La défaite des fils

Éducation mécanisée et impuissance d’une jeunesse devant son propre simulacre

Auteur : Alexandre Ferran

Postulats préliminaires

Postulat I. Une école produit moins des savoirs qu’un certain type d’humain. Ce qu’elle transmet en surface (les contenus) compte moins que ce qu’elle forme en profondeur (la posture, la souveraineté, le rapport au vrai). Cette thèse est aussi vieille que la République de Platon, qui consacre trois livres entiers à la paideia parce qu’il a compris que la cité dépend de l’âme qu’elle fabrique. Toute discussion sur l’éducation qui se limite aux programmes manque l’essentiel.

Postulat II. L’intelligence ne se confond pas avec la performance cognitive. Aristote, dans l’Éthique à Nicomaque (livre VI), distingue cinq vertus dianoétiques : epistēmē (science démonstrative), technē (art ou métier), phronēsis (sagesse pratique), nous (intuition des principes), sophia (sagesse contemplative). Une école qui ne forme que l’epistēmē mesurable et la technē utile est une école qui ampute l’humain de quatre cinquièmes de son intelligence. Et c’est précisément ce que la machine, aujourd’hui, fait mieux que lui : l’epistēmē mesurable et la technē utile.

Postulat III. Une éducation qui se laisse standardiser est une éducation qui se laisse vaincre. Le simulacre est plus rapide que ce qu’il simule, dès lors que ce qu’il simule a accepté de se laisser réduire à un format. Le QCM, la grille de compétences, le référentiel d’évaluation, sont déjà des machines avant que la machine n’existe. Elles préparent le terrain de leur propre dépassement.

Postulat IV. La capacité d’un peuple à se gouverner dépend de la robustesse de l’éducation que ses élites laissent à ses enfants. Quand cette éducation cesse d’être un instrument d’élévation pour devenir un instrument de tri, la démocratie n’est plus qu’un mot. Cette thèse est défendue par Marc Fumaroli (L’État culturel, 1991), par Pierre Manent (La Loi naturelle et les droits de l’homme, 2018), par George Steiner (Real Presences, 1989), et plus anciennement par Tocqueville dans le tome second de De la démocratie en Amérique (1840), chapitres 15 à 17 du livre I.

Postulat V. Ce qui est avancé dans ce texte est avancé à titre d’hypothèse, non de certitude. Les données empiriques mobilisées (Stanford 2025, PISA 2022, statistiques d’emploi chinoises et iraniennes 2022-2025, Centre de recherche du Parlement iranien) permettent de soutenir la thèse sans la démontrer. Une démonstration supposerait des études comparatives internationales rigoureuses qui n’ont pas encore été conduites avec la finesse requise, et qui supposeraient en particulier de distinguer dans chaque pays l’effet propre du déploiement de l’IA des effets macro-économiques concurrents (sanctions, démographie, structure sectorielle). C’est précisément le programme de recherche qu’esquisse la conclusion.

Introduction : la thèse de Ferry et son angle mort

Luc Ferry, dans une intervention vidéo récente, formule un constat qui circule beaucoup et qu’il prolonge dans son essai IA : grand remplacement ou complémentarité ? (2025). Selon lui, la révolution de l’intelligence artificielle est un tsunami qui n’a rien à voir avec les révolutions industrielles précédentes, et qui menace désormais l’essentiel des emplois. La jeunesse, dans cette analyse, est en première ligne. Pourquoi ? Parce que les actifs installés tiennent leur place sur le marché, qu’ils ne sont pas à embaucher, et que c’est sur les nouveaux entrants que la pression de substitution s’exerce d’abord. Le diagnostic est sociologique, économique, vaguement démographique. Il a le mérite d’alerter.

Mais les chiffres que nous avons sous les yeux disent quelque chose que cette lecture n’explique pas. L’étude conduite par Erik Brynjolfsson et son équipe à Stanford, publiée en août 2025 (Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence), établit une asymétrie qui ne se réduit pas à une question de position sur le marché. Sur la période fin 2022 à juillet 2025, les travailleurs américains de 22 à 25 ans dans les métiers les plus exposés à l’IA ont vu leur emploi reculer de 13 %. Sur la même période, dans les mêmes catégories de métiers, les plus de 30 ans ont vu leur emploi croître de 6 à 9 %. Cette divergence est massive. Elle ne s’explique pas par la simple stabilité contractuelle des seconds : si ce n’était que cela, on observerait au pire une stagnation, jamais une croissance. Quelque chose, dans la nature même du travail que produisent les uns et les autres, rend les seconds non seulement protégés, mais augmentés par la machine, là où les premiers en sont évincés.

Les chercheurs de Stanford donnent eux-mêmes l’élément décisif d’interprétation. Ce que l’IA remplace en priorité, écrivent-ils, c’est le codified knowledge, le book-learning. C’est-à-dire la connaissance formalisée, codifiée, transmissible par procédure, celle qui s’acquiert dans les institutions de formation moderne et qui se mesure en compétences. Tandis que ce qui résiste, et même se renforce sous l’effet de la machine, c’est le tacit knowledge, le savoir tacite, ce que Michael Polanyi appelait en 1958 « ce que nous savons sans pouvoir le dire ». Le jugement situé. Le goût. Le sens du moment. La compréhension d’arrière-plan qui ne se formalise pas. Ce sont ces qualités-là que la machine n’attrape pas, et que ses utilisateurs expérimentés mobilisent pour l’orienter, la corriger, en faire un instrument démultiplicateur de leur propre intelligence.

Ce constat oriente vers une hypothèse d’une tout autre portée que celle de Ferry. Si la jeunesse est écrasée et la maturité augmentée, ce n’est pas d’abord pour une raison de cohorte. C’est parce que les deux catégories n’ont pas reçu la même éducation. Les actifs de 35, 50 ou 60 ans aujourd’hui ont été formés, en partie au moins, dans un système scolaire qui transmettait encore une part de ce qui ne se mesure pas. Les jeunes entrants l’ont été dans un système qui, depuis trois ou quatre décennies, s’est progressivement débarrassé de cette part-là. Ils ont été instruits à être ce que la machine fait mieux qu’eux.

C’est cette hypothèse que nous voulons examiner ici. Nous la formulons en quatre temps. D’abord, nous regarderons ce que la machine dit, par sa simple présence, de l’école qui l’a précédée (I). Ensuite, nous tenterons une généalogie de la mécanisation des esprits, en mobilisant Foucault, Stiegler, Bourdieu et quelques autres (II et III). Nous comparerons ensuite ce que la dissertation et le grec savaient construire dans une âme, avec ce que la grille de compétences y construit aujourd’hui (IV). Nous confronterons enfin notre lecture occidentale à ce que les données 2025 disent de la Chine et de l’Iran, deux pays dont les trajectoires éclairent la nôtre en miroir (V), avant de conclure sur ce que l’IA, paradoxalement, pourrait permettre de réparer (VI).

