Université et IA : former des étudiants capables de penser avec recul

L’arrivée des intelligences artificielles génératives dans les salles de cours ne pose pas seulement une question de fraude ou de technologie. Elle oblige l’enseignement supérieur à préciser ce qu’il cherche à transmettre et à mesurer. Si un outil peut rédiger en quelques secondes une réponse apparemment solide, l’université ne peut plus se contenter d’évaluer la forme finale d’un devoir. Elle doit aussi aider les étudiants à rendre compte de leur méthode, de leurs sources, de leurs hésitations et de leurs choix.

Cette évolution est particulièrement sensible avec des systèmes comme ChatGPT, capables de produire des explications, des synthèses, des plans ou du code dans un langage fluide. Leur présence ne rend ni les enseignants ni les connaissances disciplinaires inutiles. Elle renforce, au contraire, le besoin de lecture attentive, de confrontation des arguments et de jugement. L’ambition n’est pas de former des étudiants qui délèguent leur travail à une machine, mais des citoyens et professionnels capables de comprendre quand un outil est utile, quand il se trompe et quand il ne devrait pas être utilisé.

L’IA impose une question pédagogique avant d’être une question technique

L’intelligence artificielle redéfinit déjà certaines pratiques d’apprentissage. Elle donne un accès immédiat à des explications reformulées, peut aider à structurer une idée ou à explorer plusieurs pistes de travail. Mais elle peut aussi générer des erreurs factuelles présentées avec assurance, simplifier abusivement une question complexe ou reproduire des biais présents dans les données qui l’ont nourrie. Un texte convaincant n’est donc pas nécessairement un texte juste.

C’est pourquoi intégrer l’IA à l’université ne revient pas à distribuer un nouvel outil numérique aux étudiants. Il s’agit de construire une culture de l’évaluation : qui produit cette réponse ? Sur quelles informations repose-t-elle ? Quelles sources permettent de la vérifier ? Quels points de vue manque-t-elle ? Quels stéréotypes ou présupposés peut-elle reconduire ? Ces questions relèvent autant de l’histoire, des sciences, du droit, des lettres ou de la philosophie que de l’informatique.

Le monde professionnel dans lequel les étudiants entreront est de plus en plus marqué par ces technologies. Les ignorer pendant les études risquerait de créer un décalage entre la formation et les pratiques réelles. À l’inverse, présenter l’IA comme une solution universelle les exposerait à une autre illusion : celle qu’une réponse instantanée peut remplacer l’enquête, l’expertise et la responsabilité humaine.

Interdire ou apprendre à vérifier : un faux choix

Les inquiétudes exprimées par de nombreux enseignants sont compréhensibles. Un étudiant peut demander à une IA de rédiger un essai, de répondre à une question d’examen ou de reformuler un texte sans en maîtriser le contenu. Dans cette situation, une interdiction peut sembler être la réponse la plus simple. Pourtant, elle ne résout pas à elle seule la question éducative, surtout lorsque ces outils restent accessibles en dehors de l’établissement.

Une approche plus robuste consiste à transformer l’outil en objet d’étude. En histoire, un enseignant peut demander aux étudiants de comparer une réponse générée par IA au texte d’une source primaire ou à des travaux académiques. Ils doivent alors relever les imprécisions, les omissions, les formules vagues et les éventuels biais d’interprétation. L’exercice déplace la valeur du travail : il ne s’agit plus uniquement de produire une réponse, mais de démontrer que l’on sait l’examiner.

Cette méthode peut être adaptée à la plupart des disciplines :

• en sciences, vérifier un raisonnement, une équation ou les conditions d’une expérience ;
• en droit, distinguer une présentation générale d’une analyse juridiquement fondée ;
• en littérature, comparer une interprétation générée à une lecture précise du texte ;
• en sciences humaines, identifier les catégories, les auteurs ou les perspectives absents d’une synthèse ;
• dans les formations techniques, documenter les tests réalisés sur un code proposé par un assistant.

