Ne laissez pas l'IA définir votre projet

"On va créer un chatbot pour nos bénéficiaires." "On aimerait automatiser notre parcours d'orientation avec l'IA." "On pense à générer nos contenus de formation avec des outils génératifs."

Si vous avez déjà dit (ou entendu) l'une de ces phrases, vous n'êtes pas un cas isolé. Ces idées ne sont pas mauvaises. Mais elles ont un point commun : c'est l'IA qui définit le point de départ. Pas vos bénéficiaires.

C'est le piège que Nicole Marion Trigodet voit partout. Experte en learning product design, elle a travaillé chez OpenClassrooms et Tomorrow University, et a co-écrit Cap IA, une recherche-action sur l’implémentation de l'IA dans la formation. On l'a invitée à partager sa perspective sur l’IA, et franchement, ça nous a fait réfléchir.

Voici ce qu'on en a retenu : trois principes pour bien commencer un projet IA, et deux pièges dans lesquels il est très facile de tomber. L'article fait une dizaine de minutes de lecture : on a préféré creuser plutôt que rester en surface. Les titres sont écrits pour être explicites, donc si vous êtes pressé ou pressée, vous pouvez aussi simplement les parcourir pour repartir avec l'essentiel.

(Vous préférez l'entendre directement ? Le lien vers la conférence complète de Nicole est en bas de l'article.)

‍

Principe 1 — Posez-vous la bonne question dès le départ : pas "que peut faire l'IA ?", mais "de quoi mes bénéficiaires ont-ils vraiment besoin ?"

Imaginons une association qui accompagne des demandeurs d'emploi. Elle se dit : "Et si on créait une IA qui rédige des CV automatiquement à partir d'une discussion ? Ça nous ferait gagner du temps, ça aiderait les bénéficiaires."

L'idée n'est pas mauvaise. Mais elle part d'un outil et de ses capacités, pas d'un besoin. Nicole appelle cette approche augmenter l'existant : on prend ce qu'on fait déjà (rédiger des CV) et on l'accélère avec l'IA. Utile, mais limité.

L'autre posture, qu'elle appelle l'IA by design, change le point de départ. On ne part plus de "comment l'IA peut nous aider à faire des CV plus vite ?", on part de "qu'est-ce que cherche vraiment notre bénéficiaire ?". La réponse n'est jamais "un CV". C'est plutôt : "trouver un travail où je me sens à ma place", ou "sortir de l'angoisse de devoir tout recommencer après 50 ans", ou "reprendre confiance en moi après deux ans de chômage".

Quand on pose la question comme ça, le CV redevient ce qu'il est : un moyen parmi d'autres. Et d'autres pistes s'ouvrent. Peut-être qu'avant le CV, il faut un outil qui aide à raconter son parcours quand on a du mal à se mettre en valeur. Peut-être qu'il faut un assistant pour préparer les entretiens. Peut-être qu'il faut un système qui repère les offres compatibles avec un parcours non-linéaire.

Ce changement de question, c'est ce que le chercheur Clayton Christensen a théorisé sous le nom de Jobs to be Done(concept développé dans Competing Against Luck, 2016) : les gens n'utilisent pas un service pour ce qu'il est, mais pour ce qu'il leur permet d'accomplir dans leur vie. Même intuition de départ, solution radicalement différente, juste parce qu'on a changé la question de départ.

Concrètement. Vous connaissez déjà le changement de vie que vous voulez voir advenir pour vos bénéficiaires : c'est votre raison d'être, vous travaillez dessus depuis des années. La question n'est pas de le redécouvrir. C'est de vérifier que votre projet IA en est vraiment le vecteur. Un test simple : essayez d'écrire en une phrase ce que l'outil va permettre concrètement à un bénéficiaire de faire, vivre ou devenir. "Grâce à ça, [tel type de bénéficiaire] va pouvoir [tel résultat concret dans sa vie]." Si la phrase ne sort pas naturellement, ou si elle se termine par quelque chose qui parle de votre process plutôt que de leur vie, c'est probablement que le projet est mal construit.

