Le jour où Berkeley a regardé le miroir
Le diplôme vient de rencontrer son prédateur naturel : le bouton « Generate ».
À Berkeley, temple mondial de l’informatique, un signal faible vient de devenir une alarme incendie.
Dans le cours CS 10, présenté comme une introduction à l’informatique, Next rapporte que 35,3 % des étudiants ont obtenu un F au printemps 2026, contre 6,8 % l’année précédente. Le même article indique aussi une hausse de +419 % des notes éliminatoires dans ce cours, ainsi qu’une progression forte dans CS 61A et EECS 127. (Next)
Pas dans une institution poussiéreuse.
Pas dans une école en retard.
À Berkeley.
Le genre d’endroit où l’on imagine que les étudiants codent en dormant, rêvent en Python et prennent leur café avec une pincée d’algèbre linéaire.
Sauf que l’IA vient de poser une bombe silencieuse sous le système éducatif.
Les étudiants n’ont pas seulement utilisé l’IA pour apprendre plus vite. Certains l’ont utilisée pour éviter l’effort d’apprendre.
Elle a fait les devoirs.
Elle a donné les réponses.
Elle a produit l’illusion de compétence.
Puis l’examen est arrivé.
Et là, plus de prompt magique.
Plus de copilote.
Plus de filet.
Juste le cerveau, le raisonnement, les bases, les mathématiques, la compréhension.
Résultat : le masque tombe.
L’IA n’a pas rendu ces étudiants mauvais.
Elle a révélé ceux qui avaient externalisé leur apprentissage avant de l’avoir construit.
L’illusion de compétence est le nouveau danger
Le problème dépasse largement Berkeley.
Une étude publiée en 2026 dans Science, relayée par le Center for Studies in Higher Education de Berkeley, analyse les réponses de 95 513 étudiants dans 20 grandes universités publiques américaines de recherche. Elle observe que l’usage régulier de l’IA générative est particulièrement élevé en informatique, avec 62 % d’usage mensuel ou plus fréquent dans ce domaine. Elle estime aussi que 9 % des étudiants utilisateurs ont utilisé l’IA pour tricher, avec un taux qui monte à 26 % chez les utilisateurs quotidiens, contre 7 % chez les utilisateurs mensuels. (CSHE Berkeley)
Cornell résume l’enjeu avec une formule claire : la réforme de l’évaluation devient nécessaire et urgente, car la mauvaise utilisation de l’IA fragilise la validité des évaluations et donc la crédibilité des diplômes. (Cornell Chronicle)
Voilà le cœur du sujet.
L’IA ne menace pas seulement les devoirs.
Elle menace le signal.
Un diplôme est censé signaler une compétence.
Un examen est censé signaler une compréhension.
Un projet est censé signaler une capacité à résoudre.
Quand l’IA produit le devoir, le signal devient brouillé.
Quand l’étudiant ne sait plus expliquer le raisonnement derrière le code, le signal devient dangereux.
Quand une note reflète l’efficacité d’un outil plutôt que la compétence de l’étudiant, le système éducatif entre dans une zone de flou.
Et dans une économie où le diplôme sert encore de filtre de recrutement, ce flou va finir par coûter cher.
Le savoir externalisé trop tôt devient une dette
L’IA peut être un formidable accélérateur d’apprentissage.
Elle peut expliquer un concept.
Elle peut reformuler une idée.
Elle peut proposer des exercices.
Elle peut challenger une réponse.
Elle peut simuler un tuteur patient, disponible, jamais fatigué.
Mais utilisée trop tôt, trop souvent, trop directement, elle devient autre chose : une sous-traitance du raisonnement.
C’est là que le piège se referme.
L’étudiant pense avoir appris parce qu’il a obtenu une réponse.
Il pense comprendre parce qu’il reconnaît la solution.
Il pense maîtriser parce que le devoir est rendu.
Mais reconnaître une réponse n’est pas savoir la produire.
Lire une explication n’est pas savoir reconstruire le raisonnement.
Livrer un code qui fonctionne n’est pas comprendre pourquoi il fonctionne.
Dans l’ancien monde, l’effort était pénible, mais il construisait le muscle.
Dans le nouveau monde, le bouton « Generate » supprime la douleur trop vite.
Or, une partie de l’apprentissage passe par cette friction.
Se tromper.
Chercher.
Recommencer.
Bloquer.
Relire.
Demander.
Tester.
Échouer.
Puis comprendre.
L’IA peut accompagner ce processus. Elle peut même l’améliorer. Mais si elle saute directement à la réponse, elle transforme l’apprentissage en livraison express.
Et une compétence livrée sans effort n’est souvent qu’une illusion.
Prothèse cognitive ou béquille permanente ?
Voilà la distinction essentielle.
Quand l’IA devient une prothèse cognitive, elle augmente l’humain.
