# Apprendre avec l’IA au lieu de simplement lui demander des solutions Il y a quelque temps, j’avais écrit [cet article]({{< relref "9-aide_ia_programmation" >}}) expliquant que l’intelligence artificielle allait profondément modifier notre manière de programmer. J’y évoquais notamment l’importance de conserver une réflexion personnelle et de ne pas transformer l’IA en simple machine à produire du code à notre place. Depuis, ma manière de travailler avec l’IA a beaucoup évolué. Au début, comme beaucoup de personnes, j’utilisais l’IA de manière assez directe : > « Fais-moi cette fonction. » > > « Corrige ce fichier. » > > « Génère-moi le projet complet. » Et il faut reconnaître une chose : **c’est impressionnant**. En quelques secondes, une IA moderne peut produire : - des fonctions entières - une architecture - parfois même un projet presque prêt à compiler Le problème, c’est qu’au bout d’un moment, on finit par ressentir quelque chose d’assez étrange. On avance vite… mais on n’a pas l’impression de réellement progresser, au contraire. Le code fonctionne, certes. Mais, on devient presque spectateur de ses propres projets. On obtient des résultats, mais on n'y a rien mis de soi. J'ai vécu cette sensation lorsque j'ai commencé à travailler sur les workers de [mon projet LuaPilot](https://github.com/Chipsterjulien/luapilot_standalone). L'IA était parfaitement capable de me générer une implémentation fonctionnelle. Le problème, c'est que je ne comprenais pas réellement ce qu'elle faisait. Je pouvais intégrer son code dans mon projet, le faire fonctionner, mais j'étais incapable d'expliquer certains choix d'architecture ou de reproduire moi-même la solution quelques jours plus tard. C'est probablement à ce moment-là que j'ai commencé à comprendre qu'obtenir une solution n'était pas forcément la même chose qu'apprendre. ## Une autre manière d’utiliser l’IA Petit à petit, j’ai commencé à changer complètement d’approche. Et si je voyais l’IA non plus comme un outil, mais comme un professeur particulier à disposition ? Un mentor capable de s'adapter à mon rythme, d'expliquer les mêmes concepts de différentes manières, sans jamais se lasser de mes questions naïves. Au lieu de demander directement une solution complète, j’explique désormais davantage : - ce que je veux faire - pourquoi je veux le faire - comment j’imagine l’architecture - les problèmes que je rencontre - les pistes auxquelles je pense déjà Puis je demande surtout : - des conseils - des critiques - des idées d’amélioration - des pistes de réflexion Et surtout, il m’arrive maintenant très souvent de demander explicitement à l’IA de ne pas me donner immédiatement la solution complète. À la place, je préfère avancer progressivement : 1. réfléchir à une première approche 2. essayer moi-même 3. proposer mon code 4. demander un retour critique 5. corriger 6. comparer ensuite avec une autre solution possible Cela peut sembler plus lent et honnêtement, ça l’est. Mais paradoxalement, c’est aussi beaucoup plus formateur. ## Quand l’IA devient un partenaire de réflexion Avec cette approche, l’IA cesse progressivement d’être un simple générateur de fichiers. Elle devient plutôt : - un guide - un mentor - un relecteur - parfois même une sorte de partenaire de réflexion technique La différence peut sembler subtile, mais elle change énormément de choses. Quand une IA produit directement la solution complète, le cerveau peut facilement passer en mode passif. On lit rapidement le code, on comprend vaguement l’idée générale, puis on continue. En revanche, lorsqu’on essaye d’abord soi-même, même imparfaitement, le rapport au problème change complètement. On commence à se poser des questions : - pourquoi cette architecture fonctionne mieux ? - pourquoi cette approche est-elle fragile ? - pourquoi cette fonction devient-elle difficile à maintenir ? - pourquoi ce bug apparaît-il réellement ? Et c’est souvent à ce moment-là que l’apprentissage commence réellement. ## Le droit de ne pas comprendre Mais il y a surtout un aspect auquel je ne m’attendais pas vraiment au départ. Avec une IA, on peut ne pas comprendre immédiatement mais on peut le dire sans gêne. On peut lui écrire : > « Je n’ai pas compris. » > > « Réexplique autrement. » > > « Fais plus simple. » > > « Donne-moi seulement un