‍

Piège 1 — Attention à ne pas supprimer la friction là où elle est utile

L'IA promet de tout rendre fluide. Vos pensées en vrac deviennent un résumé propre. Votre parcours raconté à la va-vite devient un CV. C'est pratique, et pour plein d'usages c'est exactement ce qu'on veut.

Mais pour des projets qui cherchent à faire grandir quelqu'un, à le rendre plus autonome, à lui apprendre quelque chose de durable, l'effort n'est pas un problème à supprimer. C'est souvent là que la vraie progression se passe.

Les chercheurs en sciences de l'apprentissage parlent de difficultés souhaitables : certains efforts ralentissent l'apprentissage à court terme, mais ce sont précisément ces efforts qui le rendent durable. Trop facile, on s'ennuie et on ne retient rien. Trop dur, on abandonne. C'est dans cet entre-deux, ni trop facile ni trop dur, que la transformation se produit.

Une étude récente (CMU, Oxford, MIT, UCLA) montre ce qui se passe quand l'IA supprime cet entre-deux. Deux groupes d'étudiants résolvent des problèmes de maths : l'un avec une IA assistante, l'autre sans. Au 13e problème, on retire l'IA sans prévenir. Le groupe assisté obtient de moins bons scores, mais surtout, il abandonne plus souvent. En supprimant l'effort, l'outil n'a pas seulement appauvri l'apprentissage : il a aussi appauvri la capacité à essayer.

Concrètement pour une association, ça donne quoi ? Imaginons une association qui accompagne des jeunes décrocheurs sur la construction d'un projet professionnel, et qui envisage une IA qui génère ce projet automatiquement à partir de quelques questions. Gain de temps évident pour les coachs. Sauf que ce qui rend le projet utile pour le jeune, ce n'est pas le document final : c'est le processus de se questionner, de tester des hypothèses, de se confronter à des contradictions. Si l'IA fait ce travail à la place du jeune, le livrable est là, l'effet est nul.

Nicole donne un exemple inverse, où l'IA est utilisée intelligemment. Une entreprise de coaching en leadership organise des sessions sur la gestion de conflits, suivies de jeux de rôle entre participants. Mais entre la session collective (confortable) et le jeu de rôle avec un humain (intimidant), il y avait un gouffre. Beaucoup ne se lançaient pas.

Leur solution : insérer huit minutes avec un chatbot IA entre les deux. L'IA sert d'échauffement, un sas pour s'entraîner avant la vraie confrontation humaine. L'IA n'enlève pas la difficulté importante, elle aide juste à franchir la marche. La transformation, elle, se joue toujours dans l'échange avec un autre humain.

Concrètement. Quand vous envisagez d'intégrer un outil IA quelque part dans votre parcours, posez-vous la question : à cet endroit, est-ce que l'effort que je supprime était un effort inutile (administratif, répétitif, frustrant pour rien) ou un effort qui faisait grandir le bénéficiaire ? Si vous êtes dans le deuxième cas, ne supprimez pas l'effort. Utilisez l'IA pour aider le bénéficiaire à le franchir, pas à le contourner.

‍

Principe 2 — Faites de vos bénéficiaires des co-concepteurs, pas juste des testeurs

Nicole raconte une histoire de jeunesse. Animatrice de colo à 16 ans, elle accompagne des enfants de 3 à 5 ans dans un projet de marionnettes. Son collègue annonce que les enfants vont couper le carton eux-mêmes. Avec des cutters.

"J'étais convaincue qu'ils allaient se blesser. Et en fait, ils étaient d'une précision impressionnante. Parce qu'on leur avait dit que c'était dangereux, ils étaient hyper concentrés."

Il y a une façon par défaut de concevoir un projet pour des bénéficiaires : on identifie leurs besoins (souvent en réunion d'équipe), on conçoit la solution, on la leur livre. Au mieux, on les fait tester à la fin pour ajuster deux ou trois détails. Le pédagogue brésilien Paulo Freire appelait ça le modèle bancaire de l'éducation : on traite le bénéficiaire comme un compte vide dans lequel on dépose du savoir, sans jamais lui demander ce qu'il en pense ni ce qu'il sait déjà.

