L'IA générative aide-t-elle vraiment à apprendre ?

Depuis fin 2022, des millions d'élèves et d'étudiants utilisent des assistants génératifs pour réviser, rédiger, coder ou comprendre. La question centrale n'est plus l'adoption, massive, mais l'effet réel sur l'apprentissage. La littérature 2025-2026 offre une réponse en deux temps : un signal moyen positif, et un avertissement causal important.

Les méta-analyses : un effet moyen positif

Plusieurs synthèses convergent vers un bénéfice modéré. Une méta-analyse de 37 études rapporte un effet moyennement positif de ChatGPT sur la réussite scolaire ^[1]. Une autre, portant sur 35 études expérimentales et plus de 4 000 participants, trouve un effet du même ordre, tout en signalant des limites sur la pensée d'ordre supérieur ^[2]. Des synthèses plus larges au niveau universitaire vont dans le même sens ^[3]. En moyenne, donc, l'IA générative semble aider — surtout pour la compréhension, la productivité et l'engagement.

L'avertissement causal : performer n'est pas apprendre

Le résultat le plus important vient d'un essai contrôlé publié dans PNAS. Des lycéens disposant d'un assistant de type ChatGPT sans garde-fous réussissaient mieux leurs exercices pendant la séance (+48 %), mais chutaient de 17 % à un examen sans IA — la performance immédiate cachait un apprentissage moindre ^[4]. Fait crucial : une version « tuteur » avec garde-fous pédagogiques éliminait ce dommage. Le problème n'est pas l'IA, c'est l'IA sans conception.

D'autres travaux explorent le mécanisme. Une étude du MIT Media Lab a observé, par électroencéphalographie, une connectivité neuronale plus faible et une « dette cognitive » chez des rédacteurs assistés par LLM par rapport à ceux qui écrivaient seuls ^[5] — résultat suggestif mais préliminaire, sur petit échantillon. Une enquête auprès de 666 personnes rapporte une corrélation négative entre usage fréquent d'outils IA et pensée critique, médiée par le délestage cognitif ^[6].

L'IA générative peut faire briller la production tout en éteignant l'apprentissage. Distinguer les deux est la tâche centrale de la conception pédagogique.

Synthèse Learnya

Que faire de ce paradoxe ?

• Concevoir des usages qui exigent l'effort de l'apprenant, pas qui l'évitent.
• Distinguer les tâches de production (l'IA aide) des tâches d'acquisition (l'IA peut nuire).
• Mesurer la rétention et le transfert, pas seulement la note immédiate.
• Former à un usage métacognitif : vérifier, critiquer, reformuler ce que produit l'IA.

L'UNESCO appelle à une approche centrée sur l'humain, subordonnant le déploiement de l'IA à la protection des données et aux finalités éducatives ^[7]. Pour les acteurs européens et suisses, cela rejoint une exigence de souveraineté : garder la maîtrise des données et des usages afin que l'outil serve l'apprentissage, et non l'inverse.

Pourquoi les études se contredisent en apparence

Le lecteur pressé pourrait conclure au chaos : certaines études vantent l'IA, d'autres l'accusent. En réalité, la contradiction n'est qu'apparente et tient à ce que l'on mesure. Les travaux qui rapportent des bénéfices mesurent souvent la performance ou la productivité pendant l'usage ; ceux qui alertent mesurent l'apprentissage durable, une fois l'assistant retiré. C'est exactement la leçon de l'essai PNAS : l'aide améliore la production immédiate mais peut creuser un déficit de compétence ^[4].

Cette distinction change tout pour la pratique. Un étudiant qui rédige plus vite avec un assistant n'apprend pas nécessairement à mieux rédiger. Le gain de productivité est réel, mais il ne doit pas être confondu avec un gain d'apprentissage. Concevoir un dispositif éducatif consiste précisément à décider où l'on veut de la productivité (par exemple, dégrossir une recherche documentaire) et où l'on veut de l'effort (par exemple, construire un argument).

Il faut aussi se méfier de l'illusion de fluidité. Une réponse bien tournée procure un sentiment de maîtrise qui n'est pas la maîtrise. C'est l'un des mécanismes suggérés par les travaux sur le délestage cognitif et la pensée critique ^[6]. La parade n'est pas d'interdire l'IA, mais d'enseigner un usage réflexif : demander à l'apprenant de vérifier, de critiquer, de reformuler et d'expliquer ce que l'outil a produit, afin de transformer une consommation passive en traitement actif.

Une littératie de l'IA, nouvelle compétence de base

Si une conclusion se dégage, c'est que l'usage compte plus que l'outil. La compétence décisive des prochaines années sera la littératie de l'IA : savoir quand y recourir, comment formuler une demande, comment vérifier et critiquer une réponse, et surtout quand s'en passer pour apprendre par soi-même. Cette compétence ne s'acquiert pas spontanément ; elle s'enseigne, comme on a enseigné la recherche documentaire à l'ère d'internet.

Pour les systèmes éducatifs, l'enjeu est d'accompagner cette littératie plutôt que de la subir. Cela suppose des cadres clairs, des enseignants formés et des outils dont on maîtrise le fonctionnement et les données. L'IA générative n'est ni une menace ni une solution en soi : elle est un amplificateur. Elle amplifie l'apprentissage lorsqu'elle est bien utilisée, et l'illusion d'apprendre lorsqu'elle ne l'est pas.