I. Le miroir : ce que la machine dit de l’école qui l’a précédée

Une machine ne bat un humain que sur le terrain où l’humain a accepté de se mesurer à elle. Tant que la course oppose un homme et un cheval sur la distance d’un marathon, le cheval l’emporte ; mais la course n’oppose pas la même chose si l’on regarde la valeur de l’effort, le sens du parcours, la mémoire qui se construit dans la durée. Le cheval bat l’homme sur la vitesse, pas sur la civilisation.

La machine numérique, et singulièrement le grand modèle de langage qui exécute notre époque, ne bat l’humain que sur ce qui peut se coder, se segmenter, s’évaluer en sortie discrète. Elle remplit des cases parce qu’elle est, dans sa structure même, une remplisseuse de cases. Elle résume parce qu’elle est, par construction, un compresseur statistique. Elle produit un texte plausible parce que son entraînement consiste à maximiser la plausibilité. Sur ces trois opérations (cocher, résumer, produire du plausible), elle est meilleure que nous, plus rapide, plus régulière, infiniment moins coûteuse. Elle l’est nécessairement, parce que c’est exactement ce qu’elle est.

Or, regardons ce que l’école occidentale moyenne demande aujourd’hui à un élève. Elle lui demande de cocher la bonne case dans un QCM. Elle lui demande de produire un résumé en cinq lignes d’un texte donné. Elle lui demande de remplir une fiche d’analyse littéraire selon un protocole. Elle lui demande, à l’université, de répondre à des “questions de cours” qui appellent une formulation calibrée. Elle lui demande de valider des “compétences” listées dans un référentiel européen. Elle lui demande, en médecine, de cocher les cases d’un dossier patient numérisé. Elle lui demande, en droit, d’appliquer une grille jurisprudentielle. Elle lui demande, dans les agences d’intérim et les fonctions support, de suivre une “fiche de contexte” et de produire le livrable attendu.

Sur chacune de ces tâches, la machine la dépasse. Non parce que la machine est devenue intelligente, mais parce que ces tâches sont déjà la part “mécanisable” de l’humain. Elles ont été conçues, depuis quatre ou cinq décennies, pour être évaluables à grande échelle, standardisables, interopérables, reproductibles. Elles ont été, mot pour mot, algorithmisées, dans les têtes des élèves, avant même qu’aucune machine ne soit là pour les exécuter. La machine n’a fait qu’arriver dans un terrain qui, déjà, l’attendait.

C’est en ce sens précis que l’IA n’est pas l’envahisseur d’une cité humaine intacte. Elle est le révélateur d’une cité qui s’était, à son insu, depuis longtemps, transformée en machine. La défaite des fils n’est pas une défaite face à un adversaire extérieur. C’est la mise en évidence de ce qu’ils étaient devenus avant le combat.

II. La généalogie : comment une école a appris à fabriquer ce que la machine reproduit

Pour comprendre comment l’école occidentale en est arrivée là, il faut accepter de remonter un peu en arrière. Pas pour faire l’archéologie d’un dysfonctionnement local, mais pour reconnaître un mouvement structurel qui traverse au moins deux siècles, et qui s’est accéléré depuis trois ou quatre décennies sous l’effet de plusieurs forces convergentes.

1. Le dispositif disciplinaire moderne

Michel Foucault, dans Surveiller et punir (1975), a montré que l’école moderne, comme la caserne, l’usine, l’hôpital et la prison, est née au tournant du dix-huitième siècle comme un dispositif au sens technique : un ensemble réglé de pratiques visant à produire un certain type de corps, capable de subir une discipline et de produire un travail régulier. L’école obligatoire, dans sa forme jules-ferryste française (1881-1882), prussienne (Humboldt et ses successeurs), ou anglo-saxonne (les common schools américaines), répond à un besoin commun : former le citoyen-soldat, le fonctionnaire, l’ouvrier qualifié dont les États-nations industriels ont besoin. Cette école produit déjà, à son origine, un homme partiellement standardisé. Mais elle conserve, au moins dans ses ambitions hautes, la transmission d’une humanitas (la formation par les humanités, la rhétorique, la dissertation, les langues anciennes) qui visait, au-delà de l’utilité immédiate, à former un esprit capable de se gouverner.

La rupture n’est donc pas dans l’instauration de l’école obligatoire moderne. Elle est dans l’évacuation progressive, à partir du milieu du vingtième siècle, de la part humanitas au profit de la part dispositif. L’école cesse d’être à la fois usine et académie ; elle devient usine pure.

2. La grammatisation et la prolétarisation des savoirs

Le philosophe Bernard Stiegler, dans une série de travaux conduits entre 2003 et 2019 (notamment La Technique et le Temps, États de choc, Pharmacologie du Front National, Dans la disruption), propose un cadre théorique précieux pour penser ce qui s’est passé. Il appelle grammatisation le processus par lequel un savoir, jusque-là incarné dans une pratique vivante, est codifié, segmenté, externalisé dans un support technique (l’écriture, l’imprimerie, le programme informatique, l’algorithme). La grammatisation n’est pas mauvaise en soi : sans elle, pas de transmission, pas de cumul, pas de civilisation. Mais elle devient toxique quand le savoir grammatisé n’est plus réapproprié par les individus, et qu’il reste extérieur à eux comme une procédure qu’ils exécutent sans la comprendre.

Stiegler appelle ce moment la prolétarisation, en élargissant le terme bien au-delà de son sens marxien initial. Le prolétaire, au sens stieglérien, n’est pas seulement le travailleur dépossédé de ses moyens de production. C’est tout être humain dépossédé de son savoir-faire, de son savoir-vivre, et finalement de son savoir penser, parce que ces savoirs ont été inscrits dans des machines qui les exécutent à sa place. Le médecin qui ne fait que cocher les cases du logiciel hospitalier est un médecin prolétarisé. Le juriste qui ne fait qu’appliquer une grille jurisprudentielle automatisée est un juriste prolétarisé. Le professeur qui ne fait que dérouler un référentiel de compétences validé en haut lieu est un professeur prolétarisé. Et l’élève qui ne fait que cocher des cases et remplir des grilles est, dès l’école, un prolétaire de l’esprit.

L’arrivée de l’IA générative n’invente pas cette prolétarisation. Elle la rend visible parce qu’elle l’achève. Là où la machine d’hier exécutait des procédures fixes, la machine d’aujourd’hui exécute la procédure souple, contextuelle, langagière. Elle prend la dernière part du savoir que la grammatisation classique laissait encore au sujet humain : l’ajustement situé de la procédure au cas. Et elle la prend précisément à ceux qu’on n’a formés qu’à cela, c’est-à-dire aux jeunes diplômés de l’école mécanisée.

3. L’écrêtage par la moyenne

Une troisième force, plus politique celle-ci, a accéléré le mouvement. Elle a un nom dans la sociologie française des cinquante dernières années : la démocratisation par le bas. L’idée, en apparence généreuse, est qu’une école est démocratique lorsqu’elle réduit les écarts entre les meilleurs et les moins bons. Cette idée n’est pas absurde si elle vise à élever le niveau du bas. Elle devient pernicieuse quand elle s’attaque, plutôt, au niveau du haut. Or c’est, structurellement, ce qui a été fait. La suppression progressive des classes préparatoires expérimentales, l’affaiblissement des concours d’excellence, la dilution des programmes de littérature, de mathématiques et de philosophie, la disparition progressive du grec et du latin dans la majorité des établissements (la réforme française du collège de 2015 en est une illustration emblématique, et n’est qu’un épisode d’un mouvement plus ancien et plus large), tout cela a contribué à raboter les sommets pour rapprocher la moyenne. Le résultat est connu : les enquêtes PISA 2022 placent la France au plus bas niveau jamais mesuré en mathématiques, et confirment un déclin en lecture amorcé depuis 2012.

