© 2026 McGill Journal of Education / Revue des sciences de l’éducation de McGill. Cette œuvre est sous licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International (CC BY-NC-ND 4.0).

CONTRIBUTION À LA CRITIQUE DU BARATIN GÉNÉRATIF : UNE AUTO-ENQUÊTE SUR L’USAGE DE L’INTELLIGENCE ARTIFICIELLE GÉNÉRATIVE EN DIDACTIQUE DES SCIENCES HUMAINES ET SOCIALES

MARC-ANDRÉ ÉTHIER Université de Montréal

DAVID LEFRANÇOIS Université du Québec en Outaouais

RAPHAËL DESORMEAUX Université du Québec en Outaouais

FRÉDÉRIC DESCHENAUX Université du Québec à Rimouski

KEVIN PÉLOQUIN Université de Montréal

Il s’agit donc ici de décortiquer des énoncés qui semblent simples et logiques en surface, mais qui, quand on y réfléchit sérieusement — ce qui exige beaucoup de phrases pour rendre visible ce que cachent quelques mots lancés comme des évidences —, relèvent en réalité de la pensée magique.

Yves Gingras (30 mai 2026)

L’essor des intelligences artificielles (IA), et en particulier des IA génératives (IAg), affecte plusieurs champs de la production de savoir, de la recherche scientifique à la didactique, mais aussi de la vie courante : selon un sondage réalisé au Canada à l’été 2025, « le premier réflexe des étudiants est de se fier à l’IA », négligeant ainsi la pensée critique (KPMG LLP, 2025). Souvent présentées comme des « partenaires » ou des « collaborateurs » potentiels, ces technologies introduisent une complexité supplémentaire dans la réflexion sur les fondements de la rigueur et de la vérité, mais aussi sur ce que signifient collaborer, créer ou critiquer. Alors que, de l’UNESCO aux ministères nationaux, les discours institutionnels insistent sur le besoin de former des citoyen·ne·s capables de juger dans l’incertitude et de problématiser des enjeux complexes, l’émergence de ces outils pose un problème de fond : si l’IAg (intelligence artificielle générative) peut servir d’appui à la connaissance, sa logique d’interaction et de simulation entretient l’illusion d’une collaboration épistémique, au sens où elle ne porte ni initiative, ni intention, ni responsabilité, mais en a l’apparence. Elle doit donc être utilisée pour ce qu’elle est : un outil puissant, mais opaque, dont la rhétorique claire ne permet toutefois de l’assimiler ni à un pair responsable ni son message à l’oracle rendu par la Pythie à Glaucos. Comme praticiens des sciences humaines et sociales (SHS) en sciences de l’éducation ou comme didacticiens de ces disciplines, nous n’assignons pas à l’enseignement des SHS le mandat de débusquer les erreurs factuelles que peuvent véhiculer des interprétations profanes de phénomènes advenus ou rémanents (Éthier et Lefrançois, 2021 ; Gomes, 2023). Du reste, ce mandat parfois contreproductif parait plus sisyphéen encore devant la prolifération des réponses produites par des modèles d’IAg. Nous avons préparé une recherche visant à former les élèves à des pratiques critiques adaptées à la place grandissante qu’occupe l’IAg dans leur vie, et ce, par la confrontation raisonnée aux limites de cet outil, afin que l’exploitation de celles-ci devienne un moyen d’affuter la pensée critique en général. Ce texte rend compte de notes de terrain prises à l’occasion d’une auto-enquête, précédée de phases préparatoires, sur l’usage de l’IAg, en 2025.

MISÈRE DU DISCOURS GÉNÉRATIF ET GENÈSE D’UNE RESSOURCE DIDACTIQUE

Pour étayer cette position, la note introduit le concept de baratin génératif, défini comme un discours simulant compétence et autorité sans véritable démonstration ni preuve suffisante. Inspiré du concept de bullshit (Frankfurt, 1986/2005), il s’en distingue par l’absence d’intention d’induire en erreur. Loin d’être vu comme une défaillance ou une maladie infantile de l’IAg, le baratin génératif est compris comme une manifestation de la logique propre de l’outil et une lentille pour examiner les limites de la relation entre humains et IAg. En contexte éducatif, il peut aussi jouer un rôle didactique : obstacle discursif contre lequel s’exercer, le baratin génératif stimule annotation, vérification et réfutation. Son analyse pourrait ainsi contribuer à l’éthos critique en SHS, entendu comme une disposition durable à problématiser, enquêter et débattre dans un cadre de preuves et de délibération savante, à soutenir l’exercice de la phronêsis comme discernement pratique et à nourrir la pensée historienne, comprise comme une faculté euristique centrée sur l’indexation, la contextualisation et le croisement des sources au cours d’une enquête. Dans un contexte de fragmentation des connaissances et de polarisation sédimentée des débats publics (Dupuis-Déri et Éthier, 2016), il constitue un terrain d’apprentissage fécond.