Construire avec ses bénéficiaires, c'est l'inverse. C'est partir du principe qu'ils savent mieux que vous ce que c'est que de vivre leur situation, et que les meilleures solutions émergent en discutant avec eux, pas en réfléchissant à leur place.

‍

Concrètement, ça peut prendre plusieurs formes :

- Inviter 3 bénéficiaires dans la réunion de cadrage dès le départ, pas seulement à la fin pour valider. Pas comme simples témoins, comme contributeurs.

- Organiser un atelier de design où vos bénéficiaires dessinent eux-mêmes leur outil idéal, même grossièrement. Vous serez surpris des idées qui sortent.

- Tester en conditions réelles très tôt, avec un prototype même moche. Mieux vaut un truc bricolé qui révèle un vrai problème qu'un truc propre qui n'a pas été confronté à la réalité.

- Mettre des bénéficiaires dans la gouvernance du projet, pas juste dans les groupes utilisateurs.

‍

D'autant que les jeunes que vous accompagnez (si vous bossez avec des 16-24 ans) n'ont pas attendu votre outil pour utiliser de l'IA. Ils utilisent déjà ChatGPT, parfois maladroitement. Les impliquer en amont, c'est aussi tirer parti de ce qu'ils savent déjà, au lieu de leur imposer une solution conçue sans eux.

Ce n'est pas du laisser-faire. C'est juste arrêter de croire qu'on a la réponse avant d'avoir posé la question aux principaux concernés.

Concrètement. Dans votre prochain projet, vous pourriez identifier 2 ou 3 bénéficiaires (variés en âge, parcours, niveau de confort numérique) et les inviter à 3 moments clés : le cadrage initial, la conception du premier prototype, la décision sur les ajustements. Vos bénéficiaires sont impliqués comme des parties prenantes du projet, pas “juste” des testeurs.

‍

Principe 3 — Vos valeurs ne sont pas un préambule, elles sont un outil de conception

Beaucoup d'organisations voient l'éthique de l'IA comme un sujet de spécialiste, à part. Un truc qu'on confie à un expert ou à un comité, et qu'on coche dans une case "responsabilité sociale". Nicole a observé une autre façon de faire, bien plus utile au quotidien.

Elle donne un exemple particulièrement parlant pour des associations. Une organisation britannique prépare des adultes, qui ont souvent quitté l’école très tôt, aux examens de fin de collège. Ils viennent aux sessions du soir, s'accrochent, participent. Et puis, cinq jours plus tard, quand il faut rendre un devoir à la maison : rien. Page blanche, perte de confiance, abandon. Ce n’était pas par manque de niveau, mais par peur de mal faire.

L'organisation décide de développer un chatbot pour les aider à franchir ce cap. Mais au lieu de partir des fonctionnalités possibles ("on pourrait faire un correcteur automatique", "on pourrait faire un chatbot"), ils partent de leurs valeurs : bienveillance, construction de la confiance en soi, respect du rapport difficile que ces adultes entretiennent avec l'école.

Ces valeurs se traduisent en décisions très concrètes :

- Ton chaleureux et adulte (pas de "bravo, tu as fait du super travail !" infantilisant)

- Célébration des petites victoires mais sans en faire trop

- Décision clé : le feedback final reste donné par le tuteur humain, jamais par l'IA. Parce que pour ce public, être noté par un robot aurait reproduit exactement la blessure scolaire qu'on essaie de réparer.

Le point intéressant, c'est que chaque choix de design incarne une valeur. Le ton chaleureux incarne la bienveillance. Le feedback humain incarne la confiance. L'outil ne dit pas explicitement "nous respectons nos apprenants" : il le montre dans chaque interaction. Vos valeurs d'association, prises au sérieux, sont déjà un excellent guide. Pas besoin d'un PhD en éthique de l'IA pour ça.