Quand elle devient une béquille permanente, elle atrophie le muscle.
Une étude de Michael Gerlich publiée dans Societies en 2025 analyse 666 participants et observe une corrélation négative entre usage fréquent des outils IA et compétences de pensée critique, avec le « cognitive offloading » comme mécanisme médiateur. L’auteur note aussi que les participants les plus jeunes montrent une dépendance plus élevée aux outils IA et des scores plus faibles en pensée critique. (MDPI)
Un article publié dans Frontiers in Psychology en 2025 formule le dilemme autrement : l’IA peut réduire la charge cognitive inutile, mais une dépendance excessive peut aussi réduire la charge cognitive utile, celle qui soutient l’apprentissage profond et les compétences de haut niveau. (Frontiers in Psychology)
C’est exactement le point que beaucoup d’organisations sous-estiment.
L’IA ne retire pas seulement des tâches.
Elle déplace l’effort.
Et selon l’endroit où cet effort est déplacé, elle crée de la puissance ou de la fragilité.
Un étudiant qui utilise l’IA pour comprendre une erreur apprend.
Un étudiant qui utilise l’IA pour éviter l’erreur contourne l’apprentissage.
Un développeur qui utilise l’IA pour accélérer un code qu’il sait relire gagne du temps.
Un développeur qui ne comprend pas le code produit prend un risque.
Un manager qui utilise l’IA pour challenger son raisonnement améliore sa décision.
Un manager qui lui délègue son jugement abdique une partie de sa responsabilité.
Le diplôme va devoir changer de rôle
La réponse facile consiste à dire : interdisons l’IA.
Elle rassure.
Elle donne l’impression de reprendre le contrôle.
Elle permet de préserver le décor.
Mais le monde professionnel ne va pas fonctionner sans IA.
Demain, beaucoup de métiers exigeront de savoir utiliser ces outils. Refuser l’IA dans l’éducation reviendrait à former des étudiants pour un monde qui n’existe déjà plus.
La réponse inverse consiste à dire : autorisons tout.
Elle plaît aux techno-enthousiastes.
Elle donne l’impression d’être moderne.
Elle évite les débats difficiles.
Mais si tout est autorisé sans cadre, l’évaluation perd sa valeur.
Le sujet n’est donc pas « IA ou pas IA ».
Le sujet est : à quel moment l’IA intervient-elle dans l’apprentissage ?
Avant l’effort ?
Pendant l’effort ?
Après l’effort ?
Pour produire ?
Pour expliquer ?
Pour challenger ?
Pour corriger ?
Pour remplacer ?
C’est ici que l’école, l’université et la formation professionnelle vont devoir devenir beaucoup plus fines.
Un devoir fait à la maison avec IA ouverte ne mesure plus la même chose qu’un examen oral, une résolution en direct, une soutenance, une explication de raisonnement ou un projet documenté étape par étape.
La valeur ne se trouvera plus seulement dans le résultat final.
Elle se trouvera dans la trace du raisonnement.
Dans la capacité à expliquer.
Dans la capacité à corriger.
Dans la capacité à critiquer la sortie de l’IA.
Dans la capacité à dire : « Cette réponse est séduisante, mais fausse. »
Ce que l’humain doit garder dans son cerveau
La question la plus dérangeante pour l’éducation n’est plus : « faut-il autoriser l’IA ? »
La question décisive devient : quelles compétences doivent rester dans le cerveau humain, coûte que coûte ?
Voici mon point de vue.
Les bases doivent rester humaines.
Pas par nostalgie.
Pas par amour romantique du tableau noir.
Pas parce que le passé aurait toujours raison.
Mais parce qu’on ne peut pas piloter intelligemment un outil dont on ne comprend pas les fondations.
En informatique, cela veut dire comprendre les structures de données, la logique, les algorithmes, la complexité, les mathématiques, les erreurs, les limites.
En droit, cela veut dire comprendre le raisonnement juridique avant de demander à une IA de produire une note.
En médecine, cela veut dire comprendre le diagnostic avant d’utiliser un assistant.
En management, cela veut dire comprendre les dynamiques humaines avant d’automatiser les décisions.
En innovation, cela veut dire comprendre le problème avant de générer des solutions.
L’IA peut aider à aller plus vite.
Elle ne doit pas devenir le moyen élégant d’éviter la construction du socle.
L’IA comme innovation de procédé
C’est exactement le sujet que j’aborde quand je parle de l’IA comme innovation de procédé.
Dans mon livre, chapitre 14, j’explique que l’IA permet de redéfinir la manière dont on fait les choses et favorise ainsi l’innovation de procédé. Cette adoption doit suivre une logique structurée, avec vision, communication, exploration, déploiement, mesure et prise en compte du sentiment des collaborateurs face à l’arrivée de l’IA.
L’école vit aujourd’hui ce que les entreprises vivent déjà.
