Dr. Anthony Lee, Président et PDG de l’Université Westcliff – Série d’entretiens

Dr. Anthony M. Lee est le président de l’Université Westcliff à Irvine, en Californie, l’une des universités à la croissance la plus rapide aux États-Unis, passant de moins de quelques centaines d’étudiants à plus de 3 000 étudiants au cours de la dernière décennie. Dr. Lee a occupé des postes de direction dans de nombreuses universités et écoles aux États-Unis et à l’étranger. Avec une expertise dans les programmes hybrides et en ligne innovants, Dr. Lee a lancé de nouveaux programmes intégrant et infusant la technologie avec des cours traditionnels en campus pour une expérience d’apprentissage améliorée. Il a réussi à diriger des écoles à travers le processus d’accréditation au niveau universitaire et K-12. Son expérience l’a prouvé comme un leader dans de nombreux domaines critiques de l’enseignement supérieur, notamment le marketing, la finance, les opérations, la conformité et l’accréditation.

Comment votre définition de la préparation au marché du travail a-t-elle évolué à l’ère de l’intelligence artificielle générative et de l’automatisation ?

La préparation au marché du travail signifiait autrefois la compétence technique et la capacité à contribuer immédiatement dans un rôle défini. À l’ère de l’intelligence artificielle générative, cette définition n’est plus suffisante car la nature du travail elle-même est en train de changer.

Aujourd’hui, la préparation signifie opérer de manière efficace dans des environnements où l’intelligence est répartie entre les humains et les machines, où les outils évoluent en continu et où l’exécution est de plus en plus augmentée. L’avantage concurrentiel n’est plus seulement de savoir comment exécuter une tâche, mais de savoir comment formuler des problèmes, superviser les sorties de l’IA, interroger les hypothèses et appliquer son jugement dans des contraintes du monde réel.

Nous assistons à un changement de l’exécution de tâches à la supervision cognitive. Le travail d’entrée de gamme est en train d’être redéfini. La production routinière peut être automatisée, la responsabilité ne peut pas. Cela met plus d’accent sur la pensée critique, le raisonnement éthique, la conscience contextuelle et la capacité de traduire les sorties générées par l’IA en décisions responsables.

À Westcliff, nous considérons la préparation au marché du travail comme l’intégration de l’expertise de domaine, de la maîtrise de l’IA et du jugement humain discipliné. Les étudiants doivent comprendre comment les systèmes génératifs fonctionnent, où ils créent un avantage et où ils introduisent un risque. Plus important encore, ils doivent apprendre à collaborer avec ces systèmes sans déléguer la responsabilité intellectuelle.

Notre modèle d’apprentissage appliqué est conçu autour d’un engagement structuré avec les technologies émergentes dans des contextes authentiques. L’objectif n’est pas seulement la maîtrise de l’outil, mais la capacité d’adaptation, la capacité de rester efficace alors que les outils changent.

À cette époque, les professionnels qui se démarquent ne seront pas ceux qui concurrencent l’IA, mais ceux qui peuvent la diriger de manière réfléchie, la remettre en question de manière rigoureuse et rester responsables des résultats qu’elle influence. C’est ce que la préparation au marché du travail exige maintenant.

Que signifie pour une institution prendre l’IA au sérieux au niveau du cursus et de l’institution plutôt que de la traiter comme un ajout ?

IA n’est pas un outil d’enseignement supplémentaire. Elle modifie l’architecture de l’éducation elle-même.

Prendre l’IA au sérieux commence par la révision. Chaque discipline doit examiner comment les systèmes génératifs redéfinissent les attentes professionnelles et définir ce que la maîtrise de l’IA exige. L’évaluation doit mesurer le raisonnement et la compétence appliquée, et non seulement la production.

Mais la sérieux exige également une cohérence institutionnelle. La littératie en IA ne peut pas être confinée à des cours isolés. Le développement du corps enseignant, la gouvernance, la stratégie d’évaluation et la surveillance des fournisseurs doivent s’aligner sur un principe clair selon lequel la technologie doit renforcer la qualité académique, et non la diluer.

