Éducation et transmission du savoir

15.1Le tuteur universel : promesse et réalité

Sous le capot

Comment fabrique-t-on un tuteur IA ? On part d'un grand modèle généraliste que l'on oriente par une consigne système (chapitre 4) imposant une posture socratique : ne pas livrer la réponse, mais guider par des questions, vérifier la compréhension pas à pas, encourager. On y adjoint souvent la base de connaissances du programme, fournie au modèle au moment de répondre (la génération augmentée par récupération, RAG, chapitre 6) afin de limiter les hallucinations et de coller au curriculum ; certains systèmes mesurent en continu les réponses de l'élève pour ajuster la difficulté, héritiers des anciens « systèmes tutoriels intelligents ». Des produits comme Khanmigo (Khan Academy) ou les modes « apprentissage » des grands assistants illustrent cette approche. Mais aucune consigne ne neutralise complètement le risque d'erreur du modèle sous-jacent : une supervision humaine reste nécessaire.

Sous le capot

Comment un tuteur s'adapte (répétition espacée et suivi de connaissances)

Personnaliser l'apprentissage ne se résume pas à un modèle de langage bavard ; cela repose sur des techniques pédagogiques éprouvées, que l'IA automatise et affine. La répétition espacée exploite une loi bien documentée de la mémoire : on retient durablement en révisant une notion à des intervalles croissants, juste avant de l'oublier. Des logiciels calculent ainsi, pour chaque élève et chaque notion, le meilleur moment de la prochaine révision. Le suivi de connaissances (knowledge tracing) va plus loin : à partir des réponses de l'élève, le système entretient un modèle de ce qu'il maîtrise ou non, notion par notion, et estime la probabilité qu'il réussisse la prochaine question. C'est ce modèle qui permet de proposer le bon exercice au bon niveau, ni trop facile ni décourageant (la « zone proximale de développement » des pédagogues). L'apport de l'IA générative est de greffer, sur cette ossature, une explication en langage naturel adaptée à chaque blocage. La promesse du tuteur personnalisé (section 15.1) tient donc autant à cette mécanique de modélisation de l'élève qu'à la conversation.

15.2La crise de l'évaluation

15.3Transformer l'école et l'université

En clair

Au-delà de l'élève, l'IA touche tout le système éducatif.

L'enseignant augmenté : préparer des cours, générer des exercices différenciés, corriger des copies, gérer l'administratif. L'IA peut redonner du temps à la relation pédagogique, à condition de rester un outil au service de l'enseignant.
Le contenu enseigné : si l'IA sait coder, traduire et rédiger, l'école doit déplacer l'accent vers ce qui reste proprement humain et ce que l'IA ne maîtrise pas : l'esprit critique, la créativité, la collaboration, la vérification des sources, et précisément la compétence à travailler avec l'IA (chapitre 17). Cette littératie en IA (comprendre ce qu'est un modèle, ses limites et ses biais, savoir vérifier ses sorties) devient une matière à part entière.
La formation tout au long de la vie : dans un marché du travail bouleversé (chapitre 17), apprendre à apprendre et se reconvertir deviennent des compétences centrales, que l'IA peut justement aider à acquérir.

15.4Risques : dépendance, fracture et désapprentissage

Schéma 15.1. Le double visage de l'IA éducative. Le même outil peut renforcer l'apprentissage ou s'y substituer. Tout dépend de l'usage : penser avec l'IA, ou faire penser à sa place.

Le désapprentissage (« deskilling ») : si l'on délègue systématiquement l'effort cognitif (écrire, calculer, raisonner) à la machine, les compétences sous-jacentes risquent de s'atrophier. Or l'effort, la difficulté et même l'erreur sont des ingrédients de l'apprentissage profond. Ce risque touche aussi les adultes (chapitre 19).
La fracture numérique : l'accès inégal aux meilleurs outils (payants) risque de creuser les écarts entre élèves et entre pays, au lieu de les réduire. La promesse de démocratisation peut se retourner en accentuation des inégalités.
La vie privée des mineurs : confier l'éducation à des outils qui collectent des données sur des enfants pose des questions de protection particulièrement sensibles (chapitre 21).

Repère

Faut-il encore faire de longues études ?

L'IA relance un débat vif sur la valeur des diplômes. À un pôle provocateur, l'essai Ne faites plus d'études (Laurent Alexandre et Olivier Babeau, 2025, chapitre 7) avance que, l'intelligence devenant « gratuite et infiniment disponible », les longues études classiques deviendraient « contre-productives » : il faudrait moins accumuler des savoirs que l'IA fournit à la demande, et davantage apprendre à apprendre, en continu. À l'autre pôle, de nombreux éducateurs rappellent que les arguments inverses restent puissants : il faut de solides connaissances de base pour bien utiliser l'IA et juger ses réponses (sans quoi l'on ne repère pas ses erreurs) ; le diplôme garde une fonction de signal et d'ascenseur social ; et l'école transmet bien plus que des savoirs (esprit critique, méthode, socialisation, autonomie). Le risque, souligné des deux côtés, est qu'un slogan « ne faites plus d'études » mal compris accentue les inégalités, en détournant des études les élèves les plus fragiles pendant que les mieux dotés continuent de se former. La position raisonnable n'est sans doute pas de moins se former, mais de se former autrement, l'IA déplaçant le centre de gravité des connaissances mémorisées vers les compétences de jugement, de création et d'apprentissage permanent (chapitre 17).

À retenir (chapitre 15)

L'IA promet le tuteur universel personnalisé, mais un bon tuteur humain motive et crée un lien que la machine ne reproduit pas ; l'IA aide surtout l'élève déjà autonome.
L'évaluation traditionnelle (le devoir à la maison) est en crise ; la détection est peu fiable, et la vraie réponse est de repenser l'évaluation (oral, classe, projets, IA assumée).
L'IA transforme aussi le métier d'enseignant (augmentation) et le contenu enseigné, qui doit privilégier l'esprit critique et la compétence à travailler avec l'IA.
Les risques majeurs : le désapprentissage (déléguer l'effort cognitif), la fracture numérique et la vie privée des mineurs.

De l'apprentissage à l'imagination : le chapitre 16 explore comment l'IA bouleverse la création et la culture.

15.1Le tuteur universel : promesse et réalité#

15.2La crise de l'évaluation#

15.3Transformer l'école et l'université#

15.4Risques : dépendance, fracture et désapprentissage#

À retenir (chapitre 15)

15.1Le tuteur universel : promesse et réalité

15.2La crise de l'évaluation

15.3Transformer l'école et l'université

15.4Risques : dépendance, fracture et désapprentissage