Education-ia.1504.fr
Réflexions

L'effet Matthieu à l'école : quand l'IA creuse les écarts au lieu de les combler

7 juin 2026 · 4 vues

L'effet Matthieu à l'école : quand l'IA creuse les écarts au lieu de les combler

Une phrase de l'Évangile qui hante les salles de classe

« On donnera à celui qui a, et il sera dans l'abondance ; mais à celui qui n'a pas, on ôtera même ce qu'il a. » Cette phrase de l'Évangile selon Matthieu (25, 29) n'a pas été écrite pour décrire le système scolaire. Elle l'a pourtant traversé de part en part. Le sociologue américain Robert MertonRobert K. Merton (1910-2003) — Sociologue américain, l'un des fondateurs de la sociologie des sciences. Il forge le concept d'« effet Matthieu » en 1968 dans un article publié dans Science, à partir de l'observation que les chercheurs déjà reconnus reçoivent davantage de crédit pour leurs découvertes que leurs collègues moins connus, même à travaux équivalents. Le concept sera ensuite élargi à d'autres domaines, notamment l'éducation. a donné un nom à ce mécanisme en 1968 : l'effet Matthieu. Il l'observait dans la sociologie des sciences — les chercheurs déjà reconnus captent davantage de crédit, de financements, de visibilité que leurs pairs moins établis, à qualité de travail équivalente. Mais le mécanisme vaut bien au-delà des laboratoires.

En éducation, l'effet Matthieu désigne le phénomène par lequel les élèves qui possèdent déjà des ressources — cognitives, culturelles, matérielles — bénéficient davantage des ressources supplémentaires que ceux qui en sont dépourvus. Autrement dit : une heure de soutien profite plus à l'élève qui a déjà de bonnes bases qu'à celui qui en est à reconstruire les fondations. Un outil numérique performant profite plus à l'élève qui sait s'en servir qu'à celui qui ne l'a jamais vu. Un accès à l'IA générative profite plus à l'élève dont les parents peuvent l'aider à formuler ses questions qu'à celui qui est seul devant un écran à minuit.

Ce mécanisme n'est pas une fatalité. Mais il ne disparaît pas spontanément. Il faut le nommer, le mesurer, et construire des réponses institutionnelles explicites. C'est ce que peu d'établissements font aujourd'hui — et c'est précisément ce que l'arrivée massive des outils d'IA générative rend urgent.

Ce que la recherche dit sur l'effet Matthieu en éducation

L'application du concept à l'éducation doit beaucoup aux travaux du chercheur américain Keith StanovichKeith Stanovich — Psychologue cognitif canadien, spécialiste de l'apprentissage de la lecture. Dans un article fondateur de 1986 (Matthew Effects in Reading, Reading Research Quarterly), il démontre que les enfants qui apprennent à lire tôt et facilement lisent davantage, enrichissent leur vocabulaire, améliorent leur compréhension, ce qui les rend encore meilleurs lecteurs. À l'inverse, les enfants en difficulté initiale lisent moins, voient leur retard s'aggraver progressivement. L'écart entre bons et mauvais lecteurs s'élargit avec le temps, pas se réduit., qui publie en 1986 un article fondateur sur les effets Matthieu dans l'apprentissage de la lecture. Sa démonstration est simple et redoutable : les enfants qui apprennent à lire tôt et sans difficulté lisent davantage, enrichissent leur vocabulaire, améliorent leur compréhension, ce qui les rend encore meilleurs lecteurs. Les enfants en difficulté initiale lisent moins, évitent les situations de lecture, voient leur retard s'aggraver progressivement. L'écart entre bons et mauvais lecteurs ne se réduit pas avec le temps — il s'élargit.

