PISA 2025 : ce que les scores, le climat de classe et les usages de l’IA permettent de dire

En France, des baisses à préciser

Les chiffres disponibles pour la France dessinent un tableau contrasté. Selon une analyse reprenant les tableaux PISA 2025, les élèves français obtiennent 483 points en sciences, contre 482 pour la moyenne de l’OCDE ; 456 en compréhension de l’écrit, contre 461 ; et 458 en mathématiques, contre 463. La France se situe donc un point au-dessus de cette moyenne en sciences et cinq points au-dessous dans chacune des deux autres disciplines. Ces écarts arithmétiques ne disent toutefois pas, à eux seuls, s’ils sont statistiquement significatifs.

La même analyse fait état d’une baisse française de 18 points en lecture et de 16 points en mathématiques depuis 2022. Le Monde confirme le recul de 16 points en mathématiques et indique que la moyenne de l’OCDE baisse, elle, de 9 points sur la même période. La diminution française est donc supérieure de sept points à celle de la moyenne OCDE dans cette discipline. Là encore, cette comparaison ne suffit pas à établir la significativité statistique de la différence entre les deux évolutions.

Ces résultats sont plus utiles qu’un rang isolé : ils montrent dans quelles disciplines la France se situe au-dessus ou au-dessous de la moyenne OCDE, et où les scores ont diminué. Ils ne permettent pas, en revanche, de désigner la cause de cette diminution. Les extraits consultés ne donnent pas accès aux tests de significativité pour les comparaisons avec 2018 et 2022. Avant de qualifier une variation de rupture, il faut vérifier ces tests dans les rapports internationaux et nationaux de l’OCDE.

Ce que les moyennes laissent hors champ

Une moyenne nationale ne décrit pas la répartition des résultats. Deux pays peuvent afficher le même score moyen tout en comptant des proportions très différentes d’élèves aux résultats faibles ou élevés. Pour apprécier les inégalités scolaires, il faudrait notamment examiner la distribution des scores et les résultats par groupes d’élèves. Le dossier disponible ne fournit pas ces données pour la France : il serait trompeur d’en déduire que les écarts entre élèves se sont creusés ou réduits.

La même réserve vaut pour les comparaisons francophones. Les résultats détaillés du Québec et du Canada, de la Belgique, de la Suisse et des pays africains francophones ne figurent pas dans les extraits consultés. On ne peut donc ni les classer ici, ni affirmer que leurs trajectoires ressemblent à celle de la France. L’existence de rapports nationaux et de documents techniques ne remplace pas la vérification de leurs tableaux.

Les comparaisons entre éditions demandent aussi une lecture méthodologique. Des documents techniques consacrés à PISA 2025 sont recensés, ainsi qu’un article scientifique portant sur les effets d’un dispositif de test hautement adaptatif sur les valeurs plausibles. Le dossier ne permet pas d’en tirer une conclusion chiffrée sur les résultats français. Leur existence rappelle plutôt une règle de lecture : avant d’interpréter quelques points de variation, il faut examiner la précision des estimations et les conditions dans lesquelles les scores ont été produits.

Distraction numérique : une association documentée

PISA renseigne aussi le cadre dans lequel les élèves apprennent. D’après une synthèse de ses résultats, un peu plus d’un élève sur quatre déclare que ses camarades sont distraits par des appareils numériques dans la plupart ou la totalité des cours de sciences. Ce chiffre porte sur la distraction des camarades telle que les élèves la déclarent, et sur les cours de sciences : il ne mesure pas directement le temps d’écran de chaque élève. L’extrait disponible ne permet pas non plus d’en faire une estimation propre à la France.

La même synthèse relève que, dans les classes où cette distraction est fréquente, les élèves obtiennent de moins bons scores en sciences, se montrent moins engagés dans les apprentissages et se sentent moins liés à leur établissement. Ces trois observations donnent une raison de s’intéresser au climat de classe au-delà des seuls résultats aux épreuves.

Elles ne démontrent pourtant pas qu’un appareil numérique fait baisser un score. Une difficulté d’apprentissage peut coexister avec une classe perturbée ; d’autres caractéristiques des élèves ou de leur environnement peuvent intervenir. Les extraits consultés ne donnent ni coefficient pour mesurer la force de ces associations, ni résultat permettant d’isoler l’effet propre de la distraction. Présenter ce constat comme la preuve qu’une interdiction des appareils améliorerait les performances dépasserait donc les données disponibles.

IA : comparer des usages avant de comparer des pourcentages

Les réponses aux questionnaires montrent que l’intelligence artificielle est présente dans le travail scolaire, mais les chiffres circulant à ce sujet ne portent pas tous sur la même question. Une synthèse fondée sur les réponses recueillies dans 82 juridictions indique que moins de la moitié des élèves déclarent ne jamais ou presque jamais utiliser l’IA pour leurs travaux scolaires. Elle ajoute que, dans la plupart des pays, moins de 30 % disent utiliser rarement ou jamais des chatbots pour leurs recherches, leurs brouillons ou leurs résumés de documents. Au Japon, cette dernière part atteint 39 %.

Une autre synthèse situe entre 20 et 30 %, selon les habitudes considérées, la proportion d’élèves déclarant ne pas utiliser d’outils d’IA pour le travail scolaire. À Singapour, une analyse nationale rapporte que près des deux tiers des élèves utilisent l’IA au moins une fois par semaine pour apprendre. Ce dernier chiffre décrit une fréquence hebdomadaire dans un pays précis : il ne peut pas être directement comparé à la proportion de non-utilisateurs, ni généralisé aux 82 juridictions.

La prudence est d’autant plus nécessaire que ces résultats proviennent ici de synthèses de presse reprenant les tableaux PISA. Ils paraissent cohérents, mais le dossier n’a pas permis de les recouper directement avec le rapport international complet de l’OCDE. Avant d’utiliser l’un de ces pourcentages pour caractériser les élèves français, il faudrait retrouver la question posée, les catégories de réponse et le tableau correspondant pour la France.

Une analyse internationale rapporte par ailleurs une association entre de bons résultats en sciences, un usage moins fréquent de l’IA et un emploi plus délibéré des outils numériques pour apprendre. Ce constat ne mesure pas l’effet causal de l’IA sur les acquis. Il ne permet pas non plus, sur la base des extraits disponibles, de chiffrer un avantage ou un désavantage selon chaque type d’usage. Des élèves peuvent se tourner davantage vers ces outils parce qu’ils rencontrent déjà des difficultés ; inversement, leurs façons de les employer peuvent différer. Le dossier ne permet pas de départager ces explications.

Des questions utiles, sans diagnostic prématuré

Pour une équipe éducative, ces résultats peuvent servir de point de départ, non de verdict. Si vous examinez les acquis de vos élèves, la moyenne mérite d’être accompagnée d’une lecture de leur répartition, lorsque les données le permettent. Si vous travaillez sur le climat de classe, les déclarations relatives à la distraction, à l’engagement et au sentiment d’appartenance suggèrent des questions à poser localement ; elles ne démontrent pas l’efficacité d’une mesure particulière.

Il en va de même pour l’IA. Demander à quelles tâches les élèves l’emploient, à quelle fréquence et avec quelles consignes sera plus précis que d’opposer utilisateurs et non-utilisateurs. Les données citées établissent une diffusion déclarée de ces outils et certaines associations avec les résultats. Elles ne permettent d’attribuer la baisse française ni à l’IA, ni aux enseignants, ni à une réforme. Pour avancer au-delà de ce constat, il faut consulter les tableaux complets et leurs incertitudes, puis confronter ces résultats aux évaluations et aux observations de terrain.