Le malaise que l’IA révèle
L’IA à l’école ne pose pas seulement une question technologique. Elle pose une question biologique.
Un outil numérique peut accélérer l’accès à l’information.
Une IA générative peut accélérer l’accès à la réponse.
Mais l’apprentissage humain ne se résume pas à l’accès.
Il exige de l’attention, de la mémoire de travail, de la lecture profonde, de l’inférence, de l’erreur, de la récupération active, de la frustration productive.
C’est précisément là que l’IA devient fascinante et dangereuse.
Si elle intervient trop tôt, elle peut transformer l’élève en superviseur passif d’une production qu’il ne sait pas encore juger.
Si elle intervient au bon moment, elle peut devenir un accélérateur de compréhension, un tuteur, un simulateur, un sparring partner intellectuel.
La différence entre les deux ne tient pas à l’outil.
Elle tient au design pédagogique.
Dans son témoignage écrit devant le Sénat américain, Dr Jared Cooney Horvath affirme que le développement cognitif des enfants a stagné ou reculé dans plusieurs domaines, notamment la littératie, la numératie, l’attention et le raisonnement d’ordre supérieur, malgré l’augmentation du temps passé à l’école et des investissements publics. Il attribue une partie du changement structurel à l’expansion rapide des technologies éducatives dans les salles de classe. ([U.S. Senate Committee])
Son propos est dérangeant parce qu’il attaque une croyance confortable : plus de technologie à l’école produirait automatiquement plus d’apprentissage.
Or l’histoire récente du numérique éducatif raconte une histoire plus ambiguë.
L’OCDE rappelle, à partir des données PISA 2012, une relation en « U inversé » entre usage des technologies et apprentissage : les usages faibles comme les usages élevés sont associés à de moins bonnes performances, et les usages élevés peuvent aussi remplacer des activités d’apprentissage plus adaptées à l’objectif visé. ([OCDE])
Autrement dit, le problème n’est pas l’écran en lui-même.
Le problème est le moment où l’écran remplace l’effort cognitif au lieu de le soutenir.
Nous avons confondu accès et apprentissage
Depuis vingt ans, une partie du discours éducatif a été contaminée par une équation trop simple :
plus d’équipements = plus de modernité = plus de performance.
Cette équation rassure les décideurs publics, les fournisseurs de solutions, les écoles, les parents et parfois les élèves eux-mêmes.
Elle produit des tableaux de bord flatteurs.
Nombre de tablettes distribuées.
Nombre de classes connectées.
Nombre de licences logicielles activées.
Nombre d’exercices réalisés sur plateforme.
Mais apprendre n’est pas cliquer.
Apprendre n’est pas recevoir une réponse.
Apprendre n’est pas regarder une vidéo jusqu’au bout.
Apprendre exige une transformation interne. Une information devient connaissance quand le cerveau l’a travaillée, testée, reliée, oubliée partiellement, récupérée, reformulée et confrontée.
C’est là que l’IA générative change l’équation.
Avant, l’élève pouvait copier une réponse.
Maintenant, il peut obtenir une réponse fluide, structurée, convaincante et parfois fausse.
Avant, le professeur pouvait repérer l’écart entre le niveau réel de l’élève et la qualité du devoir rendu.
Maintenant, cet écart peut être masqué par une prose impeccable.
Avant, la difficulté apparaissait dans l’écriture.
Maintenant, la difficulté peut disparaître de l’écran sans disparaître du cerveau.
Le piège de l’élève superviseur
L’un des risques majeurs de l’IA à l’école est de faire croire à l’élève qu’il est déjà capable d’évaluer ce qu’il ne comprend pas encore.
Pour bien utiliser une IA, il faut savoir poser une bonne question.
Pour savoir poser une bonne question, il faut déjà posséder un minimum de structure mentale dans le sujet.
Pour corriger une réponse, il faut savoir distinguer l’exact du plausible.
Pour demander une reformulation, il faut percevoir ce qui n’est pas clair.
Pour détecter une hallucination, il faut disposer d’un socle de connaissances.
Un élève sans socle devient alors dépendant de la machine qui prétend l’aider.
