L'introduction d'outils d'apprentissage basés sur l'intelligence artificielle est essentielle au maintien de la valeur de l'enseignement supérieur, du moins selon l'industrie technologique et un groupe croissant de dirigeants universitaires.
Les entreprises qui se battent pour des contrats universitaires de plusieurs millions de dollars affirment que donner aux étudiants l’accès à de tels outils est essentiel pour favoriser l’apprentissage profond et les préparer à un marché du travail de plus en plus façonné par les perturbations induites par l’IA.
« Pour prospérer à l’ère de l’intelligence, les étudiants doivent développer leur capacité d’agir : la capacité d’apprendre en permanence, de résoudre des problèmes difficiles et de créer de nouvelles opportunités économiques pour eux-mêmes grâce à l’IA », lit-on dans une note récente d’OpenAI expliquant pourquoi son ChatGPT Edu – qui permet aux étudiants, aux professeurs, aux chercheurs et aux administrateurs d’utiliser son vaste modèle de langage au sein d’un système fermé et sécurisé – est l’un des « outils nécessaires » pour équiper les institutions « à faire face à ce moment ».
Et de nombreux collèges et universités ont pris au mot OpenAI et d’autres entreprises technologiques.
OpenAI, qui a lancé ChatGPT, le premier grand modèle de langage grand public, fin 2022, a vendu au moins 700 000 licences à des dizaines d'établissements d'enseignement supérieur, notamment le système de l'Université d'État de Californie, l'Université d'État d'Arizona et le système de l'Université du Maine. De nombreuses autres universités ont signé des accords avec Anthropic et Google, qui commercialisent leurs LLM spécifiques à l'éducation comme « un partenaire de réflexion », un gain de temps et un tuteur. Et de nombreuses petites entreprises de technologie éducative ont également relooké leurs produits en matière d’IA.
De nombreux dirigeants universitaires ont également adhéré à l’idée selon laquelle l’adoption de ces outils est la seule voie à suivre. « Dans un monde qui promet d'être défini par l'IA, les universités qui ne parviennent pas à former des diplômés capables de l'utiliser de manière productive se condamneront à ne plus être pertinentes », a écrit Sian Leah Beilock, présidente du Dartmouth College, dans L'Atlantique ce mois-ci, appelant à « plus d’IA à Dartmouth ».
Mais de nombreux experts appellent à la prudence, affirmant qu'il n'existe pas suffisamment de recherches indépendantes sur l'efficacité de l'IA en tant qu'outil d'enseignement et d'apprentissage pour garantir de gros retours sur ces investissements de plus en plus courants.
« La base de preuves est presque inexistante », a déclaré Justin Reich, professeur de médias numériques et directeur du Teaching Systems Lab au Massachusetts Institute of Technology. À l’intérieur de l’enseignement supérieur. « Construire des produits et les tester rigoureusement prend beaucoup de temps, et il n'y a pratiquement aucun financement pour le faire. »
Retard dans la recherche
Une poignée de petites études dispersées dans le monde entier montrent un mélange de résultats prometteurs et préoccupants concernant l'impact de l'IA sur l'enseignement et l'apprentissage. Mais un essai contrôlé randomisé à grande échelle serait la référence pour déterminer comment l’IA influence les résultats d’apprentissage, et ce ne sont pas les types d’études que le gouvernement fédéral – qui a vidé l’année dernière l’Institut des sciences de l’éducation – ou les philanthropes financent généralement. Même s'ils soutenaient une telle entreprise, « un essai contrôlé randomisé bien conçu pourrait toujours être erroné, ou il pourrait être correct dans son propre contexte mais ne pas se généraliser bien à d'autres contextes », a déclaré Reich, notant que les chercheurs n'ont développé que récemment de bonnes pratiques pour guider les recherches des étudiants sur Internet. « De la même manière, cela pourrait nous prendre des décennies pour élaborer un bon plan pour enseigner aux étudiants comment utiliser les LLM. »
En attendant, les collèges et les universités doivent peser eux-mêmes les implications de l’adoption de l’IA en classe.
« Les écoles doivent comprendre que la grande science n'apportera pas de bonnes réponses avant longtemps », a déclaré Reich, dont les recherches portent sur les limites de la technologie pour transformer l'éducation. « Au lieu de cela, ils doivent avancer avec peu de données scientifiques et se rendre compte qu'il ne faut pas se fier aux affirmations de ces entreprises. Chaque fois qu'ils entendent quelque chose qui ressemble à une meilleure pratique, cela doit être traité comme une simple hypothèse. »
Alors que les établissements d'enseignement supérieur ont depuis longtemps pris le risque de nouvelles innovations, au premier rang desquelles Internet, l'évolution rapide des outils basés sur l'IA présente des défis supplémentaires pour tester de telles hypothèses, a déclaré Stacey Alicea, directrice exécutive du Partenariat de recherche pour l'apprentissage professionnel.
« Les modèles d'IA changeaient tous les six mois ; maintenant, ils changent tous les un à trois mois. Les données de base de ces LLM changent chaque semaine et les modèles de recherche traditionnels ne peuvent pas suivre », a-t-elle déclaré. À l’intérieur de l’enseignement supérieur. « Au moment où les chercheurs obtiennent une découverte, celle-ci n'est plus pertinente ou généralisable. »
C'est pourquoi Alicea et ses collègues préconisent d'étudier l'efficacité de l'IA en tant qu'outil d'enseignement et d'apprentissage au moyen d'études plus petites et plus rapides qui surveillent et évaluent les outils au fur et à mesure de leur mise en œuvre, même si, admet-elle, « nos systèmes ne sont pas configurés pour le faire pour le moment ».