Ce nivellement par le bas, qui se présente comme une justice, est en réalité son contraire. Il prive les enfants des classes populaires du seul levier qui leur permettrait d’accéder aux savoirs robustes : un enseignement exigeant, organisé pour les amener au plus haut. Il laisse aux héritiers, qui disposent à la maison du capital culturel transmis (Bourdieu et Passeron, Les Héritiers, 1964 ; La Reproduction, 1970), le monopole de la humanitas véritable. Le QCM est donné au gueux ; la dissertation reste, en privé ou dans quelques établissements résiduels, le privilège du fils de notable. L’école commune, en cessant d’être exigeante, n’a pas effacé la reproduction. Elle l’a verrouillée.

4. Une ploutocratie qui se masque

Cette analyse, si on l’admet, conduit à formuler une hypothèse plus dure encore. Et nous insistons sur son statut d’hypothèse : nous ne prétendons pas démontrer ce qui suit, nous proposons de le tenir comme axe de travail.

L’hypothèse est la suivante. Le démantèlement progressif de l’école exigeante en Occident ne procède pas seulement d’erreurs pédagogiques ou d’engouement idéologique. Il sert objectivement les intérêts d’une oligarchie qui se constitue par la captation du capital culturel autant que du capital économique. Une population formée à l’argumentation, au doute structuré, à la lecture serrée des textes anciens, à la mise en perspective historique, est une population difficile à gouverner. Une population formée au QCM, à la grille, à la procédure, est une population qui obéit. Cette dernière est utile à un capitalisme financier qui a besoin de consommateurs prévisibles, d’opérateurs interchangeables, de citoyens incapables de tenir tête à un argument complexe. La première, au contraire, serait dangereuse pour cet ordre. Ce n’est pas un hasard si les filières d’excellence se sont raréfiées dans le public et concentrées dans le privé. Ce n’est pas un hasard si les hautes études en France, et plus généralement les voies d’élite, fonctionnent à grande échelle comme des dispositifs d’entrisme social pour les enfants de la grande bourgeoisie urbaine, dont la part dans certaines promotions est documentée et écrasante (cf. les travaux de l’Observatoire des inégalités, et les analyses récurrentes de la sociologue Annabelle Allouch).

Ce que la modernité libérale nomme méritocratie fonctionne, dans les faits, comme une ploutocratie méthodique. La ploutocratie ne se contente plus de transmettre la fortune ; elle transmet désormais les conditions intellectuelles de la garder. Et elle abandonne au peuple un système éducatif réduit à la production d’employés dociles, dont la docilité est exactement ce que la machine d’IA va, demain, rendre superflue.

Cette lecture n’est pas neuve. Elle reprend, en la précisant pour notre époque, une intuition que l’on trouve chez Étienne de La Boétie dans le Discours de la servitude volontaire (1576), chez Tocqueville dans le tome second de De la démocratie en Amérique (1840), chez Hannah Arendt dans la Crise de la culture (1961), chez Christopher Lasch dans La Révolte des élites (1995), chez Marc Fumaroli dans L’État culturel (1991). L’IA générative, en achevant la prolétarisation cognitive, n’invente pas la ploutocratie. Elle en révèle l’ossature avec une netteté que la prospérité passée masquait.

III. Ce que la dissertation savait, ce que la case ignore

Reformulons la question dans des termes plus directement éducatifs. Qu’est-ce que l’école d’autrefois construisait dans une âme, que l’école d’aujourd’hui ne construit plus ? Et pourquoi cette construction-là protège, là où la formation aux compétences livre ?

1. La dissertation comme exercice de souveraineté

La dissertation classique française, dont on peut faire remonter la forme stabilisée au dix-neuvième siècle, est un exercice étrange. On donne à un élève un sujet (une question, une citation, un paradoxe) et on lui demande, en trois ou quatre heures, de construire un développement argumenté qui passe par trois mouvements : une thèse, son objection ou son dépassement, une synthèse ou une réorientation. L’exercice paraît scolaire ; il est en réalité un entraînement à la souveraineté intellectuelle. Il oblige l’élève à poser quelque chose comme vrai, puis à le contester avec la plus grande force possible, puis à trancher en assumant le poids du choix. C’est une miniature du jugement politique au sens d’Aristote (Éthique à Nicomaque, livre VI), de la phronēsis qui ne se laisse réduire ni à une science déductive, ni à une technique applicable, mais qui suppose un sujet capable d’évaluer une situation singulière à la lumière de principes intériorisés.

Le QCM, et plus largement l’évaluation par compétences, est la négation point par point de cet exercice. Il fournit la thèse, fournit les alternatives, demande seulement de choisir. Il ne demande pas de contredire, il ne demande pas de trancher. Il demande de reconnaître. La machine est, par construction, infiniment plus rapide à reconnaître. Elle ne se trompe presque jamais sur les choix forcés. Un élève formé exclusivement au QCM ne sait pas faire ce que la machine ne sait pas faire : tenir une position, en éprouver l’opposé, en sortir transformé. Il sait faire ce que la machine fait mieux que lui.

2. Le grec et le latin comme exercices désintéressés

Le recul du grec et du latin dans l’enseignement secondaire occidental est l’un des indicateurs les plus parlants de la mécanisation de l’école. Ces deux langues, dans la tradition pédagogique européenne, n’étaient pas enseignées pour qu’on s’en serve (presque personne ne lit Sophocle ou Tite-Live en version originale dans la vie courante), mais parce que leur étude formait une certaine qualité d’attention. Apprendre le latin, c’est s’astreindre à la patience d’une syntaxe complexe. C’est accepter qu’une phrase puisse signifier autre chose que ce qu’elle paraît dire au premier regard. C’est s’entraîner à la rigueur logique sans calcul. C’est entrer dans un univers où le sens n’est jamais évident, où la traduction est toujours un compromis, où la perfection n’est jamais atteinte. C’est faire l’expérience d’un savoir sans rendement immédiat.

Cette qualité d’attention, que les langues anciennes formaient, est exactement ce que l’IA générative ne possède pas et qu’elle ne peut pas simuler longtemps. La machine est performante en surface précisément parce qu’elle court-circuite la patience. Elle livre tout de suite. Elle ne fait pas l’expérience du sens en train de se chercher. Preuve en est, les modèles récents reasonning sont meilleurs que leurs ancêtres, justement parce qu’on les contraint à cette dimension réflexive. Un élève qui a passé six ans à se mesurer aux participes futurs latins et aux duels grecs sait, dans son corps, qu’il existe des problèmes qui ne se résolvent pas en cliquant. Il sait ce que c’est qu’attendre. Il sait que la première solution proposée est presque toujours fausse. Il a, sans même se le formuler, une immunité partielle à l’éblouissement par la réponse rapide. Un élève qui n’a connu que le clic, l’extraction d’information et la complétion automatique n’a pas cette immunité. Il prend la sortie du modèle pour la pensée, parce qu’il n’a jamais expérimenté ce que la pensée demande.