À ce stade, l’IA devient partie intégrante de l’infrastructure intellectuelle de l’université. Elle façonne la façon dont l’apprentissage est structuré, dont la maîtrise est démontrée et dont la crédibilité institutionnelle est maintenue dans un marché du travail où le jugement humain et la capacité de la machine opèrent côte à côte. C’est la façon dont nous avançons à Westcliff.

Comment équilibrez-vous les compétences humaines fondamentales avec l’enseignement des étudiants pour travailler efficacement aux côtés de l’IA ?

Je ne vois pas cela comme un compromis. Si quoi que ce soit, l’IA générative augmente la prime sur les capacités humaines fondamentales.

Lorsque la production cognitive routinière devient peu coûteuse, le différentiateur devient le raisonnement de haut niveau. La pensée critique signifie formuler de meilleures questions et interroger les sorties générées par la machine. Le jugement signifie savoir quand s’appuyer sur un système et quand s’arrêter. L’éthique devient pratique et concerne la compréhension des conséquences du déploiement de systèmes intelligents à grande échelle.

Les étudiants doivent apprendre à penser dans des environnements où l’IA est présente. La saisie est un point de départ, mais la supervision cognitive est la compétence plus profonde. Les diplômés doivent articuler et défendre des conclusions éclairées, mais non déterminées par des systèmes intelligents.

À Westcliff, nous traitons la maîtrise de l’IA comme un amplificateur de compétences fondamentales. Les étudiants interagissent avec des outils intelligents tout en restant responsables de la clarté, de la crédibilité et des conséquences. À long terme, les professionnels qui se démarquent combineront la profondeur intellectuelle avec l’agilité technologique. L’IA offre de la vitesse et de l’échelle. Les humains doivent fournir la discernement, la responsabilité et le leadership.

Quelles parties de l’enseignement supérieur sont les plus vulnérables à la perturbation par l’IA, et lesquelles sont plus résistantes que ce que les gens attendent ?

Les domaines les plus vulnérables sont ceux qui reposent sur le transfert d’informations et la production standardisée. Si un modèle repose principalement sur la livraison de cours ou des évaluations qui mesurent la production, l’IA le remettra en question rapidement.

L’enseignement supérieur est plus résilient lorsqu’il se concentre sur le développement structuré, le mentorat, la pratique appliquée, le travail d’équipe, l’apprentissage clinique et la formation d’identité professionnelle. L’IA peut soutenir ces expériences, mais elle ne peut pas remplacer la croissance construite à travers la rétroaction et la responsabilité.

La ligne de démarcation est la conception. Les institutions qui se voient principalement comme des fournisseurs de contenu sont exposées. Celles qui opèrent comme des systèmes d’apprentissage intentionnels, axés sur le raisonnement, la compétence appliquée et la croissance mesurable, restent très pertinentes.

IA élève la norme pour ce que doit représenter un diplôme.

Comment les universités devraient-elles repenser la conception des diplômes alors que l’IA comprime le temps nécessaire pour acquérir des compétences et réduit les barrières à l’entrée ?

Alors que l’IA comprime le temps nécessaire pour acquérir des compétences techniques, les universités doivent clarifier où un diplôme ajoute de la valeur.

Si les outils accélèrent la maîtrise de tâches, l’enseignement supérieur doit se concentrer sur ce qui ne peut pas être automatisé : la profondeur conceptuelle, la résolution de problèmes structurée, le jugement éthique et la performance durable sous contrainte.

La conception de diplôme devrait être modulaire et appliquée, mais cohérente. L’objectif est la compétence cumulative, en intégrant la maîtrise technique avec le raisonnement et l’adaptabilité.

IA réduit les barrières à l’entrée. Les universités doivent répondre en élevant le seuil d’intégration, de jugement et de capacité démontrée. Un diplôme doit signaler une compétence durable, et non seulement une exposition.

