L’intelligence artificielle peut stimuler la curiosité, personnaliser des exercices et offrir un accès immédiat à de nombreuses ressources. Cependant, elle peut aussi créer une illusion de compréhension et distraire les élèves des efforts nécessaires à l’acquisition des connaissances. Selon Julia Chatain, professeure à UniDistance Suisse, il ne s’agit pas d’interdire l’IA ni de l’adopter sans réserve, mais d’apprendre à l’utiliser avec discernement.
Propos recueillis par Mélina Neuhaus
L’intelligence artificielle nous aide-t-elle réellement à apprendre ?
Julia Chatain: Elle offre de nombreuses possibilités. Dans les sciences de l’apprentissage, il est établi depuis longtemps que l’engagement actif des apprenants est essentiel. Le modèle où le professeur dispense un cours pendant que les étudiants écoutent passivement n’est pas toujours efficace. L’IA permet de satisfaire sa curiosité. Lorsqu’un étudiant s’interroge sur un sujet, il peut obtenir rapidement une première réponse, approfondir un point et poursuivre son exploration. Elle offre aussi des possibilités de personnalisation. En mathématiques, par exemple, un exercice peut être conçu autour du football pour un amateur de sport, ou de la littérature pour un passionné de livres.
Cependant, il existe aussi des risques. L’IA commet des erreurs et il faut déjà posséder certaines connaissances pour les repérer. Un expert peut détecter une incohérence dans son domaine, alors qu’un novice risque d’apprendre des informations erronées.
Un autre risque est l’usage passif. L’IA fournit des réponses fluides, bien rédigées et convaincantes. L’étudiant peut alors croire avoir compris, sans réel apprentissage. Lorsqu’il doit ensuite résoudre un problème similaire de façon autonome, il ne sait pas toujours comment s’y prendre.
L’effort et l’erreur restent-ils indispensables ?
Apprendre implique d’essayer, de se tromper, d’identifier ses incompréhensions, puis de corriger son raisonnement. L’erreur n’est pas inutile : elle permet de prendre conscience de ses lacunes. Dans mes cours, je demande souvent aux étudiants d’essayer d’abord de résoudre un problème par eux-mêmes avant d’utiliser l’IA. Un exercice peut sembler simple, mais ils réalisent parfois qu’ils ne savent pas vraiment le résoudre. Lorsqu’ils découvrent ensuite la solution, ils sont plus attentifs, car ils ont identifié précisément ce qui leur est difficile à comprendre. Le risque survient lorsque l’IA intervient trop tôt et supprime la confrontation avec la difficulté. Elle peut alors priver l’étudiant de l’occasion de chercher, de réfléchir et de construire sa propre compréhension.
Quelles compétences deviennent les plus importantes à l’ère de l’IA ?
La pensée critique est essentielle et s’exerce à trois niveaux. Le premier niveau concerne la formulation de la demande. Avant d’évaluer une réponse, il faut savoir définir un problème, sélectionner les informations pertinentes et formuler une question précise, en évitant les biais. Le deuxième niveau porte sur la réponse elle-même: est-elle correcte, plausible, nuancée et adaptée au domaine concerné ? Le troisième niveau consiste à adopter un regard critique sur sa propre utilisation de l’IA. Pourquoi l’utiliser à ce moment précis ? Aide-t-elle réellement à apprendre ? Si elle fait gagner du temps, ce raccourci empêche-t-il d’acquérir une compétence nécessaire à l’avenir ? Il est donc urgent d’apprendre aux étudiants à apprendre. Ils doivent comprendre comment se construisent les connaissances et être capables d’évaluer les conséquences de leurs choix.
Les fondamentaux ont-ils encore de la valeur lorsque l’IA sait déjà écrire ou calculer ?
Absolument. Le fait qu’un outil puisse accomplir une tâche ne dispense pas de comprendre ses principes. Pour évaluer les productions de l’IA, il faut maîtriser les concepts sous-jacents. Sans connaissances fondamentales, il est impossible de distinguer une réponse correcte d’une réponse erronée ou approximative. Cela varie aussi beaucoup selon les disciplines. En mathématiques, certaines règles permettent de vérifier un résultat. En psychologie, en revanche, les termes utilisés sont extrêmement précis et reposent parfois sur plusieurs décennies de recherche. Remplacer un concept par un synonyme apparemment proche peut en modifier profondément le sens scientifique. Il est donc essentiel de continuer à enseigner l’écriture, le raisonnement et la structuration de la pensée. Ce sont ces compétences qui permettent de maîtriser l’outil, plutôt que d’en dépendre.
Pour quels usages l’IA est-elle aujourd’hui réellement utile ?
