{"id":27140,"date":"2026-11-07T22:14:17","date_gmt":"2026-11-07T15:44:17","guid":{"rendered":"https:\/\/politicsrights.com\/?p=27140"},"modified":"2026-11-07T22:14:18","modified_gmt":"2026-11-07T15:44:18","slug":"ai-in-higher-education-needs-structure","status":"publish","type":"post","link":"https:\/\/politicsrights.com\/fr\/ai-in-higher-education-needs-structure\/","title":{"rendered":"L\u2019IA dans l\u2019enseignement sup\u00e9rieur a besoin de structure pour aider les \u00e9tudiants"},"content":{"rendered":"

Un enseignant responsable dans une universit\u00e9 britannique a donn\u00e9 les m\u00eames deux modules de premier cycle en \u00e9conomie et en gestion pendant trois ann\u00e9es universitaires : l\u2019un avant ChatGPT, l\u2019autre avec des \u00e9tudiants utilisant l\u2019IA de leur propre initiative, le dernier avec l\u2019IA int\u00e9gr\u00e9e aux travaux dirig\u00e9s et aux ateliers. Une \u00e9tude de 2026 publi\u00e9e dans Education and Information Technologies<\/a> a suivi les notes, l\u2019assiduit\u00e9 et les heures d\u2019\u00e9tude autonome durant les trois ann\u00e9es. C\u2019est l\u2019une des comparaisons les plus nettes \u00e0 ce jour sur l\u2019IA dans l\u2019enseignement sup\u00e9rieur.<\/p>\n\n\n\n

L\u2019acc\u00e8s \u00e0 l\u2019IA a peu chang\u00e9 les choses \u00e0 lui seul. La conception du cours a modifi\u00e9 ce que les \u00e9tudiants en ont fait. Quatre autres \u00e9tudes r\u00e9centes, venues d\u2019Irlande et de Chine, une revue de la litt\u00e9rature sur les biblioth\u00e8ques universitaires et un article conceptuel sur l\u2019int\u00e9grit\u00e9 acad\u00e9mique, montrent o\u00f9 se situent les variables d\u00e9cisives.<\/p>\n\n\n\n

Ce que r\u00e9v\u00e8lent les modules britanniques sur l\u2019IA dans l\u2019enseignement sup\u00e9rieur<\/h2>\n\n\n\n

Dans le plus petit module, qui a fourni 31 observations au niveau des \u00e9tudiants, la note globale moyenne est pass\u00e9e de 18 l\u2019ann\u00e9e pr\u00e9c\u00e9dant l\u2019IA \u00e0 14 l\u2019ann\u00e9e sans encadrement, puis \u00e0 16 l\u2019ann\u00e9e encadr\u00e9e. Cette remont\u00e9e n\u2019\u00e9tait pas statistiquement significative. Les heures d\u2019\u00e9tude autonome sont pass\u00e9es de 23 \u00e0 26, puis \u00e0 57, et ce bond \u00e9tait significatif.<\/p>\n\n\n\n

Le plus grand module, avec 103 observations, a montr\u00e9 le gain le plus net. Les notes globales sont rest\u00e9es \u00e0 16 pendant les deux premi\u00e8res ann\u00e9es et ont atteint 18 l\u2019ann\u00e9e encadr\u00e9e, un changement statistiquement significatif, tandis que les heures d\u2019\u00e9tude sont pass\u00e9es de 19 et 20 \u00e0 44. Il s\u2019agit de trois cohortes, non d\u2019une exp\u00e9rience contr\u00f4l\u00e9e.<\/p>\n\n\n\n

The skill-level results varied. In the smaller module, the critical-thinking measure (the coursework essay) fell from 20 to 17 in the unguided year and recovered to 19 in the guided year, a marginally significant change (p = 0.056). The presentation grade in the larger module, the study’s proxy for communication skills, rose only from 17 to 18, which was not significant. The gains were larger in written and analytical work than in presentations.<\/p>\n\n\n\n

Les 27 \u00e9tudiants qui ont r\u00e9pondu \u00e0 l\u2019enqu\u00eate de fin d\u2019ann\u00e9e se sont montr\u00e9s positifs. Parmi eux, 72,2 % ont jug\u00e9 l\u2019IA utile ou extr\u00eamement utile dans les ateliers de conception d\u2019arbres de d\u00e9cision, et 66,6 % l\u2019ont estim\u00e9e efficace ou tr\u00e8s efficace pour r\u00e9soudre des probl\u00e8mes en travaux dirig\u00e9s. Les d\u00e9clarations d\u2019un petit groupe montrent une perception, non une performance, mais elles vont dans le m\u00eame sens que les notes. Trois cohortes ne suffisent pas \u00e0 trancher la question pour l\u2019IA dans l\u2019enseignement sup\u00e9rieur en g\u00e9n\u00e9ral, c\u2019est pourquoi les quatre autres \u00e9tudes comptent.<\/p>\n\n\n\n