Des travaux relayés par Wharton sur près de 1 000 lycéens en mathématiques montrent ce paradoxe : l’usage d’une interface de type GPT-4 pendant les séances d’entraînement a amélioré la performance immédiate, mais le groupe utilisant l’outil sans garde-fous a moins bien réussi lorsque l’aide était retirée. La version tutorée, avec indices et limites pédagogiques, a réduit ce problème. ([Wharton])
Ce point est crucial.
L’IA qui donne la réponse peut affaiblir l’apprentissage.
L’IA qui guide vers la réponse peut l’amplifier.
Même technologie.
Design pédagogique différent.
Résultat cognitif différent.
Le SAT, ou le symptôme d’une reddition
Dans son intervention, Dr Horvath mentionne un exemple marquant : l’évolution du SAT américain.
Le College Board indique officiellement que le SAT numérique dure un peu plus de deux heures au lieu de trois, propose des passages de lecture plus courts, avec une seule question associée à chaque passage, et autorise les calculatrices sur toute la partie mathématique. ([College Board])
Ce changement peut se défendre sous l’angle de l’expérience candidat, du stress ou de la logistique.
Mais il pose une interrogation profonde : sommes-nous en train d’adapter l’évaluation à la capacité cognitive que nous voulons développer, ou à l’usage dominant des outils numériques ?
Lire un texte long.
Tenir une idée.
Comparer plusieurs arguments.
Inférer ce qui n’est pas dit.
Supporter l’ambiguïté.
Résister à la tentation de passer à autre chose.
Ces capacités ne sont pas décoratives.
Elles forment le socle de la pensée complexe.
Quand nous découpons la lecture en fragments ultra-courts, nous pouvons mesurer une compétence utile : repérer une information rapidement.
Mais nous ne mesurons plus exactement la même chose que la lecture profonde.
Le risque est alors de renommer la baisse d’exigence en modernisation.
L’écran n’est pas toujours l’ennemi
Il serait trop facile de conclure qu’il faut retirer toute technologie de l’école.
L’OCDE elle-même souligne que l’efficacité des technologies dépend du contexte, du type d’activité, de la qualité pédagogique, des compétences des enseignants et de la manière dont les outils sont utilisés. ([OCDE])
Des recherches récentes montrent aussi qu’un tuteur IA bien conçu peut produire des gains d’apprentissage dans certains contextes. Une étude publiée dans Scientific Reports indique que des étudiants ont davantage appris en moins de temps avec un tuteur IA structuré qu’avec une classe active traditionnelle, tout en se déclarant plus engagés et motivés. Mais l’étude insiste aussi sur la nécessité d’un design fondé sur les bonnes pratiques pédagogiques, avec échafaudage, gestion de la charge cognitive, feedback ciblé et contrôle de l’exactitude. ([Scientific Reports])
Voilà le point de bascule.
L’IA peut être un tuteur.
Elle peut aussi devenir une béquille.
Elle peut provoquer la réflexion.
Elle peut aussi la remplacer.
Elle peut demander à l’élève d’expliquer son raisonnement.
Elle peut aussi lui livrer un raisonnement prêt-à-rendre.
Elle peut aider l’enseignant à différencier les parcours.
Elle peut aussi industrialiser une illusion d’apprentissage.
La technologie n’est donc pas le centre du débat.
Le centre du débat est la capacité cognitive que nous voulons entraîner.
Avant de déléguer, il faut construire
Voilà pourquoi la question « faut-il de l’IA à l’école ? » est trop pauvre.
Une meilleure interrogation serait : quelles capacités cognitives voulons-nous développer avant de déléguer une partie du travail à l’IA ?
Lire avant de résumer.
Chercher avant de demander.
Raisonner avant de générer.
Écrire avant d’optimiser.
Comprendre avant d’automatiser.
Mémoriser avant d’externaliser.
Argumenter avant de polir.
Douter avant de publier.
Dans le système intelligence innovationnelle®, l’outil ne vient jamais avant l’intention. L’innovation commence par l’objectif humain, puis seulement par la sélection des moyens. C’est l’un des points que je développe dans mon livre, chapitre 14.
Appliqué à l’école, cela donne une règle simple : on ne commence pas par demander quel outil IA utiliser.
On commence par définir la fonction cognitive à protéger, développer ou amplifier.
Veut-on entraîner l’attention ?
Alors l’IA ne doit pas fragmenter davantage le travail.
Veut-on entraîner la mémoire ?
Alors l’IA ne doit pas donner immédiatement la réponse.
