Vous avez peut-être déjà vu le tableau : deux répartitions des notes d'un même cours d'économie à l'Université Brown, présentées côte à côte. À mi-parcours, presque toute la classe se situe au sommet de l’échelle, avec une moyenne de 96 pour cent. Lors de la finale en personne, la distribution s'effondre. La moyenne était de 48,6 pour cent, la plus basse de l'histoire du cours. Entre les deux examens, 18 étudiants ont abandonné le cours, neuf autres sont restés inscrits mais n'ont jamais passé la finale et 19 ont finalement échoué.
Le professeur Roberto Serrano enseigne l’économie du bien-être et la théorie du choix social à Brown depuis près de deux décennies. Ce printemps, pour la première fois, il a offert un programme de mi-session à emporter, un accommodement pour les étudiants anxieux de rester assis dans les salles de classe après la fusillade de décembre sur le campus. Lorsque les scores sont revenus invraisemblablement élevés, il a passé l'examen via ChatGPT et a trouvé des preuves alambiquées similaires à celles que ses étudiants avaient soumises. Il a fait part à la classe de ce qu'il soupçonnait, leur a donné l'occasion de prouver qu'il avait tort et a passé l'examen final en personne. Le graphique représente ce qui s'est passé ensuite. Emma Whitford a raconté toute l'histoire dans À l’intérieur de l’enseignement supérieur plus tôt ce mois-ci.
Le graphique fait déjà ce que font les graphiques comme celui-ci : il devient un raccourci pour désigner une épidémie. Les étudiants d’aujourd’hui tricheront dès qu’ils le pourront. Cette génération est paresseuse, n’aime pas apprendre et sous-traitera tout ce qui n’est pas contrôlé.
J'ai passé les 15 dernières années à étudier la motivation et l'engagement, et je souhaite proposer une lecture différente. Non pas parce que la tricherie n’a pas eu lieu ; Les soupçons de Serrano semblent fondés. Mais « les élèves ont-ils triché » est la question la moins intéressante que soulève ce tableau. Il s'agit d'un cours, en un semestre, sous un seul format d'évaluation. Ce que nous regardons n’est pas le portrait d’une génération. Il s’agit d’une image unique et inhabituellement claire de ce qui se produit lorsqu’une structure d’incitation vieille de plusieurs décennies rencontre une technologie qui élimine toutes les frictions. Et quant à l’effet de cette structure d’incitation sur les étudiants, nous disposons de données.
Ce que disent les étudiants à propos de l’IA
À l’Université de Pittsburgh, où je travaille, nous avons interrogé les étudiants sur la manière dont ils utilisent l’IA. Lorsque Pitt a répondu à l'enquête sur l'expérience des étudiants dans les établissements de recherche au printemps 2024, 2 251 étudiants de premier cycle ont répondu, et les chiffres racontaient une histoire moins dramatique que les gros titres.
Parmi les étudiants qui ont répondu à la question sur la fréquence de leur utilisation de l’IA, 38 % ont déclaré n’avoir jamais utilisé l’IA du tout au cours de cette année universitaire, et seulement 15 % l’ont utilisée plusieurs fois par semaine ou quotidiennement. Et lorsque les étudiants l'utilisaient, les objectifs les plus courants n'étaient pas de rédiger des dissertations ou de terminer leurs devoirs. Ils l’utilisaient pour réfléchir, faire de la recherche ou étudier. Générer des questions pratiques. Faire des cartes flash. Vérifier leur compréhension. Les mêmes tendances se retrouvent chez plus de 45 000 étudiants de 11 universités de recherche homologues. Les étudiants peuvent sous-déclarer leurs déclarations, et l’adoption de l’IA s’est développée depuis. Mais il ne s’agit pas ici du portrait d’une génération désireuse de tricher.
C'est en parlant aux étudiants que ça devient intéressant. Au printemps 2025, 13 chercheurs du corps professoral de Pitt ont rencontré 95 étudiants répartis sur quatre campus. Les conversations ont confirmé ce que les chercheurs savaient déjà : la plupart de ces étudiants utilisaient l’IA générative. La plupart avaient une idée interne des utilisations qui les aidaient à apprendre et de celles qui ne l'étaient pas. Ensuite, les étudiants ont révélé pourquoi ils recherchaient l’IA d’une manière dont ils savaient qu’elle ne les aidait pas : la date limite était demain. La mission ressemblait à un travail chargé. Ou bien ils avaient atteint la limite de leur propre compréhension et ne savaient pas vers qui se tourner ensuite.
