L’intelligence artificielle générative nous fait-elle mieux apprendre, ou nous habitue-t-elle surtout à obtenir plus vite une réponse ?
Depuis l’arrivée de ChatGPT, le débat oscille souvent entre deux positions opposées. D’un côté, l’IA serait un professeur particulier disponible en permanence, capable d’expliquer un concept autant de fois que nécessaire. De l’autre, elle risquerait de nous rendre intellectuellement paresseux en faisant à notre place une partie du travail qui permet justement d’apprendre.
Les premières études sérieuses invitent à sortir de cette opposition. Leur message est plus intéressant : l’IA peut améliorer l’apprentissage, mais elle peut aussi le dégrader. Tout dépend de ce qu’on lui délègue et de la manière dont l’interaction est conçue.
Réussir une tâche n’est pas forcément apprendre
C’est probablement la distinction la plus importante.
Avec une IA à ses côtés, une personne peut résoudre plus rapidement un exercice, structurer un texte, trouver une explication ou produire une réponse de meilleure qualité. Mais cette amélioration de la performance immédiate ne garantit pas que les connaissances ou les compétences seront encore disponibles lorsque l’outil disparaît.
Une étude publiée en 2025 dans les Proceedings of the National Academy of Sciences l’illustre particulièrement bien. Près de 1 000 lycéens ont utilisé, pendant des exercices de mathématiques, soit une interface proche d’un chatbot généraliste, soit un tuteur IA conçu avec des garde-fous pédagogiques.
Pendant les exercices, les deux systèmes amélioraient fortement les résultats. Pourtant, lorsque les élèves devaient ensuite travailler sans IA, ceux qui avaient utilisé la version la plus libre obtenaient des résultats inférieurs au groupe qui n’avait jamais eu accès à l’outil. Le tuteur conçu pour guider l’élève sans simplement lui fournir la solution réduisait largement cet effet négatif.
Autrement dit : l’IA pouvait augmenter la performance pendant qu’elle était présente, tout en réduisant l’apprentissage réel lorsqu’elle était utilisée comme béquille.
Cette distinction entre performance assistée et compétence acquise devrait devenir un réflexe. Une réponse correcte obtenue avec un outil ne dit pas encore ce que nous avons compris.
Quand l’IA se comporte comme un tuteur, les résultats peuvent être très bons
Toutes les études ne concluent pas à un effet négatif, loin de là.
À Harvard, une expérimentation publiée en 2025 dans Scientific Reports a comparé un enseignement actif en classe à un tuteur IA spécifiquement conçu à partir de principes pédagogiques : progression structurée, feedback immédiat, adaptation au rythme de l’étudiant et encouragement à participer activement.
Les étudiants utilisant ce tuteur ont obtenu des gains d’apprentissage supérieurs tout en consacrant, en moyenne, moins de temps à la séance. Ils déclaraient également davantage d’engagement et de motivation.
Mais ce résultat ne signifie pas que « ChatGPT est meilleur qu’un professeur ». Le système étudié n’était précisément pas un chatbot laissé libre de répondre à toutes les demandes. Il avait été construit pour faire apprendre.
La différence est fondamentale. Un assistant généraliste cherche généralement à être utile et à répondre efficacement. Un bon tuteur, humain ou artificiel, doit parfois faire l’inverse : ne pas donner immédiatement la solution, poser une question, demander une justification, signaler une incohérence ou faire reformuler.
L’efficacité éducative de l’IA dépend donc autant de son design pédagogique que de la puissance du modèle utilisé.
Expliquer avec l’IA semble plus utile que lui faire produire à notre place
Une expérimentation publiée sous forme de préprint en juillet 2026 apporte une nuance supplémentaire.
Des étudiants devaient apprendre un sujet qu’ils ne connaissaient pas, puis rédiger un texte analytique avec ou sans IA. Ils étaient ensuite évalués sans assistance, immédiatement puis une semaine plus tard.
L’accès à l’IA a amélioré les résultats aux tests de connaissances, et une partie de ce gain persistait une semaine plus tard. Surtout, les chercheurs distinguent deux comportements.
Certains participants utilisaient principalement l’IA pour comprendre : demander des explications, clarifier des notions, explorer le sujet. D’autres s’en servaient davantage pour automatiser la production, notamment en lui faisant générer du texte.
Les bénéfices durables étaient plus importants chez les premiers. Chez les utilisateurs qui déléguaient davantage la production, une partie des gains observés pendant l’utilisation de l’IA disparaissait lorsque l’outil n’était plus disponible.
Cette distinction me paraît particulièrement utile pour un usage quotidien :
- demander à l’IA de m’expliquer un concept mobilise encore mon propre raisonnement ;
- lui demander de critiquer une réponse que j’ai déjà produite conserve une activité intellectuelle ;
- lui demander directement de produire la réponse finale peut, au contraire, supprimer une partie de l’effort qui aurait permis l’apprentissage.
Le problème n’est donc pas seulement combien nous utilisons l’IA, mais à quel moment du raisonnement nous la faisons intervenir.
Les restrictions ne sont pas toujours la solution
On pourrait en déduire qu’il suffit de limiter fortement l’accès à l’IA. Les résultats disponibles sont pourtant moins simples.
Une autre expérience randomisée menée auprès de 334 étudiants universitaires et publiée fin 2025 sous forme de discussion paper montre qu’un tuteur IA a amélioré les performances à un examen. Plus surprenant : l’accès libre au tuteur a obtenu de meilleurs résultats qu’un accès imposant d’abord une phase de lecture autonome.
Les auteurs observent que les étudiants ayant un accès continu semblent intégrer progressivement l’outil dans leur travail, alors qu’une restriction artificielle peut conduire à des périodes de sollicitations plus intenses et moins fluides.