3. La phronēsis et le savoir tacite

L’étude Stanford 2025 nomme tacit knowledge ce qui résiste à la machine. C’est une notion, on l’a dit, formulée par Michael Polanyi en 1958 dans Personal Knowledge. Polanyi montre que tout savoir explicite repose sur un fond de savoir tacite, « ce que nous savons sans pouvoir le dire », qui ne peut être transmis qu’à travers une pratique partagée, un compagnonnage, une présence prolongée à des situations réelles. Aristote, vingt-quatre siècles plus tôt, avait posé la même distinction en termes plus serrés. La technē, l’art ou le métier, est un savoir-faire qui s’apprend par règles ; la phronēsis, la sagesse pratique, est une vertu qui s’acquiert par habituation à des situations singulières sous la conduite d’un maître. La phronēsis ne se met pas en algorithme, parce que ses objets sont eux-mêmes singuliers, irréductibles à un cas général. C’est elle que l’IA ne sait pas reproduire justement parce que, à part chez les philosophes, ces notions ne sont pas couchées sur le papier. Elles sont silencieuses, donc invisibles aux corpus des IA. Et c’est elle, précisément, que l’école d’aujourd’hui ne prend plus le temps de former, faute de reproductibilité et d’efficacité.

Pierre Hadot, dans ses travaux sur l’Antiquité (Exercices spirituels et philosophie antique, 1981 ; Qu’est-ce que la philosophie antique ?, 1995), a montré que les Anciens concevaient la philosophie non comme un corps de doctrines, mais comme une manière de vivre qui se cultive par des exercices : la lecture, la méditation, l’examen de conscience, le dialogue. Ces exercices formaient ce que Hadot appelle un style d’âme. La grammatisation moderne, en remplaçant l’exercice par la procédure et le style d’âme par la grille de compétences, a fait disparaître ce que la machine, par construction, ne peut pas occuper.

4. Ce que Simone Weil et George Steiner ont vu

Simone Weil, dans L’Enracinement (rédigé en 1943, publié en 1949), écrit que parmi les besoins fondamentaux de l’âme humaine figurent « l’initiative et la responsabilité », « la vérité », et « la hiérarchie » entendue comme reconnaissance d’un ordre des choses qui dépasse la pure utilité. L’école qu’elle critique, déjà en 1943, est celle qui réduit l’élève à l’exécution de tâches sans en faire le sujet libre. Elle prophétise, sans le savoir, la condition de l’élève moderne devant l’IA : un être dépossédé de son initiative, à qui l’on demande seulement de valider des sorties produites par une procédure dont il n’a pas la maîtrise.

George Steiner, dans Real Presences (1989), avance que l’éducation véritable est une rencontre avec une présence réelle (l’auteur, l’œuvre, le grand prédécesseur) qui interpelle l’élève dans son intériorité et l’oblige à se situer. La pédagogie de la grille interdit cette rencontre. Elle ne propose pas une présence ; elle propose un référentiel. L’élève ne s’oblige plus à se mesurer à Sophocle, à Pascal, à Hegel, à Bergson. Il s’oblige à cocher des items dans une liste de capacités. La présence a disparu. L’IA, qui est par essence une absence (un texte sans auteur, une parole sans présent), ne fait que s’installer dans le vide que cette pédagogie a creusé.

IV. Le vieux que la machine démultiplie : pourquoi l’éduqué n’a pas peur

Si la thèse précédente est juste, alors un corollaire en découle directement. Les générations qui ont été formées dans une école encore exigeante, même partiellement, doivent montrer une asymétrie de comportement face à l’IA. Elles doivent non seulement résister, mais s’en saisir comme d’un outil qui démultiplie leur capacité. Et c’est exactement ce que les chiffres montrent.

Les chercheurs de Stanford expliquent la croissance de 6 à 9 % de l’emploi des plus de 30 ans dans les métiers les plus exposés à l’IA par deux mécanismes. Le premier est défensif : les actifs installés mobilisent du savoir tacite que la machine ne saisit pas. Le deuxième est offensif : ces mêmes actifs utilisent l’IA pour augmenter leur productivité sur les tâches où ils étaient déjà compétents, plutôt que de la laisser leur substituer. L’IA devient leur instrument là où elle devient concurrent pour les autres.

Cette asymétrie n’est pas une question de chance générationnelle. Elle s’explique par une structure simple : pour bien utiliser un outil puissant, il faut savoir ce qu’on lui demande, savoir évaluer sa sortie, savoir corriger ses erreurs. Ces trois opérations supposent une compétence intériorisée qui dépasse l’usage de l’outil. Un avocat formé à la rigueur du raisonnement, à la lecture serrée d’un arrêt, à l’argumentation contradictoire, peut utiliser un LLM pour produire dix fois plus vite une première version qu’il corrige ensuite avec discernement. Un junior formé à appliquer des grilles ne sait ni juger la première version, ni la corriger. Il peut produire la version, mais il n’est plus nécessaire pour le faire. C’est précisément ce qui explique pourquoi les premières vagues de licenciements documentées dans les grands cabinets d’avocats et de conseil concernent les associates et les consultants juniors, pas les partners.

Ce que la machine demande, en somme, c’est un humain qui ait reçu une éducation supérieure à celle requise pour exécuter la tâche que la machine prend à sa charge. Tant que l’humain reste un sujet, il peut orienter, contrôler, augmenter. Dès que l’humain a été ramené, par son école, au niveau auquel la machine peut elle-même produire, le niveau de l’objet, il devient interchangeable avec elle, et donc redondant. La différence entre le vieux qui est augmenté et le jeune qui est évincé ne tient ni à la chance, ni à l’ancienneté contractuelle. Elle tient à la qualité de l’éducation que chacun a reçue. C’est une vérité que ni le marché du travail, ni l’analyse sociologique de Ferry, ne nomment, parce qu’elle accuse ceux qui ont laissé l’école dériver.

V. Épreuves convergentes : la Chine, l’Iran, et l’équation à deux variables

Une hypothèse philosophique ne tient pas seule. Elle appelle des épreuves empiriques. Le premier réflexe, quand on défend la thèse précédente, est de chercher dans le monde un pays où l’éducation n’aurait pas suivi la dérive occidentale, et où la jeunesse, par conséquent, ne serait pas écrasée par l’IA comme l’est la nôtre. C’est ainsi que nous avions, dans une première version de cet essai, abordé la Chine et l’Iran : comme des contre-épreuves qui devaient soit valider, soit infirmer la thèse. Les données 2025, examinées de près, obligent à un déplacement. Ces pays ne fonctionnent pas comme des contre-épreuves. Ils fonctionnent comme des épreuves convergentes qui complètent l’hypothèse en montrant que la jeunesse, partout dans le monde moderne, est aujourd’hui en difficulté, mais pour des raisons partiellement distinctes qui éclairent, en miroir, le diagnostic occidental.