Ce mécanisme cumulatif ne concerne pas seulement la lecture. Il structure l'ensemble des apprentissages scolaires. Les travaux de Pierre BourdieuPierre Bourdieu (1930-2002) — Sociologue français, auteur notamment de La Reproduction (avec Jean-Claude Passeron, 1970) et de La Distinction (1979). Il montre que l'école, loin d'être un espace de méritocratie neutre, reproduit et légitime les inégalités sociales en traitant comme « don naturel » ce qui est en réalité héritage culturel. Le concept de capital culturel désigne l'ensemble des ressources culturelles (savoirs, savoir-faire, dispositions, titres) inégalement réparties selon les milieux sociaux. sur le capital culturelCapital culturel — Concept forgé par Pierre Bourdieu. Il désigne l'ensemble des ressources culturelles dont dispose un individu : maîtrise de la langue légitime, familiarité avec les œuvres et les références valorisées par l'école, dispositions à l'abstraction et à la conceptualisation, titres scolaires. Le capital culturel se transmet principalement dans la famille — de manière souvent invisible, par socialisation. C'est ce que l'école présuppose sans l'enseigner explicitement. ont montré dès les années 1970 que l'école reproduit les inégalités en traitant comme « don naturel » ce qui est en réalité héritage culturel. Ce que l'école juge comme talent ou mérite est largement le produit d'une transmission familiale invisible — maîtrise de la langue, familiarité avec l'abstraction, aisance face aux adultes-évaluateurs.

Les recherches de John HattieJohn Hattie — Chercheur néo-zélandais en sciences de l'éducation, auteur de Visible Learning (2009). Il a synthétisé plus de 1 200 méta-analyses portant sur les apprentissages de 300 millions d'élèves. Son travail montre que le statut socio-économique a une taille d'effet de 0,52 sur les résultats scolaires — au-dessus de son « hinge point » de 0,40 qui sépare les interventions efficaces des interventions peu probantes. Autrement dit, l'origine sociale est l'un des prédicteurs les plus robustes de la réussite scolaire. confirment que le statut socio-économique est l'un des prédicteurs les plus robustes des résultats scolaires, avec une taille d'effetTaille d'effet — Mesure statistique qui quantifie l'ampleur d'un phénomène ou d'une intervention, indépendamment de la taille de l'échantillon. Le d de Cohen est la mesure la plus courante en éducation. John Hattie fixe un « hinge point » à d = 0,40 : en dessous, l'effet d'une intervention est faible ou négligeable ; au-dessus, il est éducativement significatif. Le statut socio-économique a une taille d'effet de 0,52 sur les résultats scolaires — c'est considérable. de 0,52 — largement au-dessus de son seuil de significativité de 0,40. L'origine sociale n'est pas un facteur parmi d'autres : c'est l'un des déterminants les plus puissants de la trajectoire scolaire, toutes choses égales par ailleurs.

Le cercle familial comme première inégalité numérique

Quand on parle d'inégalités face au numérique, on pense immédiatement à la fracture numériqueFracture numérique — Inégalité d'accès aux technologies numériques et à leurs usages. On distingue généralement trois niveaux : la fracture de premier niveau (accès ou non à un équipement et à une connexion), la fracture de deuxième niveau (compétences pour utiliser les outils) et la fracture de troisième niveau (capacité à tirer un bénéfice réel des usages numériques). En France, selon le baromètre du numérique du CREDOC, environ 15 % des ménages restent en situation de fragilité numérique significative. de premier niveau — l'absence d'équipement ou de connexion. Elle est réelle et documentée. Mais elle masque une inégalité plus profonde et plus difficile à corriger : l'inégalité des ressources humaines dans l'environnement familial.

Un élève de seconde dans un lycée général parisien dont les parents sont cadres supérieurs n'utilise pas ChatGPT de la même façon qu'un élève de la même classe dont les parents n'ont pas été scolarisés en France. Le premier a autour de lui des adultes capables de contextualiser l'outil, de pointer ses erreurs, de reformuler ses résultats dans un registre scolaire attendu, de lui expliquer pourquoi telle réponse générée est plausible mais fausse. Le second est seul face à l'interface. Il fait confiance à ce qu'il lit. Il n'a pas les ressources pour évaluer la qualité de ce que le modèle produit.

Cette asymétrie ne tient pas à l'intelligence des élèves. Elle tient à ce que Annette LareauAnnette Lareau — Sociologue américaine, auteure de Unequal Childhoods (2003, rééd. 2011). Elle distingue deux modes de socialisation familiale : la « cultivation concertée » (milieux aisés — activités structurées, dialogue constant, apprentissage de la négociation avec les institutions) et la « croissance naturelle » (milieux populaires — davantage d'autonomie, de jeu non structuré, mais moins de familiarisation avec les codes institutionnels). Ces deux modes produisent des dispositions très différentes face à l'école et, aujourd'hui, face aux outils numériques. appelle la cultivation concertée dans les milieux aisés — ce mode de socialisation familiale qui mobilise constamment des adultes-médiateurs entre l'enfant et les institutions, y compris les institutions numériques. Les enfants des milieux populaires ne sont pas moins intelligents. Ils ont moins d'adultes disponibles pour les aider à naviguer dans des environnements complexes et à décoder les implicites.

