L’intelligence artificielle entre déjà dans les classes par les élèves, les enseignants et les usages du soir. La vraie question n’est plus son adoption, mais la nature exacte de ce qu’elle prétend améliorer.
Dans une salle de classe, l’intelligence artificielle arrive rarement par la grande porte. Elle entre par un devoir rédigé trop vite, une fiche de révision générée à vingt-trois heures, un plan de cours produit entre deux réunions, une vidéo adaptée aux centres d’intérêt d’un élève. Elle ne demande pas toujours l’autorisation de l’institution. Elle s’installe là où le système laisse des interstices : fatigue des enseignants, hétérogénéité des niveaux, pression de l’évaluation, obsession du résultat.
C’est précisément ce qui rend le débat scolaire plus délicat que le débat technologique. L’IA n’apparaît pas dans un système parfaitement stable qu’elle viendrait simplement optimiser. Elle surgit dans une école déjà travaillée par ses propres tensions : manque de temps, pénurie de professeurs, classes trop diverses pour une progression unique, difficulté à évaluer autre chose que la restitution finale.
Le cas estonien, évoqué comme l’un des plus avancés en Europe, donne la mesure du basculement. Selon les données citées lors du panel, 90 à 95 % des lycéens estoniens utiliseraient déjà l’IA générative chaque semaine. L’État n’a donc pas tant “introduit” l’IA qu’il a choisi de répondre à un fait accompli. Là réside peut-être la première leçon : l’interdiction pure ne fait pas disparaître l’usage, elle le rend seulement plus clandestin.
L’illusion de la personnalisation
Le mot revient partout : personnalisation. Il promet une école enfin adaptée à chacun, libérée du rythme uniforme de la classe. L’argument est puissant. Dans un cours traditionnel, certains élèves décrochent parce que le professeur va trop vite ; d’autres s’ennuient parce qu’il va trop lentement. L’IA semble alors offrir une réponse élégante : ajuster le contenu, varier les exemples, proposer des questions, accompagner l’élève hors du temps scolaire.
Mais cette promesse mérite d’être tenue à distance. Personnaliser n’est pas seulement modifier la surface d’un contenu. C’est comprendre ce qui bloque, ce qui résiste, ce qui se joue dans le rapport d’un enfant au savoir. Une machine peut adapter un exemple ; elle ne sait pas toujours reconnaître la peur de l’échec, l’ennui masqué, le mimétisme, la honte de ne pas comprendre devant les autres.
Le risque est là : confondre personnalisation et optimisation du parcours vers une même destination. Dans ce cas, l’IA n’élargit pas l’apprentissage. Elle lisse, accélère, standardise autrement. Elle donne à chacun un chemin apparemment différent pour atteindre le même indicateur.
Ce que l’IA sait bien faire
Il serait pourtant trop simple de rejeter l’ensemble. Les exemples les plus convaincants ne relèvent pas d’une substitution du professeur, mais d’un usage précis, limité, situé.
Un outil qui interroge un élève à partir du cours de son professeur, sous plusieurs angles, peut devenir un bon compagnon de révision. Un enseignant qui enregistre ses explications, les transcrit, puis transforme certains passages en supports de travail peut capitaliser sur sa propre créativité au lieu de la perdre dans l’instant de la classe. Une vidéo adaptée à un centre d’intérêt personnel peut parfois déclencher une attention que le format générique n’obtenait pas.
Ces usages ont un point commun : ils partent d’un cadre humain préexistant. Le professeur reste l’auteur de la progression. L’IA n’invente pas la pédagogie ; elle prolonge, reformule, questionne, archive. Elle devient intéressante lorsqu’elle sert une intention déjà claire.
Le problème commence lorsqu’on lui demande de compenser l’absence d’intention. Un mauvais cours assisté par IA reste un mauvais cours. Une consigne paresseuse produit un résultat paresseux. Dans l’éducation comme dans le luxe, l’outil n’élève pas mécaniquement la main qui l’emploie.