Chine : la rigueur sans humanitas ne sauve rien

Le système chinois est un cas instructif précisément parce qu’il représente l’inverse du laxisme français. Le gaokao (l’examen national d’entrée à l’université) est l’un des dispositifs de sélection les plus brutaux du monde, organisé autour d’un bachotage massif, d’une compétition féroce, et d’une exigence quantitative qui produit chaque année un volume de talents techniques sans équivalent en Occident. Les élèves chinois dominent depuis quinze ans les compétitions internationales de mathématiques et de sciences. Les universités d’élite (Tsinghua, Pékin, Fudan, Westlake) opèrent une sélection STEM qui n’a plus d’équivalent en France ou aux États-Unis. Si l’effort scolaire brut suffisait à protéger une jeunesse de l’IA, la Chine devrait être le pays où les jeunes diplômés s’en sortent le mieux.

Or les données 2025 disent l’inverse. Le chômage des jeunes Chinois (16-24 ans, hors étudiants) atteint en août 2025 un record de 18,9 %, le plus haut depuis la révision méthodologique de fin 2023 ; il reste à 16,5 % en décembre. Le nombre de nouveaux diplômés du supérieur est passé à 12,22 millions en 2025, +430 000 par rapport à 2024, avec un nouveau record annoncé à 12,7 millions pour 2026. Les offres d’emploi pour ces diplômés se sont effondrées de 22 % au premier semestre 2025. Plus de 20 % des livreurs des grandes plateformes sont aujourd’hui diplômés du supérieur, et au moins 70 000 chauffeurs VTC sont titulaires d’un master. Le 27 janvier 2026, le ministère chinois des Ressources humaines a annoncé qu’il préparait des documents officiels pour répondre publiquement à l’impact de l’IA sur l’emploi. Pékin commence à reconnaître ce qu’il préférait taire.

Cette donnée a une portée que la simple comparaison de moyennes ne suffit pas à saisir. Elle indique que la rigueur scolaire purement quantitative, lorsqu’elle est coupée de la dimension de l’humanitas (latin, grec, dissertation, lecture serrée de textes anciens, formation à la phronēsis), ne protège pas. Au contraire : elle produit, à très grande échelle, exactement ce que la machine fait mieux que l’humain. Le gaokao est un QCM monumentalisé. Il rigorise le formalisme sans réintroduire le savoir tacite, le jugement situé, le style d’âme. Le résultat est qu’une masse de jeunes Chinois extrêmement formés sur le papier se retrouve dans le même rapport à l’IA que les jeunes Occidentaux moins bien sélectionnés : interchangeable avec elle, et donc remplaçable par elle. La Chine n’invalide pas notre thèse. Elle la complète en montrant que la qualité humaniste de la formation, et non sa seule intensité, est ce qui fait barrière.

Et la qualité dont il est question ici déborde, à mesure qu’on l’examine, le seul cadre scolaire. L’humanitas que la France a perdue, et que la Chine n’a jamais reconstituée après la Révolution culturelle, n’était pas qu’un programme de lecture serrée et de phronēsis. Elle portait aussi, en sourdine, un lien à ce qui ne se calcule pas : ce que la tradition idéaliste nomme l’invisible, le Principe, le sens du Centre. Une société qui a fait du matérialisme sa métaphysique officielle se prive précisément de ce qui, dans la formation, excède la machine. La question affleure ici, sans que nous prétendions la trancher : est-ce que les sociétés les plus complètement matérialisées ne sont pas aussi les plus rapidement remplaçables par leurs propres machines ?

Iran : l’humanitas préservée, mais étouffée — et ce que sa fenêtre tech révèle

L’Iran est un cas plus complexe encore, et il oblige à une honnêteté méthodologique. La tradition pédagogique persane a conservé, malgré les ruptures révolutionnaires, une exigence forte en mathématiques, en physique théorique, en littérature classique. Les élèves iraniens dominent depuis vingt ans les Olympiades internationales de mathématiques et d’informatique. La grande tradition poétique persane (Hâfez, Saadi, Rûmî, Ferdowsi), enseignée massivement dès l’école primaire, maintient un rapport vivant à la langue et au sens. Et cette tradition n’est pas que littéraire. Hâfez, Saadi, Rûmî, Ferdowsi sont aussi, et peut-être d’abord, les voix d’un idéalisme spirituel persistant (soufisme, métaphysique de la lumière de Sohrawardi, gnose ishrāqī) qui n’a jamais consenti à l’évacuation du sacré que l’Occident moderne, dans son désenchantement weberien, a installée comme allant de soi. L’humanitas iranienne est restée, malgré la révolution, malgré la théocratie, reliée à l’invisible. Et pourtant les jeunes Iraniens souffrent. Pourquoi ?

Les chiffres 2025 dessinent une situation paradoxale. Le chômage des jeunes Iraniens (15-24 ans) est passé de 22,7 % en 2022 à 22,64 % en 2023, puis à 19,4 % au troisième trimestre 2024 et 20,2 % au quatrième, soit une légère amélioration apparente sur la période même où l’IA générative s’est massivement déployée dans le monde. À première vue, cela suggérerait que les jeunes Iraniens travaillent plus qu’avant l’IA, à rebours de la trajectoire occidentale. Mais lue de près, cette amélioration est trompeuse. D’abord, le nombre absolu de chômeurs de 18-35 ans a augmenté sur la même période (1,643 million à l’été 2022, 2,115 millions à l’été 2023), ce qui signifie que le taux baisse moins parce que la situation s’améliore que parce qu’une partie de la jeunesse sort des statistiques (découragée, émigrée, absorbée par l’économie informelle). Le taux de participation au marché du travail de la population de 15 ans et plus est tombé en 2024 à 40,24 %, son plancher historique depuis 1990. Ensuite, le chômage des femmes de 20-24 ans atteint 34,9 % en 2025. Enfin, 110 000 étudiants iraniens sont aujourd’hui à l’étranger et 70 % d’entre eux ne comptent pas rentrer. L’humanitas iranienne sauve, mais elle sauve ailleurs : à Dubaï, à Toronto, à Paris, à Berlin. Les “vieux démultipliés” iraniens existent ; ils ne sont simplement plus en Iran.

Quant à la question précise de savoir si l’IA produit en Iran le même biais d’âge qu’aux États-Unis (les jeunes évincés, les actifs installés retenus dans les métiers exposés), aucune étude équivalente à celle de Stanford n’a encore été conduite, et la Statistical Center of Iran ne publie pas de ventilation par âge croisée avec l’exposition à l’IA. Le Centre de recherche du Parlement iranien estime que 20 % des emplois iraniens seront affectés par l’IA dans les années à venir, mais l’investissement public total reste inférieur à 50 millions de dollars en 2025, contre des milliards aux Émirats et en Arabie Saoudite. L’IA y est massivement déployée dans les secteurs judiciaire et sécuritaire (outils de contrôle, pas de productivité), et dans les plateformes urbaines (Snapp, Tapsi, dont une part substantielle des chauffeurs et livreurs sont des diplômés du supérieur sans débouchés). Le pays n’a pas encore le déploiement massif (cabinets d’avocats, conseil, programmation, support client) qui produit, aux États-Unis, l’asymétrie Stanford.