En matière d'IA générative, cela se traduit concrètement. Savoir formuler un promptPrompt — Instruction ou question soumise à un modèle d'IA générative. La qualité du prompt détermine largement la qualité de la réponse. Un prompt efficace précise le contexte, le rôle attendu du modèle, le format de la réponse souhaitée et les contraintes à respecter. Cette compétence — le prompt engineering — n'est pas innée : elle s'apprend, et son apprentissage est inégalement distribué selon les milieux sociaux. efficace suppose de maîtriser la langue écrite avec précision, de savoir décomposer un problème complexe, de connaître suffisamment le domaine pour évaluer la pertinence de la réponse. Ces trois compétences sont exactement celles que l'école produit inégalement selon l'origine sociale. L'IA ne comble pas ces écarts — elle les révèle, et souvent les amplifie.

Ce que l'IA générative change — en bien et en mal

Il serait inexact de dire que l'IA générative ne profite qu'aux élèves déjà favorisés. Les outils de synthèse automatiqueSynthèse automatique — Capacité d'un modèle de langage à produire un résumé structuré d'un texte long ou d'un ensemble de documents. Utile pour les élèves dont la vitesse de lecture est lente ou qui peinent à extraire l'essentiel d'un texte dense. Mais la synthèse automatique peut aussi court-circuiter le travail cognitif de lecture active — qui est précisément ce que l'école cherche à développer., de correction orthographique avancée, de reformulation peuvent effectivement réduire certaines barrières pour des élèves en difficulté de lecture ou d'expression écrite. Les outils de tutorat adaptatifTutorat adaptatif — Système d'apprentissage qui ajuste en temps réel le niveau de difficulté, le type d'exercices et les rétroactions en fonction des réponses de l'élève. Les modèles d'IA générative permettent aujourd'hui de simuler un tuteur patient, disponible à toute heure, capable de reformuler une explication de dix manières différentes. Des études montrent des effets positifs sur les apprentissages — mais principalement pour les élèves qui savent déjà interagir de manière productive avec un système d'enseignement. peuvent offrir une aide individualisée là où un enseignant n'a pas le temps de s'attarder. Les modèles de langage multilingues peuvent soutenir les élèves allophones dans leur transition linguistique.

Mais ces bénéfices potentiels sont conditionnels. Ils supposent que l'élève sache comment utiliser l'outil de manière productive — ce qui renvoie précisément aux inégalités de capital culturel et de ressources familiales décrites plus haut. Ils supposent que l'outil soit accessible — ce qui renvoie aux inégalités d'équipement et de connexion. Et ils supposent que l'élève ait développé une métacognitionMétacognition — Capacité à réfléchir sur ses propres processus cognitifs : savoir ce qu'on sait, identifier ce qu'on ne comprend pas, réguler ses stratégies d'apprentissage. John Hattie identifie les stratégies métacognitives comme l'une des interventions les plus efficaces sur les apprentissages (taille d'effet : 0,69). Or la métacognition est elle-même inégalement développée selon les milieux sociaux — les élèves dont les parents ont fait des études longues ont davantage été initiés à cette forme de réflexivité. suffisante pour distinguer ce que l'outil fait bien de ce qu'il fait mal — ce qui renvoie aux inégalités dans le développement des compétences d'apprentissage autonome.

Les recherches disponibles sur l'usage scolaire de l'IA générative — encore peu nombreuses et récentes — convergent sur un point : les élèves qui tirent le plus de bénéfices des outils d'IA sont ceux qui avaient déjà les meilleures bases. Ce n'est pas une surprise. C'est l'effet Matthieu à l'oeuvre, dans sa forme la plus classique.

