AI & Ancestral Wisdom

Modèle proposé : du savoir vivant à l’évaluation de l’intelligence artificielle

AI & Ancestral Wisdom propose une méthode progressive et vérifiable pour étudier comment le savoir humain est préservé, formalisé, transmis et confronté aux systèmes contemporains d’intelligence artificielle. La démarche ne commence pas par l’IA. Elle commence par des communautés de pratique vivantes, l’apprentissage maître–apprenti, des procédures documentées, la traçabilité et une recherche sur les ambiguïtés qui apparaissent lorsque nous tentons de représenter une pratique au moyen d’informations.

1. La prémisse de recherche

Une part importante du savoir humain ne s’exprime pas entièrement dans des règles, des documents ou des jeux de données. Elle vit dans le geste, le moment opportun, la relation aux matériaux, le territoire, la mémoire partagée, le rituel et le jugement acquis par l’expérience. Michael Polanyi a attiré l’attention sur cette dimension du savoir tacite : nous savons souvent faire davantage que ce que nous pouvons expliquer explicitement. La recherche demande quelles parties d’une capacité peuvent être décrites, enseignées ou modélisées et lesquelles continuent de dépendre de la pratique et de communautés humaines vivantes.

2. Pourquoi il ne s’agit pas uniquement de numérisation culturelle

Numériser des documents, enregistrer des langues, décrire des métiers, organiser des savoirs experts ou établir des règles éthiques pour les données sont des tâches précieuses, mais distinctes. Cette proposition les relie par une même question : qu’arrive-t-il à une capacité lorsqu’elle passe d’une pratique vivante à une représentation formelle ? Le but n’est pas de transformer une culture en contenu numérique. Il est d’étudier ce qui se conserve, se transforme et se perd dans ce passage, et de reconnaître ces différences avec les personnes qui connaissent la pratique.

3. Le principe méthodologique

Avant d’introduire des systèmes d’IA, le travail identifie les pratiques, activités, procédures, données, transformations, responsabilités, versions, éléments de preuve, règles de décision, exceptions et critères de validation. Cette base permet de distinguer une instruction écrite de l’opération réellement exécutée, puis de ce qu’un expert résout par l’expérience sans pouvoir le réduire entièrement à une règle. La documentation n’est pas supposée refléter parfaitement la pratique : cette différence est également observée.

4. Première phase : recensement et priorités

La première étape consiste à identifier les capacités, techniques, métiers et personnes qui souhaitent participer à leur documentation. Le recensement cherche à reconnaître les pratiques existantes, celles qui dépendent de très peu de maîtres, les lieux où la relève générationnelle s’affaiblit, les matériaux ou espaces indispensables et les formes de transmission qui ont besoin de soutien. Son utilité dépasse une liste de noms : il offre une première carte des capacités vivantes et des conditions de leur continuité. Les priorités doivent être convenues avec les personnes qui pratiquent ces savoirs.

5. Deuxième phase : communautés de pratique

Le savoir ne réside pas exclusivement dans les individus. Il se maintient aussi dans les ateliers, les routines partagées, les outils, les matériaux, les apprentissages, les corrections, les relations de confiance et les critères collectifs de qualité. La recherche identifie les communautés existantes ou les conditions dans lesquelles elles pourraient être renforcées, sans leur imposer une structure étrangère. Comparer les variantes et partager les critères peut réduire la dépendance envers un seul maître, à condition de respecter la diversité légitime de chaque pratique et de maintenir l’autorité de ses dépositaires.

6. Troisième phase : observer la transmission maître–apprenti

La relation maître–apprenti constitue le principal terrain d’observation. L’attention porte sur ce qui est expliqué oralement, montré avec les mains, appris par corrections successives, dépend du temps ou du matériau et exige un jugement expert. On distingue également les changements acceptables des erreurs et les conditions dans lesquelles deux maîtres peuvent agir différemment sans qu’aucun se trompe. Le but est de rendre l’apprentissage observable sans réduire prématurément sa complexité à des données.

7. Quatrième phase : procédures et formalisation

Une fois la pratique réelle comprise, des procédures peuvent décrire les séquences d’activité, outils, matériaux, fonctions, responsables, versions, transformations, critères de qualité, exceptions, essais et relations entre documents. Les photographies et autres traces ne sont intégrées que dans les conditions autorisées. Formaliser ne signifie pas imposer une version unique : il s’agit de distinguer ce qui peut être normalisé, les variantes à conserver et les aspects qui continuent de dépendre des circonstances et du jugement humain.

