Horus

Horus est un outil web gratuit qui montre à un étudiant, cours par cours, comment l’intelligence artificielle redéfinit la valeur de ce qu’il apprend. La plupart des étudiants investissent quatre ans et beaucoup d’argent dans un diplôme avec une inquiétude sourde : l’IA rendra-t-elle une partie de mes études obsolète avant même la remise du diplôme ? Le débat public oscille entre emballement et catastrophisme. Nous construisons la réponse calme, fondée sur des preuves.

Que fait-il ?

L’étudiant choisit sa filière. Horus la décompose en compétences que ses cours sont censés enseigner, puis rend pour chacune un verdict honnête :

• Automatisation — les machines s’en chargent de plus en plus. Votre rôle devient de diriger et de vérifier le travail.
• Transformation — vous ferez cette tâche avec l’IA. La compétence à construire en est la version augmentée.
• Épargné — un avantage humain durable que l’IA n’atteint pas. À protéger.

Ce que Horus ne fait jamais : annoncer à un étudiant que sa filière est condamnée — parce que les données ne disent pas cela. L’essentiel de ce que fait l’IA aujourd’hui augmente le travail humain plus qu’il ne le remplace, et le produit est construit pour le refléter, pas pour faire peur.

D’où viennent les réponses ?

Les verdicts ne sont pas des opinions. Ils s’ancrent dans des données réelles sur l’usage de l’IA à travers des milliers de tâches professionnelles — l’Anthropic Economic Index, ouvert — croisées avec le référentiel de compétences O*NET du ministère américain du Travail et projetées sur le vrai programme d’une filière. Le résultat est une photographie du présent, montrée avec ses limites — pas une promesse de boule de cristal sur la prochaine décennie.

Qu’est-ce qui a été livré ?

Horus lit 11 320 entrées de cours réparties sur 285 maquettes de diplôme. 7 604 d’entre elles publient des objectifs d’apprentissage, et ce sont les seules dont Horus tire des conclusions — un cours sans objectifs publiés apparaît dans la maquette et y est signalé comme non lu, jamais deviné.

À partir de là, il identifie les 34 compétences O*NET que ces diplômes enseignent réellement, et rédige 5 989 conseils distincts propres à un cours — pas un modèle répété, mais une phrase ancrée dans ce que chaque cours fait faire aux étudiants.

Chaque diplôme reçoit une réponse claire à la question posée en page d’accueil. Sur les données livrées, 103 diplômes répondent « oui » et 182 répondent « non » — et ce « non » ne veut jamais dire « épargné », car chacun de ces diplômes enseigne malgré tout des compétences dont la forme change.

Conçu pour être vérifié

Il publie son propre taux d’erreur. Un contrôle indépendant relit les objectifs d’un cours et une compétence qui lui a été associée — sans voir le raisonnement d’origine — et juge si l’association tient. Sur un échantillon aléatoire de 1 000 associations : 55,5 % confirmées, avec un intervalle de confiance à 95 % de 52,4–58,6 %. Ce chiffre est sur le site, pas enfoui dans un rapport.

Il signale les verdicts fragiles. Le score de chaque compétence a été recalculé 300 fois sur différents échantillons des métiers qui la sous-tendent. Neuf des 34 basculent vers un autre verdict plus d’une fois sur dix, et chacune le dit sur sa page plutôt que de présenter un pile ou face comme un résultat.

Il dit ce qu’un humain a vérifié — et ce qu’il n’a pas vérifié. Les 34 verdicts de compétences ont tous été relus par une personne, et le classement des cours a été contrôlé sur 27 compétences. L’étiquetage sous-jacent a été mesuré par échantillonnage, pas relu — et le site énonce exactement cette distinction.

Cinq diplômes n’obtiennent aucun verdict. Lorsque moins de trois cours publient leurs objectifs, Horus répond « nous ne pouvons pas encore le dire » et montre ce qu’il a pu lire. Une supposition déguisée en lecture serait pire qu’une absence de réponse.

Comment a-t-il été construit ?

• Périmètre : toutes les filières de licence du catalogue de Texas A&M — 285 diplômes répartis sur 13 facultés, chacun lu cours par cours.
• Pipeline : extraire le catalogue public et les syllabus → associer les objectifs d’apprentissage publiés de chaque cours aux compétences O*NET avec l’API Claude → confronter ces compétences à l’usage mesuré de l’IA → générer une page par diplôme. Rien ne s’exécute pendant la lecture ; chaque page est un fichier construit à l’avance.
• Exécution : export statique, pas de base de données, pas de serveur, pas de compte, aucun envoi de fichier.
• Mise en ligne : DigitalOcean, avec des tests automatisés d’accessibilité et de bout en bout qui bloquent toute modification défaillante.

Pile technique : Next.js · React · TypeScript · Tailwind · Python · Pydantic · API Claude

Ce qu’on y gagne

Du pouvoir d’agir. Au lieu de deviner, l’étudiant repart avec une idée concrète de ce sur quoi se concentrer, des compétences IA à acquérir en parallèle de sa filière, et de ses avantages durables — une peur diffuse de l’avenir transformée en choix éclairés, à faire dès maintenant.