IA à l’université : pourquoi les étudiants contestent les règles des enseignants

L’intelligence artificielle générative bouleverse les devoirs, les examens et la préparation des cours à l’université. Mais elle met aussi à l’épreuve une condition essentielle de la relation pédagogique : la confiance. Lorsqu’un étudiant se voit interdire ChatGPT alors qu’il découvre que son enseignant s’en sert pour préparer son enseignement, l’impression de deux poids, deux mesures peut rapidement s’installer.

Le cas d’Ella Stapleton, étudiante en dernière année d’un cursus de gestion à l’université Northeastern de Boston, a rendu cette tension particulièrement visible. Son reproche ne vise pas seulement un outil numérique. Il interroge ce que les établissements doivent aux étudiants : des règles cohérentes, une information honnête sur les méthodes employées et une formation adaptée à un monde où l’IA est désormais accessible en quelques secondes.

À Northeastern, une demande de remboursement qui cristallise le malaise

Ella Stapleton s’est tournée vers le New York Times pour raconter son indignation. Elle reprochait à un enseignant d’avoir utilisé ChatGPT dans la préparation de ses cours tout en interdisant aux étudiants d’y recourir. Elle a demandé le remboursement de 8 000 dollars de frais de scolarité.

Sa formule résume le sentiment d’injustice exprimé par de nombreux étudiants face à ce type de situation : « Il nous interdit de l’utiliser, puis il s’en sert lui-même. » L’affaire a suscité de nombreuses réactions sur les réseaux sociaux, où d’autres étudiants ont reconnu une contradiction qu’ils observent aussi dans leur établissement.

Le désaccord ne signifie pas nécessairement que tous les usages de l’IA par les enseignants seraient équivalents à ceux des étudiants. La finalité n’est pas la même : un devoir est souvent conçu pour mesurer l’acquisition de connaissances ou de méthodes par une personne, tandis que la préparation d’un cours relève du travail de conception pédagogique. Mais cette différence ne suffit pas à évacuer le problème. Si un outil est jugé assez peu fiable, ou assez préjudiciable à l’apprentissage, pour être entièrement proscrit chez les étudiants, son emploi par l’enseignant mérite au minimum une explication.

Pourquoi la même IA ne pose pas exactement le même problème selon l’usage

Comparer directement le travail d’un enseignant à celui d’un étudiant peut être trompeur. L’enseignant a la responsabilité de construire une séance, de sélectionner des ressources, d’expliquer des notions et de corriger des informations. L’étudiant, lui, doit généralement démontrer ce qu’il a compris, ce qu’il sait rédiger, calculer, argumenter ou programmer.

Dans ce cadre, demander à une IA de rédiger intégralement un devoir remis comme un travail personnel peut fausser l’évaluation. L’enseignant ne peut plus savoir avec certitude quelles compétences ont été mobilisées par l’étudiant. À l’inverse, un professeur peut utiliser un assistant conversationnel pour chercher des pistes de formulation, produire une première trame de questions, adapter un exercice ou préparer un support, à condition de contrôler réellement le résultat.

Cette distinction comporte toutefois une limite majeure : un texte généré par une IA peut contenir des erreurs plausibles, des références inexistantes, des simplifications trompeuses ou des biais. Une réponse fluide n’est pas une garantie de justesse. Si un contenu non vérifié se retrouve dans un cours, l’impact concerne tous les étudiants qui le suivent.

La question n’est donc pas de savoir si l’enseignant devrait s’imposer exactement les mêmes contraintes que l’étudiant. Elle est de déterminer quelles obligations sont communes. La première est la transparence. La deuxième est la vérification. La troisième est la cohérence entre les objectifs d’un cours, les modalités d’évaluation et les outils réellement admis.

Près d’un enseignant du supérieur sur deux utilise l’IA chaque semaine

Le cas de Northeastern ne surgit pas dans un vide technologique. Selon un rapport de Frédéric Pascal et François Taddei, 49 % des enseignants du supérieur intègrent l’intelligence artificielle dans leur pédagogie de manière hebdomadaire. Ce chiffre ne signifie pas que près d’un enseignant sur deux confie la rédaction de tous ses cours à un agent conversationnel. Il témoigne en revanche d’une présence durable de ces outils dans les pratiques académiques.

L’expression « intégrer l’IA dans sa pédagogie » peut recouvrir des réalités très différentes. Elle peut renvoyer à la préparation de contenus, à la création d’exercices, à l’adaptation d’un document, à la conception d’activités d’apprentissage ou à l’explication directe aux étudiants du fonctionnement et des limites de ces systèmes.

Cette diversité des usages explique pourquoi une interdiction générale est souvent difficile à tenir. L’IA générative est à la fois un outil de production de texte, un interlocuteur de simulation, une aide à la reformulation et, parfois, un moyen d’obtenir une réponse sans avoir effectué le travail demandé. Les institutions doivent donc sortir du choix binaire entre permission totale et bannissement complet.

Des étudiants qui réclament surtout des règles lisibles

Les réactions suscitées par le témoignage d’Ella Stapleton traduisent une revendication plus large : les étudiants ne souhaitent pas être écartés des décisions qui modifient concrètement leur manière d’apprendre et d’être évalués. Une règle annoncée au début d’un semestre, puis appliquée de façon différente selon les enseignants ou les exercices, nourrit inévitablement la défiance.

