La pensée informatique est le processus cognitif par lequel on conçoit des solutions ; le codage est la tâche mécanique qui consiste à traduire ces solutions dans un langage compris par une machine. Pendant des années, l'enseignement des TIC a confondu les deux. Mais l'essor de l'intelligence artificielle générative les a nettement séparés.

Aujourd'hui, mémoriser la syntaxe d'un langage de programmation est un actif qui se déprécie à toute vitesse. L'IA écrit du Python, du C++ ou du Scratch propre en quelques millisecondes. Ce qu'elle ne sait pas faire, c'est comprendre un problème humain, le décomposer en étapes logiques et décider de ce qu'il faut construire en premier lieu. C'est cela, la pensée informatique, et c'est la seule partie de l'équation « codage et robotique » qui garantisse encore une valeur durable aux élèves sud-africains.

La différence, sans le jargon

Pour saisir la distinction, prenons un problème concret de salle de classe sud-africaine : gérer la salle informatique d'une école pendant un délestage de stade 4. L'objectif est de garantir que 40 élèves puissent enregistrer leur travail et éteindre proprement leur machine avant que les batteries de l'onduleur ne soient à plat.

Résoudre ce problème exige de la pensée informatique. Il faut :

• Décomposer le problème : découper le défi. Quelle puissance consomment les ordinateurs ? Combien de temps tiennent les batteries ? Combien de temps prend un arrêt propre ?
• Reconnaître des motifs : remarquer que les plus jeunes mettent cinq minutes à enregistrer et se déconnecter, contre deux minutes pour les plus grands.
• Faire abstraction des détails : ignorer la marque des ordinateurs ou la couleur des tables ; se concentrer uniquement sur la consommation électrique et les contraintes de temps.
• Concevoir un algorithme : créer une règle pas à pas : « Si la charge de la batterie descend à 20 %, déclencher un avertissement visuel. Si elle descend à 10 %, lancer une sauvegarde automatique dans le cloud et éteindre le poste. »

Une fois ce cadre logique établi, le problème est résolu. Le codage n'est plus que l'étape finale, administrative : écrire cet algorithme en Python ou en blocs pour que le logiciel de gestion de la salle informatique puisse l'exécuter. La pensée informatique, c'est l'architecture ; le codage, c'est la maçonnerie.

Pourquoi l'IA a inversé la valeur des deux

Depuis dix ans, le discours éducatif mondial tient en une phrase : « tout le monde doit apprendre à coder ». Les formations intensives et les écoles ont beaucoup insisté sur la syntaxe : mémoriser où placer les points-virgules, comment déclarer des variables, comment écrire des boucles. La stratégie a toujours été fragile, mais l'IA générative l'a rendue caduque.

Si vous demandez à un grand modèle de langage (LLM) actuel d'écrire un script Python qui surveille le niveau des batteries et éteint un système, il produira un code impeccable instantanément et gratuitement. La compétence consistant à traduire une consigne claire en syntaxe est automatisée. Du coup, la valeur économique du « codeur pur », celui qui sait seulement transformer des consignes en code, s'effondre.

À l'inverse, la valeur de celui qui sait formuler les consignes a explosé. Pour obtenir un résultat utile d'une IA, un développeur doit définir avec précision les entrées, les sorties, les contraintes et les cas limites du système. Il doit penser de façon informatique. Si vous n'êtes pas capable de décomposer vous-même un problème, vous ne saurez pas demander à une IA de le résoudre à votre place.

« Enseigner aux enfants un codage centré sur la syntaxe à l'ère de l'IA, c'est comme leur faire réciter des tables de division sans jamais dire à quoi sert l'arithmétique. Nous les préparons à un monde qui n'existe plus. »

La réalité des classes sud-africaines

Cette distinction n'est pas seulement théorique : elle pèse lourdement sur la façon dont nous mettons en œuvre le programme CAPS de codage et robotique du Department of Basic Education. Beaucoup d'écoles sud-africaines font face à de fortes contraintes de moyens : budgets limités, chariots d'ordinateurs portables partagés, connexion instable et électricité imprévisible.

Si une école définit son programme de robotique par le « temps passé à taper du code sur un écran », elle aura du mal. Dès que le courant saute ou que le Wi-Fi lâche, le cours s'arrête. Par ailleurs, acheter un ordinateur portable pour chaque élève est financièrement impossible pour l'immense majorité de nos écoles.

Mais dès lors qu'on se concentre sur la pensée informatique, les contraintes deviennent gérables. La pensée informatique s'enseigne « débranchée ». Les élèves peuvent concevoir des algorithmes avec des cartes en papier, tracer des portes logiques au tableau ou déboguer manuellement des systèmes physiques. Quand ils s'installent enfin devant un ordinateur, ils ne gaspillent pas un temps d'écran précieux à chercher où mettre un deux-points ; ils se servent de la machine pour exécuter une solution qu'ils ont déjà conçue.

Comment enseigner ce qui compte vraiment

Pour préparer les élèves à l'avenir, écoles et parents doivent déplacer leur attention des tutoriels centrés sur la syntaxe vers une réflexion à l'échelle du système. Voici comment opérer cette transition :

L'approche classique « apprendre à coder »	L'approche « pensée informatique », à l'épreuve du futur
Mémoriser les commandes Python et les règles de syntaxe.	Comprendre conceptuellement les portes logiques, les boucles et les instructions conditionnelles.
Construire des projets génériques à copier-coller (une calculatrice basique, par exemple).	Décomposer des problèmes locaux et réels (l'économie d'eau ou l'atténuation du délestage, par exemple).
Des exercices de codage par blocs sur écran, sans aucun ancrage physique.	Utiliser des entrées physiques (capteurs) et des sorties (moteurs) pour voir comment la logique interagit avec le monde réel.

Chez Sheen Robotics, nous avons conçu le programme de Sheen Academy précisément autour de cette philosophie. Nous ne formons pas des élèves à devenir des compilateurs de syntaxe. Nous utilisons au contraire l'informatique physique et le matériel IoT pour enseigner la logique sous-jacente des systèmes. Lorsqu'un élève comprend comment structurer une boucle de rétroaction avec un capteur d'humidité du sol et une pompe à eau, le langage de programmation précis qu'il emploiera pour l'écrire devient un détail secondaire, qu'il peut aisément retrouver ou générer avec une IA.

Si nous voulons que la jeunesse sud-africaine crée des technologies au lieu de se contenter de consommer des logiciels importés, nous devons cesser de lui apprendre à imiter les machines. Les machines sont déjà excellentes pour être des machines. Notre travail consiste à apprendre aux élèves à penser.