L’assistant IA a fait monter la note. Puis est venu l’examen.

Résumé d’un article paru en anglais dans Techstrong AI le 19 octobre 2026. Lire l’article complet.

Une étude randomisée menée auprès de près de mille lycéens en mathématiques a montré que ceux qui travaillaient avec un assistant fondé sur GPT-4 obtenaient 48 % de mieux aux exercices d’entraînement. Lors d’un examen ultérieur, sans l’outil, ils ont fait 17 % de moins que le groupe témoin. Un second outil, bâti sur le même modèle mais conçu pour donner des indices plutôt que des réponses, n’a laissé aucun écart mesurable à l’examen. L’étude, publiée dans PNAS en 2025, a été menée dans un seul lycée en Turquie, et l’examen suivait l’entraînement dans la même séance : elle ne dit donc rien de la rétention à long terme. Le Digital Education Outlook 2026 de l’OCDE trace la même ligne entre performance sur la tâche et apprentissage durable.

La note survit au devoir

Plus de la moitié des adolescents américains disent utiliser des chatbots pour leurs devoirs. Le débat public demande si l’élève a utilisé l’IA. Les enseignants demandent autre chose : si l’élève sait défendre son travail. Deux solutions justes peuvent cacher des compréhensions très différentes, et changer une condition du problème révèle quel élève possède la méthode. Un devoir enregistre une performance dans des conditions précises ; la note est ensuite lue comme la preuve d’une capacité durable. L’IA rend cet écart visible. Demander à l’élève, après la remise, de reconstruire seul l’étape clé sous une hypothèse modifiée apporte une preuve que le travail fini ne peut pas fournir.

L’examinateur passe aussi l’examen

Le devoir d’expliquer vaut dans les deux sens. Un enseignant peut rejeter une réponse pour une inférence fautive ; la rejeter seulement parce qu’elle s’écarte de ce qui a été enseigné relève de l’autorité, non du jugement. L’accord ne prouve pas la compréhension, et le désaccord ne prouve pas la lucidité. La correction automatisée rend cela plus difficile à voir, car une note précise ne s’explique pas d’elle-même. Pour les évaluations à fort enjeu, l’élève devrait pouvoir voir comment la grille a été appliquée et contester les erreurs ; l’AI Act européen classe déjà à haut risque les systèmes qui évaluent les acquis d’apprentissage. Expliquer une note contestée devrait figurer parmi les exigences centrales d’un produit.

L’enseignant dans la machine

Le tuteur à indices n’a causé aucun tort parce que des enseignants y avaient mis leur savoir : des solutions rédigées, des indices pour les erreurs courantes. Le Plan Ceibal, en Uruguay, qui avait remis dès 2009 un ordinateur portable gratuit à chaque élève du primaire public, a fait de l’accès un engagement public. À mesure que l’IA entre dans de tels engagements, les élèves ont besoin de confidentialité et de la liberté de changer de fournisseur sans perdre la maîtrise de leur travail. Un tuteur a rempli sa tâche quand l’élève n’en a plus besoin.

La machine peut fournir la réponse. L’élève répond du raisonnement ; l’école, de la note.