La technique de Feynman est une méthode d’apprentissage qui utilise l’enseignement pour identifier les lacunes de compréhension. Elle comprend quatre étapes : (1) choisir un concept, (2) l’enseigner à un novice en langage simple, (3) repérer les endroits où l’explication s’effondre et (4) revenir aux sources pour combler ces lacunes, puis simplifier encore l’explication. Le cycle se répète jusqu’à ce que l’explication tienne du début à la fin.
Choisissez un concept unique et délimité. Pas « l’apprentissage automatique ». Pas « l’informatique quantique ». Quelque chose que vous pouvez garder en tête : « comment fonctionne la descente de gradient », « ce que fait un mécanisme d’attention de transformeur » ou « pourquoi la Fed relève les taux d’intérêt pour lutter contre l’inflation ». Plus le concept est précis, plus l’exercice est utile.
Rôle de l’IA à cette étape : si vous ne savez pas comment délimiter un concept, demandez à l’IA de décomposer un sujet large en sous-concepts enseignables. « Je veux apprendre la génération augmentée par récupération. Découpe-la en 5 sous-concepts que je peux expliquer un par un. » Cela structure l’apprentissage avant de commencer.
Écrivez ou dites une explication comme si votre public n’avait aucune connaissance préalable du domaine. Aucun acronyme sans définition. Aucun « comme nous le savons tous ». Ne sautez pas d’étapes parce qu’elles vous semblent évidentes. Le test n’est pas l’élégance de l’explication. Il consiste à savoir si une personne qui n’a jamais rencontré le concept pourrait la suivre du début à la fin.
La rupture se produira à des endroits prévisibles : la transition entre deux idées, où vous avez employé le mot « donc » sans justifier le lien ; l’analogie qui vous paraissait éclairante mais ressemble à une approximation sur la page ; le terme technique employé sans définition. Marquez-les tous. Ils sont la carte de ce que vous ne comprenez pas encore.
Rôle de l’IA : après qu’elle a identifié les lacunes, ne la laissez pas les combler. Revenez vous-même aux sources. Relisez la section pertinente. Reconstruisez l’explication avec vos propres mots. Puis testez-la à nouveau. L’IA est l’outil de diagnostic, pas le remède.
Réécrivez l’explication dans un langage plus simple et avec des phrases plus courtes. Supprimez tout mot qui ne fait aucun travail. Remplacez le jargon par un langage courant. Si un concept nécessitait trois phrases, essayez de l’expliquer en une seule. Si la version en une phrase perd en exactitude, vous avez identifié la complexité minimale que le concept exige. Ce seuil est en lui-même une forme de compréhension.
Répétez le cycle jusqu’à ce que l’explication tienne du début à la fin. Certains concepts demandent un passage. D’autres en demandent cinq. Le nombre de cycles ne mesure pas l’intelligence. Il mesure l’étendue du terrain nouveau que vous couvrez.
Le risque est que l’IA devienne une béquille. Lorsque l’explication s’effondre et que l’IA fournit aussitôt la bonne réponse, l’occasion d’apprendre est perdue. La règle est simple : l’IA demande, vous répondez. Ce n’est qu’après avoir tenté votre meilleure réponse que vous vérifiez dans la source ou demandez à l’IA de confirmer. La difficulté est l’apprentissage. Le travail de l’IA consiste à faire en sorte que cette difficulté survienne aux bons endroits.
Q : En quoi la technique de Feynman diffère-t-elle du rappel actif ?
R : Ce sont des mécanismes complémentaires. Le rappel actif vérifie votre capacité à retrouver des informations en mémoire. La technique de Feynman vérifie votre capacité à organiser ces informations en une explication cohérente. Vous pouvez rappeler chaque fait concernant un concept et échouer malgré tout à l’expliquer clairement. La technique de Feynman détecte cet échec. Les deux fonctionnent au mieux ensemble : utilisez le rappel actif pour faire émerger ce que vous savez, puis la technique de Feynman pour lui donner une structure compréhensible.
Q : Que faire si je ne peux pas simplifier un concept sans perdre en exactitude ?
R : C’est précisément le but. La perte d’exactitude vous apprend quelque chose de réel : soit le concept exige réellement un certain niveau de complexité, soit votre compréhension n’est pas assez profonde pour trouver l’explication plus simple. Dans le premier cas, vous avez appris une limite. Dans le second, vous avez trouvé une lacune. Les deux ont de la valeur.