MIT : Rakhlin, directeur du centre de statistique et de data science, trace la voie de l'IA à l'université

Le 8 octobre 2026, MIT News a publié un entretien au format « 3 questions » : Alexandre (Sasha) Rakhlin, directeur du Statistics and Data Science Center du MIT, y parle de la place de l'IA dans les universités. Trois questions, un interlocuteur, une annonce d'une seule ligne : il partage des réflexions importantes pour les départements et les institutions. Le matériel parvenu à la rédaction ne contient pas le texte complet des réponses. Nous ne prêtons donc à Rakhlin ni citations ni conclusions : nous décrivons le contexte et ce qu'il faut regarder en lisant l'original.

Pourquoi cet interlocuteur compte

Rakhlin n'est pas un commentateur extérieur. Il dirige un centre où la statistique et la science des données croisent le machine learning, et il est connu pour ses travaux en théorie de l'apprentissage. Ce type de chercheur regarde l'IA autrement que les concepteurs de produits. Il se demande où les modèles offrent des garanties solides de généralisation et où l'on reste dans l'empirisme. Il s'intéresse aussi à ce qu'il faut enseigner aux étudiants quand l'analyse de données et le code sont de plus en plus souvent écrits par un assistant.

La formule « pour les départements et les institutions » renvoie à un registre de gouvernance : programmes, recrutement, règles d'usage des modèles. C'est un autre genre que la énième prévision sur l'AGI.

Les choix auxquels les universités font face

Toute discussion sur l'IA dans l'académie bute sur les mêmes décisions. Les départements de statistique et de data science y sont plus exposés que les autres : leur discipline a été la première à entrer dans la zone d'automatisation.

• Programmes d'enseignement : quelle part de théorie fondamentale conserver si les calculs de routine sont délégués aux modèles.
• Évaluation des étudiants : comment vérifier la compréhension quand une réponse toute faite est disponible en quelques secondes.
• Éthique de la recherche : comment déclarer l'usage de modèles dans les articles et les demandes de financement.
• Ressources de calcul : qui paie les GPU et comment répartir les clusters entre laboratoires.
• Lien avec l'industrie : comment préserver un agenda scientifique indépendant à côté des laboratoires d'entreprise.

L'annonce ne dit pas lesquels de ces points Rakhlin juge prioritaires. C'est précisément ce qu'il faut vérifier dans le texte complet.

Ce que l'on sait du matériel

• Publication : MIT News.
• Date de publication : 8 octobre 2026.
• Format : « 3 questions », court entretien avec un expert.
• Interlocuteur : Alexandre (Sasha) Rakhlin, directeur du MIT Statistics and Data Science Center.
• Destinataires : les départements et les institutions, c'est-à-dire le niveau des décisions organisationnelles.
• L'annonce ne cite ni chiffres précis, ni noms de programmes, ni politiques.

Comment exploiter ce matériel

Si vous êtes responsable d'un programme de formation ou d'un groupe de recherche, lisez l'original non pour y chercher une position générale « pour » ou « contre » l'IA, mais pour ses détails opérationnels. Repérez quelles décisions sont à prendre au niveau du département et lesquelles au niveau de l'université. Vérifiez si les réponses se rattachent à des disciplines et à des échéances concrètes. Notez où l'interlocuteur s'appuie sur des données et où il s'appuie sur son opinion.

Il est utile de confronter aussitôt cette lecture à votre propre situation. Listez cinq règles selon lesquelles vos étudiants et vos chercheurs utilisent aujourd'hui les modèles, puis vérifiez lesquelles sont consignées dans un document. L'écart entre la pratique et le règlement indique généralement par où commencer. Dès que les réponses complètes de Rakhlin seront accessibles, nous reviendrons sur ce sujet avec des thèses et des citations précises.