases de développement, l'Intelligence Artificielle Générative (IAG) se révèle particulièrement précieuse :

-        Produire automatiquement du code dans le langage qu’on souhaite mettre en œuvre à partir d’une simple description de ce qui est souhaité figurant dans la spécification détaillée,

-        Préparer et automatiser les tests. Il est ainsi possible de rédiger le cahier de tests à partir du code, de proposer des scénarios et de générer les paramètres nécessaires pour effectuer automatiquement les tests à partir de logiciels comme : Selenium de Headspin,

-        Organiser la gestion des bouchons (mise en place et suppression en fin de test),

-        Fournir des commentaires pertinents sur la qualité du code produit par les développeurs, en se basant sur les meilleures pratiques de programmation. Le système peut ainsi suggérer des améliorations du code et notamment des optimisations.

Cette assistance permet aux développeurs de se concentrer sur des aspects plus créatifs et complexes du développement logiciel, tout en assurant une plus grande efficacité et une réduction des erreurs.

On estime qu’avec un système d’IAG comme Copilot, développé par Microsoft à partir de GPT et fonctionnant sur GitHub les gains de productivité sont compris entre 20 et 30 %. Ils ne sont pas faciles à mesurer mais cela semble un ordre de grandeur raisonnable.

 Le rôle de l'Intelligence Artificielle Générative (IAG) dans la vie du logiciel

 Une fois l’application en production il va être nécessaire de la maintenir. C’est une charge de travail conséquente notamment si on ne dispose que d’une documentation incomplète ou, pire, si elle a été perdue ou si elle est obsolète. Avec un logiciel comme ChatGPT il est possible d’améliorer la gestion de la maintenance :

-        Produire à partir d’un code une documentation technique exhaustive et en bon français, même si l’application est très ancienne et qu’aujourd’hui peu de personnes connaissent le Cobol ou le Fortran,

-        Produire automatiquement un diagnostic du code, faciliter le débogage en identifiant les bugs, en suggérant des corrections et même des améliorations,

-        De plus, il est possible de générer du code complémentaire de qualité et performant à partir de simples commentaires pour, par exemple, renforcer des contrôles ou ajouter des résultats dans des sorties,

-        Unifier les noms des variables dans l’ensemble du code de l’application avec des libellés clairs et compréhensibles de façon à faciliter sa lecture,

-        Assister les exploitants afin de planifier et de mettre en œuvre les nouvelles versions de logiciel.

Enfin, les systèmes recourant à l'Intelligence Artificielle Générative (IAG) sont très utiles lorsque l’application est en fin de vie, lors du décommissionnement. Ils permettent à ce moment de :

-        Mieux évaluer les impacts de ces changements,

-        Planifier la transition,

-        Aider à la migration des données vers la nouvelle application,

-        Assurer une clôture de l’application de manière ordonnée et complète.

 En somme, l'Intelligence Artificielle Générative (IAG) n'est pas seulement un outil supplémentaire aux mains des développeurs leur permettant de faciliter leur travail mais c'est, en fait, un véritable partenaire qui transforme la manière dont le développement logiciel est envisagé et réalisé, ouvrant la voie à une ère nouvelle d'efficacité et d'innovation.

 

Ce texte est un résumé de la conférence faite par Sébastien Méric au Club de la Gouvernance des Systèmes d’Information le Mercredi 28 Février 2024 sur le thème : « Révolutionner le processus de création des logiciels grâce à l’Intelligence Artificielle Générative » avec comme sous-titre : « Réinventer chaque phase du cycle de vie des logiciels ». Elle a permis de faire le point sur ce sujet et de répondre à quelques questions clés comme :

-           Comment les systèmes à base d'Intelligence Artificielle Générative (IAG) modifie le cycle de vie des projets ?

-           Est-ce que ces démarches sont compatibles avec des démarches type modèle en cascade ? Et en méthode agile ?

-          Quelles sont les fonctions assurées par les systèmes d’Intelligence Artificielle Générative (IAG) ?

-          Quelles sont les gains de productivité permis par cette approche ? Et quels sont les gains de qualité ?

-        Comment est modifié le travail du développeur ?

-          Peut-on améliorer les spécifications faites par les utilisateurs ?

-          Est-ce que les systèmes d’Intelligence Artificielle Générative (IAG) permettent de rénover une vieille application écrite dans un langage anti-diluvien (réengineering) ?

-          ….

Lire ci-dessous le support de la présentation de l’exposé de Sébastien Méric :

                                                                                                                     Slide

1 – L’IAG accompagne l’entreprise dans toutes ses fonctions          2

2 – L(IAG dans le cycle de vie logiciel                                              4

3 – 5 méthodologies de développement de projets informatiques      5

4 – Quelle couverture du cycle complet                                           11

5 – L’Intelligence Artificielle Générative dans le cycle de

            Développement                                                                     12

6 – L’IAG pour l’idéation                                                                 13

7 – L’IAG pour la conception                                                           15

8 – L’IAG pour le développement                                                    17

9 – L’IAG pour la production du code                                             19

10 – Exemples d’outils de production de code                                20

11 – L’IAG pour le test applicatif                                                    22

12 – L’IAG et la mise en production et déploiement                       26

13 – L’IAG pour faire évoluer l’existant                                          28

14 – L’IAG et le décommissionnement                                            29