indice. » > > « Ne me donne pas encore la solution. » Cela peut sembler anodin, mais je pense que ce point est profondément sous-estimé. Dans un cadre classique, beaucoup de personnes hésitent à demander plusieurs fois la même explication. Par peur du jugement. Par peur de ralentir les autres. Par peur de poser une question considérée comme “simple”. Avec une IA et un peu de temps, cette pression disparaît presque totalement. Et cela change énormément de choses dans l’apprentissage. Je me suis déjà retrouvé plusieurs fois dans une situation très concrète : bloquer sur un problème, demander une première explication… puis réaliser que je n’avais toujours pas compris le véritable problème. Avant, cela était frustrant alors qu'aujourd’hui, je peux simplement répondre : > « D’accord, mais explique-le autrement. » Et parfois, la deuxième explication débloque immédiatement quelque chose. Pas parce que l’idée était compliquée. Mais parce que chaque personne comprend différemment. C’est peut-être l’aspect le plus sous-estimé de l’IA : elle nous donne le droit d’être nul. Le droit de ne pas comprendre, de poser vingt fois la même question, d’avancer à tâtons. Dans un monde professionnel où l’on valorise la compétence immédiate, cette bulle d’apprentissage sans pression est un luxe inestimable. ## Une méthode qui dépasse largement la programmation Ce qui est fascinant également, c’est que cette manière de travailler ne concerne probablement pas uniquement le développement informatique. Aujourd’hui, l’IA peut déjà analyser du texte, du code ou des schémas. Mais on peut facilement imaginer qu’avec les progrès de la vision par caméra et de l’analyse en temps réel, elle puisse un jour accompagner des gestes physiques : - travail du bois - mécanique - artisanat - maintenance technique Non pas pour remplacer totalement l’apprentissage humain, mais pour guider progressivement : > « Ton geste est trop brusque. » > > « Tu tiens mal ton outil. » > > « Essaie autrement. » Finalement, le principe resterait exactement le même : apprendre progressivement, corriger ses erreurs et avancer sans peur de se tromper immédiatement. ## Le risque de la dépendance Évidemment, cette approche n’est pas parfaite. Le principal danger reste probablement la dépendance. Même lorsqu’on essaye de réfléchir par soi-même, il devient très facile de demander validation à l’IA en permanence : - « Est-ce que c’est bien ? » - « Est-ce que mon idée est correcte ? » - « Est-ce qu’il existe une meilleure solution ? » Petit à petit, l’IA peut alors devenir une sorte de béquille intellectuelle permanente. Et c’est probablement le plus grand risque actuel. Parce qu’à force, il devient possible de produire énormément… tout en réfléchissant de moins en moins. Cela me fait penser à une réplique de *Matrix*. Lors de l'interrogatoire de Morpheus, l'Agent Smith explique que dès l'instant où les machines ont commencé à penser à la place des humains, le monde est devenu le leur. Toute proportion gardée, le risque est du même ordre. Non pas que l'IA finisse par nous dominer, mais qu'à force de lui confier la réflexion, on cesse doucement de la mener soi-même. C’est d’ailleurs un point que j’avais déjà évoqué dans [mon précédent article]({{< relref "9-aide_ia_programmation" >}}) : il faut probablement conserver des moments où l’on réfléchit seul, sans assistance immédiate, même si cela paraît moins efficace sur le moment. ## Produire n’est pas forcément comprendre Aujourd’hui, les débats autour de l’IA tournent souvent autour d’une question : > « Est-ce que l’IA va remplacer les développeurs ? » Mais je pense que la vraie question est peut-être ailleurs. Grâce à l’IA, il devient déjà possible de produire énormément : - du code - des scripts - des articles - des images - des projets complets Mais produire n’est pas forcément comprendre. Comprendre pourquoi une solution fonctionne. Comprendre pourquoi une architecture est fragile. Comprendre pourquoi un morceau de code devient difficile à maintenir. Comprendre pourquoi une approche paraît élégante… ou au contraire dangereuse. Tout cela demande encore une implication intellectuelle personnelle. La vraie compétence des prochaines années n'est donc pas de savoir utiliser une IA, mais d'apprendre à penser avec elle, sans jamais lui déléguer sa propre réflexion.