8. Cinquième phase : traçabilité et possibilité d’audit

L’étape suivante consiste à vérifier si une description peut être reliée à ses sources et si une personne compétente peut examiner la manière dont elle a été obtenue. Le contrôle documentaire, la gestion des versions, les critères de qualité et l’audit des processus permettent de passer d’une observation à une trace vérifiable et partiellement transmissible. La question n’est pas de savoir si tout peut devenir une procédure, mais quelles parties sont cohérentes, quelles variations sont légitimes et quels aspects perdraient leur sens si l’on tentait de les stabiliser artificiellement.

9. Sixième phase : hypothèse sur l’entropie informationnelle

Le modèle propose, comme hypothèse à tester, que certaines ambiguïtés informationnelles pourraient aider à identifier les zones où subsiste un savoir non formalisé. Il accorde une attention particulière à l’ambiguïté de responsabilité ou d’autorité — qui apporte, conserve, valide ou peut décider d’une pratique — et à l’ambiguïté de version — quelle description est utilisée, comment elle a changé et pourquoi différentes variantes coexistent. Ces ambiguïtés ne démontrent pas à elles seules l’existence d’un savoir tacite : elles peuvent signaler aussi bien un défaut documentaire qu’une complexité réelle du contexte. Cette distinction fait précisément partie de la recherche.

10. Désordre corrigeable et savoir tacite structurel

Lorsque l’ambiguïté provient de documents incomplets, de responsabilités floues, d’une duplication accidentelle ou d’un défaut de gestion des versions, la réponse peut être documentaire et organisationnelle : clarifier les autorités, consolider les traces, établir les provenances et vérifier le respect des accords. En revanche, lorsque deux variantes répondent légitimement à des matériaux, saisons, territoires, maîtres, rituels ou circonstances différents, supprimer la différence peut détruire du savoir. Il faut la comprendre, documenter ses conditions et la valider sans imposer une simplification.

11. Quatre types d’ambiguïté à distinguer

Le modèle de travail distingue quatre situations. Le désordre documentaire apparaît lorsque l’auteur, la version ou le contrôle manque et peut être corrigé par de meilleures traces. La duplication opérationnelle survient lorsque deux services maintiennent des informations sans coordination et exige des responsabilités et des sources maîtresses claires. L’ambiguïté contextuelle apparaît lorsque plusieurs versions sont valides dans des conditions différentes et nécessite de décrire ces conditions. Enfin, le savoir tacite structurel apparaît lorsqu’une pratique dépend d’un jugement expert encore non formalisé ; il exige observation, confrontation et préservation du contexte. Classer ces cas évite de confondre toute différence avec une erreur ou, à l’inverse, d’invoquer le mystère pour justifier un défaut corrigeable.

12. Septième phase : l’IA comme apprentie

L’IA intervient uniquement après la construction d’une base humaine et documentaire suffisante. Son premier rôle est celui d’une apprentie parallèle à l’humain : elle reçoit les procédures, observations, images autorisées, variantes, règles, exceptions, langage contextuel et corrections enregistrées pendant la transmission. On compare ce qu’un apprenti humain comprend et réalise avec ce que le système semble comprendre à partir de ces matériaux. La cohérence d’une réponse textuelle n’est pas considérée comme une preuve de compréhension de la pratique.

13. Huitième phase : l’IA au service de l’enseignement

Le second rôle est plus exigeant. On examine si le système peut expliquer une pratique de manière à aider une autre personne à l’apprendre, par exemple un nouvel apprenti, un artisan d’un autre contexte ou un observateur technique. Mémoriser des informations ne suffit plus : il faut conserver les séquences, conditions, variantes et limites. L’évaluation distingue la production d’une explication convaincante de la contribution réelle à une capacité qu’une autre personne peut exercer sous une supervision appropriée.

14. Révision humaine de la transmission assistée par IA

Les explications produites par les systèmes d’IA doivent être examinées par des personnes compétentes et légitimes pour évaluer la pratique. La révision vérifie si la séquence de travail est conservée, le contexte respecté, les variantes légitimes reconnues, les exceptions signalées et les provenances et limites d’usage maintenues. Elle recherche aussi les omissions, les affirmations inventées et une fausse impression de cohérence. Un système peut écrire avec fluidité tout en altérant le sens technique, culturel ou symbolique de ce qu’il prétend enseigner.