L’IA devient alors un support de discussion, et non un substitut silencieux au travail intellectuel. Cette pédagogie exige aussi que les règles soient explicites. Les étudiants doivent savoir dans quels cas l’usage est autorisé, comment il doit être signalé et quelles parties du travail doivent impérativement être personnelles. Sans cadre clair, l’incertitude favorise autant les inégalités entre étudiants que les malentendus sur l’intégrité académique.

Quand ChatGPT répond à un examen, que faut-il évaluer ?

Le fait qu’un système génératif puisse fournir une réponse plausible à certaines questions d’examen ne signifie pas automatiquement qu’il possède les compétences attendues d’un diplômé. Il montre surtout qu’une évaluation reposant exclusivement sur un texte final est devenue plus fragile. Un devoir rédigé à domicile, sans trace du cheminement intellectuel, permet difficilement de distinguer une maîtrise réelle d’une production largement automatisée.

Il ne s’agit pas d’abandonner l’écrit, qui reste une compétence essentielle pour argumenter, nuancer et communiquer. Il faut plutôt diversifier les preuves de l’apprentissage. Un étudiant peut être invité à expliquer les sources qu’il a retenues, à justifier une méthode, à commenter une première version de son travail ou à défendre oralement ses conclusions. Ces dispositifs rendent visible ce que l’IA ne peut pas garantir à sa place : la compréhension, le jugement et l’appropriation des connaissances.

Le tableau suivant résume le déplacement qui s’opère dans les pratiques d’évaluation.

Journaux, brouillons et oraux : des outils pour rendre le raisonnement visible

Plusieurs formats peuvent compléter les examens et les dissertations traditionnelles. Le journal d’apprentissage, par exemple, permet à l’étudiant de consigner ses recherches, les difficultés rencontrées, les pistes abandonnées et les raisons d’un choix méthodologique. Il ne s’agit pas de surveiller chaque étape de son travail, mais de valoriser la capacité à réfléchir sur sa propre démarche.

L’essai réflexif peut remplir une fonction similaire. Après avoir utilisé, ou choisi de ne pas utiliser, une IA, l’étudiant explique ce que l’outil lui a apporté, ce qu’il a corrigé et pourquoi. Une telle activité apprend à ne pas confondre assistance et vérité. Elle permet aussi de parler concrètement de la responsabilité de l’auteur : signer un travail, c’est pouvoir en défendre les affirmations.

La soutenance orale constitue un autre levier. Elle n’exige pas nécessairement un long examen individuel. Quelques minutes d’échange ciblé peuvent suffire pour demander à l’étudiant de préciser un concept, d’expliciter une source ou de discuter une objection. Cette pratique évalue la compréhension sans réduire la formation à un contrôle de police.

Ces formats demandent du temps aux enseignants et aux établissements. Ils ne sont donc pas une recette magique. Ils ont toutefois un avantage majeur : ils correspondent davantage à ce qui est attendu dans de nombreuses situations professionnelles, où il faut expliquer un choix, collaborer, documenter une décision et corriger son travail à partir d’un retour critique.

Les sciences humaines face au risque du travail automatisé

La situation inquiète particulièrement dans les filières d’arts et de sciences humaines, où une part importante de l’évaluation passe par l’écriture. Le constat d’étudiants peu présents en cours et de travaux rédigés presque entièrement par IA alimente les interrogations sur la valeur des diplômes. Sans données homogènes sur l’ensemble des établissements, il faut se garder des généralisations. Mais le risque soulevé est réel : un étudiant peut rendre un texte formellement correct sans avoir lu les œuvres, suivi les débats ou acquis les connaissances qu’il prétend mobiliser.

Cette difficulté ne dévalorise pas les disciplines concernées. Elle rappelle au contraire leur rôle central. Lire attentivement, analyser un document, situer une idée dans son époque, comparer des interprétations et reconnaître les angles morts d’un récit sont des compétences particulièrement précieuses face à un système qui produit des textes à partir de régularités statistiques. Les humanités donnent des outils pour interroger ce que les machines disent, et ce qu’elles ne disent pas.

