IA en éducation : ce qu’un audit de 14 méta-analyses remet en cause
IA en éducation

IA en éducation : ce qu’un audit de 14 méta-analyses remet en cause

Monde entier
Votre avis sur cet article

Selon un reportage du Hechinger Report publié le 26 octobre 2026, les 39 méta-analyses sur l’IA en éducation qu’il a recensées rapportent toutes des résultats positifs. Ce décompte doit rester attribué au média : le dossier disponible ne permet pas d’en vérifier indépendamment l’exhaustivité, les critères de sélection ni la définition uniforme d’un « résultat positif ».

Patrick O’Neill a audité 14 de ces 39 synthèses, et non l’ensemble. Selon lui, elles ne justifient pas leurs affirmations générales d’efficacité. Son travail est toutefois un preprint non évalué par les pairs. Il soulève des objections méthodologiques importantes sans établir que toute la recherche sur l’IA éducative serait invalide.

Ce que l’audit examine réellement

Le manuscrit d’O’Neill est un audit méthodologique, pas une nouvelle méta-analyse de tous les essais d’IA en éducation. Il examine les méthodes des synthèses et un échantillon de leurs études primaires. Il relève notamment :

  • des résultats regroupés alors qu’ils ne mesurent pas le même apprentissage;
  • une forte hétérogénéité entre les études;
  • des problèmes d’indépendance statistique entre les résultats combinés;
  • des analyses insuffisantes du biais de publication.
  • Dans l’échantillon d’études primaires vérifiées, 61 % sont jugées problématiques selon ses critères, souvent parce que le résultat mesuré ne correspond pas à celui que la synthèse prétend analyser. Ce pourcentage ne décrit ni toutes les études incluses dans les 14 méta-analyses ni l’ensemble de la littérature.

    La distinction entre résultats mesurés est centrale. Réussir un devoir, résoudre un problème nouveau, déclarer moins d’anxiété ou se sentir davantage engagé ne sont pas des critères interchangeables. Une amélioration sur l’un ne démontre pas automatiquement un apprentissage durable.

    Le reportage rapporte aussi des appels à articles privilégiant les bénéfices de l’IA. Ce cadrage pourrait décourager les résultats nuls ou négatifs. Les sources disponibles ne permettent cependant pas de mesurer la fréquence de ce mécanisme dans tout le domaine. Les constats et les critères de l’audit doivent eux-mêmes faire l’objet d’un examen scientifique indépendant.

    Une rétractation, pas un verdict sur tout le champ

    Un cas est établi : la méta-analyse de Wang et Fan sur ChatGPT, publiée le 6 mai 2025 dans Humanities and Social Sciences Communications, a été rétractée le 22 avril 2026. Elle affirmait synthétiser 51 études.

    La notice évoque des divergences dans la méta-analyse qui compromettent la confiance de l’éditeur dans l’analyse et ses conclusions. Elle précise que les auteurs n’ont pas répondu à la correspondance, sans détailler davantage les erreurs.

    Ses estimations positives ne doivent donc plus servir de preuve fiable. Cette rétractation ne démontre toutefois ni une fraude généralisée ni l’invalidité des travaux sans lien avec cet article.

    Des moyennes sensibles aux méthodes d’analyse

    D’autres recherches documentent l’incertitude. Une méta-méta-analyse de Bartoš et ses collègues rassemble 1 840 tailles d’effet provenant de 67 méta-analyses. Ce travail est également un preprint, et non une conclusion définitive évaluée par les pairs.

    Après ajustement pour le biais de publication, l’effet moyen estimé est de 0,196 écart-type, avec un intervalle crédible à 95 % allant de 0,000 à 0,323. L’intervalle de prédiction, qui renseigne sur la dispersion possible des effets plutôt que sur la seule moyenne, s’étend de −1,521 à 1,908. Une moyenne positive ne garantit donc pas un bénéfice dans un contexte particulier.

    Une méta-analyse publiée en 2026 dans Artificial Intelligence Review sur l’IA générative en sciences, technologies, ingénierie et mathématiques apporte un autre éclairage. Sur 85 études admissibles repérées, 49 études et 59 tailles d’effet ont été retenues pour la synthèse quantitative.

    L’analyse classique produit une estimation positive, mais l’hétérogénéité est extrême : I² = 96,32 %. Son intervalle de prédiction va de g = −1,52 à 3,20. Après ajustement bayésien pour le biais de publication, l’effet moyen estimé devient proche de zéro : 0,076, avec un intervalle crédible à 95 % de −0,37 à 0,79.

    Ces analyses ajustées ne prouvent pas que l’IA est sans effet. Elles montrent combien les conclusions générales sont sensibles à la sélection des études et aux méthodes utilisées pour les combiner.

    Des résultats positifs et nuls coexistent

    En enseignement médical, une méta-analyse publiée dans BMC Medical Education réunit 11 essais randomisés et 786 étudiants. Pour l’acquisition des connaissances, elle ne trouve pas de différence statistiquement significative entre enseignement fondé sur l’IA générative et enseignement traditionnel : effet standardisé de 0,27, intervalle de confiance à 95 % de −0,31 à 0,85, avec p = 0,36.

