L’arrivée des modèles de langage dans les établissements scolaires et universitaires bouleverse l’enseignement bien au-delà de la simple tricherie. Entre échecs techniques de détection, adoption massive par les étudiants, interrogations pédagogiques et déploiements industriels à grande échelle, les données de terrain révèlent une situation complexe et souvent paradoxale.
Voici neuf enseignements chiffrés et documentés pour comprendre l’état réel de l’IA en éducation.
1. L’inefficacité des détecteurs et le piège des fausses accusations
Malgré l’inquiétude des équipes pédagogiques face aux devoirs rédigés par des algorithmes, les logiciels de détection se révèlent incapables d’offrir des résultats fiables. Leur incapacité mathématique à distinguer sans équivoque le style machine du style humain multiplie les faux positifs, au point de décourager leurs propres créateurs :
- L’abandon d’OpenAI Classifier : lancé en janvier 2023 pour identifier les textes synthétiques, cet outil officiel a été discrètement retiré du marché sept mois plus tard, en août 2023, en raison d’un taux d’exactitude médiocre et d’un usage insignifiant.
- L’affaire de Texas A&M University : un enseignant a attribué une note éliminatoire à une classe entière après avoir soumis les devoirs à ChatGPT, lequel a prétendu à tort avoir rédigé l’ensemble des copies étudiantes.
- La prolifération des « AI Humanizers » : ces programmes spécialisés réécrivent le contenu généré pour modifier ses propriétés lexicales et déjouer les logiciels d’analyse automatisée.
Ce manque de fiabilité technique a fini par installer une atmosphère de défiance permanente entre étudiants et professeurs.
2. Une adoption étudiante massive doublée d’une demande de régulation
L’utilisation de l’intelligence artificielle générative s’est imposée à une vitesse inédite auprès du corps étudiant, tant dans le secondaire que dans l’enseignement supérieur.
| Indicateur d’usage étudiant | Pourcentage mesuré | Contexte et source |
|---|---|---|
| Usage global de l’IA générative | 85 % | Étudiants du supérieur (enquête Inside Higher Ed, 2025) |
| Demande de régulation institutionnelle | 97 % | Étudiants réclamant des mesures d’intégrité et de formation éthique (2025) |
| Adoption hebdomadaire des devoirs | 57 % | Étudiants américains du supérieur (Lumina Foundation-Gallup, 2026) |
| Usage quotidien pour les cours | ~20 % (1 sur 5) | Étudiants américains du supérieur (Lumina Foundation-Gallup, 2026) |
| Délégation complète des devoirs | 25 % | Étudiants admettant faire rédiger leurs devoirs par l’IA (2025) |
| Progression au lycée (janv. – mai 2025) | 79 % à 84 % | Élèves du secondaire utilisant l’IA pour leurs cours (College Board) |
| Usage reconnu sans accord professoral | 38 % | Élèves américains sur 58 % d’utilisateurs de ChatGPT (mars-avril 2023) |
| Utilité déclarée au quotidien | 58 % | Étudiants à l’échelle mondiale (enquête 2024) |
Le chiffre de 97 % illustre une dynamique inattendue : loin de souhaiter une absence totale de règles, la quasi-totalité des apprenants sollicite un cadre strict, des politiques explicites et des formations à l’éthique pour protéger la valeur de leurs diplômes.
3. La fracture du corps professoral et l’émergence d’un « travail invisible »
L’impact perçu par le corps enseignant dépasse celui des vagues technologiques antérieures. Selon un sondage NPR/Ipsos mené en 2026 auprès de 545 professeurs de la maternelle au secondaire (K-12) aux États-Unis, près de trois quarts d’entre eux (environ 75 %) estiment que l’intelligence artificielle aura des répercussions bien plus profondes sur l’éducation que l’ordinateur personnel ou Internet.
Pour autant, les pratiques et perceptions restent profondément polarisées :
- Environ 50 % des éducateurs K-12 ont déjà intégré des outils d’IA dans leurs tâches professionnelles.