Les universités ont donc la responsabilité de maintenir des exigences académiques claires. Un diplôme doit attester des compétences effectivement acquises, et non seulement de la remise d’un ensemble de productions difficiles à attribuer. Cela passe par des attentes explicites, des évaluations adaptées et une présence pédagogique réelle. L’enjeu ne consiste pas à opposer tradition universitaire et innovation, mais à s’assurer que l’innovation ne vide pas la formation de sa substance.

Former à l’éthique, aux biais et aux limites des systèmes

Apprendre à utiliser l’IA de manière critique implique aussi d’en comprendre les enjeux éthiques. Les réponses générées peuvent reproduire du racisme, du sexisme ou d’autres formes de discrimination présentes dans les corpus et les choix de conception. Elles peuvent également donner l’impression d’une neutralité technique alors qu’elles reflètent des données, des règles et des objectifs décidés par des organisations humaines.

Cette dimension ne doit pas être réservée aux spécialistes de l’informatique. Un futur médecin, journaliste, juriste, ingénieur, enseignant ou responsable des ressources humaines peut être amené à travailler avec des outils automatisés. Chacun doit pouvoir interroger leurs effets sur les personnes concernées, sur la protection des données, sur l’égalité de traitement et sur la répartition des responsabilités.

Les universités peuvent encourager des collaborations entre disciplines : informaticiens, enseignants, bibliothécaires, juristes, chercheurs en sciences humaines et étudiants ont tous une contribution à apporter. La formation doit associer les usages pratiques à une discussion sur leurs conséquences. Savoir rédiger une requête utile est intéressant. Savoir reconnaître qu’un outil n’est pas approprié à une décision importante l’est davantage.

Une continuité historique, mais un défi d’une ampleur nouvelle

Les craintes liées à l’IA s’inscrivent dans une histoire plus large des technologies éducatives. Les calculatrices ont conduit à repenser la place du calcul mental et la manière d’enseigner les mathématiques. Les traitements de texte ont transformé l’écriture, les brouillons et la mise en forme. Ces outils n’ont pas fait disparaître les compétences fondamentales, mais ils ont imposé de redéfinir ce qui devait être appris, exercé et évalué.

L’IA générative va toutefois plus loin sur un point : elle intervient directement dans des activités associées à la production intellectuelle, comme rédiger, résumer, argumenter ou programmer. C’est cette proximité qui rend le défi plus aigu. L’université doit éviter deux écueils : la peur qui conduirait à ignorer durablement l’outil, et l’enthousiasme qui conduirait à déléguer sans contrôle des tâches essentielles à l’apprentissage.

Former des étudiants autonomes suppose de préserver des moments où ils cherchent, écrivent, calculent, débattent et se trompent sans assistance immédiate. Ces efforts ne sont pas des obstacles archaïques. Ils constituent souvent la condition d’une compréhension durable. L’IA peut enrichir un parcours, mais elle ne peut pas vivre l’expérience d’apprendre à la place de l’étudiant.

Ce qu’il faut surveiller dans les universités

Dans les prochains mois, la qualité de la réponse universitaire se mesurera moins au nombre d’outils déployés qu’à la cohérence des règles et des apprentissages proposés. Les établissements devront préciser les usages autorisés, accompagner les enseignants dans la refonte de certaines évaluations et donner aux étudiants des repères communs sur la citation, la vérification et la confidentialité.

Le véritable enjeu est de faire de l’IA un objet de pensée autant qu’un outil. Une université qui exige des preuves de raisonnement, qui apprend à discuter les biais et qui organise des usages transparents prépare mieux ses étudiants à un monde façonné par ces technologies. Elle transforme une crainte légitime en occasion de renforcer ce qui fait la valeur d’une formation supérieure : l’autonomie intellectuelle, la rigueur et la capacité à exercer son jugement.