L’éducation a deux problèmes d’IA, pas un seul
L’IA générative peut aider un apprenant à accomplir une tâche, et elle peut l’aider à acquérir la compétence sous-jacente. Ces deux résultats ne sont pas identiques. Une dissertation soignée produite avec une assistance étendue peut améliorer la remise du jour tout en affaiblissant la pratique nécessaire pour écrire de façon autonome. À l’inverse, un tuteur qui pose des questions, diagnostique les idées fausses, et retire progressivement son soutien peut améliorer l’apprentissage. La question éducative n’est donc pas simplement de savoir si les élèves « utilisent l’IA », mais quel travail cognitif l’élève accomplit encore.
Les effets actuels en classe concernent l’IA générative, pas l’AGI. Les écoles font déjà face à la génération fluide de texte, à la traduction, à la rétroaction, à l’aide à la programmation, aux médias synthétiques et à l’administration automatisée. Les affirmations selon lesquelles l’AGI rendra les écoles ou les diplômes obsolètes sont des projections. Aucune preuve actuelle ne peut établir comment les institutions réagiraient face à un système doté de capacités d’enseignement et de recherche fiables et largement surhumaines.
Ce que l’on observe en 2026
L’usage par les élèves est devenu courant dans de nombreux systèmes éducatifs participants. Les résultats PISA 2025 de l’OCDE ont rapporté que 46 % des élèves des pays de l’OCDE utilisaient des chatbots IA une fois par semaine ou plus pour les aider à apprendre. Les élèves utilisant l’IA pour des tâches scolaires précises comme résumer, rédiger des brouillons et faire des recherches préliminaires ont obtenu des scores en sciences en moyenne plus bas après ajustement pour le statut socio-économique, tandis que les utilisateurs hebdomadaires en général obtenaient des résultats similaires à ceux des non-utilisateurs. Il s’agit d’une association, non d’une preuve que l’IA aurait causé des scores plus bas ; les élèves en difficulté peuvent l’utiliser différemment ou plus souvent. Les élèves combinant un usage régulier et des occasions scolaires de développer une littératie de l’IA ont eu tendance à obtenir des scores légèrement plus élevés, ce qui souligne l’importance de l’enseignement et de l’inégalité d’accès (PISA 2025 de l’OCDE, septembre 2026).
La préparation des enseignants accuse un retard sur l’adoption par les élèves. L’Index IA 2025 de Stanford a rapporté que 81 % des enseignants d’informatique américains interrogés pensaient que l’IA devrait être intégrée à l’apprentissage fondamental, alors que moins de la moitié se sentait équipée pour l’enseigner. Il s’agit d’un constat propre aux enseignants américains, non d’une mesure mondiale, mais il illustre pourquoi les documents de politique seuls ne créent pas de pratique compétente en classe (Stanford HAI, 2025).
La triche est réelle mais difficile à mesurer. Les enquêtes reposent sur l’autodéclaration et les définitions diffèrent : l’écriture fantôme interdite, le remue-méninges autorisé, la correction grammaticale et le soutien à l’accessibilité peuvent tous être comptés comme « usage de l’IA ». Les détecteurs de texte IA ajoutent un autre problème. Leurs taux d’erreur varient selon le modèle, la langue, l’édition et la population étudiante ; un détecteur probabiliste ne devrait jamais être le seul fondement d’une sanction. Les institutions ont besoin de procédures d’intégrité académique fondées sur des preuves, avec notification, possibilité de réponse, et attention aux faux positifs.
Ce que suggèrent les premières preuves d’intervention
Le constat le plus solide est conditionnel : le soutien de l’IA fonctionne mieux lorsqu’il est intégré dans une pédagogie solide. Le Panorama de l’éducation numérique 2026 de l’OCDE conclut que les systèmes génératifs peuvent offrir une rétroaction et un tutorat personnalisés, mais distingue la performance augmentée par l’IA du développement durable de compétences, et appelle à un usage ancré pédagogiquement (OCDE, 2026). Le fournisseur d’un outil a intérêt à rapporter l’engagement et les gains à court terme, si bien que les études randomisées indépendantes, les tests différés et le transfert vers de nouveaux problèmes méritent plus de poids que les témoignages.
Un comportement de tutorat utile consiste à demander à l’apprenant d’essayer d’abord le problème, à donner des indices plutôt que des réponses, à exiger une explication, à vérifier les sources, à revenir sur les erreurs, et à retirer progressivement l’assistance. Les schémas nuisibles incluent l’achèvement immédiat de la tâche entière, l’invention de citations, l’éloge d’un raisonnement incorrect, ou une adaptation si complète aux préférences d’un apprenant que la difficulté productive disparaît.
Les enseignants humains restent essentiels pour des objectifs que le modèle ne peut pas assumer de façon fiable : choisir les programmes, comprendre le contexte familial et culturel, gérer une salle de classe, protéger les enfants, motiver un effort soutenu, reconnaître la détresse, et accepter une responsabilité professionnelle. L’IA peut élargir la capacité de rétroaction sans faire disparaître ces responsabilités.