Cette note de terrain répond au besoin de rendre compte des effets d’un usage intensif d’une IAg en recherche et en éducation. L’analyse ne masque pas les imprévus et les échecs du processus, mais les traite comme des données scientifiques, pour réfléchir à la nature d’une démarche rigoureuse à l’ère de l’IAg. Elle repose sur une auto-enquête intensive par l’un des auteurs, impliquant une centaine d’heures de dialogue, des cycles de travail en boucle et plus de 500 échanges avec ChatGPT-4.1 (répliquée, par un autre des auteurs, sur un petit échantillon avec la version 5.2, en décembre 2025)². Elle présente des réflexions sur le processus de recherche et ses retombées didactiques. Elle décrit le protocole suivi, les outils méthodologiques mobilisés (journalisation, macros, typologies) et les aléas rencontrés. L’objectif est d’exposer les difficultés éprouvées et les perspectives que l’analyse du baratin génératif semble ouvrir, en vue de nourrir la réflexion collective sur l’intégration critique de l’IAg.

THÈSES SUR L’ÉTHOS ET LA PHRONÊSIS : EN DÉFENSE DE DEUX PILIERS DE LA SAGESSE PRATIQUE

Dans le domaine des SHS comme dans les autres domaines du champ académique, l’adhésion en acte à un ensemble de normes et de procédés d’enquête pourrait être qualifiée d’éthos scientifique. Il ne s’agit pas d’une quête de neutralité absolue, mais d’un engagement à la rigueur, à l’administration de la preuve et à l’autorégulation du savoir. L’une des pratiques fondamentales de cet éthos, par exemple, est de chercher et croiser des sources divergentes pour étayer une interprétation, un geste qui excède la mémorisation de faits. Ce concept est complété par celui de phronêsis, ou discernement pratique (Aristote, ca 340/1992). La phronêsis est un jugement exercé dans des contextes concrets, marqués par l’incertitude et les conflits de savoirs. Elle se distingue de l’application mécanique de règles ou de procédures. Il s’agit de la conduite d’un sujet qui, dans une situation déterminée, juge et agit de manière ajustée et raisonnable en s’appuyant sur une expérience forgée dans l’action. La phronêsis alimente la problématisation et le débat, permettant de résoudre des tensions plutôt que d’appliquer des directives. Elle est au cœur de l’apprentissage des pratiques critiques et de l’émancipation intellectuelle.

Plusieurs occurrences d’énoncés contreviennent aux critères de l’éthos critique et peuvent donc être désignées comme du baratin génératif. L’IAg, conçue pour générer du langage qui « semble » correct, reproduit les marques extérieures des vertus réputées afférentes à l’éthos critique sans en posséder les fondements. Les formes de baratin comme la compétence simulée ou le quasi-éthos argumentatif imitent l’expertise et la neutralité en utilisant des formules telles que « il est évident que… » ou « en tant qu’expert… » qui donnent l’impression de rigueur sans en produire la preuve, et pour cause : il n’y en a pas toujours. Cette prolifération de discours d’autorité et de généralisations non fondées rend plus urgente la progression de la phronêsis chez les utilisateurs.

Une analyse du phénomène souligne un paradoxe central. Le baratin génératif n’est pas une erreur de calcul ou un dysfonctionnement technique. Il s’agit d’une propriété émergente du système de l’IAg, inhérente à sa logique de fonctionnement : à partir d’une amorce, un modèle de langue, entrainé à prédire des suites linguistiques, génère des énoncés statistiquement plausibles qui peuvent paraitre cohérents, sans être ancrés dans une intention de communication ou un modèle du monde, ni pouvoir faire référence au sens (Bender et coll., 2021, p. 612, 616). Ce mécanisme de remplissage discursif met au jour un mode de fonctionnement de l’outil (probabiliste et formel) qui diverge des attentes épistémologiques et éthiques des SHS, entre autres. Le quasi-éthos de l’IAg ne préfigure pas un éthos partagé, mais occulte une absence de fondement moral ou épistémique. Cette divergence compromet les conditions d’une collaboration épistémique, au sens où celle-ci reposerait sur une relation entre agents, humains ou non, partageant la responsabilité de travailler (ensemble) à une même tâche, en l’occurrence la recherche du vrai, avec toutes les limites qu’il faut fixer à ce concept.

