Le 10 novembre 2026, le ministère brésilien de l’Éducation (MEC) a homologué un avis du Conseil national de l’éducation (CNE) établissant des orientations nationales pour l’usage de l’intelligence artificielle. Le cadre vise les systèmes et établissements publics et privés, de la petite enfance à l’enseignement supérieur. Il organise les usages et les responsabilités : il ne démontre pas l’efficacité pédagogique de l’IA.
Homologation et application : deux étapes à distinguer
La référence normative est le Parecer CNE/CP nº 15/2026, approuvé à l’unanimité par le CNE le 1er septembre 2026 et accompagné d’un projet de résolution. L’homologation ministérielle lui donne son effet officiel.
Selon l’annonce du MEC, les interdictions prennent effet à la publication de la résolution et les établissements disposent de douze mois pour adapter leurs politiques, leurs pratiques, leur gouvernance et leurs contrats technologiques.
La publication effective de la résolution définitive au Diário Oficial da União n’a cependant pas pu être vérifiée dans les sources consultées. Il faut donc distinguer l’homologation, confirmée, de la date précise d’application des dispositions, qui reste à établir.
Pour les plus jeunes, la supervision ne permet pas tout
De l’éducation infantile jusqu’à la 5e année du primaire, l’annonce du MEC exclut l’accès direct autonome ou non supervisé des élèves aux outils d’IA. Les usages pédagogiques éventuels doivent être planifiés et médiés par des professionnels.
Le projet de résolution comporte une restriction supplémentaire : dans les niveaux visés par cette disposition, les interactions des élèves avec des systèmes génératifs ou conversationnels sont interdites, même sous supervision. La présence d’un enseignant ne doit donc pas être présentée comme une autorisation générale d’utiliser ces outils.
Inversement, parler d’une interdiction indistincte de toute IA dans les établissements accueillant de jeunes enfants serait excessif. Le texte distingue les usages professionnels, les activités pédagogiques médiées et les interactions des élèves avec les systèmes. Les éléments vérifiés ne permettent pas non plus d’affirmer une autorisation générale de l’IA générative dès la 6e année.
Notes et parcours scolaires : une responsabilité humaine
L’IA doit soutenir le travail éducatif, non remplacer les responsabilités professionnelles. Les décisions importantes concernant l’évaluation, la certification, la progression, la sélection ou les sanctions restent sous responsabilité humaine.
Pour les dissertations, textes et productions exigeant un jugement interprétatif ou argumentatif, l’IA ne peut être l’unique outil d’attribution d’une note, sans correction humaine. L’assistance à la correction n’est donc pas interdite : c’est la délégation intégrale du jugement à la machine qui est exclue.
Le cadre définit aussi quatre niveaux de risque : faible, modéré, élevé et excessif, ce dernier étant incompatible avec les finalités éducatives. L’évaluation doit notamment examiner la finalité de l’usage, les données traitées, l’autonomie du système, les possibilités de profilage et les effets sur les droits et les parcours scolaires.
Une consultation institutionnelle, pas une preuve d’efficacité
Selon le MEC, une commission bicamérale du CNE a conduit le travail à travers des réunions techniques, une audience publique et des échanges avec des spécialistes, des institutions de recherche et des organisations représentatives. Des références nationales et internationales ont été consultées.
Cette description institutionnelle ne constitue pas une évaluation indépendante du processus. De même, l’unanimité du vote renseigne sur l’accord du Conseil, pas sur un consensus scientifique général ni sur les effets futurs des règles.
Ce que les études permettent réellement de conclure
Un essai randomisé publié dans PNAS illustre la différence entre réussir une tâche avec l’IA et apprendre à la réaliser sans elle. Mené dans un grand lycée turc auprès d’environ 1 000 élèves de 9e à 11e année, il comparait GPT-4 standard, une version tutorielle et un groupe utilisant seulement un manuel, pendant quatre séances de 90 minutes.
Durant les exercices assistés, la performance augmentait de 48 % avec GPT Base et de 127 % avec GPT Tutor, relativement au groupe témoin. Mais à l’épreuve ultérieure sans IA, le groupe GPT Base obtenait un résultat inférieur de 17 % à celui du témoin. Ces résultats concernent une intervention brève, en mathématiques, dans un seul lycée : ils ne valent pas verdict sur tous les usages éducatifs de l’IA.
L’essai randomisé de Kestin et de ses collègues, publié en 2025 dans Scientific Reports et évalué par les pairs, apporte un résultat plus favorable. Des étudiants universitaires en physique ont appris davantage, en moins de temps, avec un tuteur IA conçu selon des principes pédagogiques qu’avec un cours en apprentissage actif. L’effectif n’a toutefois pas pu être vérifié dans les éléments consultés. Le résultat porte sur un dispositif particulier, non sur n’importe quel chatbot.
