L'éducation d'après l'AGI : pourquoi Karpathy la compare à une salle de sport

Andrej Karpathy — cofondateur d'OpenAI, ancien directeur de l'IA chez Tesla — a consacré une partie de son énergie à un projet qui n'a rien d'un laboratoire de recherche : une école. Il l'a baptisée Eureka, et il la décrit comme la « Starfleet Academy » de Star Trek : une institution d'élite dédiée aux technologies de pointe.

Le nom fait sourire, l'intention est sérieuse. Ce qui m'intéresse ici n'est pas l'école : c'est la manière dont Karpathy traite l'enseignement — comme un problème technique à part entière, avec des objectifs mesurables. Plusieurs de ses idées se transposent directement à la façon dont on forme une équipe.

Des « rampes vers la connaissance »

Sa formule pour définir le travail : construire des rampes vers la connaissance. Pas des programmes, pas des modules — des rampes. L'image dit ce qu'elle veut dire : entre l'apprenant et le savoir, il y a une marche trop haute, et le travail du pédagogue consiste à la transformer en pente praticable.

Son premier grand cours, LLM101n, applique le principe jusqu'au bout : le projet final consiste à coder de bout en bout un modèle d'IA complet, nano-chat. Mais le critère de réussite qu'il se fixe est plus intéressant encore que le programme — maximiser le nombre d'« eurekas par seconde » de l'étudiant, en s'assurant qu'il ne soit jamais bloqué. Un blocage n'est pas un rite de passage : c'est un défaut de conception du parcours.

À terme, il imagine une institution physique, pour l'immersion totale, doublée d'une offre numérique accessible à des milliards de personnes.

Où en est le projet ? En mai 2026, Karpathy a rejoint Anthropic pour y diriger une équipe de recherche sur le pré-entraînement, mettant Eureka Labs entre parenthèses — en précisant rester attaché à l'éducation et vouloir y revenir. La vision reste la sienne ; c'est le calendrier qui a bougé.

Le meilleur professeur reste un humain

Pour lui, la référence en matière d'enseignement n'est pas encore l'IA : c'est le tuteur humain. Il en parle d'expérience, celle de son apprentissage du coréen avec une tutrice qui comprenait instantanément son niveau et son modèle mental — non seulement ce qu'il savait, mais la façon dont il se représentait la langue, erreurs comprises.

De là sa définition de l'excellence pédagogique : proposer un défi parfaitement calibré. Ni trop difficile — l'apprenant décroche par frustration. Ni trop facile — il décroche par ennui. Tout l'art consiste à tenir cette crête, ce qui suppose de savoir en permanence où en est l'autre.

Des outils comme ChatGPT sont d'excellents assistants, mais les modèles actuels manquent, selon lui, de la cognition et de la finesse nécessaires pour remplacer un tuteur de ce niveau. Lui-même s'en sert pour accélérer la fabrication de ses supports de cours ; la conception pédagogique, elle, réclame encore une expertise humaine pointue. C'est exactement la logique de l'humain dans la boucle : la machine accélère la production, l'humain garde le jugement.

Apprendre quand plus personne n'aura besoin que vous appreniez

Reste la question qui fâche. Si l'IA générale finit par accomplir tout le travail intellectuel, à quoi bon apprendre ?

La réponse de Karpathy tient en une analogie. Avant l'AGI, l'éducation sert principalement à trouver un emploi et à gagner de l'argent. Après, elle devient un divertissement et une forme de dépassement de soi — exactement comme la salle de sport aujourd'hui.

Dans ce monde-là, apprendre cinq langues ou assimiler un cursus universitaire complet devient une activité désirable pour le seul accomplissement cognitif qu'elle représente — rendue beaucoup plus accessible par les tuteurs IA à venir. On peut trouver la perspective réconfortante ou vertigineuse ; elle a le mérite de ne pas éluder la question.

Trois idées pédagogiques à voler tout de suite

Le reste de sa méthode n'attend rien : ni l'AGI, ni la prochaine annonce de modèle.

La physique pour « démarrer le cerveau ». Karpathy considère la physique comme la discipline reine pour structurer la pensée — boot up a brain. Elle apprend à modéliser le monde et, surtout, à isoler les problèmes de premier ordre des détails secondaires. C'est ce que résume la vieille blague des physiciens sur la « vache sphérique » : un modèle absurdement simplifié, qui donne quand même le bon ordre de grandeur. En entreprise, le geste est identique — décider de ce qu'on néglige.

Vaincre le fléau de la connaissance. Les experts ont souvent oublié ce que c'est que de ne pas savoir, ce qui en fait de mauvais pédagogues. Karpathy contourne l'obstacle en demandant à ChatGPT de simuler les « questions bêtes » qu'un débutant se poserait devant un papier de recherche. Il note au passage qu'une explication informelle, « autour d'une bière », est souvent bien meilleure qu'un exposé académique : le format force l'expert à abandonner le jargon pour aller à l'essentiel.

Faire ressentir le problème avant de donner la solution. Il faut que l'étudiant éprouve la douleur du problème. Lui livrer la réponse immédiatement est contre-productif ; le laisser explorer l'espace des solutions maximise ce qu'il en retiendra. Et la meilleure façon d'apprendre en profondeur reste de devoir expliquer un concept à quelqu'un d'autre : l'exercice met vos lacunes en pleine lumière et vous oblige à les combler.

Ce que j'en retiens, côté TPE/PME

Trois transpositions immédiates, et aucune n'exige de croire à l'AGI.

D'abord, ne montrez pas l'automatisation avant d'avoir fait vivre le problème. Une démonstration qui commence par l'outil ne marque personne. Faites d'abord ressentir les quarante minutes de recopie manuelle du lundi matin : le scénario qui les supprime n'a plus besoin d'être vendu.

Ensuite, passez le test de la bière. Si vous ne savez pas expliquer à quoi sert votre automatisation à un collègue sans employer un seul terme technique, ce n'est pas lui qui manque de niveau : c'est que le scénario n'est pas clair, y compris pour vous.

Enfin, désignez celui qui devra l'expliquer aux autres. Dans une petite structure, la personne chargée de former le reste de l'équipe est celle qui maîtrisera réellement l'outil. C'est aussi la meilleure assurance contre la dépendance à un prestataire — la mienne comprise.

Aucune de ces trois idées ne demande de budget. Elles demandent seulement de changer l'ordre des choses : le problème avant l'outil, l'explication avant le jargon, et quelqu'un dont le travail est de transmettre.

Source : Andrej Karpathy, invité du podcast de Dwarkesh Patel — « AGI is still a decade away », 17 octobre 2025 — propos traduits de l'anglais. Le passage chez Anthropic a été annoncé le 19 mai 2026.

Questions fréquentes