Pour les étudiants, l’enjeu est aussi matériel. Les frais d’inscription peuvent être élevés, comme l’illustre la demande de remboursement de 8 000 dollars formulée par Ella Stapleton. Lorsqu’ils paient pour suivre des cours dispensés par une institution et par ses enseignants, certains peuvent estimer avoir droit à connaître la place exacte prise par les outils automatisés dans la fabrication des contenus pédagogiques.

Les règles les plus utiles répondent de manière concrète à des questions simples :

• l’IA est-elle autorisée pour chercher des idées, corriger une formulation ou traduire un passage ?
• est-elle interdite pour un examen, un mémoire, un devoir à la maison ou seulement pour certaines étapes ?
• faut-il signaler son usage, et sous quelle forme ?
• comment l’enseignant vérifie-t-il les informations produites avec une IA ?
• quels outils l’établissement met-il à disposition afin d’éviter que l’accès dépende des moyens de chacun ?

Ces précisions protègent également les enseignants. Elles évitent que toute utilisation de l’IA soit assimilée à un renoncement à leur expertise, alors que l’outil peut être employé comme point de départ, puis profondément retravaillé. Ce qui importe est de ne pas laisser croire qu’un résultat généré automatiquement aurait été conçu, vérifié et assumé de la même manière qu’un contenu élaboré sans assistance.

Transparence : ce que les enseignants peuvent expliquer à leur classe

La transparence ne suppose pas de détailler chaque requête adressée à une IA. Elle consiste plutôt à indiquer clairement l’existence de l’outil, sa fonction et les précautions prises. Une phrase dans le plan de cours, une discussion en début de semestre ou une rubrique dédiée dans les consignes peuvent déjà réduire fortement les malentendus.

Un enseignant peut, par exemple, préciser qu’une IA a été utilisée pour générer des propositions d’exercices, mais que les énoncés et leurs réponses ont été vérifiés avant diffusion. Il peut également expliquer que les travaux des étudiants seront évalués sur leur raisonnement, leur capacité à justifier leurs choix et leur maîtrise des sources, plutôt que sur la seule fluidité d’un texte final.

Cette démarche a une portée pédagogique. Elle montre que l’IA n’est ni une autorité infaillible ni un simple raccourci à cacher. Elle devient un objet d’analyse : que vaut sa réponse ? Quels éléments faut-il contrôler ? Quels biais peut-elle reproduire ? Quelles données ne faut-il pas lui transmettre ?

La prudence est particulièrement importante lorsque les cours ou les travaux contiennent des informations personnelles, des documents non publics ou des données sensibles. Les étudiants comme les enseignants doivent savoir qu’un service d’IA peut avoir ses propres conditions d’utilisation et de traitement des données. La facilité d’usage ne dispense pas d’une réflexion sur la confidentialité.

Évaluer les compétences plutôt que traquer uniquement les outils

L’essor de l’IA oblige aussi les universités à revoir certaines méthodes d’évaluation. Un devoir réalisé à domicile, évalué uniquement sur la qualité apparente de sa rédaction, est plus difficile à interpréter lorsque des assistants capables de produire un texte structuré sont largement disponibles.

Cela ne condamne pas le travail écrit. Mais il peut être complété par d’autres formes d’évaluation : présentation orale, discussion sur les choix effectués, journal de recherche, analyse critique d’une réponse générée par IA, exercice réalisé en temps limité ou production progressive avec retours de l’enseignant. L’objectif est de rendre visible le cheminement intellectuel, pas seulement le résultat final.

Une approche pédagogique cohérente peut aussi faire de l’IA un support d’apprentissage. Demander à un étudiant d’identifier les erreurs d’une réponse générée, de comparer plusieurs formulations ou de vérifier une affirmation peut développer l’esprit critique. À l’inverse, une interdiction sans explication risque de laisser les étudiants seuls face à un outil qu’ils utiliseront probablement dans d’autres contextes universitaires ou professionnels.

L’enjeu n’est pas de normaliser tous les usages. Certaines activités doivent rester sans IA pour vérifier une compétence individuelle. D’autres peuvent intégrer l’outil de manière encadrée. La valeur d’une règle tient alors à son adéquation avec l’objectif précis de l’exercice.

Ce qu’il faut surveiller dans les établissements

L’affaire révélée à Northeastern rappelle que l’université ne peut pas traiter l’IA comme une simple question disciplinaire. Les règles d’usage touchent au rapport de confiance entre enseignants et étudiants, à l’équité des évaluations, à la qualité des savoirs transmis et à la place de l’esprit critique dans la formation.

Les établissements qui parviendront à réduire les tensions seront probablement ceux qui associeront étudiants, enseignants et responsables pédagogiques à l’élaboration de leurs politiques. Une charte ne doit pas être un document abstrait : elle doit donner des exemples, évoluer avec les pratiques et être appliquée de façon compréhensible.

Le débat ne se résume donc pas à « pour ou contre ChatGPT ». Il porte sur une exigence plus durable : à l’ère des IA génératives, chacun doit savoir quels outils sont utilisés, dans quel but, avec quelles limites et sous quelle responsabilité.