- Plus de 50 % rapportent pourtant que leurs élèves n’utilisent absolument pas l’IA dans l’enceinte de la classe.
- Près de 50 % jugent que ces instruments nuisent à l’esprit critique et constituent un raccourci pour éviter l’effort intellectuel.
- Environ 80 % soutiennent néanmoins l’idée d’incorporer directement l’apprentissage d’un usage responsable dans les programmes officiels.
Cette transition impose aux éducateurs un « travail invisible » non rémunéré. Ils doivent réécrire continuellement leurs examens pour les rendre résistants à l’automatisation et instruire des litiges de plagiat. Une étude menée en 2026 par l’Université d’Édimbourg sur 26 communautés Reddit dédiées à l’enseignement a révélé que les échanges autour de l’IA générative sont largement dominés par des querelles acrimonieuses portant sur la détection et les accusations de tricherie.
4. Des interdictions hâtives au retour des examens sur papier
Dès l’apparition de ChatGPT en novembre 2022, plusieurs autorités éducatives ont réagi par des blocages immédiats :
- Le district unifié de Los Angeles a banni le service moins d’un mois après sa mise en ligne.
- Les écoles publiques de New York City ont interdit l’accès aux réseaux scolaires en janvier 2023, avant d’abroger cette mesure en mai 2023 en reconnaissant que cette décision initiale découlait d’une « peur réflexe ».
- L’Université de Hong Kong a proscrit ChatGPT et les technologies équivalentes de l’ensemble de ses cours et évaluations en février 2023, assimilant tout usage non autorisé à du plagiat pur et simple.
Ces blocages numériques se sont toutefois heurtés à la réalité pratique : en 2025, 55 % des proviseurs de lycée signalaient qu’aucun filtrage technique n’était réellement appliqué contre l’IA sur leurs réseaux, bien qu’environ 40 % des établissements ou districts scolaires aient promulgué des interdictions formelles.
Face à l’impossibilité de contrôler les connexions privées hors campus, des universités comme Arizona State et Vanderbilt ont abandonné la prohibition pour créer des cours dédiés à l’ingénierie de prompt. D’autres établissements, à l’instar de Baylor University, ont rétabli des contre-mesures purement analogiques : la rédaction obligatoire de dissertations manuscrites et le retour aux soutenances orales individuelles.
5. L’offensive des multinationales de la tech et le choc de marché
L’arrivée de l’IA grand public a bousculé le modèle économique des acteurs historiques de la technologie éducative. En mai 2023, l’action de l’entreprise Chegg a chuté d’environ 50 % après un appel trimestriel reconnaissant explicitement la menace existentielle que ChatGPT faisait peser sur ses activités.
Les géants du secteur ont rapidement déployé leurs propres infrastructures institutionnelles :
- OpenAI : a lancé son offre
ChatGPT Eduen mai 2024, tout en continuant d’utiliser les données des étudiants soumises via ses outils grand public pour entraîner ses futurs modèles. - Google : a dévoilé les Gemini Gems pour les enseignants en août 2024, les a intégrés à Google Workspace for Education en mars 2025, puis a déployé Gemini dans son application Classroom pour certaines écoles primaires et secondaires en août 2026.
- Anthropic : a annoncé son programme Claude for Education en juillet 2026, attirant des universités telles que Stanford et Columbia.
6. Le paradoxe des citations inventées : de l’erreur à la piste de recherche
Dès l’année 2022, l’auteur Dan Gillmor avait testé ChatGPT sur un sujet de devoir étudiant : constatant que la copie produite rivalisait avec le travail d’un bon élève, il avertissait le monde universitaire d’un choc imminent.
