Learnya/ Blog

L'enseignant augmenté : ce que l'IA change vraiment dans le métier

Préparer, différencier, corriger, donner du feedback : les enquêtes montrent une adoption rapide de l'IA par les enseignants — et des écarts d'accès préoccupants.

Enseignant devant sa classe
Shadowguy97 (Wiki Loves Africa 2017), Wikimedia Commons  · CC BY-SA 4.0

Contrairement à une crainte répandue, l'usage le plus solide de l'IA en éducation n'est pas de remplacer l'enseignant, mais de l'augmenter. Préparer un cours, différencier des supports, générer des exercices, rédiger un premier jet de feedback : autant de tâches où l'IA rend du temps. Les enquêtes de terrain dessinent une adoption rapide, mais inégale.

Une adoption réelle et rapide

Selon les enquêtes RAND, un quart des enseignants américains utilisaient l'IA pour préparer ou enseigner dès l'année scolaire 2023-2024 [1], une proportion qui a fortement augmenté depuis : en 2025, plus de la moitié des enseignants de disciplines clés déclaraient y recourir [2]. Les usages dominants sont la préparation, la création de fiches d'activités et l'adaptation de supports aux besoins des élèves.

La formation suit, à son rythme : la part de districts formant leurs enseignants à l'IA a plus que doublé entre 2023 et 2024 [3]. Le rapport Horizon 2025 d'EDUCAUSE confirme que l'IA générative traverse désormais toutes les priorités de l'enseignement supérieur, avec le développement professionnel et la gouvernance au premier plan [7].

Augmenter, pas remplacer

Les données montrent la valeur du binôme humain-IA. L'essai Tutor CoPilot, où l'IA souffle des suggestions au tuteur, illustre l'augmentation en temps réel : le plus grand bénéfice va aux élèves des tuteurs les moins expérimentés [4]. Sur la correction, les enseignants apprécient un retour narratif rapide à visée formative, mais se méfient de la notation automatique et insistent sur la supervision humaine [5].

L'angle mort : l'équité d'accès

L'adoption n'est pas homogène. Les enquêtes RAND signalent que les enseignants et établissements des zones défavorisées sont moins susceptibles d'utiliser l'IA ou de recevoir des consignes [1], et que les districts à faible pauvreté forment bien plus leurs enseignants que les autres [3]. Sans politique délibérée, l'IA risque de bénéficier surtout à ceux qui sont déjà les mieux dotés.

La bonne question n'est pas « l'IA remplacera-t-elle les enseignants ? » mais « comment donner à chaque enseignant les moyens de bien l'utiliser ? ».

Synthèse Learnya

L'enseignant augmenté suppose du temps rendu, mais aussi de la formation, des garde-fous et une gouvernance des données — d'autant plus en contexte européen et suisse. La technologie ne vaut que par l'usage professionnel qu'on en fait.

Du temps rendu à quoi, exactement ?

L'argument du « temps rendu » n'a de valeur que si l'on précise à quoi ce temps est réaffecté. Automatiser la préparation d'une fiche d'activités a du sens si les heures gagnées vont à l'accompagnement des élèves, à la rétroaction individualisée ou au travail d'équipe pédagogique. Il en aurait beaucoup moins si elles étaient simplement absorbées par de nouvelles tâches administratives. La valeur de l'IA pour les enseignants se mesure donc au bout de la chaîne : dans la relation avec les élèves.

Cela suppose une professionnalisation de l'usage. Les enquêtes montrent que l'adoption progresse plus vite que la formation et les consignes [2], laissant beaucoup d'enseignants livrés à eux-mêmes. Or utiliser l'IA sans discernement — accepter une correction biaisée [6], diffuser un contenu erroné — peut nuire. Former ne consiste pas seulement à montrer les boutons, mais à cultiver un jugement critique : quand faire confiance, quand vérifier, quand refuser l'outil.

Enfin, la question de l'équité entre établissements ne peut être laissée au hasard. Si la formation et l'accès se concentrent dans les milieux déjà favorisés [1][3], l'IA amplifiera les écarts entre écoles au lieu de les réduire. Une politique délibérée — équiper, former, encadrer partout, en priorité là où les besoins sont les plus grands — est la condition pour que l'enseignant augmenté soit une promesse tenue pour tous, et pas seulement pour quelques-uns.

Le métier se recompose, il ne disparaît pas

L'histoire des technologies scolaires montre que les outils ne suppriment pas le métier d'enseignant : ils le recomposent. L'IA déplace le centre de gravité de la production de contenus vers l'accompagnement, le diagnostic et la relation — précisément les dimensions les plus humaines et les plus difficiles à automatiser. Loin de dévaloriser l'enseignant, cette évolution peut revaloriser le cœur de son expertise.

Encore faut-il en faire un choix collectif. Cela suppose d'investir dans la formation continue, de doter équitablement les établissements, et d'associer les enseignants à la conception des outils qu'ils utiliseront. Un enseignant augmenté, mais non consulté ni formé, restera un enseignant exposé. La réussite se jouera dans cette alliance entre le jugement professionnel et la puissance des outils, sous une gouvernance des données respectueuse des élèves.

Sources

  1. 1. Uneven Adoption of Artificial Intelligence Tools Among U.S. Teachers and Principals in the 2023-2024 School Year , Kaufman, J. H., Woo, A., Eagan, J., Lee, S., & Kassan, E. B. , RAND Corporation , 2025 https://www.rand.org/pubs/research_reports/RRA134-25.html
  2. 2. AI Use in Schools Is Quickly Increasing but Guidance Lags Behind: Findings from the RAND Survey Panels , RAND Corporation , RAND Corporation , 2025 https://www.rand.org/pubs/research_reports/RRA4180-1.html
  3. 3. More Districts Are Training Teachers on Artificial Intelligence: Findings from the American School District Panel , RAND Corporation , RAND Corporation , 2025 https://www.rand.org/pubs/research_reports/RRA956-31.html
  4. 4. Tutor CoPilot: A Human-AI Approach for Scaling Real-Time Expertise , Wang, R. E., Ribeiro, A. T., Robinson, C. D., Loeb, S., & Demszky, D. , arXiv (Stanford) , 2024 https://arxiv.org/abs/2410.03017
  5. 5. Implementation Considerations for Automated AI Grading of Student Work , Tian, Z., Liu, A., Esbenshade, L., Sarkar, S., Zhang, Z., He, K., & Sun, M. , arXiv , 2025 https://arxiv.org/abs/2506.07955
  6. 6. Can AI Grade Your Essays? A Comparative Analysis of Large Language Models and Teacher Ratings in Multidimensional Essay Scoring , Sessler, K., Furstenberg, M., Buhler, B., & Kasneci, E. , arXiv , 2024 https://arxiv.org/abs/2411.16337
  7. 7. 2025 EDUCAUSE Horizon Report: Teaching and Learning Edition , EDUCAUSE , EDUCAUSE , 2025 https://library.educause.edu/resources/2025/5/2025-educause-horizon-report-teaching-and-learning-edition
← Tous les articles