La taxonomie de Benjamin Bloom revisité par Lorin Anderson et David Krathwohl en 2001 est un classique du métier de pédagogue. Elle fait partie des fondamentaux. Face aux agents conversationnels, aux assistants numériques et aux IA physiques, chaque niveau de Bloom permet de redéfinir les objectifs de formation à l’IA. De quoi s’agit-il ?
Mémoriser, d’abord, que faut-il mémoriser ? Les différents LLM, leurs usages et leurs limites. Cette compétence est loin d’être anodine : selon le Stanford Institute for Human-Centered AI 2025, plus de 78 % des organisations déclarent recourir à l’IA, contre 55 % un an plus tôt. Cette croissance fulgurante rend cette culture générale indispensable à l’employabilité.
Comprendre comment dialoguer avec la machine. Les travaux récents montrent que la qualité d’un prompt conditionne directement celle de la réponse. L’étude de Jackson (2025) établit que des prompts mobilisant des niveaux cognitifs élevés (analyse, évaluation) produisent des résultats significativement plus pertinents que des requêtes de simple restitution. Comprendre l’IA, c’est donc apprendre à lui parler.
Appliquer correspond à la capacité à mobiliser l’IA dans des situations concrètes : produire un texte, automatiser une tâche, générer un contenu. Mais cette application est une délégation, Bernard Steigler parle d’externalisation du savoir. L’humain ne fait plus, il prescrit. Cette externalisation redéfinit profondément les compétences : moins d’exécution, davantage de conception.
Avec analyser, la posture se déplace encore davantage vers la machine. Les assistants numériques et les systèmes d’IA sont désormais capables de traiter, croiser et interpréter des volumes massifs de données, produisant eux-mêmes des analyses. L’étude de Nicy Scaria montre que les LLM couvrent tous les niveaux de Bloom. L’enjeu pour l’apprenant n’est plus seulement d’analyser, mais de comprendre et de superviser l’analyse produite par l’IA : identifier ses logiques, ses angles morts, ses biais potentiels.
Évaluer devient alors une compétence hybride. Une partie de l’évaluation est déjà réalisée par l’IA elle-même, capable de comparer, classer, recommander. L’utilisateur doit donc juger l’évaluation produite par la machine, arbitrer entre plusieurs propositions, filtrer les résultats. Cette compétence critique devient centrale dans un contexte où l’usage de l’IA progresse plus vite que notre compréhension.
Enfin, créer s’inscrit dans une logique de co-création, mais cette perspective doit être reconsidérée à l’aune de la montée en puissance d’une IA capable d’opérer sans intervention humaine directe. Dans ce contexte, l’intention humaine devient un enjeu anthropologique central. Il ne s’agit plus seulement de créer avec la machine, mais de préserver une capacité à orienter, décider et donner du sens aux actions déléguées. Selon Ghazi Aziz, l’enjeu n’est plus de produire du savoir, mais de produire du sens dans un environnement intelligent. Mais cette co-construction suppose que l’homme conserve la maîtrise de ses intentions, faute de quoi il risque de devenir le spectateur d’une intelligence qu’il a lui-même engendrée.
La taxonomie de Bloom est un cadre intéressant pour regarder les formations à l’IA. Elle organise une montée en compétences dans la relation homme-machine. Elle dessine une pédagogie nouvelle que certains appellent déjà la singularité.
Fait à Paris, le 08 avril 2026
@StephaneDIEB pour vos commentaires sur X
Sources
Article de Jonathan Jackson du 03 février 2025
https://stel.pubpub.org/pub/04-01-jackson/release/1?utm_source=chatgpt.com
Article de Nicy Scaria du 08 août 2024
https://arxiv.org/abs/2408.04394?utm_source=chatgpt.com
Article de Ghazi Aziz, décembre 2025
https://doi.org/10.63883/ijsrisjournal.v4i6.516
Pour aller plus loin
La taxonomie de Bloom à l’ère de l’IA, 18 mars 2025
https://affen.fr/pedagogie/la-taxonomie-de-bloom-a-lere-de-lia/