À Westcliff, nous considérons les diplômes comme des écosystèmes dynamiques plutôt que des progressions linéaires fixes. Les crédits empilables et les parcours échelonnés permettent aux apprenants de se réengager à mesure que les industries changent, tout en maintenant la cohérence et la rigueur. La flexibilité est importante, mais la progression intellectuelle est plus importante.

Quel rôle l’IA devrait-elle jouer dans l’évaluation et la délivrance de diplômes ?

IA force l’enseignement supérieur à affronter une réalité qui précède la technologie elle-même. De nombreuses évaluations traditionnelles mesuraient la production plutôt que la compréhension. Si une tâche peut maintenant être automatisée avec un minimum d’effort, nous devons remettre en question si elle a jamais capturé le raisonnement.

L’évaluation doit passer à la démonstration authentique de la compétence, la défense orale, la résolution de problèmes basée sur des scénarios, l’amélioration itérative, les simulations appliquées et les preuves de portefeuille qui rendent la pensée visible. Dans un environnement activé par l’IA, ce qui compte n’est pas seulement l’artefact lui-même, mais le processus cognitif derrière.

À Westcliff, nous sommes passés à des modèles d’évaluation oraux et itératifs qui obligent les étudiants à articuler et à défendre leur raisonnement en temps réel. L’IA peut aider en générant des invites adaptatives et en soutenant des retours d’information évolutifs, mais la responsabilité de la conception reste humaine. Les institutions doivent s’assurer qu’elles évaluent la cognition de l’apprenant, et non la sortie du modèle.

La délivrance de diplômes est de plus en plus une question de capacité vérifiée plutôt que de temps de siège accumulé. Les employeurs veulent des preuves de compétence appliquée et de jugement responsable. Les institutions qui réaménagent l’évaluation de manière proactive renforceront la crédibilité de leurs diplômes.

Lorsqu’elle est mise en œuvre de manière réfléchie, l’IA expose où les normes académiques doivent être élevées.

Comment abordez-vous la gouvernance et la surveillance lors de l’introduction de l’IA dans l’enseignement et l’administration ?

Nous abordons l’IA comme nous le ferions pour tout système qui affecte matériellement la qualité académique et la crédibilité institutionnelle. La gouvernance commence par la clarté de l’objectif, les limites définies et les lignes de responsabilité claires.

Une surveillance efficace garantit que l’innovation renforce la confiance plutôt que de l’éroder. Cela signifie des normes de confidentialité et de sécurité des données rigoureuses, une révision des préjugés et de l’équité lorsque les systèmes influencent les résultats des étudiants, et la transparence sur les outils utilisés et la façon dont les données sont traitées.

Cela nécessite également de mettre à jour les cadres d’intégrité pour refléter les réalités actuelles plutôt que les hypothèses héritées. Le développement du corps enseignant est crucial pour que l’adoption soit intentionnelle et alignée sur les objectifs d’apprentissage, plutôt que fragmentée ou réactive.

Lorsque nous avons introduit des modèles d’évaluation soutenus par l’IA à Westcliff, la surveillance a été intégrée à la conception. Le corps enseignant a surveillé la mise en œuvre, évalué l’impact et affiné les processus en fonction des preuves. L’évaluation des fournisseurs est continue, et non épisodique. Les institutions doivent régulièrement réévaluer l’alignement sur les normes académiques et la protection des étudiants.

L’objectif est l’innovation responsable.

Quels sont les malentendus les plus courants que les éducateurs ont sur l’IA, et quel changement de mentalité est nécessaire ?

Deux malentendus apparaissent régulièrement. Le premier est que l’IA est principalement un problème de tricherie. Le second est qu’il s’agit simplement d’un outil de productivité. Il s’agit de ni l’un ni l’autre en isolation. Plus fondamentalement, il reflète un changement dans la façon dont la connaissance est générée, évaluée et appliquée.

