L’Intelligence Artificielle et la valeur du savoir
Des élèves d’un lycée turc se sont entraînés en mathématiques en utilisant un outil d’Intelligence Artificielle (IA) proche de ChatGPT. Leurs performances scolaires se sont immédiatement améliorées par rapport à leurs camarades qui n’y avaient pas accès. Toutefois, cela n’a duré qu’un temps car une fois l’outil retiré, leurs résultats ont été inférieurs d’environ 17 % à ceux des autres élèves. Cette expérience, publiée en 2025 et menée par Hamsa Bastani et ses coauteurs auprès de près de mille élèves répartis en groupes par tirage au sort, résume toute la difficulté d’introduire l’IA dans l’éducation.
L’IA générative est évidemment partout, y compris chez les élèves du secondaire comme du supérieur. Son efficacité et sa grande souplesse permettent une utilisation dans les devoirs qui peut aller de la délégation totale à un formidable tuteur pour rattraper son retard ou aller plus loin. Déléguer est évidemment tentant, cela permet de réduire le temps nécessaire pour obtenir une bonne note tout en supprimant l’exercice qui devait former ses compétences. Or à l’école, une partie de l’effort est un investissement dont le bénéfice apparaît plus tard. Il y a une incompatibilité entre la recherche de résultats à court terme et la formation de compétences à long terme.
Or même à l’ère de l’IA, ces connaissances acquises à l’école continuent à être déterminantes, notamment pour comprendre comment bien tirer parti de cette technologie. Pour repérer une erreur dans un raisonnement ou poser une question pertinente, il faut déjà comprendre le sujet, avoir passé du temps à réfléchir dessus, à se tromper et à comprendre ses erreurs. Un élève qui délègue trop tôt sa réflexion risque donc de se priver des savoirs dont il aura besoin pour bien utiliser l’outil. L’automatisation peut réduire la valeur de l’exécution d’une tâche tout en augmentant celle du jugement nécessaire pour en contrôler le résultat.
Dans l’expérience turque, des enseignants ont conçu une autre version de l’outil. Au lieu de donner des réponses, celle-ci proposait des indices personnalisés pour guider le raisonnement. Les résultats sont bien plus positifs pour la formation du savoir car avec cet outil, plus de baisse du niveau une fois que l’IA est retirée. Dans une classe de trente élèves, un professeur ne peut pas toujours revenir sur chaque erreur et adapter ses explications à chacun. Une IA qui fournit des indices personnalisés pourrait prolonger ce travail à la maison, en permettant aux élèves de recommencer autant de fois que nécessaire et d’avancer à leur rythme. Le potentiel est important car le tutorat individuel reste aujourd’hui coûteux, et donc réservé à une partie des familles, ce qui contribue aux inégalités scolaires que les différents rapports PISA soulignent régulièrement.
Mais encore faut-il développer les bons outils, et définir la manière de s’en servir.
Un modèle généraliste cherche à répondre aux questions de son utilisateur, alors qu’un bon tuteur doit parfois refuser de donner la solution.
C’est pourquoi les applications éducatives doivent être pensées avec les enseignants, qui connaissent les difficultés de leurs élèves et peuvent décider quand l’IA est utile et quand il faut travailler sans elle.
L’IA pourrait aussi libérer du temps pour les professeurs. Au Royaume-Uni, une expérimentation auprès de 259 enseignants de sciences a montré qu’ils pouvaient réduire d’environ un tiers le temps déclaré de préparation de leurs cours, sans dégradation mesurable de leur qualité. Ce temps gagné pourrait être consacré aux élèves les plus en difficulté. Mais cela suppose aussi de former les enseignants à ces nouveaux usages. En France, seuls 9 % déclaraient avoir reçu une formation à l’IA en 2024, contre 38 % en moyenne dans les pays de l’OCDE.
Les conséquences sur les inégalités scolaires dépendront beaucoup de ces choix. Un élève accompagné par ses parents saura probablement mieux utiliser l’IA pour comprendre ses erreurs, tandis qu’un autre pourra surtout s’en servir pour terminer rapidement ses devoirs. Cette différence d’usage selon le milieu social n’est pas nouvelle. Les économistes Mark Aguiar et Erik Hurst ont montré qu’aux États-Unis, entre 1965 et 2003, le temps passé devant la télévision avait augmenté de plus de neuf heures par semaine chez les adultes les moins diplômés, contre cinq heures et demie chez les diplômés du supérieur. Les usages de l’IA pourraient suivre des trajectoires sociales différentes, alors même que cette technologie pourrait rendre accessible à tous une aide personnalisée jusqu’ici très inégalement répartie.
Ces inégalités dans l'accès à l'éducation peuvent aussi peser sur la croissance économique. Dans son livre Marie Curie habite dans le Morbihan, l'économiste Xavier Jaravel explique comment les inégalités sociales et scolaires privent l'économie d'une partie de ses futurs chercheurs et inventeurs, notamment parmi les femmes et les enfants de milieux modestes. Le coût de cette mauvaise allocation des talents peut être considérable. Aux États-Unis, Hsieh et ses coauteurs estiment que la réduction des obstacles qui limitaient l'accès des femmes et des hommes noirs à certaines professions explique entre 20 et 40 % de la croissance de la production marchande par habitant entre 1960 et 2010. Si l'IA permet aux élèves les plus défavorisés d'acquérir davantage de connaissances, elle pourrait ainsi contribuer à une meilleure utilisation des talents, avec des bénéfices économiques qui dépasseraient largement les seuls résultats scolaires.
