L'intelligence artificielle à l'université : le fossé se creuse entre enseigner et apprendre

Ce qui se passe réellement avec l'intelligence artificielle à l'université ressemble moins à un tremblement de terre qu'à une radiographie. Les modèles de langage produisent, pour un coût quasi nul, exactement ce que l'institution récompensait depuis des décennies : une prose académique fluide et vraisemblable, sans garantie qu'il y ait de la compréhension derrière. C'est pourquoi ils rendent visible une crise entre enseigner et apprendre qui était déjà là. Le débat public se partage entre ceux qui annoncent que l'IA a « cassé » l'université, ceux qui organisent la résistance et ceux qui vendent le salut. Les trois camps discutent de l'outil. Presque jamais de la relation.

La machine comme interprète

Je commence par une donnée qui passe généralement inaperçue. L'enquête britannique de HEPI et Kortext publiée en mars 2026 a été menée en décembre 2025 auprès de 1 054 étudiants de licence à temps plein. Selon elle, 95 % utilisent l'IA sous une forme ou une autre et 94 % l'ont utilisée pour des travaux notés, contre 53 % en 2024. Les gros titres se sont arrêtés là : presque tous « trichent ». Mais l'usage le plus répandu pour ces travaux n'est pas de coller du texte généré : selon la figure 4 du rapport, seuls 12 % reconnaissent l'avoir fait, contre 3 % en 2024. Le plus répandu, à 61 %, consiste à demander à la machine d'expliquer des concepts ; selon les termes mêmes du rapport, près des deux tiers des étudiants utilisent l'IA pour se faire expliquer des concepts.

Les modèles de langage produisent, pour un coût quasi nul, exactement ce que l'institution récompensait depuis des décennies : une prose académique fluide et vraisemblable, sans garantie qu'il y ait de la compréhension derrière.

Il faut lire ce chiffre avec calme, car il s'agit d'auto-déclarations, dans un seul pays et sur un échantillon de licence. Il dit pourtant quelque chose qu'aucune panique morale n'a voulu entendre. Une majorité d'étudiants utilise l'IA comme interprète de ce qu'ils n'ont pas compris en cours, dans les lectures ou dans l'énoncé. Les rapports des entreprises elles-mêmes, qui sont des sources intéressées et doivent être lus comme tels, vont dans le même sens. Le premier rapport sur l'éducation d'Anthropic a analysé des conversations d'étudiants avec Claude en avril 2025. Il a constaté que 39,3 % portaient sur la création ou l'amélioration de contenus pédagogiques et qu'une grande partie du reste consistait à demander des explications techniques.

En 1965, Pierre Bourdieu, Jean-Claude Passeron et Monique de Saint Martin publiaient Rapport pédagogique et communication, traduit en anglais sous le titre Academic Discourse: Linguistic Misunderstanding and Professorial Power. À l'aide de tests de vocabulaire soumis à des étudiants français, ils ont mesuré ce qu'ils comprenaient de la langue dans laquelle on leur enseignait. La compréhension s'est révélée très imparfaite et liée à l'origine sociale, alors que les enseignants la tenaient pour acquise ; les étudiants, de leur côté, apprenaient vite à cultiver une illusion de compréhension fondée sur la familiarité avec les mots. La conclusion du livre est dérangeante : la relation pédagogique repose sur un malentendu linguistique et sur la fiction partagée que ce malentendu n'existe pas. Le professeur fait comme s'il était compris et l'étudiant fait comme s'il comprenait. Chaque illusion sert d'alibi à l'autre, et celui qui maîtrise le registre par héritage familial part avec une longueur d'avance.

Soixante ans plus tard, ce malentendu a trouvé un intermédiaire industriel. Parler de triche ne suffit pas. Ce qui se passe relève plutôt de l'externalisation d'une traduction que la salle de classe n'a jamais entièrement assurée. La question intéressante n'est plus de savoir si la machine explique bien — parfois oui, parfois elle invente —, mais pourquoi il fallait un interprète.