    Elle rapporte en revanche un résultat favorable pour les habiletés pratiques : 0,63, avec un intervalle de confiance de 0,10 à 1,16. Ce résultat ne rend pas significatif celui sur les connaissances. Inversement, l’absence de différence significative ne démontre pas à elle seule l’équivalence des approches.

    Dans un essai randomisé universitaire publié dans Scientific Reports, Kestin et ses collègues rapportent un apprentissage supérieur en moins de temps avec un tuteur IA qu’avec un cours fondé sur l’apprentissage actif, ainsi qu’un engagement accru. Ce résultat concerne l’intervention testée; il ne suffit pas à établir un avantage pour d’autres cours ou groupes d’âge.

    Au Royaume-Uni, l’essai exploratoire LearnLM–Eedi porte sur 165 élèves de cinq écoles secondaires. Le taux de réussite aux problèmes nouveaux atteint 66,2 % avec LearnLM contre 60,7 % avec des tuteurs humains, soit 5,5 points de pourcentage d’écart dans cet essai.

    La condition essentielle est la supervision : des tuteurs humains révisaient les messages de l’IA. L’intervention évaluée associe donc logiciel et expertise humaine. La source disponible provient des équipes Google et Eedi; aucune évaluation indépendante de cet essai n’est identifiée dans le dossier. Ces résultats ne démontrent pas qu’un agent conversationnel laissé seul ferait aussi bien.

    Enfin, la revue systématique de Létourneau et ses collègues, publiée dans npj Science of Learning, rassemble 28 études et 4 597 élèves du primaire et du secondaire. Elle relève des effets généralement positifs des systèmes tutoriels intelligents, mais moins favorables lorsqu’ils sont comparés à des systèmes tutoriels non intelligents. Les auteurs demandent des interventions plus longues et des échantillons plus grands et diversifiés. Ces technologies ne se confondent pas avec les seuls agents conversationnels génératifs récents.

    Des politiques publiques distinctes des preuves d’efficacité

    Les orientations de l’UNESCO du 7 septembre 2023 recommandent une approche centrée sur l’humain, la protection des données et une vérification de l’efficacité pédagogique avant le déploiement. Elles préconisent un seuil minimal de 13 ans pour l’usage en classe et jugent inappropriés pour l’école primaire les outils insuffisamment testés. Ce sont des recommandations, pas une démonstration expérimentale de l’efficacité d’un seuil d’âge.

    Une enquête mondiale de l’UNESCO rapportée en 2023, auprès de plus de 450 écoles et universités, indiquait que moins de 10 % avaient des politiques institutionnelles ou des directives formelles sur l’IA générative. Ce chiffre décrit la préparation des établissements interrogés à cette date, pas la situation actuelle ni les effets sur l’apprentissage.

    En France, le cadre d’usage ministériel publié en juin 2025 traite notamment des objectifs pédagogiques, de la protection des données et de la liberté pédagogique. Le projet international AI4T, associant la France, l’Italie, l’Irlande, le Luxembourg et la Slovénie, a élaboré des ressources de formation pour les enseignants. Les documents examinés ne fournissent pas ici d’estimation comparable de ses effets sur les apprentissages. Encadrer et former ne signifie pas avoir démontré l’efficacité.

    Quels repères pour les équipes francophones?

    Pour le Québec, la Belgique, la Suisse et l’Afrique francophone, le dossier ne fournit ni données internationales harmonisées ni évaluations indépendantes permettant une comparaison entre ces systèmes. Cette limite documentaire ne signifie pas qu’aucune recherche locale n’existe. Elle interdit de classer ces territoires ou d’y transposer directement les résultats d’essais anglophones.

    Pour préparer une expérimentation, vous pouvez retenir six exigences :

  • Définissez le résultat attendu. Distinguez performance immédiate, apprentissage durable, engagement et bien-être.

  • Examinez le comparateur. Un avantage face à l’absence d’intervention ne démontre pas un avantage face à une pratique pédagogique existante.

  • Identifiez les responsables de l’étude. Distinguez recherche associée au fournisseur et réplication indépendante.

  • Documentez la supervision humaine. Elle fait partie de l’intervention lorsqu’elle accompagne l’outil.

  • Lisez les incertitudes. Ne retenez pas uniquement une moyenne positive en ignorant les intervalles et l’hétérogénéité.

  • Évaluez localement. Prévoyez un groupe de comparaison, mesurez aussi les effets défavorables et publiez les résultats nuls.

La connectivité, les contenus disponibles en français et dans les langues locales, ainsi que les ressources d’accompagnement doivent aussi être examinés sur place. Les preuves disponibles invitent à tester des usages précis, non à considérer l’IA comme une amélioration automatique.

Sources citées

Corpus de veille

Fils consultés pour choisir l'angle. Ils documentent la matière première, pas des citations du texte.

Discussion

Posez vos questions et partagez votre point de vue. Les messages sont publiés après vérification par l'équipe de modération. Matania, l'assistante de recherche et de vérification des faits, répond dès qu'elle peut apporter des sources fiables ou des précisions : cochez « Demander une réponse à Matania » ou écrivez @Matania.