Un outil peut améliorer le résultat d’une tâche tout en affaiblissant la capacité que cette tâche devait développer.
C’est la tension mise en évidence par une étude récente sur 26 811 élèves chinois du secondaire. Après l’adoption d’outils d’IA générative, leurs notes aux devoirs ont progressé de 18 % et le temps nécessaire a diminué de 30 %. Six mois plus tard, leurs résultats aux examens mensuels sans IA avaient baissé de 20 %.
La conclusion facile serait que l’IA nuit à l’apprentissage. La conclusion utile est plus précise : en optimisant le résultat visible, nous pouvons supprimer sans le vouloir le processus cognitif qui donnait sa valeur à l’exercice.
Ce que l’étude a réellement mesuré
David Strömberg, Victor Lei et Yanhui Wu exploitent 30 mois de données d’élèves de la 7e à la 12e année dans un comté de Chine centrale. Les données relient notes et temps de devoirs dans neuf matières à des examens mensuels à livre fermé ainsi qu’aux examens d’entrée au lycée et à l’université.
Les élèves ont adopté l’IA à des moments différents, ce qui permet aux chercheurs d’utiliser une méthode de différences de différences. Il ne s’agit pas d’un essai randomisé : les élèves ont choisi d’utiliser ou non ces outils. L’analyse vérifie la comparabilité des tendances antérieures et tente d’isoler le changement lié à l’adoption, sans offrir le même contrôle causal qu’une expérience.
Les résultats restent difficiles à ignorer :
- les notes aux devoirs augmentent de 18 % ;
- le temps moyen diminue de 30 % ;
- les examens mensuels reculent de 20 % en six mois ;
- les examens d’entrée baissent de 18 % à 24 %, l’effet complet apparaissant après environ deux ans.
L’étude ne couvre qu’un comté et un système éducatif. C’est un discussion paper qui n’a pas encore achevé le processus de revue d’une revue scientifique. Il serait donc imprudent d’appliquer directement ces pourcentages à tous les pays, âges et usages de l’IA.
Productivité et apprentissage ne sont pas la même mesure
Dans beaucoup d’activités, produire mieux en moins de temps signifie être plus productif. Dans l’apprentissage, cela peut signifier l’inverse.
Un exercice ne sert pas seulement à produire la bonne réponse. Il oblige à rappeler des connaissances, relier des concepts, détecter une erreur, essayer une stratégie et la corriger. Une partie de l’apprentissage se produit dans cette friction. Si un outil fournit la réponse avant ce parcours, il améliore le livrable tout en supprimant l’entraînement.
Les notes aux devoirs étaient un indicateur indirect de connaissance. Avec l’IA, cette relation s’affaiblit : le document peut être meilleur alors que la personne qui le remet maîtrise moins le sujet.
La même rupture existe hors de la classe. Un rapport, une traduction ou un programme terminé ne prouve plus à lui seul que son auteur sait expliquer les choix, détecter une erreur ou refaire le travail lorsque le contexte change.
La nuance décisive est le temps consacré
Le résultat le plus important n’est pas la moyenne, mais l’endroit où la perte se concentre.
Les auteurs observent chez environ 80 % des utilisateurs un schéma compatible avec l’externalisation des devoirs : des temps exceptionnellement courts associés à de très bonnes notes. C’est dans ce groupe que les pertes d’apprentissage se concentrent. Les élèves ayant adopté l’IA tout en consacrant autant de temps que les non-utilisateurs subissent de faibles pertes.
Le temps ne prouve pas à lui seul qu’une personne apprend. Ici, il indique cependant la quantité d’effort remplacée par l’outil. La différence significative n’oppose peut-être pas ceux qui utilisent l’IA à ceux qui ne l’utilisent pas, mais ceux qui s’en servent pour traverser le problème à ceux qui s’en servent pour l’éviter.
Un chatbot et un tuteur ne produisent pas le même comportement
Une autre étude, publiée dans PNAS en 2025, teste ce mécanisme expérimentalement.
Près de mille lycéens en mathématiques en Turquie ont été répartis entre un groupe sans IA, un groupe utilisant une interface proche d’un chatbot généraliste et un troisième utilisant un tuteur GPT-4 conçu pour fournir des indices et limiter les réponses directes.
Avec l’outil disponible, les deux groupes assistés ont mieux réussi les exercices. Après son retrait, les élèves ayant utilisé le chatbot sans garde-fous ont obtenu des résultats inférieurs de 17 % à ceux du groupe témoin. Le tuteur guidé a largement atténué cette perte.
La technologie sous-jacente était proche ; l’interaction ne l’était pas. Une interface optimisée pour répondre rend la délégation facile. Une interface conçue pour enseigner peut exiger une tentative, poser une question intermédiaire, signaler une erreur ou doser l’aide.
Cela ne transforme pas automatiquement chaque tuteur IA en bon produit éducatif. Cela montre que parler d’« usage de l’IA » comme d’une intervention unique masque la variable décisive : le comportement encouragé par le produit.
Évaluer une capacité, pas seulement un résultat
Interdire tous les outils peut protéger temporairement un format d’examen, sans déterminer les compétences nécessaires dans un monde où l’IA existe. Autoriser tous les usages confond de son côté obtenir une réponse et maîtriser les connaissances qui permettent de la juger.
Une conception plus solide distingue au moins trois objectifs :
- Capacité sans assistance : ce qu’une personne doit savoir mémoriser, raisonner ou exécuter sans outil.
- Capacité avec assistance : sa manière de demander, vérifier, combiner et corriger le travail produit avec l’IA.
- Transfert : sa capacité à résoudre un problème nouveau, expliquer une décision ou repérer une réponse plausible mais fausse.
Cela peut conduire à demander des traces du processus, des soutenances orales, des itérations annotées, des exercices supervisés ou l’application du même principe dans un autre contexte. Il ne s’agit pas de surveiller chaque clic, mais de ne plus considérer le document final comme une preuve suffisante d’apprentissage.
Concevoir l’IA sans supprimer le travail utile
Avant d’introduire l’IA dans une formation, cinq questions méritent une réponse :
- Quel effort mécanique voulons-nous réduire, et quel effort formateur voulons-nous conserver ?
- L’outil fournit-il des réponses ou guide-t-il les décisions ?
- Exige-t-il une tentative personnelle avant de révéler la solution ?
- Pouvons-nous mesurer ce que la personne sait ensuite faire sans aide ?
- Les incitations récompensent-elles l’apprentissage ou seulement la livraison ?
L’IA peut être un bon tuteur, un simulateur patient et une source de retour immédiat. Elle peut aussi produire des résultats corrects tout en masquant la dégradation de la compétence sous-jacente.
La différence ne réside pas seulement dans le modèle. Elle se trouve dans la conception du produit, de l’activité et de l’évaluation. Si nous mesurons uniquement le résultat final, l’IA semblera améliorer le système bien avant que nous découvrions ce qu’il a cessé d’entraîner.
