Ceci n’est plus une histoire de plagiat

Derrière chaque scandale, chaque dossier public, il y a souvent un deuxième niveau. Celui qui, une fois passé le bruit, recèle une bien plus grande signification que les apparences ne le laissent croire.

L’un des derniers scandales en titre ne déroge pas à la règle.

Pour moi, ça fait longtemps que cette histoire n’est plus une question de droit d’auteur ou de plagiat*.

Évidemment que ça secoue le milieu littéraire, qui devra maintenant se poser d’énormes questions existentielles.

En relations publiques, nous serons aussi nombreux à en faire une étude de cas en gestion de crise, question d’illustrer encore une fois ce qu’il ne faut pas faire.

Ça fera toute une étude de cas. Mais pour moi, ce n’est pas ce qui me frappe le plus en ce moment.

Parce qu’au point où on en est, toute personne qui travaille en création ou dans un métier du savoir doit aujourd’hui se poser des questions beaucoup plus profondes sur ses méthodes de travail.

Et pour vous illustrer le tout, faisons un détour par le MIT.

IA, apprentissage et méthode de travail

Il y a quelque temps, des chercheurs liés au MIT ont publié une étude qui mesurait notamment les différences d’engagement cognitif entre des personnes rédigeant un texte par eux-mêmes, avec un moteur de recherche ou avec ChatGPT. Les résultats étaient suffisamment préoccupants pour faire beaucoup parler. Mais l’un des éléments les plus intéressants était ailleurs : les résultats variaient selon la façon dont l’IA était intégrée au processus.

Bref, selon la méthode de travail.

Les chercheurs ont notamment posé une question toute simple aux participants après leur rédaction : pouvez-vous citer votre propre texte?

Lors de la première séance, 15 des 18 personnes ayant utilisé l’IA ont été incapables de fournir correctement une citation de leur propre texte. Dans les deux autres groupes, qui avaient travaillé par eux-mêmes, elles n’étaient que 2 sur 18. Autrement dit, ceux qui avaient travaillé par eux-mêmes avaient acquis une maîtrise de leur travail. Le facteur différenciateur ne devenait pas la qualité du travail rendu, mais la maîtrise qu’on en avait.

Et c’est là qu’un autre rapport du MIT, publié cet été, devient particulièrement intéressant.

Un comité chargé de réfléchir à l’utilisation de l’IA dans l’enseignement y fait un constat assez brutal : les outils actuels sont déjà capables de produire des solutions crédibles et des réponses raisonnables à pratiquement tous les types de travaux écrits du cursus de premier cycle. Dissertations, problèmes de maths et de sciences, avec leur démonstration, programmation… à peu près tout y passe.

Et c’est là que ça pose un problème. Si l’IA peut produire le travail, comment savoir ce que l’étudiant sait réellement faire et ce qu’il a appris?

Pour remédier à ça, le rapport propose différentes pistes : des examens oraux, des portfolios qui permettent de voir le travail sur une plus longue période, des travaux réalisés à l’extérieur de la classe, mais accompagnés de conversations en classe, et des projets de groupe avec des suivis réguliers permettant d’évaluer les contributions individuelles et collectives.

Dans certains cas, on suggère même des outils qui conservent l’historique des versions d’un travail ou d’un projet afin de fournir ce que le rapport appelle essentiellement une preuve du processus.

C’est là que ça devient vraiment intéressant, parce que ce problème ne restera pas confiné aux universités, selon moi.

Conséquences possibles dans les milieux professionnels

Prenons n’importe quel métier du savoir ou de la création.

Pendant longtemps, le livrable était aussi, indirectement, une preuve de compétence. Quand on remettait une excellente analyse : on présumait que vous saviez analyser. Un bon texte? Vous avez une belle plume (ça, j’en sais quelque chose).

Une recommandation stratégique brillante démontrait que vous maîtrisiez le dossier et le raisonnement derrière votre recommandation.

Maintenant, qu’est-ce qui se passe lorsque la qualité du résultat ne permet plus de savoir comment le résultat a été produit? Ou, autrement dit, qu’est-ce qu’un livrable prouve encore sur celui qui le livre?

Voilà, à mes yeux, le véritable enjeu. La démarche. La méthode.

J’avais déjà écrit que ça deviendrait un point essentiel avec l’IA. Je pense maintenant qu’on commence à voir jusqu’où ça pourrait aller.

Il deviendra difficile de simplement livrer un bon travail.

Il faudra, plus que jamais, être capable de défendre notre travail. Expliquer notre raisonnement, démontrer le chemin parcouru et notre réflexion. Montrer quels choix sont les nôtres, ce que la machine nous a apporté et, surtout, ce que nous en avons fait.

Et ça pourrait vouloir dire garder davantage de traces de ce qu’on fait. Est-ce qu’il faudra conserver des prompts et nos échanges avec la machine? Les documents qu’on a fournis en référence?

Les différentes versions, humaines ou assistées, d’un livrable en particulier?

Bref, être capable de montrer une portion du chemin qu’on a parcouru pour en arriver à un résultat.

Ce qui implique une chose dont on ne parle pas encore assez lorsqu’on parle d’IA : avoir une plus grande transparence sur nos méthodes de travail.

Ça pourrait aussi redonner une valeur complètement différente au travail en présentiel. Les séances de travail, les échanges en personne, les ateliers et les moments de cocréation viennent de prendre à mes yeux une autre valeur.

Pas nécessairement parce qu’ils seraient magiquement exempts d’IA. Mais parce qu’ils permettent de voir quelque chose qu’un livrable final risque de montrer de moins en moins bien : le jugement humain en train de s’exercer. Ou autrement dit, là où réside maintenant la véritable valeur des métiers professionnels, de la consultation et de la création. Ce n’est pas nécessairement nouveau dans les conversations entourant l’IA, mais c’est une autre indication que c’est ici que nous allons le plus gagner en pertinence.

Alors oui, dans certains domaines, on voudra certainement continuer à protéger des œuvres produites sans intervention artificielle.

Mais dans beaucoup d’autres, le défi sera franchement plus compliqué parce qu’on va fort probablement se retrouver pris en sandwich.

D’un côté : maximiser l’utilisation de l’IA par souci d’efficacité et de productivité. Et ce n’est pas théorique. Dans l’une des études du MIT nommée plus haut, 60 % des répondants estimaient déjà que l’IA les rendait plus efficaces.

De l’autre côté : démontrer la part de l’humain. Le jugement, la créativité, le savoir-faire qui nous est propre. Et surtout, être capable d’en faire la preuve.

Avez-vous déjà essayé de choisir un côté dans un sandwich?

À la fin, ce n’est pas juste l’angoisse qui va vous dévorer…

*Vous aurez remarqué que je n’ai nommé nulle part ni l’auteur ni la maison d’édition à l’origine de cette réflexion. C’est voulu. Assumé. J’ai déjà accompagné quelques personnes qui se sont retrouvées au cœur d’une tempête publique. J’en ai vu les conséquences. Sur les principaux concernés (même lorsqu’ils sont fautifs). Aussi sur leur entourage, qui n’a strictement rien à voir là-dedans.

Je pense qu’il arrive un moment où commenter peut, sans qu’on le veuille vraiment, se rapprocher de l’acharnement. Je ne sais pas si cette ligne a été franchie dans ce dossier. Je veux simplement m’assurer de ne pas être celui qui la franchit, parce que nommer les gens ici n’ajouterait absolument rien à la réflexion.