Et pourtant un signal qualitatif inverse mérite d’être relevé. Là où l’IA est densément présente en Iran, c’est-à-dire dans l’écosystème tech de Téhéran, les jeunes ne sont pas évincés : ils en sont le moteur. Le pays compte aujourd’hui entre 287 000 et 335 000 diplômés STEM par an, ce qui en fait le deuxième pool de développeurs IA du Moyen-Orient. 3 728 startups étaient actives en 2025, en croissance annuelle de 14,1 %, dont 83 % à Téhéran, pour un total de 676 millions de dollars levés sur l’année. Le Parlement a voté en mai 2025 un Plan national d’intelligence artificielle (187 voix contre 33), doté d’un budget initial de 115 millions de dollars, et a programmé la création d’un AI Park de Téhéran pour 2027. Les universités phares (Sharif, Téhéran, Amirkabir) ont basculé massivement leurs cursus vers l’IA. Les jeunes Iraniens qui travaillent dans ces écosystèmes ne sont pas remplacés par la machine ; ils la construisent. Et quand ils sont broyés, c’est en amont, par les sanctions américaines réactivées en 2018, par la fermeture du marché international, par la capture sécuritaire de l’État, par la guerre du printemps 2025 avec Israël, non par le LLM qui aurait calqué leur fiche.

Le cas iranien apporte donc, paradoxalement, l’une des validations les plus claires de l’hypothèse défendue ici. Là où l’humanitas a été préservée par l’école, la jeunesse, lorsqu’elle accède effectivement à l’IA, ne se laisse pas évincer : elle s’en saisit comme d’un outil, exactement comme le font les actifs occidentaux de plus de trente ans dans l’étude Stanford. Les jeunes Iraniens qui souffrent ne sont pas tués par la machine ; ils sont tués par l’absence du marché où exercer ce qu’on leur a transmis. Quand ce marché existe (la fenêtre étroite du secteur tech à Téhéran, ou plus largement les diasporas de Dubaï, Toronto, Berlin), ils deviennent eux-mêmes les “vieux démultipliés” auxquels la machine donne des ailes, et cela dès vingt-cinq ans. Leur résistance à l’éviction par la machine ne tient pas qu’au contenu transmis. Elle tient à ce qui, dans la transmission, refusait l’évacuation du sacré. Le verrou n’est pas cognitif. Il est strictement politique.

L’Iran complète donc la Chine en miroir inverse. La Chine forme rigoureusement mais sans humanitas, et perd. L’Iran préserve l’humanitas mais étouffe ses meilleurs avant qu’ils ne puissent s’en servir, sauf dans la fenêtre étroite de son secteur tech, où la thèse s’éprouve positivement. Aucun des deux cas ne contredit la thèse occidentale. Tous deux la précisent, en montrant qu’il faut deux conditions pour qu’une jeunesse soit non seulement formée, mais protégée et démultipliée par l’IA.

L’équation à deux variables

Reformulons ce que ces données convergentes suggèrent. Pour qu’une éducation produise des jeunes capables de tenir devant la machine, deux conditions doivent être simultanément réunies. La première est cognitive : l’éducation doit transmettre une humanitas non codifiable (langues anciennes, dissertation, lecture serrée, savoir tacite, phronēsis). Sans elle, même le gaokao, qui est pourtant l’exigence pure, s’effondre. La seconde est politique : la société doit offrir un marché ouvert où les esprits libres peuvent s’exercer, c’est-à-dire entreprendre, créer, contester, produire. Sans elle, même Téhéran perd ses meilleurs au profit de Toronto, sauf dans cette fenêtre étroite, prouvée par l’écosystème tech iranien, où la thèse se vérifie positivement : là où l’humanitas a été reçue et trouve un marché, fût-il restreint, les jeunes ne sont pas évincés par l’IA, ils en deviennent les opérateurs.

Vu de ce double critère, la France n’est pas un cas particulier d’occidentalisme malheureux. C’est un cas de double échec : nous avons détruit la condition cognitive (le grec, le latin, la dissertation, l’oral long ont reculé partout dans le public) ; et nous offrons une condition politique compromise par la captation ploutocratique du capital culturel et économique. Nos jeunes sont écrasés deux fois : ils n’ont pas reçu ce qui résiste, et le peu qu’ils ont reçu ne trouve pas où s’exercer librement.

Asie de l’Est : les premiers signaux d’un autre équilibre

Le Japon, la Corée du Sud, Taïwan, Singapour partagent avec la Chine et l’Iran l’exigence éducative, mais ils s’en distinguent sur l’un des deux axes ou sur les deux. Le Japon et la Corée du Sud ont préservé une dimension humaniste dans leur enseignement (littérature classique, philosophie, calligraphie, exigence rhétorique) tout en offrant un marché ouvert, intégré à l’économie mondiale. Les premières données disponibles sur l’effet de l’IA générative sur l’emploi des jeunes diplômés dans ces pays montrent un effet moins univoque qu’en Amérique du Nord. La Corée du Sud, en particulier, voit ses jeunes ingénieurs augmenter leur productivité par l’usage de l’IA plutôt que d’en être substitués. Il faudra attendre quelques années pour disposer d’études comparatives systématiques, et il faut se garder de toute conclusion hâtive. Mais le signal initial est cohérent avec l’équation que nous avons formulée : là où les deux conditions sont approximativement remplies, l’IA augmente plutôt qu’elle ne substitue, même pour les jeunes.

Ce que l’Occident peut apprendre, et ce qu’il refuse d’apprendre

Si la lecture proposée ici tient, alors la défaite de la jeunesse occidentale face à l’IA n’est ni un destin technologique, ni un cas isolé de malchance régionale. C’est la version la plus achevée d’un échec qui prend, ailleurs, d’autres formes. Partout dans le monde moderne, la jeunesse est en difficulté devant la machine : en Chine parce qu’on l’a sur-formée à un formalisme que la machine produit mieux ; en Iran parce que le système l’étouffe avant qu’elle ne puisse exercer ce qu’on lui a transmis ; en Occident parce qu’on a démantelé en quarante ans ce que les générations antérieures avaient reçu. Aucun pays moderne ne donne aujourd’hui à ses jeunes ce que l’école française des années 1950-1970 donnait encore à un Luc Ferry, à un Bernard Stiegler, à un Marc Fumaroli : un appareil intérieur capable de tenir tête à n’importe quelle machine, parce qu’il a été formé là où la machine ne peut pas aller.

L’Occident, qui dispose encore d’un marché ouvert et d’une tradition humaniste résiduelle, est paradoxalement le mieux placé pour réparer cet échec, à condition de reconnaître qu’il est éducatif avant d’être technique, et politique avant d’être pédagogique. Mais il peut aussi refuser de le reconnaître. La pente du refus est la plus probable, parce que reconnaître cet échec obligerait à nommer la responsabilité des élites qui l’ont organisé. Il est plus confortable d’invoquer la fatalité du tsunami que de questionner les ministères, les rectorats, les éditeurs scolaires, les organismes d’évaluation, qui ont fait du QCM et de la grille la norme commune. Mais le confort de l’invocation ne protège personne. Les jeunes continuent d’être écrasés, pendant que les vieux, par leur ancienne éducation, sont sauvés. Et la Chine, et l’Iran, et tous les autres, payent leur version particulière du même prix.