En expliquant pourquoi ils ont utilisé l'IA, un étudiant l'a dit clairement : « J'ai une note que je dois accomplir à la fin de la journée… Si c'est l'un ou l'autre, je le fais… plutôt que d'échouer ? Je préfère le faire. »
Elle ne présente pas d'argument moral. Elle décrit le jeu avec précision. Elle remet un produit, reçoit une note et la note détermine sa bourse, sa candidature aux études supérieures, sa carrière. L’apprentissage, dans cet arrangement, est plus ou moins hors de propos. Quatre-vingt-deux pour cent des personnes interrogées à Pitt conviennent que l’IA peut nuire à leur propre apprentissage. Ils le savent. Pitt n'est bien sûr pas unique ici : les étudiants de tout le pays disent la même chose. Selon une enquête de Student Voice et À l’intérieur de l’enseignement supérieur, La principale raison pour laquelle les étudiants utilisent l’IA générative d’une manière qui viole les règles d’intégrité académique est la pression exercée pour obtenir de bonnes notes. Les étudiants font des compromis au sein d’un système qui les incite à donner la priorité aux bonnes notes plutôt qu’à l’apprentissage.
Et puis il y a les détails que je mettrais à côté du tableau de Brown lors de chaque réunion de professeurs du pays.
Certains étudiants de nos groupes de discussion ont demandé à leurs professeurs de ramener les examens sur livre bleu. Pas parce qu’ils voulaient être surveillés. Parce que la tentation d’utiliser l’IA, sachant que leurs pairs l’utilisaient, était si difficile à résister qu’ils voulaient la supprimer. Les étudiants nous demandent d’enlever la tentation. Ils ne défendent pas le droit de tricher. Ils nous disent, dans le langage le plus clair possible, que le jeu que nous avons construit est un jeu auquel presque aucune personne rationnelle ne peut refuser de jouer. En effet, l’élève 22 du classement a rapidement atteint un statut quasi mythique sur les réseaux sociaux en raison de son caractère exceptionnel et de son refus apparent de rejoindre ses camarades de classe pour jouer au jeu.
Pourquoi le raccourci semble rationnel
Rien de tout cela ne devrait surprendre quiconque connaît la littérature sur la motivation. La théorie de l'autodétermination d'Edward Deci et Richard Ryan a démontré, à travers des centaines d'études depuis les années 1970, que lorsque les récompenses externes deviennent la principale raison de faire quelque chose, les raisons internes ont tendance à s'estomper. Pendant des décennies, la contradiction a persisté parce que les solutions de contournement étaient coûteuses et risquées. L’IA a supprimé les frictions et la structure d’incitation sur laquelle nous travaillions discrètement a cessé de s’appliquer d’elle-même.
Il existe un deuxième mécanisme, et c'est celui qui m'a fait poser mon café lorsque je l'ai rencontré pour la première fois. Mon collègue Scott Fraundorf, psychologue cognitif à Pitt, a mené une série d'expériences avec Afton Kirk-Johnson et Brian Galla dans lesquelles les étudiants ont essayé deux stratégies d'étude et en ont choisi une pour l'avenir. Dans toutes les expériences, la stratégie qui nécessitait plus d’effort mental produisait systématiquement un meilleur apprentissage – et tout aussi systématiquement, les étudiants l’évaluaient comme pire. Ils ont interprété l’effort lui-même comme une preuve de l’échec de la stratégie. Les étudiants ne peuvent pas distinguer de manière fiable une lutte productive d’un échec, donc ce qui les aidait était la preuve qu’ils ne pouvaient pas réussir.
Cette découverte est au centre de tout ce que j’étudie. Le moment le plus important dans l'apprentissage est ce que j'en suis venu à appeler l'espace entre la lutte et l'abandon, le moment où un élève rencontre des difficultés et n'a pas encore décidé quoi faire. À ce moment-là, ils posent l’une des deux questions suivantes : Puis-je faire ça ? ou Comment puis-je faire cela ? Ils semblent presque identiques. Ce n’est pas le cas. La première cherche à obtenir un verdict sur soi-même et déclenche l’autoprotection. La seconde cherche une stratégie et soutient l’effort.
La question posée par un élève dépend beaucoup moins de son caractère que des signaux envoyés par son environnement. Lorsque l'environnement dit que la note est ce qui compte et que le délai est immuable, le signal est clair : prouvez que vous pouvez le faire, ou échouez. L’IA offre alors quelque chose d’uniquement corrosif, un raccourci qui ressemble à de la compétence. Le résultat soigné fait que le paragraphe désordonné avec lequel l'étudiant se débattait ressemble, en comparaison, à une preuve d'échec. La tragédie est que c’est dans ce paragraphe désordonné que l’apprentissage se déroulait.