Étudiez les fonctionnalités de l’IA, pas les outils
Un autre inconvénient des recherches existantes sur l’IA en classe est que la plupart des études se concentrent sur des outils spécifiques. Par exemple, après que le système CSU a signé un contrat de 17 millions de dollars avec OpenAI en 2025, il a interrogé près de 100 000 professeurs et étudiants sur les outils qu’ils utilisent le plus souvent et pourquoi ; la plupart d’entre eux ont répondu ChatGPT.
« Ces outils sont traités de la même manière qu'une intervention serait traitée dans la recherche, en se demandant si un outil spécifique fonctionne », a déclaré Alicea. « Mais si nous voyons actuellement plus de 1 000 outils sur le marché pour les étudiants, nous ne pourrons en aucun cas mener 1 000 études sur chacun d'eux à un moment où le financement de l'éducation est réduit et où nous avons de nombreuses préoccupations en matière de confidentialité concernant les données des étudiants. » Au lieu d’étudier des outils individuels, « nous devrions étudier les fonctionnalités de tous les outils », a-t-elle déclaré. « Et il ne s'agit pas seulement des outils eux-mêmes : il s'agit également de la manière dont ils interagissent avec tous les autres outils utilisés par les enseignants et les élèves. »
Ce n’est pas le seul obstacle à l’évaluation de l’utilité de l’IA en classe.
« Pouvez-vous amener les étudiants à utiliser les outils d'IA de manière suffisamment cohérente pour même tester s'ils sont efficaces ou non ? » a déclaré Carly Robinson, directrice de recherche à l'initiative Systems Change Advancing Learning and Equity de l'Université de Stanford, qui suit les recherches émergentes sur l'IA et l'éducation. « La conception doit être vraiment délibérée, juste pour inciter les étudiants à s'engager avec ces outils en premier lieu. »
Bien que la recherche causale de haute qualité progresse lentement, les résultats limités jusqu’à présent soutiennent une approche mesurée de l’adoption de l’IA dans l’enseignement supérieur.
« Il est de plus en plus évident que l’IA a le potentiel d’être bénéfique à l’apprentissage, mais son utilisation seule, sans conception intentionnelle ni garde-fous, réduit probablement l’apprentissage par le biais d’un déchargement cognitif », a déclaré Robinson. « L’idée selon laquelle l’IA peut améliorer l’apprentissage et son potentiel de transformation dans l’éducation est logique, mais nous sommes loin d’en être là. »
Et lorsque des recherches substantielles se concrétiseront enfin, elles ne feront que soulever des questions plus nuancées sur les meilleures utilisations de l’IA, en fonction du type de matériel que les étudiants tentent d’apprendre.
« Nous pouvons nous poser des questions sur l'impact de l'IA sur la pensée critique ou la résolution de problèmes, mais les applications de ces compétences ne sont pas identiques d'une discipline à l'autre, même s'il existe certains points communs », a déclaré Claire Baytas, responsable de programme chez Ithaka S+R dont les travaux se concentrent sur l'impact de l'IA générative sur l'enseignement, l'apprentissage et la recherche. « Différentes disciplines ont des cultures et des attitudes différentes à l’égard de l’IA, et il faudra y remédier », a-t-elle ajouté. « Il y a des instructeurs qui innovent, mais il y en a aussi qui tentent encore d'acquérir des connaissances de base en IA et d'autres qui s'y opposent éthiquement et moralement. Ce paysage varié peut également changer la façon dont la recherche évolue. »
Pour l'instant, cependant, « les universités doivent être très prudentes quant à ce que leur disent les recherches sur l'IA », a déclaré Patrick O'Neill, professeur agrégé de sciences de la vie et de sciences physiques à l'Ivy Tech Community College dans l'Indiana. À l’intérieur de l’enseignement supérieur. « Il y a un tel appétit pour le message selon lequel l'IA est efficace dans l'éducation que beaucoup de gens supposent que cela va être vrai. »
Mais selon les conclusions préliminaires qu’il a publiées le mois dernier, plusieurs des études évaluées par des pairs qui affirment que l’IA est un outil d’apprentissage efficace sont basées sur des méthodologies et des analyses erronées qui s’appuient sur des statistiques mal appliquées, mal calculées ou mal interprétées. Parallèlement, une série d’études « méthodologiquement efficaces » indiquent que « avoir accès aux LLM sans orientation est contre-productif » pour développer des compétences de pensée critique.
Et cette réalité est une chose que les universités devraient garder à l’esprit lorsqu’elles poussent les étudiants et les professeurs à adopter l’IA sans disposer de données solides pour l’orienter.
« Les universités font tout leur possible pour donner l'impression qu'elles contrôlent l'IA, mais je ne pense pas que ce soit le cas », a déclaré O'Neill, qui a entendu des employeurs frustrés dire que certains diplômés récents ne peuvent pas accomplir des fonctions de base sans s'appuyer sur un LLM. « Les collèges doivent faire un meilleur travail pour contrôler la façon dont les évaluations devraient fonctionner dans un monde où l’IA est présente. »