Une crise qui a une date de naissance

La généalogie est plus ancienne que Bourdieu, et elle a l'accent de Córdoba. Le Manifeste liminaire de la Réforme universitaire, daté du 21 juin 1918 et rédigé par Deodoro Roca, décrivait un régime universitaire fondé sur « le droit divin du corps professoral ». Il lui opposait une autre idée de l'autorité, celle qui, dans un foyer d'étudiants, ne s'exerce pas en commandant, « mais en suggérant et en aimant : en enseignant ». Et il laissait une phrase que toute commission qualité devrait avoir affichée au mur : « S'il n'existe pas de lien spirituel entre celui qui enseigne et celui qui apprend, tout enseignement est hostile et par conséquent stérile. » Il ne parlait pas de technologie. Il parlait d'une relation brisée, et du fait que la hiérarchie ne la réparait pas.

Un demi-siècle plus tard, dans Une société sans école (1971), Ivan Illich écrivait que l'école apprend à l'élève à confondre l'enseignement avec l'apprentissage, le passage dans la classe supérieure avec l'éducation, le diplôme avec la compétence et l'aisance verbale avec la capacité de dire quelque chose de neuf (la traduction est de moi). Lu en 2026, ce dernier couple est presque la description technique d'un modèle de langage. Un LLM n'est que fluidité : il produit la surface vraisemblable d'un texte qui aurait compris quelque chose. Si une institution confondait fluidité et capacité, une machine à fluidité bon marché la prive de son alibi.

La confusion entre fluidité et apprentissage a aussi été mesurée. En 2019, une équipe de physique de Harvard dirigée par Louis Deslauriers a comparé, avec des étudiants répartis au hasard, des cours magistraux assurés par des enseignants expérimentés et bien notés à des séances d'apprentissage actif sur les mêmes contenus (PNAS, 2019). Ceux qui travaillaient de façon active ont appris davantage, mais avaient le sentiment d'avoir moins appris que ceux qui assistaient au cours magistral. Les auteurs notent que l'effort cognitif était vécu comme le signe qu'on apprenait moins bien, et qu'un conférencier brillant peut produire un tel sentiment d'apprentissage que les étudiants finissent par le préférer. Bien avant les chatbots, la fluidité fabriquait déjà le sentiment d'apprendre.

Cette lecture n'est pas nouvelle pour moi, et la chronologie compte. En juillet 2020, en pleine pandémie et deux ans avant ChatGPT, j'ai cosigné avec Edgar Iglesias, José Luis Lalueza et Moisès Esteban-Guitart un manifeste dans la Revista Internacional de Educación para la Justicia Social. Dès son titre, il réclamait une éducation critique, intergénérationnelle, durable et communautaire, et appelait à réformer ce qui ne pouvait plus attendre. La pandémie l'a laissé voir pour la première fois, et l'IA le fait de nouveau. La crise n'a pas de date de lancement commercial.

Trois tranchées, un même présupposé

Le discours de la rupture raconte que l'IA a cassé la dissertation, l'évaluation et jusqu'à la pensée. Celui de la résistance répond par des interdictions, des détecteurs, des lettres ouvertes et le retour à l'examen manuscrit. Celui du hype promet un tuteur personnel à chaque étudiant et des licences institutionnelles à la pelle. Les trois semblent ennemis, mais partagent un présupposé : qu'avant l'IA, les devoirs et les examens certifiaient un apprentissage. Si c'était vrai, il y aurait quelque chose à casser, quelque chose à défendre et quelque chose à améliorer. Si ce ne l'était pas, les trois se disputent au sujet d'un original qui n'a jamais tout à fait existé.

Les trois semblent ennemis, mais partagent un présupposé : qu'avant l'IA, les devoirs et les examens certifiaient un apprentissage.

Seymour Papert avait déjà un nom pour cette erreur en 1987, dans « Computer Criticism vs. Technocentric Thinking » (Educational Researcher, 16(1)) : la pensée technocentrique. Elle consiste à se demander ce que l'ordinateur fait à l'apprentissage comme si l'ordinateur était un agent et non une pièce au sein d'une culture. Chaque tranchée a en outre son article fétiche. Les alarmistes citent le preprint du MIT Media Lab Your Brain on ChatGPT, avec 54 participants et sans relecture par les pairs au moment où il est devenu viral, comme s'il s'agissait d'une autopsie de la pensée. Les enthousiastes citent des méta-analyses aux effets positifs sur les performances, souvent bâties sur des études brèves qui mesurent la qualité du produit tant que l'outil reste disponible.