L’utilité de l’IA varie selon les domaines. Elle est particulièrement utile pour aborder un nouveau sujet, identifier les mots-clés importants et trouver des pistes de recherche ou des sources. L’IA peut aussi intervenir à la fin d’un travail. Une fois le raisonnement développé, l’étudiant peut demander à l’IA un retour critique, l’identification de faiblesses ou une aide pour préciser sa pensée. Je reste toutefois très prudente concernant les résumés dans les domaines spécialisés. Lorsque je teste l’IA sur des sujets que je maîtrise, certains résumés contredisent parfois l’état de la recherche. Pour un novice, ces erreurs sont très difficiles à détecter. La rédaction complète d’un rapport soulève aussi des questions. En mathématiques, l’IA peut formaliser efficacement un résultat déjà établi. Dans d’autres disciplines, la précision du vocabulaire ou la singularité de l’auteur est essentielle. L’IA adopte souvent un ton générique, qui peut effacer l’identité et la pensée de l’auteur.
Les examens et les travaux écrits sont-ils encore adaptés ?
L’IA met surtout en évidence un problème déjà existant : nos systèmes d’évaluation mesurent souvent le résultat final, mais pas suffisamment le processus qui y conduit.
Il ne suffit plus de constater qu’un étudiant a produit un bon document ou trouvé la bonne réponse. Il faut comprendre comment il est parvenu à ce résultat et vérifier qu’il maîtrise réellement le raisonnement. Les défenses orales peuvent constituer une piste, mais elles sont difficiles à organiser à grande échelle. Certaines disciplines recourent à des évaluations manuscrites. D’autres explorent des formes de contrôle plus continues. Il serait aussi possible d’évaluer la progression de l’étudiant dans son utilisation de l’IA. Pose-t-il des questions de plus en plus précises ? Apprend-il à mieux définir un problème ? Développe-t-il un regard critique sur les réponses obtenues ? Ces éléments permettent d’observer plus finement son parcours. Cela nécessite toutefois la mise en place de cadres juridiques, éthiques et organisationnels adaptés. Cependant, ces processus institutionnels avancent plus lentement que les technologies.
La principale inquiétude des établissements demeure la triche. Est-ce également celle des étudiants ?
Les étudiants s’interrogent également. S’ils suivent une formation, c’est généralement parce qu’ils souhaitent apprendre et se préparer à leur avenir professionnel. Certains choisissent de ne jamais utiliser l’IA, ce qui n’est pas toujours la meilleure solution. D’autres en font un usage excessif. Nos échanges montrent que cet usage n’est pas uniquement lié à un manque de compétences, mais aussi au manque de temps, à un déficit de confiance en soi, au stress ou à la peur de l’échec. La dimension émotionnelle est essentielle. Une personne peut savoir que l’IA ne l’aide pas à apprendre, mais y recourir malgré tout en raison d’une échéance proche ou de la crainte de l’échec. Il est donc important d’associer les étudiants aux discussions sur l’IA et d’écouter leurs préoccupations. Ils ne s’interrogent pas seulement sur le droit d’utiliser ces outils, mais aussi sur la réalité de leur apprentissage et la pertinence future des compétences acquises.
Comment UniDistance Suisse encadre-t-elle l’utilisation de l’IA ?
Nous définissons différents niveaux d’utilisation selon les cours. L’impact de l’IA varie selon les disciplines et les étapes de l’apprentissage. Dans mon cours sur les fondamentaux des mathématiques, je demande aux étudiants de ne pas utiliser l’IA, car ils doivent maîtriser les bases. Sans ces fondements, ils ne pourront rien construire par la suite. Dans un cours de design, c’est l’inverse: j’encourage l’utilisation maximale de l’IA, puis nous analysons ensemble ses productions, ses qualités et ses limites. Il est essentiel d’expliquer la raison pédagogique de chaque règle. Une interdiction arbitraire fonctionne mal, surtout auprès d’un public adulte. Les étudiants doivent comprendre ce que l’utilisation de l’IA leur apporte, mais aussi ce qu’elle peut leur faire perdre. EDUDL+ à UniDistance Suisse propose aussi des outils transversaux via son unité de soutien à l’apprentissage et à l’enseignement, notamment un MOOC sur l’utilisation de l’IA pour apprendre et des ressources pour l’analyse critique de ses usages. Cependant, un accompagnement général ne suffit pas : utiliser l’IA pour apprendre l’histoire, les mathématiques ou la psychologie requiert des approches différentes.
Qui est responsable du bon usage de l’IA ?
