Education-ia.1504.fr
Réflexions

IA à l’école : la fracture que l’Inserm vient de nommer

9 mai 2026 · 3 vues

IA à l’école : la fracture que l’Inserm vient de nommer

IA à l’école : la fracture que l’Inserm vient de nommer

Le devoir qui sent l’IA, en salle des profs

La scène se joue partout, en lycée général comme en lycée pro : une copie remontée par un collègue, propre, structurée, avec ce mélange particulier de phrases lisses et d’erreurs improbables qui fait dire en salle des profs « c’est ChatGPT ». Le doute s’installe, la conversation se tend, on cherche la preuve, on ne la trouve jamais vraiment. Et l’élève, lui, repart avec sa note, son devoir, et la question qu’on n’a pas posée : comment il l’a utilisé, l’outil, exactement.

C’est cette question — comment, et non si — que l’Inserm vient de poser à trois chercheurs dans un article publié en janvier 2026, à retrouver dans son magazine. Pas un papier scientifique, pas un rapport : une mise en perspective, à trois voix, par un neurobiologiste, une chercheuse en sciences de l’éducation et en IA, et un sociologue de l’école. Le format est court mais le diagnostic est net : l’IA générative est déjà installée dans le quotidien scolaire, 45 % des Français déclarent l’utiliser régulièrement en 2025, 85 % chez les 18-24 ans, et la question n’est plus de savoir si l’école doit s’y mettre, mais qui paie le prix de la marche déjà engagée.

Trois voix, un même constat

Le neurobiologiste de l’Inserm, Jean-Philippe Lachaux, attaque par le cerveau. Il rappelle qu’un des grands modes d’apprentissage est l’apprentissage par renforcement, le bon vieux principe d’essai-erreur : on tente, on échoue, on ajuste. Pour que ça fonctionne, il faut deux choses, une intention claire et une attention soutenue. Or l’IA générative, par construction, court-circuite les deux. On pose une question vague, on reçoit une réponse plausible, on encaisse sans avoir formulé d’hypothèse de réponse, sans avoir comparé avec ce que la machine renvoie, sans avoir noté l’écart. Le cerveau n’apprend rien parce qu’il n’a rien tendu vers quoi que ce soit.

Lachaux nomme ce phénomène par son nom anglais, le cognitive off-loading : cette délégation à la machine qui, à force, fait perdre les compétences qu’on n’utilise plus. Et au-delà de la perte de compétence, il pointe une perte de sens. Pourquoi apprendre à faire ce que la machine fait mieux que nous ? La question n’est pas neuve, mais elle se pose désormais à un élève de seconde devant son devoir de SES, et c’est ça qui change. Sa proposition : déplacer le sens de l’activité, du résultat produit vers l’état de concentration investi. Il prend l’image de la cérémonie du thé japonaise — un distributeur peut faire un très bon thé, mais préparer le thé dans un certain état d’esprit, ça reste humain. La métaphore est belle, elle ne dit pas exactement comment on la traduit en séquence de cours du jeudi matin, mais elle a le mérite de poser le problème là où il est : dans la finalité de l’acte d’apprendre.

Margarida Romero, qui partage son temps entre l’institut espagnol de recherche en IA IIIA-CSIC et l’université Côte d’Azur, refuse de trancher pour ou contre l’IA. Elle propose plutôt une échelle, à six niveaux d’engagement créatif, comme un Nutri-Score de l’usage. Tout en bas, l’usage passif, où on ingurgite la réponse sans la lire vraiment. Plus on monte, plus l’usage devient critique, dialogique, créatif : on affine une idée, on modélise un concept, on construit un projet de groupe en s’appuyant sur la machine. Le paradoxe qu’elle pointe est essentiel pour qui forme des enseignants ou pilote un EPLE : plus on monte dans l’échelle, plus il faut de connaissances préalables et d’esprit critique pour repérer les hallucinations et corriger la trajectoire de l’algorithme. Autrement dit, l’IA récompense ceux qui savent déjà.

Romero rappelle aussi l’existence du cadre d’usage de l’IA en éducation publié par le ministère, qui pose une progressivité : d’abord des IA pédagogiques fermées, sécurisées, fondées sur des corpus de connaissances délimités, puis, pour les lycéens, un accès encadré à des IA génératives. Et elle est claire sur le reste — il faut proscrire les outils généralistes privés, dont la gestion des données pose question. C’est un point qu’on devrait afficher en gros en salle des profs, parce qu’il continue d’être contourné tous les jours, par des élèves qui ouvrent ChatGPT en classe et par des collègues qui leur font préparer une fiche de révision dessus, en toute bonne foi.

La fracture qui se dessine

C’est la voix la plus inconfortable des trois, et probablement la plus utile pour qui travaille en EPLE. Cédric Naudet, en sciences de l’éducation, a mené enquête et entretiens en lycée général et en lycée professionnel. Son constat : plus de 80 % des lycéens utilisent déjà l’IA générative, mais les usages sont radicalement différents selon l’origine sociale. Il identifie trois profils.

Les premiers, qu’il appelle les occasionnels légalistes, voient l’IA comme une forme de triche. Ils craignent d’être pris en faute, l’utilisent peu, surtout pour des tâches périphériques et balisées. Les deuxièmes, les engagés réflexifs, ont une posture distanciée et compagnonne : ils s’en servent pour clarifier leur pensée, structurer un raisonnement, poser des questions et reformuler. Ils dialoguent avec l’outil comme avec un assistant pédagogique, dont ils se réapproprient les sorties. Les troisièmes, les scolaires opportunistes, recopient sans relire. La machine fait le devoir à leur place, souvent dans l’urgence, sans aucune vérification.