Ce que font les \u00e9tudiants lorsque l\u2019IA arrive sans r\u00e8gles<\/h2>\n\n\n\n

Violeta Morari et ses coll\u00e8gues<\/a> surveyed 608 students at an Irish university during the first semester of 2023 to 2024 and found a student body waiting for guidance on AI in higher education. Only 43 percent reported familiarity with the institution’s integrity policies. Asked whether using generative AI for assignments is cheating, 43.9 percent agreed and 32 percent stayed neutral.<\/p>\n\n\n\n

Les \u00e9tudiants disaient aussi en entendre peu parler. Alors que 71,6 % affirmaient que les enseignants abordaient souvent le plagiat, seuls 23,1 % en disaient autant des agents conversationnels comme ChatGPT. Les enseignants traitaient les probl\u00e8mes d\u2019int\u00e9grit\u00e9 qu\u2019ils savaient d\u00e9j\u00e0 nommer. Seuls 22,1 % jugeaient que l\u2019IA g\u00e9n\u00e9rative am\u00e9liore l\u2019apprentissage, bien que beaucoup soient rest\u00e9s neutres, et l\u2019adh\u00e9sion augmentait avec le niveau d\u2019\u00e9tudes.<\/p>\n\n\n\n

Les signaux concernant l\u2019application des r\u00e8gles \u00e9taient contrast\u00e9s. Une majorit\u00e9, 352 contre 251, souhaitait un outil officiel de signalement, et 58 % en \u00e9taient partisans. Pourtant, seuls 28 % disaient qu\u2019ils signaleraient un camarade, tandis que 258 affirmaient qu\u2019ils ne le feraient pas et que 176 \u00e9taient ind\u00e9cis. Les \u00e9tudiants veulent que les r\u00e8gles soient appliqu\u00e9es et refusent d\u2019en \u00eatre l\u2019instrument. Une politique qui repose sur le signalement entre pairs exige une conduite que la cohorte dit ne pas vouloir adopter.<\/p>\n\n\n\n

L\u2019histoire des technologies \u00e9ducatives explique pourquoi une adoption sans structure d\u00e9\u00e7oit. Dans Failure to Disrupt<\/em>, Justin Reich a pass\u00e9 en revue les MOOC, les correcteurs automatiques et les tuteurs informatis\u00e9s. Il en a conclu que les technologies con\u00e7ues pour l\u2019apprentissage \u00e0 grande \u00e9chelle n\u2019avaient pas tenu leurs promesses, que leurs b\u00e9n\u00e9fices avaient surtout profit\u00e9 aux \u00e9tudiants disposant de ressources, et qu\u2019une r\u00e9forme r\u00e9ussie d\u00e9pend d\u2019un changement institutionnel progressif. L\u2019IA g\u00e9n\u00e9rative ajoute une complication : les anciens outils notaient et assuraient du tutorat, alors que celui-ci peut produire le devoir lui-m\u00eame.<\/p>\n\n\n\n

L\u2019esprit critique d\u00e9termine qui tire profit de l\u2019IA<\/h2>\n\n\n\n

Une \u00e9tude aupr\u00e8s de 744 \u00e9tudiants universitaires de toute la Chine continentale, publi\u00e9e par Yingchun Wang dans Frontiers in Psychology<\/a>, tested what separates students who gain from AI from those who do not. Students rated their AI literacy on four dimensions: awareness, usage, evaluation, and ethics. Higher literacy went with higher academic self-efficacy, meaning confidence in one’s ability to succeed at coursework.<\/p>\n\n\n\n

Pour l\u2019IA dans l\u2019enseignement sup\u00e9rieur, le m\u00e9canisme compte. L\u2019auto-efficacit\u00e9 expliquait entre 26 et 29 % du lien entre la litt\u00e9ratie en IA et la r\u00e9ussite, selon la dimension. L\u2019esprit critique modifiait ensuite le r\u00e9sultat. Chez les \u00e9tudiants situ\u00e9s un \u00e9cart-type au-dessus de la moyenne en esprit critique, la conscience de l\u2019IA pr\u00e9disait l\u2019auto-efficacit\u00e9 avec un coefficient de 0,50. Chez ceux situ\u00e9s un \u00e9cart-type en dessous, le coefficient \u00e9tait de 0,09, statistiquement indiscernable de z\u00e9ro.<\/p>\n\n\n\n