Au-delà de la rédaction brute, les « hallucinations » des modèles de langage présentent une utilité inattendue lorsqu’elles sont examinées avec méthode. Terence Day, professeur de géographie, s’est penché sur les références bibliographiques fournies par ChatGPT. Si l’intégralité des sources s’est avérée purement fictive, les intitulés de ces faux articles étaient si pertinents sur le plan contextuel qu’ils ont permis d’identifier des lacunes concrètes dans la littérature scientifique existante, servant de base pour structurer de nouvelles recherches et bâtir des programmes universitaires.
7. Les impacts cognitifs et l’attachement au mentorat humain
La délégation cognitive excessive vers l’IA comporte des effets documentés sur le développement intellectuel des apprenants. L’usage récurrent des agents conversationnels génère plusieurs conséquences négatives :
- Une baisse mesurable de l’estime de soi académique.
- Une régression des performances d’apprentissage globales.
- L’apparition d’un sentiment accru d’« impuissance apprise ».
- Une altération de la mémorisation due à une décharge cognitive disproportionnée.
Toutefois, les étudiants ne considèrent pas ces machines comme un substitut à l’enseignement. Ils envisagent les agents conversationnels comme une solution de secours secondaire, utile en formation hybride ou à distance quand personne d’autre n’est joignable, et manifestent une préférence stricte pour le tutorat humain en personne.
8. Soixante ans d’histoire éclipsés par la focalisation algorithmique
Le domaine de l’IA appliquée à l’éducation, désigné sous l’acronyme AIEd (Artificial Intelligence in Education), ne date pas de la décennie 2020. Il s’appuie sur une tradition scientifique ancienne :
- Années 1960 : débuts de l’enseignement assisté par ordinateur avec le système PLATO à l’Université de l’Illinois.
- Années 1970 : développement des premiers systèmes de tutorat intelligent (STI).
- 1984 : évaluation du système pionnier LISP Tutor au sein de la Carnegie Mellon University.
- 1993 : création de l’International AIED Society pour formaliser ce champ de recherche.
Malgré cette histoire longue, les objectifs ont souvent été biaisés. Une revue de littérature publiée en 2019, synthétisant dix années de publications scientifiques en AIEd, a souligné que la grande majorité des travaux privilégiait la conception technique et algorithmique au détriment de l’intégration pédagogique réelle au sein des classes.
9. Modèles théoriques, IA émotionnelle et didacticiels interactifs
Pour dépasser le cadre de la simple génération de texte, la recherche et l’édition scolaire développent des modèles conceptuels et des applications spécialisées.
En 2021, les chercheurs Ouyang et Jiao ont défini trois grands paradigmes structurant l’AIEd :
- L’IA dirigeante (l’apprenant récepteur) : le système impose un cursus fixe calculé à partir de modèles statistiques, sans adapter sa progression aux réactions de l’élève.
- L’IA de soutien (l’apprenant collaborateur) : l’algorithme s’appuie sur le traitement du langage naturel et l’interactivité pour aider l’élève à construire son propre savoir.
- L’IA d’autonomisation (l’apprenant décideur) : l’outil opère comme un fournisseur continu de rétroaction, laissant l’étudiant pleinement maître et moteur de sa démarche cognitive.
D’autres approches viennent enrichir cette grille d’analyse :
- La sympoièse (« faire-avec ») : transposée à l’AIEd par Tsao, Heinrichs et Camit d’après les théories de Donna Haraway, cette approche posthumaniste et matérialiste conçoit l’apprentissage comme une coconstruction de connaissances issue des zones de contact entre acteurs humains (professeurs, apprenants) et agents algorithmiques non humains.
- L’IA émotionnelle : branche dédiée à la programmation de logiciels éducatifs capables d’analyser, d’interpréter et de s’adapter aux émotions ressenties par les apprenants au cours de leurs exercices.
- L’évolution des didacticiels interactifs : les manuels statiques cèdent la place à des environnements adaptatifs combinant soutien automatisé et explications alternatives. Parmi eux figurent la plateforme CK-12 FlexBooks 2.0 et son tuteur Flexi, les manuels numériques Pearson eTextbooks, ainsi que le système expérimental Learn Your Way développé en 2025 par Google Research.