Agents pédagogiques : quand l'IA passe de l'assistant à l'acteur

Un chatbot répond. Un agent agit : il planifie, utilise des outils, orchestre plusieurs étapes, coordonne d'autres agents. Cette bascule de l'assistant vers l'acteur ouvre en éducation des usages nouveaux — mais elle augmente aussi les enjeux de fiabilité, d'éthique et de contrôle. Où en est-on vraiment en 2025-2026 ?

Trois familles d'agents pédagogiques

• L'agent-tuteur, qui dialogue directement avec l'apprenant et guide son raisonnement.
• Le copilote de l'enseignant, qui suggère, corrige et prépare en temps réel.
• Le système multi-agents, où des rôles distincts (concevoir, enseigner, évaluer) collaborent.

Les preuves les plus solides concernent le copilote. Dans l'essai Tutor CoPilot, un agent soufflant des suggestions en temps réel a amélioré la maîtrise des élèves, surtout pour ceux suivis par les tuteurs les moins expérimentés ^[1]. Côté agent-tuteur, un essai à Harvard montre qu'un tuteur IA bien conçu peut faire apprendre davantage qu'un cours en apprentissage actif — les auteurs précisant explicitement qu'il ne s'agit pas de remplacer les enseignants ^[2]. Un autre essai rapporte qu'un agent d'instruction augmente le sentiment de contrôle de l'apprenant et l'efficacité de la tâche ^[3].

Les systèmes multi-agents pour la conception

Une application prometteuse est la génération de matériel pédagogique par des agents aux rôles spécialisés. Le système Instructional Agents produit des supports de cours prêts à l'emploi en réduisant fortement le temps de préparation, tout en maintenant la qualité ^[4]. L'architecture FACET, elle, combine un agent qui simule l'apprenant, un agent enseignant et un agent évaluateur pour générer des fiches d'exercices personnalisées et stables ^[5].

Les zones d'ombre à ne pas ignorer

La prudence s'impose aussi sur les preuves. Certains déploiements d'agents comme enseignants principaux ne rapportent que des observations préliminaires sur un seul cours ^[7]. Et plusieurs cadres ambitieux annoncent des métriques flatteuses — par exemple des taux de recommandation très élevés — qui restent auto-déclarées et non validées de façon indépendante ^[8]. L'écart entre démonstration et preuve reste large.

Un agent qui agit sans être audité n'est pas une avancée pédagogique : c'est un risque déguisé en fonctionnalité.

Synthèse Learnya

L'agentique a d'autant plus de valeur qu'elle reste sous supervision humaine et dans un cadre de données maîtrisé — un point crucial pour les établissements européens et suisses. Bien conçus, les agents libèrent du temps enseignant et étendent l'accompagnement ; mal encadrés, ils diffusent des erreurs à l'échelle et opacifient les décisions.

Autonomie croissante, responsabilité constante

Le vrai changement de paradigme n'est pas la puissance des modèles, mais leur autonomie : un agent qui planifie, appelle des outils et enchaîne des décisions sans validation humaine à chaque étape. Cette autonomie démultiplie l'utilité — et le risque. Une erreur d'un chatbot reste locale ; une erreur d'un agent qui agit se propage dans une chaîne d'actions. D'où l'importance de définir des points de contrôle où l'humain garde la main sur les décisions à enjeu.

La revue de cadrage la plus récente insiste sur des angles morts persistants : vie privée, exactitude, autonomie de l'apprenant ^[6]. Ces questions ne sont pas des détails de conformité ; elles touchent au cœur de la relation éducative. Un agent qui décide seul du parcours d'un élève, ou qui collecte et exploite ses traces sans transparence, peut miner la confiance même s'il est techniquement performant.

La maturité d'un système agentique se juge donc moins à ses métriques annoncées — souvent auto-déclarées et non auditées ^[8] — qu'à sa traçabilité : peut-on savoir pourquoi il a agi ainsi, revenir en arrière, corriger ? Pour les établissements européens et suisses, cette exigence rejoint celle de la souveraineté des données : garder la main sur ce que l'agent voit, mémorise et transmet. L'agentique responsable est une agentique supervisable.

Le bon niveau d'autonomie

La question centrale des agents pédagogiques n'est pas « jusqu'où peuvent-ils aller ? » mais « jusqu'où doit-on les laisser aller ? ». Un agent peut préparer un cours de façon quasi autonome sans grand risque ; il ne devrait pas décider seul de l'orientation d'un élève. Définir ce curseur, tâche par tâche, est un travail d'ingénierie pédagogique autant que technique.

Les prochaines années verront probablement se stabiliser des bonnes pratiques : agents cantonnés à des rôles clairs, points de validation humaine sur les décisions sensibles, traçabilité des actions, et cadre strict pour les données manipulées. C'est à cette condition que l'agentique tiendra sa promesse — libérer du temps et étendre l'accompagnement — sans transformer l'école en boîte noire. La supervision n'est pas l'ennemie de l'automatisation ; elle en est la condition de légitimité.