Policy Fragmentation or Institutional Alignment? Institutional Governance of AI in Universities and Business Schools
Cette étude analyse les politiques d'IA au sein des établissements d'enseignement supérieur américains et constate un désalignement significatif où les directives au niveau de l'université privilégient l'atténuation des risques tandis que les politiques au niveau des facultés se concentrent sur la pédagogie, un écart particulièrement marqué dans les écoles de commerce qui entrave l'intégration des objectifs d'apprentissage propres à chaque discipline.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez le monde de l'enseignement supérieur comme une ville immense et bouillonnante. Depuis des décennies, cette ville doit décider comment gérer les nouveaux outils : d'abord est arrivée la calculatrice, puis le tableur, et maintenant, l'outil le plus puissant encore : l'intelligence artificielle (IA). Considérez l'IA comme un assistant super intelligent et omniscient capable de rédiger des essais, de résoudre des problèmes mathématiques complexes et d'analyser des données en quelques secondes. Mais tout comme un nouveau superpouvoir, cela vient avec un pièat. Les écoles essaient de déterminer les règles de la route : les étudiants devraient-ils être autorisés à utiliser cet assistant ? Si oui, comment ? Et qui est chargé de fixer les règles ? C'est la grande question que traite l'article. Il examine comment les universités (le gouvernement de la ville) et les écoles spécifiques au sein d'entre elles, comme les écoles de commerce (des quartiers spécialisés), rédigent leurs propres codes de conduite. L'objectif est de voir si tout le monde chante sur la même partition ou si la ville et les quartiers se disputent les paroles.
Les auteurs, Lydia Manikonda et Dominique Outlaw, ont décidé de jouer les détectives. Ils ne se sont pas contentés de deviner ; ils ont utilisé un programme informatique (une sorte de loupe numérique) pour lire et analyser 130 politiques d'IA différentes provenant d'universités à travers 34 États américains. Ils voulaient voir si les règles des grandes universités correspondaient aux règles spécifiques établies par les écoles de commerce. Ils ont traité le texte de ces politiques comme un puzzle, utilisant les mathématiques pour mesurer si les règles semblaient « joyeuses » ou « effrayées » (le sentiment), leur clarté, et à quel point les différents codes de conduite étaient similaires entre eux.
Voici ce qu'ils ont découvert, et c'est un peu comme découvrir que le gouvernement de la ville et la surveillance de quartier locale ne parlent pas la même langue.
D'abord, ils ont examiné la vue d'ensemble : les politiques à l'échelle de l'université. Celles-ci se sont révélées très prudentes, comme un parent disant à un enfant : « Fais attention avec ce nouveau jouet. » Le langage était principalement neutre et doux, utilisant des mots comme « peut » ou « peut éventuellement » au lieu de commandements stricts comme « doit » ou « interdit ». L'accent principal de ces grandes politiques était la sécurité et le risque. Elles s'inquiétaient de la sécurité des données (garder les secrets en sécurité) et de s'assurer que personne n'utilise mal la technologie. Elles disaient essentiellement : « Ne cassez rien, et ne téléchargez pas vos informations privées sur Internet. »
Ensuite, les auteurs ont zoomé sur les écoles de commerce. Ils ont découvert que seulement huit des 130 universités possédaient une politique distincte et spécifique pour leur école de commerce. Mais voici le rebondissement : lorsque les huit politiques des écoles de commerce ont été comparées aux règles de leur université parente, elles ne correspondaient pas très bien. C'était comme si la ville disait : « Ne touchez pas aux fils », mais que l'école de commerce disait : « Voici comment utiliser les fils pour construire un robot cool. »
Les politiques des écoles de commerce étaient beaucoup plus axées sur comment utiliser l'IA pour l'apprentissage. Elles parlaient d'outils spécifiques, de la manière de rédiger des devoirs utilisant l'IA, et de la façon d'enseigner aux étudiants à être doués dans l'utilisation de ces outils. Elles étaient moins préoccupées par les « ne pas faire » et davantage par les « comment faire ». Les politiques universitaires consistaient à garder le château (gestion des risques), tandis que les écoles de commerce consistaient à enseigner aux chevaliers comment combattre (pédagogie et compétences).
L'article suggère que ce décalage est un problème. Si l'université dit : « Soyez prudents », mais que l'école de commerce dit : « Utilisez cet outil pour obtenir un emploi », les étudiants et les enseignants sont confus. Ils ne savent pas s'ils doivent avoir peur de l'IA ou être enthousiastes à son sujet. Les auteurs soutiennent que nous devons combler ce fossé. Ils proposent une nouvelle façon de penser où l'université fixe les garde-fous de sécurité (comme « ne téléchargez pas de secrets »), mais où les écoles de commerce sont libres de construire les parcours d'apprentissage à l'intérieur de ces garde-fous.
Les auteurs prennent soin de ne pas dire que le problème est résolu. Ils suggèrent qu'en ce moment, les choses sont un peu désordonnées et fragmentées. Ils ont constaté que la plupart des universités sont encore dans la phase de « découverte », utilisant un langage nuancé car la technologie évolue très rapidement. Ils recommandent que les établissements travaillent ensemble pour s'assurer que les grandes règles et les petites règles communiquent entre elles, afin que les étudiants soient prêts pour le monde réel, où l'IA est déjà une partie normale du travail.
En résumé, l'article montre que si les universités tentent de protéger tout le monde de l'IA, les écoles de commerce tentent d'enseigner aux étudiants comment l'utiliser. Le défi est de s'assurer que ces deux objectifs ne se fassent pas obstacle, mais travaillent plutôt ensemble pour créer un avenir où les étudiants sont à la fois en sécurité et compétents.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.