Les trois autres dimensions se r\u00e9partissaient de la m\u00eame fa\u00e7on : de 0,47 \u00e0 0,51 pour le groupe \u00e9lev\u00e9 et de 0,11 \u00e0 0,15 pour le groupe faible. La litt\u00e9ratie n\u2019augmentait la confiance que lorsque les \u00e9tudiants pouvaient juger ce que la machine produisait. Un outil amplifie le jugement de celui qui le manie.<\/p>\n\n\n\n

Un outil amplifie le jugement de celui qui le manie.<\/p><\/blockquote><\/figure>\n\n\n\n

Les donn\u00e9es proviennent d\u2019un seul moment et de d\u00e9clarations des \u00e9tudiants, et la mesure de la r\u00e9ussite est une \u00e9valuation en six items de la mesure dans laquelle les \u00e9tudiants m\u00e8nent \u00e0 bien leurs travaux, de sorte que l\u2019ordre causal reste ouvert.<\/p>\n\n\n\n

Cela dit, le r\u00e9sultat sugg\u00e8re qu\u2019apprendre aux \u00e9tudiants \u00e0 utiliser l\u2019IA ne suffit pas \u00e0 d\u00e9velopper la confiance, car le gain d\u00e9pendait d\u2019une capacit\u00e9 distincte.<\/p>\n\n\n\n

Un jugement de cette nature se construit lentement et n\u2019arrive pas avec le r\u00e9sultat produit. La compr\u00e9hension fond\u00e9e sur l\u2019exp\u00e9rience que les chercheurs appellent connaissance tacite<\/a> appartient \u00e0 celui qui a fait le travail, ce qui explique pourquoi un \u00e9tudiant de premi\u00e8re ann\u00e9e et un doctorant peuvent lire le m\u00eame paragraphe g\u00e9n\u00e9r\u00e9 par un mod\u00e8le et en faire des usages enti\u00e8rement diff\u00e9rents. Apprendre aux \u00e9tudiants \u00e0 \u00e9valuer les productions de l\u2019IA vient avant de leur apprendre \u00e0 s\u2019y fier.<\/p>\n\n\n\n

Pourquoi la conception de l\u2019\u00e9valuation l\u2019emporte sur la d\u00e9tection<\/h2>\n\n\n\n

Les logiciels de d\u00e9tection ne peuvent pas porter le poids que les universit\u00e9s leur confient lorsqu\u2019elles encadrent l\u2019IA dans l\u2019enseignement sup\u00e9rieur. Alireza Maleki’s conceptual paper in Discover Artificial Intelligence<\/a> soutient que la d\u00e9tection du plagiat devient insuffisante, car le contenu g\u00e9n\u00e9r\u00e9 par l\u2019IA est souvent original par conception. La gouvernance doit passer de la question de savoir si l\u2019\u00e9tudiant a produit un texte \u00e0 celle de savoir comment il l\u2019a produit et avec quels outils.<\/p>\n\n\n\n

Maleki organise l\u2019int\u00e9grit\u00e9 acad\u00e9mique en quatre couches interd\u00e9pendantes : gouvernance et politiques, conception de l\u2019\u00e9valuation, normes institutionnelles et culturelles, et agentivit\u00e9 morale individuelle. L\u2019article ne pr\u00e9sente aucune donn\u00e9e. Sa valeur tient \u00e0 la s\u00e9quence qu\u2019il d\u00e9crit, dans laquelle la politique fa\u00e7onne l\u2019\u00e9valuation, l\u2019\u00e9valuation fa\u00e7onne les normes culturelles et les normes fa\u00e7onnent les choix moraux de chaque \u00e9tudiant.<\/p>\n\n\n\n

Les modules britanniques illustrent le m\u00eame point. Dans le plus petit module, une r\u00e9gression contr\u00f4lant l\u2019assiduit\u00e9 a donn\u00e9 \u00e0 l\u2019usage non encadr\u00e9 de l\u2019IA un coefficient n\u00e9gatif significatif sur les notes globales et aux heures d\u2019\u00e9tude autonome un coefficient positif significatif. Dans le plus grand module, l\u2019effet de l\u2019usage non encadr\u00e9 \u00e9tait faible et variait selon la m\u00e9thode d\u2019estimation. Lorsque le cours donnait aux \u00e9tudiants une raison structur\u00e9e d\u2019\u00e9tudier, les heures et les notes augmentaient.<\/p>\n\n\n\n