RÉSULTATS DE L’AUTO-ENQUÊTE : CORRECTION PERMANENTE DU BARATIN GÉNÉRATIF

La démonstration des limites de l’IAg et de la nature de son interaction avec un humain repose sur une démarche itérative et située, impliquant un travail préparatoire et un traitement du processus de recherche lui-même comme une donnée scientifique. L’un des chercheurs a consacré plusieurs semaines à une phase de calibration épistémologique de l’IAg, en la confrontant à des corpus théoriques exigeants (Bourdieu, 1997/2003 ; Dewey, 1938/1967) et à des consignes de style strictes (orthographe rectifiée, voix active, absence d’adverbes amplificateurs). Par exemple, la macro « #discours_clair » demande à l’IAg que, chaque fois qu’une affirmation repose sur une approximation, elle indique le statut (livré / projeté), explicite la dépendance (web, fichier, exécution), signale le risque d’erreur et remplace toute promesse vague par une formulation vérifiable (date, source, condition). Ce travail préparatoire a mobilisé une grande quantité de données, a intégré un ensemble de normes, a explicité des critères de rigueur et a identifié des écarts.

Le rôle du chercheur est donc de veiller à la traçabilité et aux arbitrages méthodologiques. Les échanges que l’enquête a impliqués avec le dialogueur (aussi appelé chatbot ou agent conversationnel) ont généré un corpus de près de 600 000 signes. À partir d’une question initiale du chercheur, la réponse produite par l’IAg était soumise à des relances successives : explicitation des hypothèses, précision des critères, comparaison d’interprétations, demandes de reformulation et ainsi de suite ; cela générait aussi de nouvelles questions. L’extrait (beckettien) suivant illustre ce processus : Q1 « en quoi la gouvernance est-elle itérative ? La démarche est déjà récursive… » → R1 « Vous avez raison : la gouvernance itérative et la démarche récursive se chevauchent conceptuellement, mais elles soulignent des aspects légèrement différents :

1. Démarche récursive… 2. Gouvernance itérative… » → Q2 « Cependant, la gouvernance est disparue. » → R2 « Exact : si l’on fusionne itératif et récursif sans mentionner la gouvernance, on perd l’idée d’organisation collective et de prise de décision encadrée. Pour conserver la gouvernance, on peut formuler ainsi… » → Q3 « Cela a-t-il vraiment du sens ou se paie-t-on de mots ?¹ “Enfin, la coélaboration et la gouvernance itératives, ainsi que la démarche récursive d’ajustement constant du projet aux données de terrain génèrent…” »

Pour structurer cette interaction, quatre macros analytiques ont été formalisées et mises en service : #discours_clair, #détection_baratin, #synthèse_exhaustive et #synthèse_fidèle. Elles ont servi d’instruments euristiques pour contraindre la production de l’IAg et repérer ses écarts aux consignes de rigueur. Elles ont permis une gestion systématique des microtâches, de la journalisation des échanges à la gestion des versions et à la documentation des arbitrages humains.

Cette approche souligne que la réussite du protocole ne repose pas sur une intelligence spontanée de la machine, mais que le chercheur doit configurer le dialogueur et l’orienter de façon constante. En fin de compte, l’interaction avec l’IAg n’a pas illustré la collaboration, mais la nécessité d’une présence humaine disciplinée pour en limiter les dérives.

L’application du protocole d’auto-enquête a permis de mieux cerner les contours du baratin génératif. Un travail systématique de codage a stabilisé une typologie de six formes principales de baratin, témoignant de la nature située de la démarche. Les occurrences de ces phénomènes ont été recensées sur l’ensemble du corpus. Le tableau suivant présente la typologie opérationnelle et la distribution consolidée des occurrences, offrant une vue d’ensemble des formes de baratin les plus fréquentes.

TABLEAU 1. Typologie opérationnelle et distribution des occurrences de baratin génératif

Cette typologie sui generis révèle que le baratin ne se limite pas à des erreurs de fait. Il s’étend à des phénomènes rhétoriques, comme le quasi-éthos, à des ruptures de logique, comme le déploiement tautologique, et à des défauts de performance, comme l’effet d’annonce non suivi. La catégorie la plus fréquente est la compétence simulée. Cela rappelle que l’IAg est programmée pour donner une impression d’expertise, même en l’absence de fondement concret. L’efficacité du protocole de correction a été mesurée par la réduction des occurrences entre l’état initial du corpus et sa version finale consolidée.