15. Hypothèse expérimentale

L’hypothèse centrale propose que plus la complexité contextuelle et la densité d’ambiguïtés légitimes d’une pratique sont élevées, plus il pourrait être difficile pour un système d’IA de la représenter, de la stabiliser et de la transmettre fidèlement. Cette relation doit encore être définie et vérifiée empiriquement ; ce n’est pas un résultat démontré. Pour l’étudier, des profils peuvent prendre en compte le nombre de variantes, l’autorité sur les traces, la gestion des versions, la dépendance au contexte, le jugement expert, la transmission implicite, les différences territoriales, la portée rituelle ou symbolique et la résistance à une formalisation uniforme.

16. Recherche comparative

La méthode est conçue pour comparer des pratiques différentes sans leur imposer une mesure culturelle unique. On pourrait étudier les broderies du Totonacapan et d’autres régions, la joaillerie, la culture et la préparation de la vanille, le tissage, l’horlogerie, la restauration, les savoirs écologiques ou les techniques complexes d’atelier. Chaque cas nécessite son propre accord avec les dépositaires du savoir et ses critères d’évaluation. La comparaison cherche à comprendre les aspects qui peuvent être explicités et ceux qui exigent une expérience située, sans hiérarchiser les cultures selon leur facilité de numérisation.

17. Ce que le modèle pourrait révéler

Une pratique principalement procédurale peut être plus facile à enregistrer, réviser et transmettre. Une autre, très dépendante de circonstances changeantes, aura besoin de règles contextuelles et d’une validation humaine. D’autres capacités dépendent de la perception de la matière, du geste, du temps, de l’autorité communautaire ou du savoir rituel et pourraient résister à une formalisation plus poussée. Il s’agit de profils de travail, non d’une classification définitive des personnes ou des cultures. L’un des résultats les plus précieux pourrait être d’identifier précisément où les systèmes d’IA échouent et quelles conditions humaines ne peuvent pas être remplacées.

18. Contribution proposée à l’évaluation de l’IA

Une grande partie de l’évaluation actuelle de l’IA porte sur le langage, le raisonnement, la recherche, les mathématiques, la programmation ou l’exécution de tâches. La proposition envisage un type d’essai complémentaire : confronter les modèles à des savoirs tacites situés, à la transmission maître–apprenti, aux variations légitimes et aux situations dans lesquelles la documentation n’épuise pas le contexte. L’objectif est d’observer quelles architectures ou stratégies permettent de reconnaître leurs limites et de travailler avec l’ambiguïté sans produire d’explications faussement assurées ni réduire les différences culturelles à une moyenne indifférenciée.

19. Contribution proposée à la préservation

La même méthode peut aider à identifier les capacités menacées, renforcer les communautés de pratique, documenter les variantes, favoriser l’enseignement entre générations, organiser des archives traçables et améliorer l’attribution culturelle. Elle peut aussi préparer des informations utiles pour étudier, lorsque cela convient et avec consentement, des mécanismes de protection formelle. Préserver ne signifie pas simplement stocker un enregistrement ou une description : il faut maintenir les conditions qui permettent de continuer à pratiquer, corriger et transmettre une capacité.

20. État institutionnel et conditions de mise en œuvre

Ce texte décrit une proposition de méthodologie de recherche, non un programme expérimental achevé ni une reconnaissance accordée par une institution extérieure. Sa mise en pratique éventuelle exige des communautés volontaires, des accords clairs sur les droits et l’accès, des chercheurs et évaluateurs compétents, des ressources de terrain, une documentation et des critères de révision. The Integral Management Society et l’Institut apportent une expérience du travail avec les communautés de pratique, la documentation, la gestion des processus et les systèmes complexes, mais chaque cas devra préciser ses participants, son périmètre, ses autorisations et ses éléments de preuve avant d’être présenté comme une activité réalisée.

21. La question qui reste ouverte

AI & Ancestral Wisdom ne cherche pas à démontrer que l’intelligence artificielle peut remplacer la sagesse humaine. Il s’agit de déterminer, de manière pratique et vérifiable, quels savoirs peuvent être documentés, lesquels peuvent être partiellement enseignés, lesquels peuvent être modélisés et lesquels doivent rester liés aux personnes, communautés, matériaux et territoires. La question centrale n’est pas de savoir si une IA peut stocker un savoir ancestral. Elle est de savoir si elle peut l’apprendre, l’expliquer et soutenir sa transmission sans perdre la cohérence du contexte ni effacer ce qui rend une pratique légitime et vivante.