Maintenant, regardez à nouveau le graphique. L’écart entre ces deux répartitions est interprété comme une mesure de malhonnêteté. Je pense qu'il est préférable de le lire comme une mesure de la mesure dans laquelle la note a complètement remplacé l'apprentissage comme point de l'exercice pour suffisamment d'élèves pour que la différence apparaisse au niveau d'un histogramme. Cet écart ne s'est pas creusé ce printemps. L’IA l’a simplement rendu plus visible.
Chaque système obtient les résultats pour lesquels il a été conçu
Il existe une maxime issue de l'amélioration de la qualité des soins de santé, généralement attribuée à Paul Batalden : chaque système est parfaitement conçu pour obtenir les résultats qu'il obtient. Ce que j’apprécie dans cette phrase, c’est qu’elle ne contient aucun méchant.
Considérons un autre chiffre de l’histoire de Brown. Le cours de Serrano comptait généralement environ 30 étudiants. Ce printemps, avec les examens à domicile promis, 86 personnes se sont inscrites. On pourrait lire ça avec cynisme. Ou encore, vous pourriez remarquer que les étudiants choisissaient un cours en fonction de son architecture évaluative, ce que le système les a appris à optimiser, dans un marché du travail où les notes de certains cours fonctionnent comme des tickets pour certaines carrières. Les étudiants qui considèrent une note comme un diplôme à obtenir à un coût minimum ne savent pas ce qu'est l'école. Ils ont lu correctement le design.
Et personne dans cette histoire ne s’est comporté de manière déraisonnable. Le professeur a lancé un appel humanitaire après une tragédie sur le campus, a vérifié ses preuves, a dit la vérité à ses étudiants et leur a donné une chance de lui prouver qu'il avait tort. Les étudiants ont réagi aux incitations qui leur étaient présentées comme le font les personnes rationnelles. Le comité de l'université sur l'IA générative, dans son rapport ce mois-ci, a exhorté les professeurs à minimiser l'importance des sanctions et a reconnu qu'il n'y avait aucun moyen de détecter avec certitude l'utilisation de l'IA.
Chacun fait son travail dans le cadre d’un design qu’aucun d’entre eux n’a choisi individuellement et qu’aucun d’entre eux ne peut modifier individuellement.
C’est pourquoi la question de la triche n’est pas le bon endroit pour attirer notre attention. Réduire la tricherie a moins à voir avec la moralité individuelle qu'avec la conception de l'environnement d'apprentissage : si les devoirs ont valu l'investissement de l'étudiant, si la lutte semble sûre et utile plutôt qu'arbitraire, si l'évaluation rend la réflexion visible au lieu de simplement rendre les produits notables. Ce travail n'est pas bon marché. Cela prend du temps dont les professeurs ne disposent pas et que les établissements de formation ne fournissent généralement pas. Et même le professeur qui redessine chaque devoir qu'il contrôle donne toujours une note à ses étudiants à la fin, parce que la note ne lui appartient pas. L'architecture évaluative est construite au-dessus de la salle de classe, dans les relevés de notes, les heures de crédit et les systèmes d'embauche qui les consomment. C’est dans la salle de classe que les dégâts se manifestent.
Mais c’est toujours à nous d’envoyer les signaux à l’intérieur d’une salle de classe, et tout ce que j’ai appris sur la motivation montre qu’ils comptent plus que n’importe quelle politique. Commencez par dire aux étudiants la vérité sur l’effort, dès le début et explicitement : ce cours est conçu pour vous faire lutter, et la lutte est le mécanisme, pas le verdict. Ensuite, réduisez les enjeux de vous tromper. Des évaluations fréquentes et plus restreintes ne nous montrent pas seulement ce que pensent les élèves d'une semaine à l'autre ; ils suppriment la seule performance à haute pression qui donne au raccourci l’impression d’être une survie. Et demandez à voir la réflexion, pas seulement le produit : un brouillon, une révision, quelques minutes de conversation sur la façon dont une réponse est née.
Rien de tout cela ne prouve un cours par l’IA. Cela fait quelque chose de mieux. Cela change la question que les étudiants entendent prouve que tu peux faire ça à comment vas-tu faire ça. Et d’après mon expérience, les étudiants ont tendance à répondre aux questions que nous leur posons réellement.
Le tableau de Brown continuera à circuler et continuera à être présenté comme une preuve du caractère de cette génération. Quand je le regarde, je pense aux étudiants de nos groupes de discussion, à ceux qui ont tout admis, qui pouvaient voir le jeu et se voir y jouer et qui n'ont pas beaucoup aimé ce qu'ils ont vu. Ceux qui nous ont demandé de rapporter les livres bleus. Ils nous ont déjà dit ce que le système leur fait. Le graphique vient de le dessiner.