Les études les mieux conçues racontent autre chose. Dans une expérience de terrain menée auprès de lycéens, Bastani et son équipe (PNAS, 2025) ont comparé GPT-4 sans garde-fous à une version conçue comme tuteur, qui donne des pistes plutôt que des réponses. Avec la version sans garde-fous, les performances s'amélioraient pendant l'entraînement et se dégradaient quand on retirait l'outil. Avec la version tutorielle, ce dommage était largement atténué. Une expérience randomisée menée auprès de 117 étudiants, signée par Fan, Gašević et leurs collègues dans le British Journal of Educational Technology (2025), a montré que ceux qui écrivaient avec ChatGPT rendaient de meilleurs textes sans apprendre davantage. Les auteurs lui ont donné un nom qui circule déjà : la « paresse métacognitive ». Dans 421, Tomás Milgron a parcouru cette littérature sous l'angle de la souveraineté cognitive. Ce qui m'intéresse, c'est ce que ces études disent de l'université plutôt que du cerveau. Le facteur décisif n'est pas l'outil mais la conception de la relation entre celui qui enseigne, celui qui apprend et ce qui est évalué. Autrement dit, précisément ce dont les tranchées ne discutent pas.

L'omission se voit mieux depuis la publicité. Avant l'université, j'ai travaillé dans la communication interactive, comme directeur de création mais aussi comme concepteur-rédacteur et comme planneur stratégique, et à l'époque le planning stratégique occupait une place centrale dans le processus de communication. Il ne suffisait pas de définir une audience et de peaufiner un message : il fallait comprendre ce qui se passait dans la vie de ces gens et à quel moment médiatique et technologique on allait leur parler. Avec ce regard, on reconnaît tout de suite la rhétorique de la rupture comme un genre publicitaire plutôt que comme un diagnostic. C'est même du planning bien fait : elle repère une inquiétude d'époque, l'anxiété face à une technologie que presque personne ne comprend vraiment, et la restitue sous forme de récit, avec un avant et un après et, au centre, quelque chose à adopter ou à rejeter. Que l'industrie fasse cela, c'est son métier. Ce qui est curieux, c'est qu'une bonne partie du débat universitaire ait acheté le récit sans se poser la question qui ne manquait jamais en planning. On a discuté de l'outil et du message jusqu'à plus soif ; de ce qui se passe dans la vie de ceux qui étudient, et du moment médiatique et technologique dans lequel cette vie se déroule, beaucoup moins.

Le circuit fermé et le détecteur qui récompense le canon

Si l'on regarde le système dans son ensemble, apparaît quelque chose de plus étrange que la fraude : un circuit fermé. Les étudiants écrivent avec l'IA. Les enseignants conçoivent leurs supports avec l'IA et, parfois, corrigent avec elle. Le rapport d'Anthropic sur l'usage de Claude par les enseignants du supérieur a analysé quelque 74 000 conversations de mai et juin 2025, issues de comptes Free et Pro associés à une adresse électronique de l'enseignement supérieur, et l'a complété par une enquête auprès d'enseignants de la Northeastern University. L'évaluation des performances des étudiants représentait 7 % du total, et dans ces conversations, la tâche était déléguée à la machine de manière automatisée dans 48,9 % des cas. Et ce, alors même que les enseignants interrogés considéraient la correction comme le domaine où l'IA se montrait la moins efficace.

La recherche n'y échappe pas non plus. Une estimation portant sur quatre grands congrès d'IA tenus après l'arrivée de ChatGPT conclut qu'entre 6,5 % et 16,9 % du texte de leurs évaluations par les pairs a pu être substantiellement modifié par un modèle de langage. Une analyse de plus de quinze millions de résumés biomédicaux, publiée dans Science Advances, estime qu'au moins 13,5 % de ceux de 2024 sont passés par l'un d'eux. L'IA automatise une relation qui était déjà automatisée socialement et bureaucratiquement : des grilles d'évaluation que personne ne relit, des commentaires standardisés, une recherche évaluée au volume de publications. Aucune de ces habitudes n'est née en 2022.

