À l’école, l’IA déplace le pouvoir du professeur
L’IA ne supprime pas le besoin d’enseignants : elle met à nu les limites d’un modèle centré sur l’exposé des savoirs et la note. Le véritable enjeu se joue dans le temps accordé à l’appropriation.
L’intelligence artificielle bouleverse moins le contenu des cours que la position de celui qui les dispense. Un résumé, une définition ou une explication sont désormais accessibles en quelques secondes. Cette disponibilité ne signifie pas que les élèves comprennent mieux, mémorisent davantage ou savent réutiliser les connaissances. Elle déplace la valeur du professeur : de détenteur privilégié de l’information, il doit devenir l’organisateur d’un apprentissage vérifiable.
Ce déplacement touche directement l’école publique française. Depuis plusieurs décennies, l’identité des enseignants du collège et du lycée s’est construite d’abord autour de la maîtrise d’une discipline : mathématiques, français, histoire-géographie ou sciences. Le futur professeur acquiert une spécialisation universitaire, puis reçoit une formation professionnelle, notamment dans le cadre du Master MEEF. Mais l’ordre des étapes produit aussi une hiérarchie implicite : on se pense souvent d’abord comme spécialiste d’un savoir, ensuite comme professionnel de l’apprentissage.
Or l’intelligence artificielle à l’école rend cette hiérarchie moins tenable. L’expertise disciplinaire reste indispensable pour repérer une erreur, contextualiser une information ou construire une progression. Elle ne suffit plus à justifier, à elle seule, la valeur de l’intervention pédagogique. Celui qui sait exposer un contenu n’est pas nécessairement celui qui sait faire travailler les élèves sur leurs erreurs, différencier les consignes et vérifier une compréhension durable.
L’intelligence artificielle à l’école révèle un déficit de temps
La distinction entre didactique et pédagogie permet de comprendre le problème. La didactique porte sur les conditions de transmission et d’appropriation d’un savoir précis. La pédagogie concerne plus largement l’organisation des situations, des interactions et des exercices qui rendent cet apprentissage possible. Dans les deux cas, la question centrale n’est pas seulement ce que le professeur dit, mais ce que l’élève parvient effectivement à faire avec ce qui a été enseigné.
Le système scolaire confond encore trop facilement le temps d’enseignement et le temps d’apprentissage. Une heure de cours peut être remplie d’explications sans que tous les élèves aient compris, retenu ou appris à mobiliser les notions abordées. La partie la plus exigeante du travail est alors renvoyée aux devoirs, aux révisions et à l’aide familiale. Ce transfert hors de la classe favorise mécaniquement les élèves qui disposent déjà de méthodes, de temps et d’un accompagnement.
L’intelligence artificielle à l’école peut renforcer cette ambiguïté. Elle permet de produire rapidement un devoir ou une réponse, mais elle peut aussi masquer l’absence de raisonnement. L’enjeu n’est donc pas de savoir si un outil répond à la place de l’élève. Il est de déterminer quelles activités demeurent nécessaires pour que celui-ci puisse expliquer sa démarche, corriger une erreur et transposer une connaissance à une situation nouvelle.
Cette évolution impose une autre conception du travail enseignant. Le professeur ne perd pas son rôle ; il perd progressivement le monopole de l’accès immédiat au contenu. Sa fonction se déplace vers le choix des problèmes, la construction de situations d’apprentissage, l’observation des démarches et l’accompagnement des progressions. Cela demande du temps, précisément celui que la couverture extensive des programmes tend à réduire.
Programmes chargés, évaluations rapides
Les programmes scolaires organisent un arbitrage concret entre l’étendue des notions à traiter et le temps disponible pour les exercer. Plus la priorité est donnée à la couverture des contenus, moins il reste de place pour les reprises, les essais, les corrections et les applications variées. Pourtant, c’est cette répétition guidée qui transforme une information en compétence.
Les résultats français aux enquêtes PISA de l’OCDE ont ravivé cette interrogation sur la compréhension, la résolution de problèmes et les inégalités scolaires. Ils ne permettent pas, à eux seuls, d’attribuer les difficultés à une méthode unique. Ils rappellent toutefois qu’un système peut transmettre beaucoup de contenus sans garantir leur appropriation par l’ensemble des élèves.
Le rôle de l’évaluation est déterminant. Dans le secondaire, la note et la moyenne structurent encore fortement les pratiques. Le Cnesco a documenté le poids des comparaisons entre élèves et la place accordée à la restitution des connaissances. Une évaluation conçue principalement pour classer mesure surtout la capacité à répondre au moment attendu. Elle mesure moins bien la progression, les stratégies utilisées ou la possibilité de réinvestir le savoir.
Dans ce cadre, l’intelligence artificielle à l’école complique encore la signification de la copie rendue. Un texte correctement formulé ne prouve ni la compréhension de son auteur ni sa capacité à reproduire le raisonnement sans assistance. Le recours à l’outil conduit donc à réexaminer les formats d’évaluation : davantage d’oral, de production intermédiaire, de justification et de résolution en présence du professeur, plutôt qu’une confiance exclusive dans le produit final.
Cette transformation ne signifie pas qu’il faudrait abandonner toute notation. Elle pose une question plus précise : que veut-on mesurer ? Si l’objectif est la mémorisation immédiate, l’évaluation classique reste adaptée à une partie des apprentissages. Si l’objectif est la maîtrise, il faut observer la capacité à corriger, expliquer, comparer et utiliser. La réforme ne relève alors pas de la seule technologie, mais de la définition institutionnelle du mérite scolaire.
Qui maîtrise l’outil maîtrise-t-il le savoir ?
La diffusion de l’intelligence artificielle à l’école risque enfin de déplacer les inégalités plutôt que de les supprimer. Les élèves ne disposent pas tous du même accès aux outils, de la même capacité à formuler une consigne efficace ou de la même aptitude à vérifier une réponse générée. Une utilisation autonome suppose des connaissances préalables : sans elles, l’élève ne peut pas distinguer une explication solide d’une réponse simplement plausible.
Le professeur conserve ici une fonction de contrôle que l’outil ne peut pas assurer seul. Il doit apprendre à identifier les sources, à repérer les approximations et à confronter une réponse à des faits ou à un raisonnement. Cette mission rejoint l’éducation aux médias et à l’information, mais elle ne s’y réduit pas : elle concerne la formation du jugement dans chaque discipline.
La question de l’intelligence artificielle à l’école devient ainsi une question de pouvoir pédagogique. Qui décide de ce qui doit être appris ? Qui définit la preuve d’une compétence ? Qui contrôle l’accès aux instruments de production et les conditions dans lesquelles ils peuvent être utilisés ? Si ces choix sont laissés aux usages individuels, les familles les mieux équipées pourront convertir plus rapidement l’IA en avantage scolaire.
Le débat sur le « bon » professeur ne devrait donc pas opposer l’expert disciplinaire au pédagogue, ni l’enseignant à la machine. Il devrait porter sur l’organisation collective du travail : formation initiale et continue, taille des classes, temps de préparation, nature des programmes et modalités d’évaluation. L’intelligence artificielle à l’école ne rend pas ces arbitrages secondaires. Elle les rend visibles, en retirant à la transmission brute des savoirs la place centrale qu’elle occupait jusque-là.
À lire aussi : Au lycée, l’interdiction du téléphone déplace le débat vers l’éducation