L\u2019alternative pratique \u00e0 la d\u00e9tection consiste \u00e0 \u00e9valuer le processus. Un devoir en plusieurs \u00e9tapes, avec une proposition, un brouillon, des commentaires des pairs et une version finale, donne \u00e0 l\u2019\u00e9tudiant une raison de r\u00e9fl\u00e9chir \u00e0 chaque \u00e9tape. Une br\u00e8ve soutenance orale confirme que l\u2019auteur comprend l\u2019argument. Une d\u00e9claration \u00e9crite pr\u00e9cisant quels outils ont \u00e9t\u00e9 utilis\u00e9s, pour quoi et pourquoi laisse une trace que l\u2019enseignant peut lire.<\/p>\n\n\n\n

Neil Selwyn avait formul\u00e9 cette id\u00e9e de fond dans Should Robots Replace Teachers?<\/em> avant que ChatGPT n\u2019existe. Apr\u00e8s avoir examin\u00e9 les robots en classe, les syst\u00e8mes de tutorat intelligents, l\u2019analytique de l\u2019apprentissage et la prise de d\u00e9cision automatis\u00e9e, il a soutenu que l\u2019introduction de l\u2019IA dans l\u2019enseignement est un choix qui rel\u00e8ve des d\u00e9bats sur les valeurs, le jugement et la politique. L\u2019\u00e9valuation fond\u00e9e sur le processus est ce choix rendu concret.<\/p>\n\n\n\n

Les \u00e9carts de capacit\u00e9 d\u00e9terminent qui re\u00e7oit un accompagnement<\/h2>\n\n\n\n

La structure co\u00fbte du temps de personnel, et le temps de personnel co\u00fbte de l\u2019argent. Le financement devient ainsi une question centrale pour l\u2019IA dans l\u2019enseignement sup\u00e9rieur. Une revue syst\u00e9matique de Lateef Ayinde, Raphael Ebiefung et Bolaji David Oladokun<\/a> publi\u00e9e dans The Journal of Academic Librarianship a examin\u00e9 29 \u00e9tudes de 2020 \u00e0 2024 sur l\u2019IA dans les biblioth\u00e8ques universitaires. Le financement \u00e9tait l\u2019obstacle le plus fr\u00e9quemment cit\u00e9, pr\u00e9sent dans 14 des 29 \u00e9tudes, soit 48 %.<\/p>\n\n\n\n

Le reste de la liste se lit comme une carte des in\u00e9galit\u00e9s de capacit\u00e9. Huit \u00e9tudes signalaient des comp\u00e9tences informatiques limit\u00e9es chez les biblioth\u00e9caires, six une infrastructure inad\u00e9quate, trois une alimentation \u00e9lectrique peu fiable et quatre la crainte de perdre leur emploi. Les auteurs notent que les \u00e9tablissements des pays en d\u00e9veloppement ont particuli\u00e8rement du mal \u00e0 allouer des fonds d\u00e9di\u00e9s \u00e0 l\u2019IA. La revue ne couvre que des \u00e9tudes en anglais ; la recherche publi\u00e9e dans d\u2019autres langues est donc absente du tableau.<\/p>\n\n\n\n

Une politique r\u00e9dig\u00e9e dans une universit\u00e9 de recherche bien financ\u00e9e ne se transposera pas \u00e0 un \u00e9tablissement qui ne peut pas payer la formation. L\u2019acc\u00e8s \u00e0 un usage encadr\u00e9 de l\u2019IA d\u00e9pend alors d\u2019une d\u00e9cision budg\u00e9taire. Les \u00e9tablissements adoptent l\u2019IA dans l\u2019enseignement sup\u00e9rieur dans un contexte de mutations plus larges des usages et de la gouvernance de l\u2019IA<\/a>, et l\u2019\u00e9cart de capacit\u00e9 d\u00e9termine quels \u00e9tudiants en b\u00e9n\u00e9ficient.<\/p>\n\n\n\n

Une politique r\u00e9alisable pour l\u2019IA dans l\u2019enseignement sup\u00e9rieur<\/h2>\n\n\n\n

Pris ensemble, les cinq \u00e9tudes \u00e9tayent quatre engagements pour les \u00e9tablissements. Ils forment une proposition tir\u00e9e des donn\u00e9es, et aucun article ne teste l\u2019ensemble. Chaque engagement r\u00e9pond \u00e0 une lacune que r\u00e9v\u00e8lent les \u00e9tudes : des r\u00e8gles floues, un processus inobservable, un jugement in\u00e9gal et une capacit\u00e9 in\u00e9gale.<\/p>\n\n\n\n