Lorsque les institutions conçoivent l’IA uniquement comme une question d’intégrité, elles font défaut à la restriction. Lorsqu’elles la conçoivent uniquement comme une efficacité, elles sous-estiment ses implications. La question la plus importante est de savoir comment concevoir l’apprentissage pour que le raisonnement reste visible et responsable dans un environnement activé par l’IA.

Le changement de mentalité nécessaire est de passer du contrôle à la conception. Cela permet aux enseignants de devenir encore plus centraux en tant qu’architectes d’expériences d’apprentissage qui mettent l’accent sur le jugement, la synthèse et la compétence appliquée.

Avec le soutien institutionnel, les pratiques partagées et la gouvernance cohérente, les éducateurs peuvent vraiment avancer là où l’IA élève la barre pour une pédagogie réfléchie et rend la conception académique plus importante que jamais.

Comment les universités devraient-elles préparer les étudiants pour un marché du travail où les rôles sont fluides et l’IA redéfinit le travail d’entrée de gamme ?

Les rôles d’entrée de gamme ont traditionnellement servi de terrains d’entraînement pour les tâches de production routinières. Dans de nombreux domaines, l’IA absorbe maintenant une grande partie de ce travail de début. Par conséquent, les diplômés sont attendus pour opérer à un niveau plus élevé plus tôt.

La préparation doit donc se concentrer sur les capacités qui sont difficiles à automatiser : la formulation de problèmes, la communication, la prise de décision et la supervision responsable des systèmes intelligents. Les étudiants doivent être à l’aise pour travailler dans l’ambiguïté, où les outils évoluent et les rôles sont fluides.

Les universités devraient mettre l’accent sur les compétences adaptatives qui traversent les contextes plutôt que la spécialisation étroite seule. L’apprentissage structuré et basé sur des projets avec des contraintes réelles est essentiel. Lorsque les étudiants résolvent des problèmes complexes et défendent leurs recommandations, ils pratiquent le type de pensée responsable que les employeurs valorisent de plus en plus.

La littératie en IA doit devenir la norme. Non tout le monde a besoin de construire des modèles, mais tout le monde doit comprendre comment les systèmes intelligents influencent les décisions dans leur profession.

Le marché du travail continuera à évoluer. La responsabilité de l’enseignement supérieur est de ne pas prédire chaque rôle, mais de diplômer des individus qui peuvent passer d’un rôle à l’autre, apprendre en continu et contribuer de manière significative dans des environnements façonnés par la technologie accélérée.

Qu’est-ce qui indiquerait qu’une université a réussi à s’adapter au changement impulsé par l’IA plutôt que de simplement survivre ?

Le succès sera mesuré par les résultats et non par la positionnement public ou les métriques de vanité.

Une université a vraiment adapté lorsque son cursus et ses modèles d’évaluation sont reconçus autour de la compétence basée sur le monde réel plutôt que sur la livraison de contenu. Les enseignants peuvent démontrer une conception d’apprentissage réfléchie par rapport à des adoptants retardataires, et les étudiants peuvent clairement articuler et défendre leur raisonnement de manière qui ne peut pas être générée sur demande.

L’adaptation institutionnelle est également visible dans la gouvernance. L’utilisation de l’IA est transparente, la surveillance est intégrée et nous pouvons montrer que la confiance dans les résultats académiques se renforce plutôt que de s’éroder.

Le plus solide indicateur, cependant, est la validation externe. Les employeurs reconnaissent que les diplômés démontrent un jugement expérimenté, une capacité appliquée, une prise de décision et une maîtrise de l’IA dans des environnements activés par l’IA.

Adaptation signifie agilité sans compromis. L’institution évolue à mesure que la technologie progresse tout en maintenant des normes rigoureuses et une clarté éthique. À Westcliff, nous croyons que nous produisons un modèle d’apprentissage qui reste crédible, résilient et précieux alors que l’IA continue de remodeler le paysage. Thank you for the great interview, les lecteurs qui souhaitent en savoir plus sur cette faculté devraient visiter Westcliff University.