IA、pouvoir des connaissances et villes mondiales : les implications stratégiques de la restructuration des infrastructures académiques

Quand l’IA réorganise le « système d’exploitation » du savoir

L’intelligence artificielle est en train d’être intégrée dans presque tous les systèmes d’infrastructure — du contrôle du trafic et des réseaux énergétiques à la sécurité urbaine et aux services publics. Pourtant, dans cette course mondiale à l’IA, un système plus discret et plus fondamental est en cours de réassemblage : les mécanismes de gestion et de diffusion du savoir académique. Les bibliothèques, les bases de connaissances numériques, l’édition savante et même les index de citations — ces infrastructures de connaissances apparemment neutres et statiques — constituent précisément le socle de la production intellectuelle mondiale. Elles déterminent quelles recherches sont visibles, qui fait autorité et quels savoirs deviennent des actifs calculables.

Une étude récente publiée dans la revue Humanities and Social Sciences Communications offre un examen lucide de cette transformation. Elle s’écarte du récit sur « la manière dont l’IA crée des profits dans les médias commerciaux » pour se tourner vers un domaine souvent négligé : le rôle réel de l’intelligence artificielle dans les sciences de l’information et des bibliothèques, les humanités numériques et la diffusion du savoir académique. En combinant l’analyse bibliométrique et l’analyse des sentiments en ligne dans une méthode mixte, les chercheurs tentent de répondre à une question fondamentale : lorsque l’IA commence à organiser, indexer et recommander les connaissances automatiquement, sommes-nous prêts à affronter la reconfiguration de l’ordre qu’elle implique ?

L’automatisation du savoir et le pouvoir caché

Les résultats clés de cette étude n’ont rien de renversant : dans la gestion du savoir académique, l’IA se manifeste principalement à travers trois processus — l’indexation automatique des métadonnées, l’analyse des citations et les systèmes de recommandation intelligents. Ces processus relèvent tous d’un « imaginaire de l’efficacité » : remplacer par des algorithmes le travail humain de classification documentaire, utiliser des modèles pour prédire les recherches qui pourraient intéresser les lecteurs, et recourir à des outils bibliométriques pour évaluer l’impact académique. Cela ne semble être qu’une automatisation des tâches, mais cela signifie en réalité que les voies de découverte du savoir sont en train d’être redéfinies.

Dans le passé, bibliothécaires, éditeurs et indexateurs de citations, en tant que gardiens du système de connaissances, disposaient de critères relativement explicites, et relativement discutables. Dans un système régi par les algorithmes, en revanche, la classification, le tri et la recommandation deviennent une boîte noire computationnelle fermée. Les chercheurs peuvent ne pas savoir pourquoi leur article est assigné à telle catégorie, pourquoi il est recommandé à certains lecteurs, ni pourquoi il se retrouve en marge du réseau de citations. Ce pouvoir caché est plus difficile à contester que ne l’était l’autorité administrative du passé.

L’inégalité des savoirs qui en découlera sera structurelle. Les langues, les disciplines et les régions bien représentées dans les données d’entraînement seront plus facilement reconnues et recommandées par les algorithmes ; en revanche, les chercheurs issus du « Sud global », de contextes non anglophones ou de disciplines périphériques pourraient être confrontés à une nouvelle forme de « crise de découvrabilité » — non pas en étant rejetés, mais en étant silencieusement exclus du champ de vision numérique.

Pourquoi les villes doivent-elles s’en préoccuper ?

Ce point nous ramène à un niveau stratégique plus large : la compétition entre les villes à l’échelle mondiale. La production des savoirs n’a jamais été une activité abstraite flottant dans le vide ; elle se concentre dans des espaces urbains spécifiques — universités, laboratoires de recherche, entreprises numériques, organisations internationales et réseaux de bibliothèques. La position des villes dans la division mondiale du travail dépend de plus en plus de leur capacité à devenir des plaques tournantes des flux de connaissances, et non de simples nœuds des flux matériels.La pénétration des technologies d’IA dans les infrastructures académiques soulève de nouveaux enjeux de gouvernance pour les villes de recherche. D’un côté, la concurrence entre des villes comme Boston, San Francisco, Pékin ou Londres ne se joue plus seulement au nombre de publications ou au classement universitaire. Les gouvernements urbains doivent se demander si leurs infrastructures de connaissances disposent d’une « autonomie algorithmique » : face aux outils d’IA dominés par les géants commerciaux, les bibliothèques académiques publiques et les instituts de recherche ont-ils les moyens de développer des modèles de gestion des connaissances transparents, équitables et conformes à l’intérêt public ?

D’un autre côté, les villes sont aussi des laboratoires de politiques publiques. De Toronto à Amsterdam, les cadres éthiques de l’IA se déploient progressivement à l’échelle urbaine. Mais la grande majorité des questions éthiques liées à l’IA reste centrée sur la conduite autonome, la reconnaissance faciale ou les décisions automatisées en matière d’emploi ; les systèmes de connaissances académiques sont rarement inscrits à l’agenda public. Cette lacune montre que les planificateurs urbains n’ont pas encore pleinement compris que des espaces de savoir traditionnels, comme les bibliothèques académiques, sont précisément les « portails » de la nouvelle génération d’algorithmes — qui possède ce portail contrôle l’accès à la recherche et à la pensée.