TABLEAU 2. Réduction des occurrences d’écarts par type de baratin

Les résultats du protocole indiquent que les annotateurs ont recensé 400 occurrences de baratin et, en s’appuyant sur les cycles de correction et les filtres méthodologiques, les ont réduites de 60 %, une baisse signalant la nécessité du contrôle humain sur le discours du dialogueur, mais sans établir la possibilité d’éliminer le baratin. Les macros analytiques ont été efficaces pour détecter les cas lexicalement saillants, la macro #détection_baratin ayant repéré 72 cas de baratin. Cependant, une grande part des écarts initiaux (environ un tiers du total, soit 139 cas) a été tolérée ou omise. Ces cas, jugés trop complexes pour être traités par l’automatisation, ont nécessité un arbitrage humain, soulignant la limite du protocole face à la complexité de l’interaction. La majorité de ces cas non corrigés s’est avérée être des effets de certitude feinte ou de biais d’alignement, des phénomènes qui requièrent une interprétation humaine pour être saisis.

L’introduction des macros a parfois déclenché des contournements discursifs où le dialogueur reformule en termes plus vagues ou déplace la fragilité vers d’autres formulations. L’IAg a même produit du baratin de transparence/humilité, c’est-à-dire des énoncés d’excuse et de promesse de correction… qu’elle n’a pas apportées. Cette capacité à s’autojustifier et à simuler la diligence, tout en échouant à respecter la commande, signale une non-fiabilité et une absence de

« sens des responsabilités ».

PROGRAMME DE TRANSITION DE LA RECHERCHE À LA PRATIQUE

Les leçons tirées de cette enquête ne sont pas confinées au seul domaine de la recherche sur l’IAg, mais se traduisent en recommandations opérationnelles exploratoires pour la formation à la pensée critique. Le baratin génératif peut être utilisé comme une « matière première » pédagogique pour former les élèves et les enseignant·e·s à la phronêsis et à l’éthos scientifique des SHS, une sorte de sac de frappe, pour prendre un exemple tiré de l’entrainement à la boxe.

Le tableau ci-dessous, conceptualisé à partir des observations, propose une articulation entre les types de baratin identifiés et d’exercices didactiques concrets qui les exploitent comme des occasions d’apprentissage. Il ajoute un type absent de la typologie à six formes (présentée dans les tableaux 1 et 2), mais qui était transversal.

TABLEAU 3. Propositions didactiques pour le développement de l’éthos critique

Travailler avec les élèves à repérer et à critiquer le baratin de l’IAg leur rappelle qu’une réponse (d’un humain ou d’une médiation artificielle), même si elle semble cohérente, n’est pas pour autant fondée et qu’une bonne formulation ne garantit pas la justesse : en somme, la rigueur intellectuelle ne réside pas dans la perfection formelle de la production, mais dans la solidité de sa base épistémique. Le baratin fonctionne comme un miroir de l’incomplétude du savoir, un révélateur de la nécessité de former les citoyen·ne·s au jugement éclairé. La rigueur n’est pas un concept abstrait, mais une pratique concrète et vigilante de problématisation et de traçabilité qui s’avère d’autant plus essentielle que les machines apprennent à simuler la vérité.

BILAN ET PERSPECTIVES

L’analyse menée sur le baratin génératif rappelle que la rigueur n’est pas une question d’automatisation sans faille, mais une dialectique constante entre la puissance de l’outil et la vigilance de l’opérateur humain. Le baratin est un phénomène réel, observable et récurrent, prenant des formes diverses, de la simple assertion non fondée à la création de données fictives. L’IAg ne peut être considérée comme un algorithme neutre, car il

s’agit d’un dispositif dont les réponses varient selon les points aveugles et tolérances du protocole adopté.

Cette recherche ouvre trois fronts. D’abord, elle articule le baratin génératif aux notions d’éthos critique et de phronêsis, soumettant ainsi à la discussion un cadre conceptuel unifié. Ensuite, elle propose une méthode empirique rigoureuse permettant de toiser et de réduire les occurrences de baratin, sans nier les limites intrinsèques du protocole face aux cas les plus complexes. Enfin, elle rétablit le rôle de l’humain en tant que gardien de la traçabilité et de la fidélité des données, capable d’identifier et de problématiser la simulation de la preuve.

