L’université n’a jamais seulement transmis des savoirs. Elle a organisé une lente initiation : apprendre à raisonner, à douter, à relier, à produire une pensée qui ne soit pas la simple restitution d’un contenu. L’arrivée massive de l’intelligence artificielle ne détruit pas cette mission. Elle la rend plus visible, plus urgente, et peut-être plus difficile.
Le paradoxe est désormais connu : les étudiants utilisent déjà l’IA, souvent avant même d’entrer dans le supérieur. Dans une grande enquête menée dans l’enseignement supérieur et la recherche, 92 % des étudiants déclaraient déjà utiliser l’intelligence artificielle générative. Le chiffre a sans doute encore progressé. Mais l’usage ne signifie pas la maîtrise. Certains utilisent ChatGPT, Claude, Mistral ou d’autres modèles sans toujours savoir ce qu’est réellement une IA générative, ce qu’elle produit, ce qu’elle ignore, ce qu’elle invente parfois.
C’est ici que se joue la vraie fracture. Non pas entre les étudiants qui utiliseraient l’IA et ceux qui ne l’utiliseraient pas, mais entre ceux qui savent en faire un instrument de travail et ceux qui la consomment comme une réponse prête à l’emploi.
L’illusion de compréhension
Dans les amphithéâtres, la scène devient familière. Un étudiant arrive en cours avec le résumé déjà produit par un agent. Les supports ont été absorbés, compressés, reformulés. La connaissance est accessible avant même que le professeur ne parle. Mais comprendre n’est pas résumer. Et apprendre n’est pas obtenir une réponse.
C’est l’un des points les plus lucides soulevés par les étudiants lauréats du Grand Challenge du Partenariat Mondial sur l’IA, organisé par Inria. L’un des projets présentés, T-TWICE — pour Think Twice — s’attaque précisément à cette illusion de compréhension. Le principe est simple : un tuteur IA qui ne donne pas la réponse, mais oblige l’étudiant à formuler son raisonnement, identifie les blocages, puis le guide par questions successives jusqu’à la solution.
L’enjeu n’est pas seulement pédagogique. Il est presque culturel. À l’heure où l’IA donne une réponse en quelques secondes, l’université doit réhabiliter la valeur du chemin. Ce qui compte n’est plus seulement le résultat, mais la capacité à expliciter pourquoi l’on arrive à ce résultat.
Passer de la police de l’IA à sa grammaire
La tentation initiale de nombreuses institutions a été défensive : interdire, détecter, sanctionner. Elle est compréhensible, mais insuffisante. Une génération entière utilise déjà ces outils pour écrire, chercher, structurer, traduire, coder, s’orienter. Faire comme si l’usage pouvait disparaître revient à organiser une hypocrisie collective.
Le projet WARP, présenté par des étudiantes indiennes, propose une autre logique : ne plus traiter l’étudiant comme suspect, mais comme partenaire. Lorsqu’un travail est rendu, l’étudiant déclare comment il a utilisé l’IA, comment il a vérifié les informations, et si les sources mobilisées sont authentiques. L’usage n’est pas une faute. Le dissimuler le devient.
Ce déplacement est essentiel. L’enseignement supérieur ne peut pas continuer à évaluer uniquement comme si l’IA n’existait pas. Il doit apprendre à évaluer la qualité de l’usage : la pertinence des prompts, la vérification, la capacité critique, la responsabilité intellectuelle.
L’orientation comme service public augmenté
Un autre projet, Orientei, ouvre un chantier plus politique : celui de l’orientation. Aujourd’hui, un jeune peut confier ses envies, ses doutes et son parcours à une IA générique, souvent pensée pour d’autres systèmes éducatifs, d’autres diplômes, d’autres marchés du travail. Face à cela, les fiches Parcoursup ou les ressources institutionnelles restent parfois trop statiques.
Orientei propose une plateforme publique, gratuite, ancrée dans les données officielles françaises : Parcoursup, Onisep, France Travail. L’objectif n’est pas de remplacer le conseiller d’orientation, mais de préparer la rencontre humaine. L’IA accueille, structure les questions, explore des pistes. Le conseiller intervient ensuite sur une base plus claire, avec un résumé validé par l’étudiant.
La formule dit beaucoup de ce que pourrait être une IA bien pensée dans le supérieur : non pas une substitution de l’humain, mais une mise en disponibilité de l’humain là où il a le plus de valeur.
Le nouveau socle commun
La proposition du Brevet IA, développé dans le cadre de France 2030 et testé auprès d’environ 10 000 personnes à Paris-Saclay, s’inscrit dans cette même logique. Il ne s’agit pas de former tout le monde à devenir spécialiste, mais de donner à chacun un code de conduite intellectuel : comprendre ce qu’est un algorithme, un modèle, une donnée, un apprentissage, un biais, une donnée personnelle, un impact environnemental.
La comparaison avec le code de la route est juste. On ne demande pas à chaque citoyen de devenir ingénieur automobile pour conduire, mais on exige qu’il connaisse les règles, les risques et les responsabilités minimales. L’IA devrait relever du même niveau d’exigence civique.
L’université doit donc former avec l’IA, mais aussi sans elle. Savoir déléguer n’a de valeur que si l’on sait encore juger ce que l’on délègue.
Former ceux qui forment
Le point le plus sensible reste peut-être celui des enseignants. Les étudiants avancent vite, souvent de manière désordonnée. Les enseignants expérimentent, mais sans doctrine commune. Or une transformation pédagogique ne peut pas reposer uniquement sur des initiatives isolées.
Former les enseignants devient une priorité stratégique. Non pour leur demander d’adopter tous les outils disponibles, mais pour leur permettre de redessiner leurs cours : quels exercices restent pertinents ? Quelles évaluations doivent devenir orales, situées, progressives ? Comment mesurer le raisonnement plutôt que la simple production finale ? Comment intégrer les étudiants dans la refonte des formats ?
La dernière remarque de la masterclass est peut-être la plus importante : les étudiants ne doivent pas seulement être des usagers de l’IA éducative. Ils doivent devenir co-architectes de ses usages.
L’université n’a pas à former pour un métier précis qui, peut-être, n’existera plus sous la même forme dans cinq ans. Elle doit former à une faculté plus rare : apprendre à apprendre avec des machines qui répondent vite, mais ne comprennent pas toujours ce qu’elles disent.
C’est moins une crise de l’enseignement qu’un retour à son cœur. L’université de demain ne sera pas celle qui aura ajouté l’IA à ses cours. Ce sera celle qui aura compris que, dans un monde saturé de réponses, sa mission devient d’enseigner la qualité des questions.
Cette publication est également disponible en :