VI. La sortie : restaurer une école qui forme l’irremplaçable

Une critique sans proposition reste vaine. Si l’hypothèse défendue ici est juste, alors la sortie est claire, même si elle est exigeante. Elle suppose de restaurer dans l’école occidentale ce que quarante ans de mécanisation y ont fait disparaître. Elle suppose aussi d’utiliser l’IA elle-même, paradoxalement, comme l’un des leviers de cette restauration. Voici quelques orientations, qui n’ont valeur que d’invitation.

1. Rétablir la dissertation, l’oral long, le grec, le latin

Ces exercices ne sont pas un luxe nostalgique. Ils forment le seul type d’esprit que la machine ne peut pas reproduire : un sujet capable de poser une thèse, d’en éprouver l’opposé, d’en sortir transformé. Ils sont, à proprement parler, le contraire du QCM. Leur retour dans le cursus public (pas seulement dans quelques lycées de prestige) est une mesure de protection des classes populaires, non un privilège bourgeois.

2. Réintroduire l’attention longue et l’effort sans rendement

L’apprentissage des langues anciennes, mais aussi celui de la musique classique, du dessin d’après modèle, des sports d’endurance, des manualités exigeantes, partage une vertu commune : il forme une attention qui ne se dissout pas dans la première sortie venue. Cette attention est précisément ce que la machine, par construction, n’a pas. La cultiver dans nos enfants est un acte politique autant que pédagogique.

3. Faire de l’IA un précepteur exigeant, non un répondeur facile

C’est l’orientation que nous explorons concrètement chez Eiffel AI avec le projet Aristote (cf. notre essai Trois prophéties, une cécité, paru le 4 mai 2026). Un agent d’IA bien conçu ne donne pas la réponse ; il pose la question suivante. Il oblige l’élève à formuler sa pensée, à l’argumenter, à la défendre, à la corriger. Il fait ce qu’un précepteur ancien faisait, à l’échelle individuelle : il maintient l’élève dans la posture d’un sujet qui pense, et non d’un usager qui consomme. Cette voie, que nous appelons pédagogie socratique augmentée, est l’inverse pédagogique de l’usage actuel des LLM comme oracles paresseux. Elle suppose une volonté pédagogique explicite et une conception fine de l’agent. Elle est, à notre avis, l’une des très rares chances que l’IA offre à l’éducation, à condition de ne pas être confondue avec sa version standard.

4. Reconnaître la nature politique du combat

Il faut le dire sans précaution : restaurer une école exigeante est un combat politique, parce que la mécanisation de l’école sert des intérêts politiques précis. Ce combat ne pourra pas être mené uniquement par des pédagogues. Il suppose une prise de conscience collective de ce qui a été perdu, de ce qui a été retiré, et de ceux à qui ce retrait profite. Une démocratie qui laisse durablement la culture exigeante aux seuls héritiers est une démocratie qui se condamne à devenir une oligarchie polie. L’IA, en achevant la prolétarisation, met cette vérité sous nos yeux. Elle fait ce que ni Bourdieu, ni Stiegler, ni Steiner n’avaient réussi à imposer dans le débat public : elle rend la défaite visible, parce qu’elle nous coûte.

Conclusion : le miroir et la chance

Luc Ferry a vu un tsunami. Il n’a pas vu que la côte sur laquelle il déferle avait été aplanie, depuis quarante ans, pour qu’aucune dune n’y reste debout. La jeunesse occidentale n’est pas frappée parce qu’elle est jeune ; elle est frappée parce que nous l’avons formée à être ce que la machine fait mieux qu’elle. Les générations antérieures ne sont pas épargnées parce qu’elles sont installées ; elles sont épargnées parce qu’elles ont reçu, dans une école qui n’existe plus, des outils intérieurs que la machine ne peut pas reproduire.

Cette vérité, si nous l’admettons, change tout. Elle déplace le débat sur l’IA depuis le terrain technologique vers le terrain anthropologique. Elle nous oblige à reconnaître que la défense contre la machine ne passe pas d’abord par la régulation, par l’interdiction, par la taxation, par le revenu universel. Elle passe par une décision collective sur ce que nous voulons que nos enfants deviennent. Si nous voulons qu’ils deviennent des opérateurs interchangeables, alors continuons l’école actuelle, et préparons-nous à voir leur génération entière dévorée par une intelligence qu’ils ont été dressés à imiter. Si nous voulons qu’ils deviennent des sujets, alors restaurons les exercices, les présences, les exigences qui forment des sujets. La machine ne peut pas faire ce travail à notre place. La machine ne peut que rendre plus visible le résultat de notre choix.

Il y a, dans la situation actuelle, une chance que la grille de la défaite masque. La chance est que, pour la première fois depuis quatre décennies, l’évidence ne peut plus être éludée. Les chiffres sont là. Les jeunes diplômés cherchent du travail dans un marché qui n’a plus besoin d’eux dans les fonctions pour lesquelles on les a formés. Les juniors disparaissent des grands cabinets. Les fonctions support tertiaires fondent. Aucune politique d’autruche ne pourra masquer longtemps cette réalité. Le moment est venu, sinon de réparer, du moins de poser le diagnostic. L’IA, dans cette histoire, n’est pas l’ennemi. Elle est le révélateur sévère mais nécessaire d’un échec qui était là avant elle.

Nous ne savons pas si la société occidentale saura saisir cette chance. Les forces qui ont profité du démantèlement de l’école exigeante ne lâcheront pas leur position sans résistance. Les pédagogies qui ont institutionnalisé le QCM et la grille de compétences ont aujourd’hui un appareil administratif considérable à défendre. Les éditeurs scolaires, les organismes d’évaluation, les ministères, les rectorats, tous ont intérêt au maintien de l’ordre existant. Mais à un moment, la pression de l’évidence devient telle qu’aucun appareil ne peut la contenir. Nous pensons que ce moment approche. Nous pensons que la décennie qui vient sera, dans l’histoire de l’éducation occidentale, soit celle d’un sursaut, soit celle d’une consécration définitive de la ploutocratie cognitive.

Une dernière hypothèse, pour finir, qui dépasse le seul cadre éducatif. Si les générations antérieures sont aujourd’hui démultipliées par l’IA, c’est qu’elles ont reçu, sans le savoir et sans le vouloir, un patrimoine qui leur sert maintenant. Ce patrimoine n’est pas seulement scolaire ; il est culturel, familial, social, religieux parfois. C’est ce que Simone Weil appelait l’enracinement. Une jeunesse déracinée, qui n’a plus accès ni à la profondeur de sa langue, ni à la mémoire de ses prédécesseurs, ni à l’attention longue, ni à la patience du sens, est une jeunesse désarmée devant n’importe quelle puissance qui se présente, et singulièrement devant une puissance qui parle. La défaite des fils n’est pas seulement la défaite des écoliers ; elle est la défaite d’une civilisation qui a oublié ce que c’est qu’élever quelqu’un.