La réponse défensive la plus répandue, les détecteurs, ajoute une ironie qui mérite plus d'attention qu'elle n'en reçoit. Dans une étude publiée dans Patterns, Liang et ses collègues (2023) ont soumis 91 rédactions de l'examen TOEFL, écrites par des non-anglophones, à sept détecteurs populaires. En moyenne, 61,22 % ont été étiquetées « générées par IA ». Les rédactions d'élèves américains de quatrième ont été classées presque sans erreur. Le mécanisme est simple : les détecteurs sanctionnent la prose prévisible, au vocabulaire courant et peu variée. Ils pénalisent celui qui écrit hors du registre dominant et absolvent celui qui maîtrise le canon, ou celui qui sait demander à la machine de paraître moins prévisible.

Surveiller par le biais du soupçon linguistique reproduit les hiérarchies de classe, d'origine et de langue maternelle que l'université prétend vouloir corriger.

Ángel Rama a appelé « cité lettrée » le dispositif par lequel les élites latino-américaines ont fait de l'écriture une frontière du pouvoir. Le détecteur en est la version statistique. Surveiller par le biais du soupçon linguistique reproduit les hiérarchies de classe, d'origine et de langue maternelle que l'université prétend vouloir corriger. Pour qui écrit en espagnol, une langue moins représentée que l'anglais dans les données qui servent à entraîner les modèles et les outils chargés de les surveiller, ce n'est pas une anecdote technique. C'est un problème de citoyenneté académique.

Capital symbolique : qui perd de la valeur quand l'aisance d'écriture se brade

Il y a une couche que le débat public préfère ne pas toucher, et je la pose en termes structurels, pas personnels. Dans Homo Academicus (1984), Bourdieu distinguait deux capitaux au sein de l'université. Le capital académique, c'est le pouvoir sur la reproduction du corps enseignant : jurys, commissions, postes. Le capital intellectuel ou scientifique, c'est le prestige acquis par l'œuvre. Il décrivait aussi deux stratégies : la conservation, propre à ceux qui sont déjà consacrés, et la subversion, propre aux nouveaux entrants. Et il parlait d'hystérésis : des dispositions formées dans un état antérieur du champ qui continuent d'opérer quand le champ a déjà changé.

Lue ainsi, une partie de la « résistance » peut se comprendre comme une stratégie de conservation. Celui qui a accumulé son autorité sous le régime de la culture imprimée, avec la maîtrise du registre écrit, l'érudition citable et la dissertation comme preuve de pensée, voit une machine brader précisément cette aisance. Défendre la dissertation telle qu'elle était, c'est aussi défendre la valeur d'un capital. Les recrues plus récentes, davantage connectées à la culture numérique algorithmique, ont souvent le problème inverse. Leur capital en appropriation critique des technologies, en conception d'expériences ou en lecture des plateformes se convertit mal en capital académique reconnu.

Le même échiquier se retrouve, avec des variantes, dans bon nombre de systèmes universitaires. Les effectifs vieillissent et le sommet concentre à la fois l'âge et le pouvoir de décision : en Espagne, par exemple, plus d'un tiers des titulaires d'une chaire dans l'université publique ont soixante ans ou plus. À la base grossit une strate d'enseignants précaires, temporaires ou à temps partiel, qui assure une bonne partie des cours sans intervenir dans les décisions qui les définissent. Et les systèmes d'évaluation des carrières académiques récompensent la publication bien plus que l'enseignement, si bien que réinventer la relation pédagogique rapporte peu dans les barèmes qui décident de qui monte en grade. Je ne dispose pas de données solides croisant les attitudes face à l'IA avec l'âge, le grade ou le type de contrat. Ce que je propose est donc une interprétation théorique, et non un résultat empirique.

Trois nuances empêchent que cela tourne à la guerre des générations. La première : la différence n'est pas une question d'âge. Le mythe des « digital natives » est démonté depuis des années, par exemple par Kirschner et De Bruyckere dans Teaching and Teacher Education (2017). Ce qui compte, c'est la position dans le champ et le type de rapport à la culture numérique, pas la date de naissance. La deuxième : l'ambivalence joue dans les deux sens. Il y a des consacrés qui reconvertissent leur capital à toute vitesse et se présentent comme « experts en IA ». Il y a des nouveaux venus happés par l'économie de la visibilité ou par les plateformes qu'ils prétendent critiquer. La troisième m'inclut. J'écris depuis l'intérieur du champ, dans une position intermédiaire. Pendant plus d'une décennie, j'ai coordonné un cours d'identité numérique devenu aujourd'hui une microcertification, et je sais à quel point il est difficile que ce travail compte dans les mêmes barèmes qu'un article indexé. Il n'y a pas de dehors d'où regarder.