Concrètement. Reprenez les valeurs de votre association, celles que vous affichez et défendez. Pour chaque choix de conception de votre futur outil (ton, design, fonctionnalités, ce qui est automatisé ou pas), demandez-vous : est-ce que ce choix les exprime vraiment, ou les contredit ?

‍

Piège 2 — Ajouter de l'IA sans ajouter d'humain en parallèle

En 2023, Khan Academy, l'une des plus grandes plateformes éducatives gratuites en ligne, lançait Khanmigo, un tuteur IA, avec une promesse forte : "un tuteur dans la poche de chaque élève, 24h/24, gratuit". Sur le papier, c'était la révolution de l'éducation. Trois ans plus tard, son fondateur reconnaît lui-même que ça n'a pas transformé les résultats à l'échelle attendue. Son auto-diagnostic : il a déposé l'outil dans les classes comme s'il suffisait d'être disponible pour être utile.

Le piège est tentant pour beaucoup d'associations : si le problème de mes bénéficiaires, c'est le manque d'accès à un accompagnement (manque de temps des conseillers, manque de financements, manque de couverture géographique), alors une IA qui les accompagne en continu, gratuitement, à toute heure… ça résout le problème, non ?

Pas forcément. Parce qu'il y a une grande différence entre avoir accès à un outil et être capable d'en tirer parti. Les bénéficiaires qui ont le plus besoin d'aide sont souvent ceux qui ont le moins les moyens d'utiliser un outil seul : se discipliner 30 minutes par jour quand on a une vie chaotique, formuler la bonne question, persévérer quand on bloque, tout cela suppose des conditions qu'on ne crée pas en distribuant un outil. C'est ce que les chercheurs en éducation appellent l'effet Matthieu : les outils bénéficient d'abord à ceux qui ont déjà les ressources pour en tirer parti, et risquent de creuser les écarts au lieu de les réduire.

Les chiffres sur Khan Academy le confirment. Les élèves qui utilisent la plateforme 30 minutes par jour progressent énormément. Le problème, c'est que ces élèves représentent 5% de la base utilisateur. Pour les 95% restants, l'outil ne fait quasiment aucune différence. Et ce sont précisément ceux qu'on voulait aider.

Ce n'est pas une critique de Khan Academy en particulier. Ivan Illich l'avait écrit dès 1973 dans Tools for Conviviality : passé un certain seuil d'autonomie, les outils deviennent contre-productifs. Ils remplacent la relation humaine au lieu de la soutenir, et ils accentuent les écarts au lieu de les réduire.

Pour vous, ça donne une règle simple : à chaque fois que vous ajoutez une IA dans votre parcours, demandez-vous ce qu'il faut renforcer côté humain en parallèle. Plus de temps avec un conseiller à certains moments clés. Un appel hebdomadaire pour vérifier que la personne ne lâche pas. Un atelier collectif pour partager les difficultés. Un référent à appeler en cas de blocage.

L'IA peut démultiplier votre portée. Mais elle ne remplace pas ce qui fait votre singularité d'association : la relation, la présence, l'écoute, le lien qui se construit dans le temps.

Concrètement. Pour chaque fonctionnalité IA que vous envisagez, écrivez en face une fonctionnalité humaine qui la soutient. Si vous n'arrivez pas à en trouver une, c'est peut-être que vous êtes en train de remplacer de l'humain plutôt que de l'amplifier.

‍

Et si on ratait ?

Soyons honnêtes. Tout ce qu'on vient de dire, c'est plus facile à écrire qu'à appliquer. Dans la vraie vie d'une association, voilà ce qui peut arriver, même avec les meilleures intentions :

- Vous interrogez 3 bénéficiaires, mais ce sont les 3 plus disponibles et plus à l'aise. Vous ratez complètement la voix des 80% qui n'ont pas répondu à votre invitation. C'est un biais classique, et il n'a pas de solution facile.

- Vous identifiez le vrai besoin, mais vous n'avez ni le budget ni l'équipe technique pour construire la solution adaptée. Vous finissez par faire ce que vous pouviez vous payer, pas ce qui répondait vraiment au besoin.