Personne ne peut prendre cette décision à notre place. Personne ne peut, pour nous, restaurer ce qui a été démantelé. Mais à ceux qui ont reçu, il revient maintenant de transmettre, contre l’air du temps si nécessaire, ce qu’ils ont reçu. C’est sans doute la seule manière humaine de répondre à ce que la machine nous met sous les yeux.

Le miroir est cruel. Il nous rend visible une défaite que nous avions choisi de ne pas voir. Mais le miroir n’est pas l’ennemi. L’ennemi est ce qu’il révèle. Et ce qu’il révèle, contrairement à ce que disent les prophètes du tsunami, n’est pas un destin. C’est un choix qu’il nous reste à reprendre.

Sources et références

Données empiriques mobilisées

Brynjolfsson, E., Chandar, B., Chen, R. (Stanford Digital Economy Lab, 2025). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Étude analysant les données ADP sur l’emploi américain par âge et exposition à l’IA, fin 2022 à juillet 2025.
OCDE (2023). PISA 2022 Results, Volume I and II, Country Notes : France. Résultats les plus faibles jamais mesurés en mathématiques, déclin en lecture amorcé depuis 2012.
Conseil de l’Europe et OCDE, rapports successifs 2015-2024 sur l’évolution du baccalauréat et des programmes secondaires en France et en Europe.
China Ministry of Education, statistiques annuelles sur l’enseignement supérieur et le gaokao, 2020-2026. Données diplômés 2025 : 12,22 millions (+430 000 vs 2024), prévision 2026 : 12,7 millions.
National Bureau of Statistics of China, Youth Unemployment Survey (méthodologie révisée décembre 2023). Taux 16-24 ans hors étudiants : 18,9 % en août 2025, 17,7 % en septembre, 16,9 % en novembre, 16,5 % en décembre.
Asia Society Policy Institute (2025). The 19 Percent Revisited: How Youth Unemployment Has Changed Chinese Society.
The Wire China (janvier 2026). China’s Labor Market Braces for an AI Shock. Mention des plus de 70 000 chauffeurs VTC titulaires d’un master et des 20 % de livreurs diplômés du supérieur sur les grandes plateformes.
Shen et al. (mai 2025). Generative AI, Perceived Job Displacement and Political Preferences in China. SSRN. Enquête expérimentale chinoise montrant que les jeunes diplômés sont les plus inquiets devant la substitution par l’IA.
Foreign Policy (novembre 2025). China’s AI Planners Are Fearful of Job Losses. Reconnaissance officielle par Pékin du problème ; annonce ministérielle du 27 janvier 2026.
Centre de recherche du Parlement iranien (2025). Estimation : 20 % des emplois iraniens affectés par l’IA dans les années à venir.
Banque Mondiale, Iran Youth Unemployment 1991-2025. Trajectoire : 22,7 % en 2022, 22,64 % en 2023, 19,4 % au Q3 2024, 20,2 % au Q4 2024, ~20,1 % en 2025 (zones urbaines), 15,9 % (zones rurales). Chômage des femmes 20-24 ans : 34,9 % en 2025.
WNCRI (mai 2025). Employment Crisis: Jobless Rate for Young Women Nears 35%. Détail par âge et par genre du marché du travail iranien.
Iran Focus (2025). Iran Unemployment Rate Among University Graduates. 10,7 % de chômage des diplômés du supérieur en hiver 2025 ; plus de 40 % des chômeurs iraniens sont diplômés du supérieur.
Filterwatch (septembre 2025). Control Over Innovation: Iran’s Paradoxical AI Development. Investissement public iranien en IA < 50 M$ ; déploiement priorité judiciaire et sécuritaire ; capture autoritaire de l’IA.
Ts2.tech (juin 2025). Artificial Intelligence in Iran: Recent Developments and Outlook. Plan national d’IA approuvé en mai 2025 (187 voix contre 33) ; budget 115 M$ R&D ; plan de 50 000 formations jugé insuffisant.
Nikou, I. (2025). Riders of the Storm: The Rise of Snapp! and Workers Struggle in Iran. SSRN. Sur l’absorption de la jeunesse diplômée iranienne par les plateformes (Snapp, Tapsi, Digikala).
ts2.tech / Cambridge Iranian Studies (2024-2025). Artificial Intelligence in Iran: National Narratives and Material Realities. Diaspora iranienne : 110 000 étudiants à l’étranger, 70 % ne comptent pas rentrer.

Auteurs et œuvres mobilisés

Aristote, Éthique à Nicomaque, livre VI. Distinction des cinq vertus dianoétiques, en particulier epistēmē, technē, phronēsis.
Platon, République, livres III et VII. Théorie de la paideia et fonction politique de l’éducation.
Étienne de La Boétie, Discours de la servitude volontaire, 1576.
Alexis de Tocqueville, De la démocratie en Amérique, tome second, 1840.
Simone Weil, L’Enracinement, rédigé 1943, publié 1949.
Hannah Arendt, La Crise de la culture, recueil 1961 (en particulier l’essai La crise de l’éducation).
Pierre Bourdieu et Jean-Claude Passeron, Les Héritiers, 1964 ; La Reproduction, 1970.
Michael Polanyi, Personal Knowledge, 1958. Notion de tacit knowledge.
Michel Foucault, Surveiller et punir, 1975.
Pierre Hadot, Exercices spirituels et philosophie antique, 1981 ; Qu’est-ce que la philosophie antique ?, 1995.
George Steiner, Real Presences, 1989.
Marc Fumaroli, L’État culturel, 1991.
Christopher Lasch, La Révolte des élites, 1995.
Bernard Stiegler, La Technique et le temps, 3 vol., 1994-2001 ; États de choc, Bêtise et savoir au XXIe siècle, 2012 ; Pharmacologie du Front National, 2013 ; Dans la disruption, 2016.
Ivan Illich, Une société sans école, 1971. Critique radicale de la scolarisation comme mécanisation des apprentissages.
Luc Ferry, IA : grand remplacement ou complémentarité ?, 2025. Position discutée dans cet essai.

Pour aller plus loin

Annabelle Allouch, La société du concours, 2017. Sur la reproduction sociale à travers les filières d’élite.
Stefan Collini, What Are Universities For?, 2012.
Pierre Manent, La Loi naturelle et les droits de l’homme, 2018.
Observatoire des inégalités, rapports annuels sur la composition sociale des grandes écoles françaises.
Eiffel AI, Trois prophéties, une cécité, essai paru le 4 mai 2026 (eiffel-ai.io/fr/journal/trois-prophetes-un-miroir).

Cet article a été rédigé par Alexandre Ferran, fondateur de Galaad et co-fondateur d’Eiffel AI. Les thèses défendues n’engagent que leur auteur et s’inscrivent dans une démarche de questionnement ouverte, non de certitude. Toutes les hypothèses formulées ici, en particulier celles concernant la responsabilité politique du démantèlement de l’école exigeante et les contre-épreuves internationales, appellent une discussion contradictoire et des études empiriques plus fines que l’état actuel de la documentation publique ne permet.

Paris — Bagnères-de-Bigorre · 20 mai 2026