Une revue systématique de 2025 rassemble 28 études et 4 597 élèves du primaire et du secondaire. Elle rapporte des effets généralement positifs des systèmes de tutorat intelligent, mais atténués lorsque la comparaison porte sur d’autres systèmes de tutorat intelligent. Les études sont principalement quasi expérimentales, avec des durées variables. Surtout, cette catégorie ne se limite pas à l’IA générative. Les auteurs demandent des interventions plus longues et des échantillons plus diversifiés.
Enfin, un essai exploratoire sur LearnLM, au Royaume-Uni, a suivi 165 élèves dans cinq écoles secondaires pendant sept semaines : 91 dans le groupe témoin et 74 dans le groupe tutorat. Le document repéré est un préprint, dont le statut de publication évaluée par les pairs n’est pas confirmé. Les éléments consultés ne permettent pas d’en tirer une ampleur d’effet fiable et définitive.
Temps gagné et apprentissage : des indicateurs distincts
Dans son Digital Education Outlook 2026, l’OCDE souligne que les outils généralistes peuvent améliorer la production immédiate sans consolider les apprentissages. L’avantage peut disparaître, voire s’inverser, lorsque l’outil est retiré. Les dispositifs conçus ou utilisés avec une intention pédagogique explicite semblent plus prometteurs.
La synthèse rapporte aussi, en Angleterre, une réduction de 31 % du temps consacré par des enseignants de sciences du secondaire à préparer leurs cours et leurs ressources. Elle mentionne par ailleurs une hausse de 9 points de pourcentage des taux de réussite lorsque des tuteurs peu expérimentés reçoivent un soutien IA, avec des gains plus faibles chez les tuteurs expérimentés.
Ces chiffres décrivent des dispositifs particuliers. Ils ne mesurent ni les effets de la réglementation brésilienne ni un gain uniforme applicable à chaque établissement.
Des repères internationaux, sans équivalence automatique
En France, le cadre ministériel publié en juin 2025 autorise l’usage pédagogique des IA génératives en classe à partir de la 4e, sous encadrement, explication et accompagnement de l’enseignant. Il déconseille aussi les détecteurs de contenus générés par IA, en raison de leur manque de fiabilité et du risque de sanction injustifiée. Cette position ne constitue pas une évaluation comparative de tous les détecteurs.
Le guide de l’UNESCO de 2023 recommande une approche centrée sur l’humain, la protection des données, des limites d’âge pour les échanges autonomes et une validation éthique et pédagogique. Ce sont des recommandations internationales, non une réglementation contraignante.
Au Québec, une ressource ministérielle de 2026 sur l’usage pédagogique, éthique et légal de l’IA générative a été repérée. Les éléments consultés ne permettent pas d’en comparer précisément les prescriptions avec celles du Brésil. Ils ne suffisent pas davantage à dresser une comparaison exhaustive pour la Belgique, la Suisse ou les pays d’Afrique francophone.
Ce qui reste inconnu — et ce que vous pouvez en retenir
Les sources consultées ne fournissent ni statistique nationale officielle sur l’usage actuel de l’IA dans les écoles brésiliennes, ni coût de mise en conformité. Aucune évaluation indépendante de l’application du nouveau cadre ou de ses effets sur les apprentissages, l’équité et la charge de travail n’y a été retrouvée. Cela ne permet pas d’affirmer qu’aucune donnée n’existe ailleurs.
Pour vos équipes, plusieurs pistes opérationnelles se dégagent :
- Adaptez les seuils à votre système scolaire. Les cycles, les âges et le droit applicable empêchent une transposition mécanique des règles brésiliennes.
- Mesurez l’apprentissage sans l’outil. Associez aux productions assistées des épreuves sans IA, des mesures différées de rétention et de transfert, ainsi que des groupes de comparaison.
- Précisez qui décide et comment contester. Identifiez la responsabilité humaine pour les notes, l’orientation, les sanctions et les certifications, avec une voie de recours pour les élèves.
- Évaluez avant de généraliser. Prévoyez des projets pilotes limités, avec objectifs, indicateurs et critères d’arrêt.
- Traitez les données et l’équité comme des conditions de départ. Examinez la confidentialité, les biais, l’accès différencié aux outils et la capacité des enseignants à vérifier leurs réponses.
Le cadre brésilien fixe des responsabilités et des limites. La recherche invite, elle, à vérifier ce que chaque usage fait réellement apprendre. Ces deux exigences sont complémentaires, mais l’adoption d’une règle ne prouve pas son efficacité.




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.