Ce dont les professeurs ont peur
À chaque rentrée universitaire, les professeurs d'université sont confrontés, sous une forme ou une autre, à la même question : les étudiants apprennent-ils vraiment ou se contentent-ils de suivre le cursus universitaire ? Cette année, cette question prend une nouvelle dimension. Un sondage réalisé en novembre 2025 auprès de 1 057 professeurs par l'Association américaine des collèges et universités (AACU) et l'Université Elon a révélé que 90 % d'entre eux pensent que l'intelligence artificielle générative (IA générative) diminuera l'esprit critique des étudiants, 83 % estiment qu'elle réduira leur capacité de concentration et 95 % s'attendent à ce qu'elle accroisse leur dépendance à ces outils. Près des trois quarts (73 %) ont personnellement été confrontés à un problème d'intégrité académique lié à l'IA. Il ne s'agit pas de craintes marginales émanant d'une minorité réticente. C'est l'opinion majoritaire de la profession, et elle est précise : non pas que « l'IA est perturbatrice » de manière abstraite, mais bien le sentiment partagé qu'un changement tangible affecte la façon dont les étudiants pensent.
Ce que font déjà les élèves
Les étudiants ne se cachent pas non plus de cette réalité. L'enquête HEPI 2026 sur l'IA générative chez les étudiants, menée auprès de 1 054 étudiants de premier cycle britanniques, révèle que 95 % d'entre eux utilisent désormais l'IA sous une forme ou une autre et que 94 % l'utilisent pour leurs travaux évalués. Seuls 12 % admettent soumettre directement des textes générés par l'IA, un chiffre qui a quadruplé depuis 2024, où il s'élevait à 3 %. Cela suggère que la frontière entre « utiliser l'IA pour aider » et « laisser l'IA faire tout » évolue rapidement. La comparaison de deux citations issues de l'enquête est révélatrice. Un étudiant explique avoir utilisé l'IA pour résumer des textes complexes afin de pouvoir « se concentrer sur l'analyse critique et une compréhension plus approfondie ». Un autre écrit, tout simplement : « Je ne réfléchis pas du tout. » Même outil, même période, deux expériences d'apprentissage totalement différentes, et l'enquête ne laisse rien présager d'inhabituel dans le comportement de ces étudiants.
Pourquoi le mécanisme n'a pas changé
Ce qui distingue ces deux étudiants, ce n'est pas l'outil lui-même, mais ce que la classe attendait d'eux après son utilisation. L'IA peut répondre à la question « quoi ? » plus rapidement que n'importe quel cours magistral, n'importe quel manuel, ou même les permanences des professeurs. En revanche, elle ne peut pas se substituer à l'étudiant lorsqu'on lui demande de prédire un résultat, de justifier un choix ou de reformuler une idée avec ses propres mots, car ces situations ne sont possibles que si c'est l'étudiant qui effectue la récupération. C'est là le principe sous-jacent : la pratique de la récupération, parfois appelée effet test, un constat bien établi selon lequel extraire activement des informations de sa mémoire permet une compréhension bien plus solide et durable que de simplement se les voir restituer. Ce n'est pas nouveau, et cela n'a rien à voir avec l'IA. Simplement, l'IA rend cette pratique particulièrement facile à contourner.
Une étude de l'Université Drexel de 2025 quantifie cet écart. Les chercheurs ont proposé à des étudiants en science des données des exercices de mémorisation générés par l'IA pendant les pauses des cours. Ces exercices, à faible enjeu, les obligeaient à se remémorer et à appliquer les notions apprises. Ils ont ensuite comparé leurs résultats à un quiz à ceux d'un groupe témoin n'ayant bénéficié d'aucun exercice. Le groupe ayant pratiqué la mémorisation a obtenu un score de 89 %, contre 73 % pour le groupe témoin. Soit une différence de 16 points que les chercheurs ont qualifiée de statistiquement et pratiquement significative, sans que le contenu n'ait été modifié, si ce n'est par l'exercice de mémorisation. Ce constat reste valable malgré l'existence de l'IA. Au contraire, il met en lumière l'enjeu : le mécanisme d'apprentissage véritable repose toujours sur un effort de mémorisation, et l'utilité de l'IA pour un étudiant dépend entièrement de sa capacité à stimuler cet effort ou à le remplacer.
Là où la politique s'arrête
C’est pourquoi, dans l’enseignement supérieur, la méthode de questionnement, et non les politiques relatives à l’IA, pourrait bien s’avérer le levier le plus sous-utilisé. Selon l’enquête de l’AAC&U, 87 % des enseignants ont déclaré avoir rédigé des politiques explicites concernant l’utilisation de l’IA, mais 59 % ont estimé que leur établissement n’était pas suffisamment préparé pour aider les étudiants à appréhender les enjeux à venir. Si les politiques sont nécessaires, elles régissent le contenu des travaux rendus par les étudiants a posteriori. Elles sont peu efficaces pendant les 90 minutes qui précèdent la remise, dans l’amphithéâtre ou la salle de séminaire, là où la réflexion se produit réellement, ou non, et où aucun document de politique n’a jamais incité quiconque à approfondir sa réflexion.
Rien de tout cela ne justifie de s'opposer à l'IA en classe, et les données ne confirment pas cette conclusion ; de nombreux étudiants l'utilisent déjà avec succès. Il s'agit plutôt de plaider pour une bien meilleure définition des moments qui restent exclusivement réservés à l'étudiant, et pour la conception des cours, des séminaires et des évaluations de manière à préserver ces moments, comme le montre la rubrique « Histoires derrière les diapositives » de ce numéro, où un enseignant pose déjà une question de récupération à la fois.
Références
Association américaine des collèges et universités (AAC&U) et Centre « Imaginer l’avenir numérique » de l’Université Elon. (21 janvier 2026). Enquête nationale : 95 % des professeurs d’université craignent une dépendance excessive des étudiants à l’égard de l’IA et une diminution de l’esprit critique chez les apprenants qui utilisent des outils d’IA générative. AAC&U. https://www.aacu.org/newsroom/national-survey-95-of-college-faculty-fear-student-overreliance-on-ai-and-diminished-critical-thinking-among-learners-who-use-generative-ai-tools
An, Y., Liu, J., Acharya, N., & Hashmi, R. (2025). Améliorer l'apprentissage des étudiants grâce à des questions de pratique de récupération générées par LLM : une étude empirique dans les cours de science des données. arXiv. https://arxiv.org/abs/2507.05629
Stephenson, R., & Armstrong, C. (12 mars 2026). Enquête sur l'intelligence artificielle générative des étudiants 2026 (Rapport HEPI 199). Institut de politique de l'enseignement supérieur. https://www.hepi.ac.uk/reports/student-generative-ai-survey-2026/
