L'intégration de l'intelligence artificielle générative dans les salles de classe a été accueillie par beaucoup comme une promesse de démocratisation du tutorat personnalisé. Pourtant, les premiers retours d'expérience à grande échelle incitent à une extrême prudence. Deux enquêtes approfondies, publiées par les médias américains KQED et The Hechinger Report, mettent en lumière un phénomène préoccupant que les chercheurs qualifient d'« abandon cognitif » (ou cognitive surrender). En déléguant la résolution de leurs problèmes de mathématiques à des agents conversationnels, les élèves obtiennent des réponses plus rapides, mais leurs apprentissages s'avèrent moins solides, ce qui se traduit par une baisse significative de leurs résultats lors des évaluations individuelles.
Cette réalité oblige le monde éducatif à s'interroger sur les conditions pédagogiques d'un usage réellement formateur de l'IA, en distinguant l'aide au raisonnement de la simple externalisation de l'effort intellectuel.
L'expérience qui brise le mythe de l'efficacité de l'IA
Pour mesurer scientifiquement l'impact de l'IA sur l'apprentissage des mathématiques, une équipe de chercheurs de l'Université de Pennsylvanie (Wharton School) a mené une étude randomisée contrôlée d'une ampleur inédite, portant sur près de mille élèves du secondaire en Turquie. Les participants ont été répartis en trois groupes distincts pour s'exercer sur des concepts mathématiques :
1. Le groupe témoin, travaillant de manière traditionnelle, sans accès à l'IA.
2. Le groupe ChatGPT classique, ayant un accès libre au chatbot d'OpenAI, capable de fournir directement les réponses et les étapes de résolution.
3. Le groupe Tuteur IA, utilisant une version de ChatGPT spécifiquement programmée pour agir à la manière d'un tuteur socratique, c'est-à-dire en fournissant des indices et en guidant l'élève vers la solution sans jamais lui donner directement la réponse.
Les résultats de la phase d'entraînement ont d'abord semblé spectaculaires pour les utilisateurs de l'IA. Les élèves ayant accès à ChatGPT classique ont résolu 48 % de problèmes supplémentaires par rapport au groupe témoin. Quant à ceux bénéficiant du « tuteur socratique », leurs performances durant l'exercice ont bondi de 127 %.
Pourtant, la désillusion est survenue lors de l'évaluation finale, réalisée sur papier, sans aucune aide technologique. Les élèves du groupe ChatGPT classique ont obtenu des scores inférieurs de 17 % à ceux du groupe témoin. Plus surprenant encore : même les élèves ayant utilisé le tuteur socratique n'ont pas montré d'amélioration significative de leurs compétences par rapport à ceux qui s'étaient entraînés à la dure, sans aucune IA.
Les mécanismes de l'« abandon cognitif »
Comment expliquer qu'un outil censé faciliter l'apprentissage mène à une telle régression ? La réponse réside dans la psychologie cognitive et le concept d'« effort productif ». En mathématiques, l'apprentissage ne consiste pas à mémoriser des procédures ou à copier des solutions, mais à construire des schémas mentaux par le biais d'une confrontation active avec la difficulté.
Lorsque les élèves utilisent un chatbot traditionnel, ils ont tendance à adopter une posture passive. L'IA élimine la friction cognitive. L'élève n'a plus besoin de chercher, de se tromper, de revenir en arrière ou de conceptualiser le problème : la machine fait le travail de réflexion à sa place. C'est ce que les chercheurs nomment la délégation cognitive. L'élève ressent une « illusion de compétence » : parce qu'il voit la solution s'afficher instantanément à l'écran, il est persuadé d'avoir compris le concept. Mais lorsque l'échafaudage technologique est retiré lors de l'examen, l'absence d'effort d'encodage en mémoire à long terme se traduit par un vide conceptuel.
Le cas du tuteur socratique est encore plus instructif. Bien que conçu pour guider sans donner la réponse, les chercheurs ont constaté que les élèves apprenaient rapidement à « contourner » le système. Par des relances successives ou des questions biaisées, ils parvenaient à forcer l'IA à leur livrer la solution sur un plateau, court-circuitant ainsi l'effort de réflexion attendu.
Un avertissement global qui résonne avec les données internationales
Ces conclusions scientifiques s'inscrivent dans un cadre d'analyse plus large partagé par les grandes institutions internationales. Dans son rapport PISA, l'OCDE a déjà alerté sur les risques d'une intégration non maîtrisée du numérique à l'école, soulignant que l'usage excessif des écrans et des technologies de divertissement ou d'assistance en classe était corrélé à une baisse des performances en mathématiques.
De son côté, l'UNESCO, dans ses directives mondiales sur l'IA générative dans l'éducation, insiste sur la nécessité de préserver l'agence humaine. L'organisation met en garde contre le déploiement précipité d'outils d'IA sans cadres pédagogiques stricts, rappelant que la technologie doit soutenir l'enseignant et stimuler la pensée critique de l'élève, et non se substituer à elle.
Quelles pistes de transposition pour les enseignants francophones ?
Pour les équipes éducatives en France, au Québec, en Belgique ou en Suisse, cette étude apporte des enseignements précieux pour repenser l'articulation entre IA et apprentissage :
* Redéfinir le statut des devoirs à la maison : Si un exercice peut être entièrement résolu par une IA en quelques secondes, sa valeur formative à la maison devient quasi nulle. Les enseignants doivent privilégier des tâches de réflexion complexes, des projets créatifs ou déplacer les phases de résolution de problèmes en classe (modèle de la classe inversée) où l'effort peut être supervisé.
* Valoriser l'erreur et l'effort productif : Il est essentiel d'expliquer aux élèves que la frustration ressentie face à un problème difficile est une composante nécessaire de la plasticité cérébrale et de l'apprentissage. Utiliser l'IA pour éviter cette frustration, c'est s'empêcher d'apprendre.
Enseigner le « prompt de questionnement » plutôt que de résultat : Si l'IA doit être utilisée, les élèves doivent être formés à l'interroger non pas pour obtenir une réponse, mais pour valider une étape de leur propre raisonnement. Par exemple : « Voici mon raisonnement pour résoudre cette équation. Peux-tu me dire à quelle étape je commets une erreur de logique, sans me donner la solution ? »*
* Évaluer le processus plutôt que le produit fini : Les évaluations doivent davantage porter sur l'explication de la démarche, la justification des choix méthodologiques et la capacité à expliciter oralement un raisonnement, plutôt que sur la seule exactitude du résultat final.
L'intelligence artificielle générative ne doit pas devenir une prothèse cognitive qui atrophie les capacités de réflexion des élèves. Pour qu'elle devienne un levier d'émancipation intellectuelle, l'école doit sanctuariser le temps de l'effort et concevoir des scénarios pédagogiques où la machine reste un partenaire de dialogue, et non un substitut à la pensée.
Discussion
Posez vos questions et partagez votre point de vue. Matania, l'assistante de recherche et de vérification des faits, lit les commentaires et y répond dès qu'elle peut apporter des sources fiables ou des précisions. Les liens ne sont pas autorisés : citez vos sources par leur nom.