Le Détail
Lors du panel, l’un des intervenants estime que seuls 30 à 40 % des lycéens trouvent un usage réel aux outils conçus pour poser des questions plutôt que donner directement des réponses. Ce chiffre éclaire une tension centrale : l’outil pédagogiquement vertueux est rarement celui que l’élève choisit spontanément lorsqu’il est évalué sur le résultat final.
Le vrai sujet : l’évaluation
C’est peut-être ici que l’IA rend le meilleur service à l’école : non pas en résolvant ses problèmes, mais en les exposant avec une brutalité nouvelle.
Tant que le système mesure principalement le produit final — dissertation rendue, exercice terminé, réponse correcte — l’élève rationnel cherchera le chemin le plus court vers ce résultat. L’IA générative excelle précisément dans cette zone : produire une forme plausible, fluide, présentable. Elle devient alors moins un outil d’apprentissage qu’un accélérateur de conformité.
La question n’est donc pas seulement : “Les élèves utilisent-ils ChatGPT pour tricher ?” Elle est plus inconfortable : “Pourquoi nos évaluations sont-elles si facilement imitables par une machine ?”
Si l’on veut que l’IA serve l’apprentissage, il faudra déplacer l’attention vers le processus : brouillons, cheminement, oralisation, justification, erreurs successives, capacité à questionner une réponse. Autrement dit, évaluer moins la pièce finie que la main qui l’a façonnée.
L’école n’est pas une plateforme
Le débat devient plus profond encore lorsqu’on rappelle que l’éducation ne se réduit pas à l’acquisition de compétences. Elle qualifie, certes. Mais elle socialise. Elle apprend à penser avec les autres, contre les autres parfois, devant eux souvent. Elle construit aussi une forme d’individuation : la capacité de se situer dans le monde, de former un jugement, de ne pas seulement répondre correctement mais de devenir sujet.
C’est là que l’écran individuel peut devenir un piège. Trente élèves, trente ordinateurs, trente parcours personnalisés : l’image paraît moderne. Elle peut aussi décrire une classe où plus personne ne regarde son voisin. L’école perdrait alors ce qu’elle a de plus ancien et de plus précieux : l’apprentissage de la présence.
L’enjeu n’est pas de bannir la technologie. Il est de refuser qu’elle devienne l’architecture invisible de toute situation pédagogique. L’Estonie, justement, semble garder cette prudence : plus de 70 % du temps d’apprentissage y resterait en face-à-face, selon les éléments évoqués. Ce ratio dit quelque chose d’essentiel. L’IA peut entrer dans l’école, mais elle ne doit pas en devenir le mobilier central.
Former avant de déployer
La conclusion opérationnelle est presque austère : il faut former les enseignants avant de former les élèves aux outils. Non pas à cliquer sur une interface, mais à comprendre ce que ces systèmes font réellement : ils ne comprennent pas, ils prédisent ; ils ne jugent pas, ils imitent ; ils ne garantissent pas la vérité, ils produisent une vraisemblance.
Cette littératie doit être technique, pratique et humaine. Technique, pour savoir comment fonctionnent les modèles. Pratique, pour décider quand les utiliser ou les refuser. Humaine, surtout, pour mesurer leurs effets sur l’attention, les droits de l’enfant, l’environnement, la relation pédagogique, la confiance.
Une certification claire des outils éducatifs devient alors indispensable. Aucun dispositif destiné à des enfants ne devrait entrer en classe sur la seule foi d’une promesse commerciale. Il faudrait des preuves, des garde-fous, une transparence sur les données, une évaluation indépendante des bénéfices et des risques.
L’école n’a pas besoin d’une IA qui pense à sa place. Elle a besoin d’une méthode pour décider ce qui mérite encore d’être pensé lentement.
La question qui demeure n’est donc pas de savoir si l’IA aura sa place dans l’éducation. Elle l’a déjà prise. La vraie question est plus exigeante : l’école saura-t-elle lui donner une place assez limitée pour préserver ce qu’elle seule peut encore transmettre ?