Méthodes mixtes : des enseignements pour la recherche sur les politiques urbaines

L’autre contribution de cette étude réside dans l’apport paradigmatique de sa conception méthodologique. L’analyse bibliométrique peut retracer les trajectoires globales d’un système de recherche, mais elle peine à révéler l’expérience réelle des usagers ; l’analyse de textes en ligne et l’analyse des sentiments, en captant les discussions entre chercheurs, bibliothécaires et public, ajoutent au tableau macro des micro-perceptions complexes. Cette méthode mixte « système + usagers » est, en substance, une stratégie d’évaluation des infrastructures centrée sur l’humain : elle exige que, lorsque nous évaluons l’impact d’une technologie, nous ne nous contentions pas des indicateurs, mais que nous écoutions aussi les voix.

Cette stratégie est tout aussi importante pour la planification urbaine et régionale. De nombreux projets de villes intelligentes échouent précisément parce que les décideurs politiques s’appuient excessivement sur les données des capteurs et les indicateurs d’efficacité, en négligeant la perception des habitants. De même, la construction d’infrastructures de connaissances fondées sur l’IA court le même danger : un système automatisé de métadonnées peut être techniquement performant, mais si les chercheurs et les lecteurs perdent confiance, le système public de connaissances se dégradera rapidement en un espace interne à quelques institutions.

Par conséquent, l’accent mis par cette étude sur les « biais » et la « vie privée » ne doit pas être interprété comme un simple discours éthique générique. Il révèle un tournant décisif des droits liés à l’IA : dans les infrastructures de connaissances, la vie privée n’est plus seulement une question de données personnelles ; elle engage l’intégrité même de la cognition collective. Lorsque des algorithmes, fondés sur des données d’entraînement opaques, relèguent certaines généalogies du savoir à la marge, ce qui est violé n’est pas seulement la préférence d’un utilisateur individuel, mais la pluralité même de la structure des connaissances humaines.

La nécessité d’un nouveau récit de la « souveraineté du savoir »

Cette étude appelle à la collaboration interdisciplinaire, à davantage de transparence de l’IA et à la résolution des problèmes de partialité et de respect de la vie privée ; cela peut sembler n’être qu’une recommandation académique de routine. Mais si on la replace dans le contexte plus large de la technopolitique mondiale, il faut reconnaître que ces principes passent de normes de laboratoire à des enjeux de géostratégie nationale. La gestion des connaissances à l’ère de l’IA est en train de devenir un domaine d’intersection entre la sécurité nationale et la compétitivité urbaine.Pour les grandes aires urbaines d’Europe, d’Amérique du Nord et d’Asie de l’Est, bâtir des alternatives publiques fiables dans les systèmes de connaissances numériques peut offrir une base à de vastes stratégies nationales en matière d’IA. Pour les villes du savoir émergentes du Sud global — au Moyen-Orient, en Asie du Sud, en Amérique latine et en Afrique —, se tailler une place dans l’écosystème de connaissances piloté par l’IA est peut-être plus urgent que de se disputer un quelconque modèle d’intelligence artificielle isolé. Si ces villes dépendent excessivement de plateformes numériques externes pour organiser leur patrimoine académique, elles perdront non seulement leur « droit de découverte », mais aussi le contrôle de leur souveraineté sur les connaissances.

Conclusion : le long-termisme de l’infrastructure de connaissances

Le sens commun nous induit en erreur en nous faisant croire que les bibliothèques, les dépôts de thèses et les bases de données de revues ne sont que des conteneurs passifs de contenu dans le processus de numérisation. En réalité, ce sont des entités sociotechniques en évolution continue. L’intervention de l’IA n’est pas une mise à niveau ponctuelle d’outils, mais une transformation institutionnelle de long terme. Elle peut organiser des savoirs dispersés en flux organiques, mais aussi aplatir l’ambiguïté des connaissances en une répétition computationnelle.

La recherche sur laquelle s’appuie cet article nous rappelle que le système mondial de la connaissance académique traverse une nouvelle « période de formation ». À ce stade, la tolérance aux erreurs des systèmes algorithmiques est relativement grande, et une marge de flexibilité institutionnelle subsiste encore. Si les villes et les universités des différents pays commencent dès maintenant à établir des cadres systématiques de gouvernance de l’IA — en intégrant dans leur vision stratégique la diversité des cartes du savoir, la transparence des décisions algorithmiques et le droit de participation du Sud global —, il sera peut-être possible d’éviter, au cours des vingt prochaines années, une configuration où les infrastructures de connaissances seraient monopolisées par une seule imagination.

Enfin, alors que l’on évoque le grand récit d’une IA transformant les villes et réalisant la « ville du futur », il ne faut pas oublier une urbanité plus fondamentale : la ville est le réceptacle de la mémoire, de l’apprentissage et de la dissidence. L’infrastructure des connaissances académiques façonnée par l’intelligence artificielle est en train de déterminer ce que les villes du futur pourront retenir, ce qu’elles ignoreront, et à qui il sera permis de découvrir. Ce n’est plus seulement un sujet professionnel réservé aux bibliothécaires et aux spécialistes des sciences de l’information, mais une question publique qui engage l’avenir de chaque société de la connaissance.

Référence : Artificial intelligence in digital media, humanities, and information science: a multidimensional analysis of research trends and user perceptions