Savoirs de référence en sciences de l’information et de la communication pour l'enseignement des intelligences artificielles génératives : une étude exploratoire   De manière générale, dans toutes les tâches qu’elle effectue l’intelligence artificielle manipule et exploite des informations qui doivent être représentées de façon à pouvoir être traitées par l’ordinateur (Konieczny et Prade, 2020). Les intelligences artificielles génératives renvoient quant à elles à « un sous-ensemble de l'apprentissage profond où l'on entraîne des modèles à base de réseaux de neurones qui peuvent ensuite produire de nouveaux contenus » (Coulombe et Drouin, 2022) tels que du texte, des images ou encore des vidéos. Les modèles entraînés établissent des corrélations statistiques entre différents éléments qui les composent. Ce traitement relève du « pouvoir de calcul » (Jeanneret, 2011) de l’information, cette dernière étant perçue de manière désincarnée. Il revient ensuite à l’utilisateur d’attribuer un sens à cette information et de l’analyser à réception. L’information devient alors sociale, elle relève du « besoin du sens » (Jeanneret, 2011). Au-delà du traitement machinique de l’information dont elles relèvent, les IA génératives soulèvent de nombreux enjeux relevant notamment en lien avec la transformation de la notion de production d’information (Devillers, 2023) rendant essentiel un regard critique sur les informations générées. Parce que les sciences de l’information et de la communication (SIC) s’intéressent notamment aux processus de production, d’usage et de partage de l’information, elles peuvent participer à apporter un éclairage sur l’intelligence artificielle en général et les intelligences artificielles génératives en particulier. Les enseignements en information-documentation dans l’enseignement technique agricole qui s’appuient sur des savoirs savants (Chevallard et Joshua, 1991) issus des SIC visent à développer une culture informationnelle « fondée sur l’acquisition de savoirs rendant possible le regard critique et la compréhension des acteurs de l’information, les mécanismes qui la fondent, les processus d’influence à l’&oelig;uvre » (Couzinet, 2008). L’enjeu est à travers l’acquisition d’une culture informationnelle de « développer un positionnement citoyen et professionnel sur les potentiels et limites de l’IA » (Alexandre et al., 2023). Or, si l’enseignement de l’information-documentation repose sur des savoirs spécifiques liés à l’information, l’intelligence artificielle et a fortiori les IA génératives en tant qu’objet d’enseignement ne figurent pas formellement dans les référentiels d’information-documentation. Ainsi, si l’intelligence artificielle est « une des disciplines du traitement de l’information » (Konieczny et Prade, 2020) elle fait appel, dans sa conception et son déploiement, à une multiréférentialité de savoirs utiles à décrypter pour son usage. Parmi ceux-ci, on peut se demander quels sont les savoirs spécifiques produits par les sciences de l’information et de la communication sur l’IA ou pour comprendre ou appréhender l’information produite par l’IA pour permettre de l’enseigner ? Cette communication à visée exploratoire est une réflexion théorique. Après avoir fait un tour d’horizon des savoirs de référence sur lesquels s’appuient l’intelligence artificielle tant dans sa conception que dans ses usages, il s’agira d’identifier les savoirs savants (Chevallard et Joshua, 1991) de référence issus des SIC sur lesquels peut reposer l’enseignement de l’intelligence artificielle en général et des intelligences artificielles génératives en particulier dans la discipline scolaire information-documentation. Dans ce cadre, la distinction qu’effectue Jeanneret (2011) entre une information-1 relevant du « besoin du calcul » et une information-2 relevant « du besoin du sens » servira de base à notre réflexion. Cette étude vise ainsi à proposer un paysage théorique de l’IA dans un objectif de circonscrire ses référentialités et amorcer une réflexion sur la transposition didactique nécessaire à son enseignement en milieu scolaire. Alexandre, F., Comte, M.-H., Lagarrigue, A., & Viéville, T. (2023). L’IA pour mieux apprendre et apprehender L’IA (p. 96). https://inria.hal.science/hal-04037828 Chevallard, Y. et Joshua, M.A. (1991). La transposition didactique : du savoir savant au savoir enseigné. La Pensée sauvage. Coulombe, C. et Drouin , P. (2022). Les 101 mots de l’intelligence artificielle : petit guide du vocabulaire essentiel de la science des données et de l’intelligence artificielleDataFranca. Couzinet, Viviane (2008). De l'usager à l'initié : vers une culture informationnelle partagée". In Gardiès, Cécile, Fabre, Isabelle, Ducamp, Christine et Albe, Virginie (dir.), Rencontres Toulouse EducAgro : Education à l'information et éducation aux sciences : quelles formes scolaires ? (pp. 169-189), ENFA, Toulouse, 26-27 mai 2008. Cepadues. Devillers, L. (2023). Les systèmes d’Intelligence Artificielle et le langage. Enjeux d’éthique. Raison présente, 228, 65-72. Jeanneret, Y. (2011). Y-a-t-il (vraiment) des technologies de l’information ? [1er éd. 2001]. Presses Universitaires du Septentrion.  Konieczny, S., & Prade, H. (2020). L’intelligence artificielle : De quoi s’agit-il vraiment ? Cépaduès-éditions.