Contexte de l'IA dans les humanités
Les grands modèles de langage (LLM) sont aujourd'hui capables de proposer des pédagogies basées sur la mémorisation, la répétition espacée et un feedback personnalisé. Ils peuvent aussi exécuter une recherche archivistique dite « brute force », c’est‑à‑dire parcourir d’énormes corpus de textes historiques en quelques secondes. Ces capacités techniques sont souvent présentées comme une transformation radicale de l’enseignement de l’histoire.
Limites intrinsèques des modèles de langage
Malgré ces performances, les LLM restent enfermés dans une perspective médiane : ils produisent un ton moyen, cliché et uniformisé, ce qui explique l’absence de ce que l’auteur appelle le « research taste ». Cette uniformité se manifeste par la convergence de plusieurs modèles de pointe sur des sujets et un style très similaires lorsqu’ils génèrent du texte créatif. En pratique, ils excellent à restituer des faits connus, mais peinent à explorer des épistémologies marginales ou des connaissances jugées « inutiles », comme la multiplication en base‑60 utilisée par les Sumériens‑Babyloniens.
Leçons tirées de l'approche d'Allan Chapman
Allan Chapman, historien de la science, imposait à ses étudiants l’étude du système de numération sexagésimal et de l’astronomie sumérienne, précisément parce que ces savoirs semblent hors‑distribution pour les IA. En forçant la manipulation du cuneiforme et la conversion de temps sidéral (une montre réglée sur le temps moyen sidéral d’Oxford), il démontrait que la maîtrise de connaissances apparemment inutiles crée une capacité à reconnaître des patterns non évidents. Cette méthode expose les limites des modèles qui ne peuvent pas « vivre » l’expérience tactile du calcul en base‑60, ni comprendre les raisons historiques d’une telle abstraction.
Perspectives pour la formation historique
Pour que l’IA devienne un véritable partenaire de recherche, il faut l’entraîner sur des corpus incluant des artefacts marginalisés : manuscrits en cunéiforme, descriptions de mécanismes comme l’Anticythère, ou encore les travaux de Robert Hooke sur la microscopie. En intégrant ces sources, les modèles pourraient dépasser la moyenne et développer une sensibilité aux « out‑of‑distribution » qui caractérise les approches les plus créatives. En attendant, les enseignants doivent continuer à exploiter la force des LLM pour les tâches de mémorisation tout en conservant des exercices de « useless knowledge », afin de préserver la variété épistémologique indispensable à la recherche historique.