Les ressources du cercle familial : un prisme souvent oublié

La recherche en sociologie de l'éducation a documenté avec précision l'importance du cercle familial dans la construction des inégalités scolaires. Mais le débat public sur l'IA à l'école reste largement centré sur les outils, les usages, les risques de plagiatPlagiat assisté par IA — Usage d'un outil d'IA générative pour produire tout ou partie d'un travail scolaire présenté comme personnel. C'est la préoccupation la plus souvent citée par les enseignants dans les enquêtes sur l'IA à l'école. Elle est légitime, mais elle occulte une question plus fondamentale : qui peut utiliser l'IA de manière sophistiquée et productive, et qui se limite à en copier les sorties brutes ? ou les politiques d'accès. Il parle rarement de ce qui se passe à la maison après 18h.

Pourtant, c'est là que se joue une partie décisive. Un élève qui rentre dans une famille où un parent peut lui expliquer comment vérifier une information produite par une IA, où il dispose d'un espace calme et d'un équipement personnel, où la conversation autour du dîner mobilise le registre de langue scolaire — cet élève est structurellement avantagé dans son usage des outils d'IA, indépendamment de ce que l'école lui enseigne.

À l'inverse, un élève qui rentre dans un logement surpeuplé, qui partage une connexion instable sur un téléphone, qui n'a pas d'adulte disponible pour répondre à ses questions sur le fonctionnement d'un modèle de langage — cet élève sera davantage tenté par l'usage le plus superficiel des outils d'IA : copier-coller une réponse sans la comprendre, soumettre une synthèse automatique sans l'avoir lue. Non pas par paresse, mais parce qu'il n'a pas les ressources pour faire autrement.

Cette réalité n'est pas nouvelle. Elle existait avant l'IA, avec les cours particuliers, les bibliothèques familiales, les révisions accompagnées. Ce que l'IA générative change, c'est l'échelle et la vitesse du phénomène. La disponibilité permanente des outils, leur apparente facilité d'usage, leur capacité à produire du contenu plausible en quelques secondes — tout cela accélère la différenciation entre ceux qui savent s'en servir de manière critique et ceux qui s'en remettent à eux de manière passive.

Ce que ça implique pour un EPLE

Face à ce constat, deux postures symétriquement inadéquates existent. La première consiste à interdire ou à ignorer les outils d'IA, en espérant que le problème se dissoudra. Il ne se dissoudra pas. Les élèves des milieux favorisés les utiliseront de toute façon, à la maison, avec l'aide de leurs parents. L'interdiction scolaire ne produit qu'une inégalité supplémentaire. La seconde consiste à déployer les outils sans cadre, en faisant confiance au marché et à l'enthousiasme des early adopters parmi les enseignants. Ce déploiement non régulé reproduit mécaniquement les inégalités existantes.

La voie entre ces deux écueils suppose plusieurs engagements concrets à l'échelle de l'établissement. Elle suppose d'abord de nommer explicitement le problème dans le projet d'établissement : l'IA amplifie les inégalités si elle est déployée sans politique d'équité. Ce n'est pas une position idéologique — c'est un constat empirique que la recherche documente.

Elle suppose ensuite d'investir dans l'enseignement explicite des usages : apprendre aux élèves à formuler des prompts efficaces, à évaluer la fiabilité d'une réponse générée, à identifier les hallucinationsHallucination (IA) — Phénomène par lequel un modèle de langage produit une affirmation fausse présentée avec la même assurance qu'une affirmation vraie. Le modèle ne « sait » pas qu'il ment — il génère la suite statistiquement la plus probable des tokens précédents, sans mécanisme de vérification factuelle intégré. Les hallucinations sont plus fréquentes sur des sujets peu représentés dans les données d'entraînement, des dates précises, des citations, des calculs complexes. — autrement dit, les cas où le modèle produit des affirmations fausses avec une assurance trompeuse. Cet enseignement doit être pensé comme une compétence disciplinaire transversale, pas comme un module optionnel en SNT.

Elle suppose enfin de compenser activement les inégalités d'accès : espaces numériques ouverts aux élèves sans connexion à la maison, accompagnement renforcé dans les dispositifs (ULIS, SEGPA, UPE2A), formation des AESH à l'usage pédagogique des outils d'IA pour accompagner les élèves en situation de handicap.

Rien de cela n'est simple. Tout cela suppose du temps, des ressources, une volonté politique à l'échelle de l'établissement. Mais c'est précisément le rôle d'un chef d'établissement que de créer les conditions pour que les outils servent le projet éducatif — pas l'inverse.

Pour aller plus loin