- Vous co-concevez avec vos bénéficiaires, et ils vous proposent des choses irréalistes ou contradictoires. Et là, vous ne savez plus quoi en faire.

Aucune méthode ne vous protège complètement de ces écueils. Ils font partie de la réalité de tout projet qui se confronte au terrain. La seule chose qui aide vraiment, c'est de commencer modestement, de tester vite, et d'accepter qu'on va corriger en route. Un projet IA réussi n'est pas un projet où l’on n'a pas raté. C'est un projet où l’on a raté sur des choses qu'on a pu corriger.

Et parfois, la meilleure décision après cette réflexion, c'est de ne pas lancer votre projet IA. Pas tout de suite, pas comme ça, ou pas du tout. Il y a beaucoup d'associations pour qui la priorité n'est pas de "se mettre à l'IA" mais de consolider ce qu'elles font déjà. C'est aussi une réponse valable.

‍

Ce qu'on en retient

Les cinq points de Nicole partent tous du même constat : l'IA amplifie ce que vous faites, elle ne décide pas ce que vous devriez faire. C'est à vous de définir le vrai besoin, de calibrer l'effort, d'impliquer les bénéficiaires, d'ancrer vos choix dans vos valeurs, de décider où l'humain reste irremplaçable.

Chez Share it, on accompagne pas mal d'associations sur ces sujets. Ce qu'on observe le plus souvent, c'est des associations qui savent tout ça, mais qui l'appliquent en mode accéléré. Les associations savent qu'il faut interroger leurs bénéficiaires, elles savent qu'il faut faire attention à la qualité de la relation, elles savent que les valeurs doivent guider les choix. Le problème, c'est qu'avec deux salariés, trois mille bénéficiaires et un financement qui se termine dans six mois, on saute des étapes. C'est compréhensible. Mais c'est presque toujours là que se jouent les projets qui ratent.

La vraie mesure d'un projet IA n'est pas ce que l'outil fait. C'est ce qu'il permet à vos bénéficiaires de faire, d'apprendre, de devenir. L'économiste Amartya Sen appelait ça l'approche par les capabilités : ce qui compte, ce n'est pas ce à quoi les gens ont accès, c'est ce qu'ils sont réellement capables de faire avec.

Aucun outil ne pose ces questions à votre place. C'est gratifiant, et c'est aussi du travail. La bonne nouvelle, c'est que ce travail-là, vous savez le faire. Vous le faites déjà avec vos bénéficiaires, tous les jours, en dehors de toute IA.

Vous voulez regarder la conférence complète de Nicole Marion Trigodet ? Cliquez ici.

La conférence de Nicole Marion Trigodet a eu lieu lors de l'événement de lancement de forwa, le premier programme européen qui accompagne 15 associations luttant contre les inégalités d'accès à l'éducation et à l'emploi grâce à l'IA.

‍

Ça coule de (nos) sources

Quelques points d'entrée pour creuser les concepts évoqués dans l'article :

- Jobs to be Done : Clayton Christensen, Bob Moesta, Competing Against Luck (2016)

- Contre-productivité des outils : Ivan Illich, Tools for Conviviality (1973)

- Approche par les capabilités : Amartya Sen, Development as Freedom (1999)

- Difficultés souhaitables : Robert A. Bjork, "Memory and Metamemory Considerations in the Training of Human Beings" (1994)

- Zone proximale de développement : Lev Vygotsky, Mind in Society (1978)

- Modèle bancaire de l'éducation : Paulo Freire, Pedagogy of the Oppressed (1968)

- Design et valeurs encodées : Donald Norman, The Design of Everyday Things (1988)

- Étude sur l'IA et la dépendance cognitive : Bastani et al. (CMU, Oxford, MIT, UCLA), arxiv.org/abs/2604.04721(2025)

- Pour une approche ESS de l'IA : Latitudes, Favorisons les IA génératives qui nous donnent de la puissance, pas du pouvoir

‍