Or, ce sont le plus souvent ceux qui ont des difficultés scolaires préexistantes, et sont issus de milieux défavorisés. Rien à voir avec les engagés réflexifs, majoritairement issus de catégories socioprofessionnelles favorisées, dont le bagage socioculturel et familial leur permet de comprendre et de répondre aux attendus implicites de l’école.

Cette phrase, citée telle quelle dans l’article de l’Inserm, mérite d’être relue deux fois. Elle dit que l’IA, qu’on a pu vendre comme outil d’égalité — un précepteur particulier dans la poche de chaque élève — fonctionne en réalité comme amplificateur des écarts existants. Les enfants des CSP+ savent déjà ce qu’on attend d’eux à l’école, parce que les codes leur ont été transmis à la maison. Quand ils ouvrent ChatGPT, ils l’utilisent dans le prolongement de cette compétence-là : pour structurer, affiner, vérifier. Les enfants des familles éloignées de la culture scolaire, qui doivent déjà décrypter les attendus implicites du système, se servent de la machine comme d’un raccourci qui les enfonce. Le devoir est rendu, la note tombe, mais rien n’a été appris.

Naudet ne le dit pas en ces termes, mais on peut le formuler ainsi : l’IA générative est un test de l’autonomie scolaire, et ce test est passé par ceux qui n’en ont pas besoin.

Ce que ça change pour nous, en EPLE

Pour un principal, un gestionnaire, un coordonnateur PIAL, une AESH, un prof devant sa classe, ce diagnostic n’est pas neutre. Il déplace la responsabilité depuis l’outil vers le cadre d’usage. La question n’est plus est-ce qu’on autorise ou pas l’IA, c’est qu’est-ce qu’on met en place pour que l’écart ne se creuse pas dans l’établissement.

Trois chantiers se lisent en creux dans l’article. Le premier est l’explicitation des attendus. Si la fracture sociale s’infiltre dans l’usage de l’IA parce que les codes scolaires sont implicites, alors une bonne politique d’établissement consiste à les rendre explicites — non plus seulement les attendus disciplinaires, mais les attendus de méthode face à un outil génératif. Comment on formule une question, comment on interprète une réponse, comment on repère qu’on s’est fait halluciner une source. Cette compétence-là, qui s’apparente à une éducation à l’IA, ne se transmet pas par décret : elle se transmet en classe, par des enseignants qui ont eux-mêmes manipulé l’outil et qui ont du temps pour montrer, pas seulement pour interdire.

Le deuxième chantier est celui du choix des outils. Romero le dit clairement : les outils généralistes privés posent un problème de données. Or, dans la réalité quotidienne, ce sont eux qui sont utilisés, par défaut, parce qu’ils sont gratuits et accessibles. Le cadre du ministère prévoit autre chose, des IA pédagogiques fermées et progressives, mais le déploiement effectif dans les académies reste très inégal. Là, c’est un sujet de pilotage, qui dépend autant des politiques académiques que des arbitrages internes à l’EPLE. Un chef d’établissement qui veut être en règle avec le cadre n’a pas, à ce jour, d’offre nationale clé en main pour tout le secondaire — il bricole avec les outils que l’académie a négociés, ou il ferme les yeux. Aucune des deux options n’est satisfaisante.

Le troisième chantier, c’est la formation des enseignants. Pas une demi-journée d’animation pédagogique avec une présentation des fonctionnalités, mais un travail de fond sur l’évaluation. Si le devoir-maison à la maison devient indistinguable d’une production IA, c’est tout l’édifice de l’évaluation continue qui se déforme. Les collègues le sentent, et leur inquiétude — relayée par Romero — n’est pas la peur d’être remplacés, c’est l’usure de devoir, à chaque copie, jouer au détecteur de fraude au lieu d’enseigner. Ce sentiment-là est documenté par les motions syndicales depuis 2024, et l’article de l’Inserm vient lui donner une assise scientifique.

Apprendre à apprendre avec

Ce que pose l’Inserm, finalement, ce n’est pas une nouvelle vérité, c’est une articulation. L’observation neurobiologique de Lachaux, la grille d’usage de Romero et l’enquête sociologique de Naudet se rejoignent sur un point : l’IA générative ne crée pas de nouveaux écarts, elle révèle et amplifie ceux qui existent déjà. Ce n’est pas un outil neutre, ce n’est pas non plus un mal en soi. C’est un révélateur de ce que le système faisait — ou ne faisait pas — avant.

La semaine prochaine, dans un EPLE, ça peut prendre une forme très concrète. Un conseil pédagogique qui pose la question qui dans l’établissement utilise l’IA en classe, et comment. Un atelier court avec les délégués de classe, pour entendre les usages réels des élèves, ceux qu’on ne voit pas. Une réunion avec les AESH, qui ont parfois une lecture très fine de ce que l’élève à besoin spécifique fait avec l’outil, en bien ou en mal. Et puis, peut-être, une phrase glissée en réunion de rentrée prochaine : on ne va pas former nos élèves à l’IA, on va se former avec eux à apprendre avec. C’est moins clinquant qu’un plan de communication, mais c’est probablement plus juste.

Pour aller plus loin