L’évaluation doit mesurer la capacité visée
Les dissertations traditionnelles à faire à la maison ne peuvent plus porter le même poids probant lorsque l’assistance de haute qualité est omniprésente. La réponse ne devrait être ni la surveillance ni un retour aux examens fondés uniquement sur la mémoire. Les programmes peuvent combiner :
- des démonstrations supervisées, sans IA, des connaissances fondamentales ;
- des devoirs à IA ouverte exigeant des journaux d’usage, une vérification des sources et un regard critique ;
- une soutenance orale ou une explication en direct ;
- des brouillons et des artefacts du processus ;
- des projets liés à des données locales ou à l’observation directe ;
- un travail collaboratif avec une responsabilité individuelle explicite.
Chaque modalité répond à une question différente. Une tâche sans outil teste l’aisance sans assistance. Une tâche à outils ouverts teste le jugement et l’orchestration. Une soutenance orale teste si l’élève comprend le travail remis. Les aménagements d’accessibilité doivent rester disponibles, et les changements d’évaluation ne doivent pas pénaliser les élèves qui utilisent une technologie d’assistance.
Exactitude, sources et dépendance intellectuelle
Les chatbots peuvent produire des explications correctes et des affirmations fabriquées sur le même ton assuré. Les élèves devraient apprendre la lecture latérale : quitter la réponse générée, examiner les sources primaires, identifier l’auteur et la date, retracer les statistiques jusqu’à leur méthode, et rechercher des preuves contradictoires. Citer un chatbot ne remplace pas citer la source sous-jacente.
La littératie de l’IA inclut aussi la reconnaissance de l’incertitude, la confidentialité des données, le biais du modèle, les médias synthétiques et les incitations commerciales. Un compte scolaire peut avoir des conditions de conservation différentes de celles d’un compte grand public. Les élèves ne devraient pas saisir d’informations identifiables sur des camarades, des dossiers scolaires protégés, des recherches non publiées, ou des confidences intimes sans un système approuvé et une politique claire.
Il existe un risque plus profond de dépendance intellectuelle. Si un apprenant délègue le choix du sujet, la recherche, la synthèse, la rédaction et la révision, le produit final peut dépasser la capacité de l’apprenant tout en laissant peu de connaissance derrière lui. Les enseignants peuvent contrer cela en précisant quelles étapes peuvent être assistées et en exigeant une réflexion sur les moments où le modèle s’est trompé ou n’a pas été utile.
L’équité joue dans les deux sens
L’IA peut fournir de la traduction, une simplification de texte, un soutien à la parole et une pratique individualisée. Ces bénéfices peuvent être particulièrement importants pour les élèves handicapés ou ayant un accès limité au tutorat. Pourtant, les modèles payants, les appareils rapides, la connectivité et l’expertise des enseignants sont distribués de façon inégale. L’OCDE a constaté que les occasions de littératie en IA étaient plus fréquentes chez les élèves socio-économiquement favorisés. Une technologie nominalement universelle peut creuser les écarts si les élèves aisés reçoivent un usage guidé et de haute qualité tandis que d’autres reçoivent une génération de réponses sans restriction, ou aucun accès.
La politique d’équité devrait donc fournir des outils approuvés et accessibles, du développement professionnel pour les enseignants, des alternatives pour les élèves qui s’en retirent, et une évaluation selon les groupes de langue et de handicap. Elle devrait aussi préserver des voies sans IA afin que l’éducation ne devienne pas dépendante du partage des données des élèves avec un fournisseur privé.
Diplômes et marché du travail
Les employeurs pourraient accorder moins de valeur aux diplômes fondés principalement sur une production à faire à la maison que l’IA peut imiter. Cela ne signifie pas que les diplômes deviennent sans valeur. Les diplômes signalent aussi un effort soutenu, une pratique supervisée, une compétence clinique ou de laboratoire, une collaboration entre pairs, et une vérification institutionnelle. Leur valeur dépendra de la capacité des écoles à démontrer ce que les diplômés savent faire de façon autonome et avec des outils.
Les programmes devraient préserver les connaissances fondamentales, car le jugement a besoin de quelque chose sur quoi s’exercer. Dans le même temps, les élèves ont besoin de pratiquer la décomposition de problèmes, l’évaluation de résultats, le travail interdisciplinaire, la communication avec autrui, et la prise de responsabilité pour les conséquences. « L’ingénierie de prompt » à elle seule est trop spécifique à un outil pour constituer une philosophie éducative.
Une politique pratique pour les familles et les écoles
Les adultes devraient se demander : quel objectif d’apprentissage ce devoir évalue-t-il ? Quelle assistance est autorisée ? L’usage de l’IA doit-il être déclaré ? Quelles données quittent l’institution ? Comment un élève peut-il contester une accusation ? Que se passe-t-il quand l’outil est indisponible ?
Les familles peuvent demander aux enfants de montrer leur démarche, d’expliquer les réponses avec leurs propres mots, de vérifier ensemble une affirmation importante, et de maintenir une lecture, une écriture, des mathématiques et une conversation régulières sans assistance. Une interdiction générale peut pousser l’usage dans la clandestinité ; une permissivité totale peut remplacer la pratique par la simple performance.
La position la mieux étayée en septembre 2026 est une intégration structurée avec une évaluation continue. Les preuves actuelles ne justifient pas d’affirmer que l’IA générative améliore ou nuit universellement à l’apprentissage. Elles montrent que les effets dépendent de la tâche, de la pédagogie, de l’intensité, de la compétence préalable et de l’accès. L’AGI pourrait changer radicalement l’économie et la portée de l’éducation, mais cela reste une analyse de scénarios plutôt qu’un résultat que les écoles peuvent observer aujourd’hui.