Celui qui a accumulé son autorité sous le régime de la culture imprimée, avec la maîtrise du registre écrit, l'érudition citable et la dissertation comme preuve de pensée, voit une machine brader précisément cette aisance.

J'enseigne dans une université en présentiel et je fais du conseil pour une autre à distance, et ce que je vis dans l'une et dans l'autre n'a pas grand-chose à voir. Dans l'établissement à distance, les alarmes se sont déclenchées plus tôt, et on a traqué plus tôt la triche potentielle des étudiants. Mais on y a aussi évolué plus tôt vers une autre position où, au lieu de traquer, on encourageait à penser au processus plutôt qu'au produit. Je soupçonne que l'explication a peu à voir avec la technologie et beaucoup avec les alibis. Le présentiel en conserve un que la distance n'a jamais eu : l'impression que, s'il y a une salle de classe, il y a apprentissage. Une université qui ne peut pas brandir la salle de classe comme preuve dépend en bonne partie de ce que ses étudiants rendent, et une machine qui fabrique des devoirs vraisemblables la frappe en premier, et en plein cœur. Cette même exposition aux intempéries l'a aussi obligée à se demander plus tôt ce qui compte comme preuve que quelqu'un a appris. C'est peut-être pour ça que, là où l'alibi tient encore debout, on peut encore débattre de la machine plutôt que de la relation.

Les petites lignes de la souveraineté

Reste l'économie politique, qui arrive généralement emballée dans le langage de l'opportunité. Les géants de la tech proposent des licences éducatives dans des contextes d'austérité, et l'efficacité se vend comme de la pédagogie. La régulation européenne avance à un autre rythme. Le Règlement sur l'IA classe à haut risque les systèmes utilisés dans l'éducation pour décider des admissions, évaluer les résultats ou surveiller les examens. Mais le Règlement (UE) 2026/1744, dit omnibus numérique sur l'IA et en vigueur depuis le 27 juillet 2026, a reporté ces obligations du 2 août 2026 au 2 décembre 2027. En attendant, les décisions se prennent dans des contrats de licence que presque personne dans les salles de classe n'a lus. La merdification que Cory Doctorow décrit pour internet trouve ici un terrain fertile. Une université qui ne sait pas quelle relation pédagogique elle veut protéger aura du mal à savoir quelle clause négocier. Comme le soulignent Tomás Balmaceda et Tobias J. Schleider dans leur analyse du philowashing, débattre de la façon dont un système doit se comporter ne répond pas à la question préalable : quelles décisions convient-il de lui confier ?

C'est pourquoi la question de la souveraineté cognitive, que Juan Ruocco a formulée dans 421 comme la capacité d'une personne, d'une communauté ou d'une nation à maîtriser son propre savoir, son attention et ses décisions, ne se règle pas à l'intérieur de chaque tête. Elle se joue aussi dans des institutions qui décident de ce qui compte comme savoir, de ce qui compte comme triche, et de qui a le dernier mot sur les deux. L'expérience du Black Mountain College rappelle que des universités ont tenté une autre relation entre celui qui enseigne et celui qui apprend. Les débats entre doomers et hypés rappellent que la question de l'IA est presque toujours une question sur nous.

Il reste une ironie finale que je ne veux pas gâcher. Cet article sera traduit en anglais par une IA, puis relu par une personne. Si la traduction est fluide, personne ne saura si le texte a été compris en chemin. C'est exactement ce qui se passe, chaque semaine, avec des milliers de devoirs déposés sur une plateforme d'évaluation. La différence, c'est qu'ici, on le dit.

Il y a plus d'un siècle, les étudiants de Córdoba réclamaient un lien entre celui qui enseigne et celui qui apprend. La machine ne l'a pas brisé : elle l'a trouvé tissé de malentendus polis et l'a transformé en service. Reste à savoir ce que nous ferons quand nous ne pourrons plus faire semblant de nous comprendre.