L’intérêt et la valeur de cette recherche résident dans la description des échecs et contingences du processus : ce matériau permet aux chercheur·e·s de problématiser et de critiquer les productions de l’IAg en les confrontant à une méthodologie explicite. L’IAg doit être considérée comme un instrument puissant d’assistance, pas comme un collaborateur. Une collaboration entendue comme un engagement éthique ne peut exister dans cette relation, car ce dispositif, par sa conception même, ne possède pas les caractéristiques requises pour assumer responsabilité et intention. La « collaboration » avec l’IAg ne peut être qu’une interaction critique et méthodique, exigeant traçabilité et vigilance.

En attendant que les progrès techniques permettent de fiabiliser les systèmes d’IAg, leurs limites actuelles peuvent être exploitées comme ressources pédagogiques. Pour les étudiant·e·s qui utilisent l’IAg et enseigneront ensuite, ces limites actuelles peuvent aussi devenir des ressources de formation : les énoncés biaisés ou relevant de la fabulation (parfois appelée « hallucination » dans le vocabulaire de l’IA) constituent en effet un matériau privilégié pour provoquer un conflit cognitif et nourrir le débat entre élèves et dialogueur. L’enjeu est d’apprendre à identifier ces dérives et à les déconstruire. Cette démarche conduit à une double tâche : critiquer l’IAg, mais aussi l’améliorer par l’adjonction de ressources externes (génération augmentée par récupération documentaire [Retrieval-Augmented Generation (RAG)] ; Li et coll., 2025). Les élèves sont alors placé·e·s en position de choisir et d’indexer des sources fiables, de justifier et d’archiver la décision de fiabilité, de concevoir des protocoles de vérification et de comparer les réponses « avant/après RAG ». Ce travail, qui relève autant de la critique que de l’ingénierie didactique, transforme l’usage de l’IAg en un laboratoire d’expérimentation où les élèves développent des pratiques critiques, tout en exposant ce que l’ajout de sources externes permet ou non de corriger dans les réponses de l’outil.

NOTES

1. Cette expression signifie « se contenter de mots creux, de vaines paroles, manipuler des termes et des concepts que l’on ne comprend pas ».

2. R. Desormeaux a réalisé cette réplication, les analyses et les tableaux.

RÉFÉRENCES

Aristote. (ca 340/1992). Éthique à Nicomaque. Librairie générale française.

Bender, E. M., Gebru, T., McMillan-Major, A. et Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In Conference on Fairness, Accountability, and Transparency (FAccT ’21). Association for Computing Machinery. https://doi.org/10.1145/3442188.3445922

Bourdieu, P. (1997/2003). Méditations pascaliennes. Seuil.

Dewey, J. (1938/1967). Logique : la théorie de l’enquête. Presses universitaires de France.

Dupuis-Déri, F. et Éthier, M.-A. (dir.). (2016). La guerre culturelle des conservateurs québécois. M Éditeur.

Éthier, M.-A. et Lefrançois, D. (2021). Mondes profanes : enseignement, fiction et histoire (2^e éd. rev. et augm.). Presses de l’Université Laval.

Frankfurt, H. G. (1986/2005). On bullshit. Princeton University Press.

Gingras, Y. (2026, 30 mai). L’esprit critique contre la pensée magique. Le Devoir. https://www.ledevoir.com/actualites/le-devoir-de/984008/esprit-critique-contre-pensee-magique

Gomes, L. (2023). Enseignement de l’histoire et fact-checking : L’étude problématisée des documents pour construire des savoirs émancipateurs. Dans J. Buttier et A. Panagiotounakos (dir.), Des savoirs pour agir sur le monde : Quels apprentissages des élèves face aux enjeux contemporains ? (p. 85-97). Presses universitaires de Grenoble.

KPMG LLP. (2025, 9 octobre). La popularité grandissante de l’IA générative auprès des étudiants canadiens crée de nouveaux dilemmes [Communiqué de presse]. Newswire.ca. https://www.newswire.ca/fr/news-releases/la-popularite-grandissante-de-l-ia-generative-aupres-des-etudiants-canadiens-cree-de-nouveaux-dilemmes-815931615.html

Li, Z., Wang, Z., Wang, W., Hung, K., Xie, H. et Wang, F. L. (2025). Retrieval-augmented generation for educational application: A systematic survey. Computers and Education: Artificial Intelligence, 8, 100417. https://doi.org/10.1016/j.caeai.2025.100417

UNESCO. (2021). Reimagining our futures together: A new social contract for education. https://unesdoc.unesco.org/ark:/48223/pf0000379707