Une technologie arrive.
Elle promet de faire mieux, plus vite, moins cher.
Tout le monde se jette dessus.
Puis les effets secondaires apparaissent.
Dans les entreprises, on découvre que l’IA utilisée sans stratégie produit des fichiers inutiles, des contenus moyens, des décisions approximatives et parfois une dépendance dangereuse.
Dans les universités, on découvre que l’IA utilisée sans pédagogie produit des devoirs propres, des compétences sales et des examens catastrophiques.
Même cause.
Même mécanisme.
Même aveuglement.
L’outil change le procédé.
Mais le procédé doit être repensé.
Sinon, l’outil amplifie les failles existantes.
Former à l’IA ne veut pas dire laisser l’IA tout faire
Le futur de l’éducation ne sera pas anti-IA.
Il devra être anti-paresse intellectuelle.
La nuance est énorme.
Former avec l’IA, c’est apprendre à poser de meilleures questions.
C’est demander à l’étudiant de comparer deux réponses.
C’est lui faire repérer une erreur.
C’est lui demander de documenter son raisonnement.
C’est lui faire expliquer ce qu’il accepte, ce qu’il rejette et pourquoi.
C’est transformer l’IA en sparring-partner, pas en ghostwriter.
L’étudiant doit apprendre à utiliser l’IA comme un miroir exigeant.
Pas comme une machine à rendre les devoirs à sa place.
Le meilleur étudiant ne sera pas celui qui utilise le plus l’IA.
Ce sera celui qui sait quand l’utiliser, quand la contredire et quand fermer l’ordinateur pour penser.
L’école n’a plus le luxe de l’ambiguïté
Le pire choix serait de rester dans le flou.
Chaque professeur avec ses propres règles.
Chaque devoir avec ses propres tolérances.
Chaque étudiant avec sa propre interprétation.
Chaque établissement avec sa propre panique.
L’étude publiée dans Science insiste justement sur la nécessité de réformes adaptées aux disciplines plutôt que des interdictions générales ou des régimes universels de détection. (CSHE Berkeley)
C’est cohérent.
On n’évalue pas un futur développeur comme un futur avocat.
On n’évalue pas un futur médecin comme un futur designer.
On n’évalue pas un étudiant en mathématiques comme un étudiant en marketing.
Chaque discipline doit déterminer ce que l’IA peut accélérer sans détruire l’apprentissage de base.
Et chaque discipline doit définir ce qui doit être évalué en environnement contrôlé.
Sans IA.
Sans Internet.
Sans copilote.
Juste l’humain face à sa compétence.
Le diplôme survivra s’il redevient une preuve
Le diplôme n’est pas mort.
Mais il doit redevenir une preuve.
Pas une preuve de présence.
Pas une preuve de conformité.
Pas une preuve de capacité à rendre un devoir propre.
Une preuve de raisonnement.
Une preuve de compréhension.
Une preuve de jugement.
Une preuve d’autonomie.
Une preuve de capacité à utiliser l’IA sans devenir dépendant d’elle.
Berkeley vient peut-être de montrer ce qui attend toutes les institutions qui confondent adoption technologique et apprentissage réel.
L’IA n’est pas l’ennemie de l’éducation.
L’ennemi, c’est l’illusion de compétence.
L’ennemi, c’est le devoir réussi sans compréhension.
L’ennemi, c’est la réponse parfaite posée sur un cerveau vide.
Et c’est précisément pour cela que le sujet mérite d’être mis sur la table dans les écoles, les universités, les entreprises, les conférences et les comités de direction.
Car le problème ne concerne pas seulement les étudiants.
Il concerne tous ceux qui commencent à confondre produire plus vite avec penser mieux.
👉 À partir de quel moment l’IA cesse-t-elle d’être un accélérateur d’apprentissage pour devenir un anesthésiant intellectuel ?
Références
- (Next) = https://next.ink/241126/a-berkeley-plus-dun-tiers-des-etudiants-en-informatique-sont-recales-a-cause-de-lia/
- (Berkeley News) = https://news.berkeley.edu/2026/05/21/the-largest-study-of-ai-use-by-undergrads-is-in-revealing-disparities-in-access-and-in-cheating/
- (CSHE Berkeley) = https://cshe.berkeley.edu/news/study-finds-widespread-generative-ai-use-among-college-students-signaling-urgent-need
- (Cornell Chronicle) = https://news.cornell.edu/stories/2026/05/widespread-ai-misuse-means-higher-ed-must-rethink-assessment
- (CSHE Berkeley) = https://cshe.berkeley.edu/publications/generative-ai-use-and-misuse-call-assessment-reform-higher-education-science-392818
- (MDPI) = https://www.mdpi.com/2075-4698/15/1/6
- (Frontiers in Psychology) = https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2025.1550621/full