La responsabilité est partagée. Les enseignants doivent connaître les outils de leur domaine. Leur expertise leur permet d’expliquer dans quelles situations l’IA apporte une réelle valeur et dans lesquelles ses réponses sont peu fiables. Ils doivent aussi répondre aux questions des étudiants et les rassurer. Les institutions doivent fournir un cadre, des ressources et un accompagnement. Les étudiants ont également une responsabilité envers leur propre apprentissage. J’utilise souvent l’analogie de l’alimentation. Une institution peut proposer un outil exigeant, conçu pour favoriser l’apprentissage, tandis qu’une plateforme grand public fournit une réponse agréable et immédiate, mais sans effort. C’est comparable au choix entre un plat équilibré et un fast-food. Même en connaissant la meilleure option à long terme, il arrive que l’on choisisse la plus facile. Il est donc nécessaire d’aider les étudiants à comprendre ce mécanisme et à rester maîtres de leur apprentissage.
L’IA risque-t-elle de réduire les interactions humaines ?
C’est un point qui me préoccupe. Depuis l’arrivée de l’IA, j’observe que les étudiants posent moins de questions en cours. Lorsqu’ils hésitent ou sont timides, il leur semble parfois plus facile de s’adresser directement à un outil. Cette possibilité peut les rassurer, mais les échanges entre étudiants sont essentiels à l’apprentissage. Une question posée par un étudiant peut aider toute la classe. Observer l’erreur d’un autre, en discuter et chercher ensemble une solution favorise aussi la compréhension. Il faudra donc veiller à ce que l’intelligence artificielle ne remplace pas toutes les interactions sociales. Apprendre ne consiste pas seulement à obtenir une réponse: la connaissance se construit aussi dans le dialogue, la confrontation des idées et la réflexion collective.
Pourquoi UniDistance Suisse a-t-elle lancé un master en intelligence artificielle ?
Dans un domaine comme l’intelligence artificielle, il est impossible de construire un programme uniquement autour des outils actuels, car ceux-ci évoluent trop rapidement.
Il y a encore quelques années, les grands modèles de langage étaient inconnus du grand public. Ils sont aujourd’hui omniprésents. Former uniquement à un logiciel ou à une technologie précise rendrait donc rapidement le cursus obsolète. L’objectif du master est d’enseigner les fondements mathématiques et informatiques nécessaires à la compréhension, la construction et l’adaptation des systèmes. Les étudiants doivent acquérir un cadre conceptuel solide pour comprendre les futurs outils, quelle que soit leur forme. Les modules liés aux évolutions actuelles seront régulièrement actualisés. Le Master of Science in Artificial Intelligence est proposé entièrement en ligne, à temps partiel, sur six semestres et compte 120 crédits ECTS. Le cursus couvre notamment les mathématiques et l’informatique appliquées à l’IA, le machine learning, le deep learning, les grands modèles de langage, la vision par ordinateur ainsi que les technologies de la parole. Des spécialisations sont proposées en IA agentique, finance et assurance, robotique et systèmes autonomes, ou en interaction humain-machine.
À qui s’adresse cette formation ?
Le public est très diversifié. Les étudiants peuvent venir des mathématiques, de la biologie, de l’informatique ou d’autres disciplines scientifiques. Certains souhaitent se professionnaliser en intelligence artificielle, d’autres veulent surtout comprendre comment intégrer ces technologies à leur métier. L’engouement est déjà très fort. Le nombre d’étudiants dépasse celui des autres parcours de la faculté, au point de devoir renforcer l’équipe d’assistants. Cette demande montre que les professionnels ne veulent plus seulement apprendre à utiliser l’IA. Ils souhaitent comprendre ce qu’elle fait, ce qu’elle ne peut pas faire et comment préserver leur capacité de jugement face à ces outils.
Quel est aujourd’hui le principal défi pour l’enseignement supérieur ?
L’un des premiers défis est de garantir que les examens mesurent toujours les connaissances réelles des étudiants. Il faut aussi préserver la dimension sociale de l’apprentissage et mieux comprendre les raisons qui poussent les étudiants à recourir à l’IA.
En réalité, l’intelligence artificielle a surtout rendu urgents des problèmes déjà existants. Nous savions qu’il fallait rendre les étudiants plus actifs, mieux évaluer leur progression et leur apprendre à apprendre. L’IA nous oblige désormais à progresser plus rapidement sur ces questions. C’est aussi une opportunité. Elle peut nous amener à repenser l’enseignement en profondeur, à condition de ne pas réduire l’apprentissage à un processus purement cognitif. Le stress, le manque de temps, la peur de l’échec ou le manque de confiance jouent aussi un rôle. Tant que cette dimension émotionnelle ne sera pas comprise, il sera difficile d’aider les étudiants à utiliser l’IA de manière bénéfique.