Cela ne prouve évidemment pas que toutes les restrictions sont inutiles. Cela rappelle plutôt que la qualité de l’usage ne se décrète pas uniquement en fixant une durée ou une interdiction. Les compétences d’autorégulation de l’apprenant comptent également.
Le signal d’alerte : aller plus vite peut aussi signifier moins apprendre
En mai 2026, une étude encore au stade de préprint a analysé plusieurs millions d’interactions réalisées sur la plateforme d’apprentissage des mathématiques ALEKS sur une période de dix ans.
Après la diffusion de ChatGPT, le temps consacré par les étudiants aux problèmes facilement transférables dans un chatbot — notamment certains problèmes textuels — a fortement diminué par rapport à des exercices graphiques plus difficiles à déléguer à une IA. Les auteurs observent également une baisse de la rétention lors d’évaluations surveillées.
L’étude est intéressante par son échelle, mais elle demande de la prudence : il ne s’agit pas d’une expérience où les chercheurs observent directement chaque usage de ChatGPT. Leur méthode repose sur la différence entre des exercices plus ou moins faciles à déléguer à une IA et sur l’évolution des comportements avant et après son apparition.
Elle ne permet donc pas d’affirmer que chaque minute gagnée grâce à l’IA dégrade l’apprentissage. Elle renforce néanmoins une question centrale : quand nous réduisons fortement l’effort nécessaire pour résoudre un problème, économisons-nous du temps ou supprimons-nous une partie de l’apprentissage ?
Les deux peuvent être vrais selon la tâche.
Et l’étude du MIT sur le « cerveau sous ChatGPT » ?
En 2025, une étude du MIT Media Lab a beaucoup circulé dans les médias et sur les réseaux sociaux. Des participants devaient rédiger des essais avec ChatGPT, avec un moteur de recherche ou sans outil. Les chercheurs ont notamment mesuré leur activité cérébrale par électroencéphalographie.
Le groupe utilisant le modèle de langage présentait une connectivité cérébrale plus faible pendant la tâche, une moindre capacité à citer ensuite son propre texte et un sentiment de propriété plus faible sur ce qui avait été produit. Les auteurs ont utilisé l’expression de « dette cognitive » pour décrire le risque d’un effort intellectuel repoussé ou délégué.
Ces résultats sont intéressants, mais ils ont souvent été transformés en slogans beaucoup trop définitifs : « l’IA éteint le cerveau », « ChatGPT nous rend stupides », etc.
Ce n’est pas ce que permet de conclure cette étude.
Elle portait sur 54 participants pour les premières sessions, avec seulement 18 personnes lors de la dernière phase croisée, et elle était publiée sous forme de préprint. Un commentaire scientifique ultérieur a par ailleurs soulevé plusieurs questions sur la taille de l’échantillon, la reproductibilité, certaines analyses EEG et la manière de rapporter les résultats.
Il faut donc la considérer comme un signal de recherche à approfondir, pas comme une preuve définitive d’un déclin cognitif provoqué par l’IA.
Cette prudence est d’ailleurs un bon exercice d’esprit critique : une étude spectaculaire ne devient pas plus solide parce qu’elle confirme ce que nous avions envie de croire.
Ce que les résultats permettent déjà de dire
Nous manquons encore de recul pour mesurer les effets de plusieurs années d’usage intensif de l’IA générative. Les outils évoluent rapidement, tout comme les pratiques.
Mais plusieurs enseignements commencent à se rejoindre.
1. L’IA peut réellement aider à apprendre. Les résultats positifs des tuteurs structurés sont difficiles à ignorer. Feedback immédiat, disponibilité, personnalisation et possibilité de reformuler une explication constituent de vrais avantages.
2. L’IA peut aussi court-circuiter l’apprentissage. Lorsque l’objectif devient uniquement d’obtenir la bonne réponse ou le bon texte, elle peut supprimer l’effort cognitif que l’exercice cherchait précisément à provoquer.
3. Le design de l’interaction est décisif. Une IA qui questionne, donne des indices et demande de justifier n’a pas le même effet qu’une IA qui fournit immédiatement une solution complète.
4. L’utilisateur doit conserver une part du travail intellectuel. Chercher, comparer, reformuler, vérifier, expliquer avec ses propres mots et tester ce que l’on sait sans assistance restent essentiels.
Cette approche rejoint la ligne défendue par l’UNESCO : l’intégration de l’IA dans l’éducation doit rester centrée sur l’humain et être pensée à partir des objectifs d’apprentissage, et non à partir de la seule disponibilité de la technologie.
Ma règle simple : utiliser l’IA pour augmenter l’effort utile, pas pour le supprimer
L’IA est particulièrement intéressante lorsqu’elle enlève une friction sans enlever le raisonnement.
Je peux lui demander de me proposer un exemple différent lorsque je ne comprends pas. Je peux lui demander de m’interroger, de jouer l’avocat du diable, de repérer une faiblesse dans mon raisonnement ou de m’aider à comparer plusieurs explications. Je peux aussi lui demander un feedback sur une production que j’ai d’abord construite moi-même.
En revanche, si je lui délègue systématiquement la formulation du problème, le raisonnement et la réponse finale, je gagne probablement du temps — mais je ne sais plus très bien quelle compétence est en train de progresser : la mienne ou celle de l’outil.
C’est peut-être là que se situe le vrai enjeu de l’IA pour l’apprentissage.
La question n’est pas seulement : « Est-ce que l’IA peut faire cette tâche ? »
La question devrait aussi devenir : « Quelle partie de cette tâche dois-je continuer à faire moi-même pour apprendre ? »