Veut-on entraîner l’esprit critique ?
Alors l’IA peut produire volontairement deux réponses contradictoires à analyser.
Veut-on entraîner l’écriture ?
Alors l’élève doit d’abord écrire sans IA, puis utiliser l’outil pour comparer, améliorer, questionner et justifier les modifications.
Veut-on entraîner la compréhension ?
Alors l’élève doit expliquer avant de recevoir une explication.
Le cerveau apprend par effort, pas par magie
La biologie de l’apprentissage a une dimension presque contrariante pour notre époque.
Nous voulons de la fluidité.
Le cerveau apprend aussi par friction.
Nous voulons de l’instantané.
Le cerveau consolide par répétition.
Nous voulons des réponses.
Le cerveau progresse par récupération active.
Nous voulons éviter la frustration.
Le cerveau transforme parfois cette frustration en compréhension.
La promesse d’une IA éducative sans effort est donc suspecte.
Une bonne IA éducative ne devrait pas faire disparaître toute difficulté.
Elle devrait calibrer la difficulté.
Trop facile : pas d’apprentissage.
Trop difficile : décrochage.
Assez difficile : progrès.
Le bon tuteur n’est pas celui qui répond à la place de l’élève.
Le bon tuteur est celui qui sait quand se taire.
Le risque politique : mesurer ce qui baisse, puis l’appeler progrès
L’UNESCO rappelle que les interdictions de smartphones à l’école se multiplient dans le monde, en raison des préoccupations liées à la distraction et au bien-être des élèves. ([UNESCO])
Aux États-Unis, les données NAEP montrent que les scores des élèves de 13 ans n’ont pas significativement progressé en lecture et en mathématiques entre 2023 et 2025, et que les résultats 2025 restent inférieurs aux niveaux pré-pandémiques de 2020. Le score de lecture 2025 des 13 ans n’est pas significativement différent du score de 1971. ([NAEP])
Il faut manier ces chiffres avec prudence.
Ils ne prouvent pas seuls que les écrans ou l’IA sont responsables du problème.
Ils signalent cependant qu’un récit naïf de progrès automatique par la technologie ne tient plus.
Le danger, maintenant, serait de déplacer les critères.
Si les élèves lisent moins longtemps, on raccourcit les textes.
S’ils écrivent moins bien, on valorise l’édition assistée.
S’ils calculent moins, on autorise l’outil partout.
S’ils mémorisent moins, on déclare que la mémoire est obsolète.
S’ils peinent à raisonner, on évalue la capacité à piloter une machine qui raisonne à leur place.
C’est là que la modernisation devient reddition.
L’IA éducative doit être un gymnase, pas un fauteuil
Une école intelligente n’a pas à choisir entre nostalgie analogique et fascination numérique.
Elle doit hiérarchiser.
Le papier peut rester supérieur pour certaines phases de lecture, de mémorisation, d’écriture lente et de concentration.
Le numérique peut être utile pour simuler, répéter, visualiser, personnaliser, tester.
L’IA peut devenir précieuse pour questionner, reformuler, créer des scénarios, générer des contre-arguments, adapter des exercices, aider un enseignant à différencier.
Mais l’école doit refuser une IA qui remplace l’effort fondateur.
Un élève doit apprendre à produire avant d’apprendre à superviser.
Il doit apprendre à juger avant d’apprendre à déléguer.
Il doit apprendre à penser avant d’apprendre à automatiser.
Sinon, nous fabriquons une génération de pilotes sans heures de vol.
La compétence non négociable
À mes yeux, la compétence centrale à préserver est la pensée autonome.
Pas une pensée isolée.
Pas une pensée arrogante.
Pas une pensée déconnectée des outils.
Une pensée capable de fonctionner sans assistance, puis de revenir vers l’outil avec discernement.
L’IA peut devenir une révolution éducative.
Elle peut aussi devenir une anesthésie cognitive premium.
La différence se mesurera dans dix ans, quand nous découvrirons si nos enfants savent encore penser sans assistance.
👉 Quelle compétence devrait rester non négociable avant d’autoriser l’usage massif de l’IA par les élèves ?
C’est un sujet que je traite dans mes conférences, ateliers et accompagnements, surtout quand une organisation croit encore qu’ajouter de l’IA dans un processus suffit à fabriquer de l’intelligence.
