Le Paradoxe éducatif de l’IA : Volume 1 - Apprendre et enseigner à l’ère de l’IA
Préface
Volume 1 - Apprendre et enseigner à l’ère de l’IA
L’intelligence artificielle générative place aujourd’hui l’enseignement supérieur devant un paradoxe particulièrement fécond : elle peut augmenter nos capacités de production, d’exploration et d’assistance, tout en fragilisant les processus mêmes qui permettent d’apprendre, de comprendre et de juger.
Jamais il n’a été aussi simple d’obtenir une synthèse structurée, une explication fluide, un code fonctionnel, une reformulation convaincante ou une réponse immédiatement exploitable. Cette puissance ouvre des possibilités réelles pour enseigner et apprendre autrement. Mais elle introduit aussi une difficulté nouvelle : une production réussie ne constitue plus, à elle seule, une preuve suffisante de compréhension, de compétence ou d’autonomie.
C’est là que se situe le Paradoxe éducatif de l’IA.
L’enjeu n’est donc ni de célébrer l’outil, ni de l’interdire par principe. Il consiste à apprendre à distinguer ce qui soutient l’activité cognitive de ce qui la remplace ; ce qui facilite l’apprentissage de ce qui en donne seulement l’apparence ; ce qui augmente l’autonomie de ce qui peut progressivement réduire notre capacité à comprendre, vérifier ou décider par nous-mêmes.
Ce premier volume pose les fondations de cette réflexion. Il s’intéresse à ce que l’IA change dans la relation entre production, apprentissage, compréhension, compétence et autonomie.
Il ne cherche pas à couvrir l’ensemble des enjeux liés à l’intelligence artificielle. Son objectif est plus ciblé : proposer des repères permettant d’analyser des situations pédagogiques dans lesquelles l’accès immédiat à l’information, la génération de contenus ou l’automatisation rendent moins évidente une question pourtant centrale :
Que fait réellement l’étudiant lorsqu’il apprend, et que peut encore nous apprendre la production visible sur ce qu’il sait, comprend ou sait faire ?
Cette démarche entre directement en résonance avec la Charte d’usage de l’intelligence artificielle générative de l’INSA Lyon, approuvée par le Conseil d’administration le 5 mars 2026.
La Charte reconnaît le potentiel des IAG pour soutenir les activités de la communauté tout en posant un principe structurant : l’IA doit rester un outil d’assistance, sous supervision humaine, et ne peut se substituer aux démarches intellectuelles, réflexives et décisionnelles attendues des étudiants, des enseignants, des chercheurs ou des personnels.
Les quatre chapitres de ce volume permettent précisément d’examiner, du point de vue de la formation, ce qu’une supervision réellement humaine suppose de continuer à apprendre, comprendre, exercer et décider.
Pourquoi commencer par l’apprentissage ?
Le premier chapitre mobilise notamment des travaux issus des sciences cognitives et de la neuro-éducation. Ce choix ne signifie ni que les neurosciences suffisent à expliquer les apprentissages, ni qu’elles permettraient de déduire directement de « bonnes pratiques » pédagogiques.
L’objectif est plus modeste et plus opérationnel : comprendre certains mécanismes qui permettent de distinguer une activité réalisée d’un apprentissage effectivement construit.
Mémoire de travail, charge cognitive, consolidation, récupération, métacognition ou inhibition ne constituent donc pas un mode d’emploi de l’enseignement. Ces notions sont mobilisées comme des outils pour poser de meilleures questions sur les situations rencontrées par les enseignants et les étudiants.
Elles doivent être mises en dialogue avec d’autres regards : sciences de l’éducation, didactiques disciplinaires, psychologie cognitive, sociologie de l’enseignement supérieur, ergonomie, informatique ou encore éthique de l’IA.
Un cadre d’analyse, pas une prescription.
Une donnée issue des sciences cognitives peut éclairer un choix pédagogique, mais elle ne suffit pas à le justifier à elle seule.
Entre un mécanisme cognitif et une situation réelle d’enseignement s’interposent toujours les objectifs de formation, les disciplines, les publics, les conditions matérielles, les trajectoires des étudiants, les pratiques enseignantes et les finalités de l’institution.
Deux façons d’explorer ce volume
Vous n’avez pas besoin de tout lire pour utiliser ce manuel.
Deux parcours sont possibles :
Parcours progressif Suivre les quatre chapitres dans l’ordre permet de parcourir quatre échelles du même paradoxe : de l’activité cognitive individuelle jusqu’aux choix institutionnels et collectifs.
Parcours par problèmes Si une question précise vous préoccupe dans votre enseignement, utilisez le parcours par problèmes présenté après le parcours progressif pour accéder directement aux sections concernées.
Les contenus signalés comme Essentiel constituent le fil principal. Les contenus Recommandé et Approfondissement permettent d’aller plus loin selon vos besoins, votre discipline et votre intérêt.
Parcours progressif
Du cerveau à l’institution : quatre échelles d’un même paradoxe
| Chapitre et échelle explorée | Fil directeur | Question qui guide le chapitre | Écho à la Charte IA de l’INSA Lyon |
|---|---|---|---|
| 1 - Dans la tête de nos élèves Échelle : l’individu | Faire apprendre : comprendre comment mémoire, charge cognitive, attention et inhibition participent à la construction des connaissances. | Qu’est-ce qui fait réellement apprendre ? | L’IAG doit rester un appui à l’apprentissage, sans se substituer à l’acquisition personnelle des connaissances et des compétences. |
| 2 - Pourquoi l’IA semble comprendre ? Échelle : l’artefact | Faire comprendre : déconstruire la fluidité générative, l’anthropomorphisme et l’externalisation du raisonnement pour distinguer performance observable et compréhension. | Pourquoi une réponse fluide nous donne-t-elle l’impression que l’IA comprend ? | Les productions de l’IAG doivent être analysées et vérifiées ; l’utilisateur reste responsable de leur usage et la décision finale demeure humaine. |
| 3 - Quand l’accès remplace le savoir Échelle : l’environnement | Faire preuve : distinguer l’accès à une réponse, la production assistée et la compétence réellement construite malgré l’infobésité et la surconfiance. | Comment distinguer accès à l’information, production réussie et compétence acquise ? | Les modalités d’évaluation doivent permettre d’évaluer les compétences de l’étudiant et non celles de l’outil. |
| 4 - Former des sujets ou optimiser ? Échelle : le collectif | Faire juger : préserver la capacité à décider, contester, refuser et exercer un jugement professionnel face à l’automatisation et au gouvernement algorithmique. | Que voulons-nous former, et que refusons-nous de déléguer ? | L’IAG doit rester un outil d’assistance sous supervision humaine : elle ne doit pas se substituer aux démarches intellectuelles, réflexives et décisionnelles. |
Dans ce premier volume, la Charte de l’INSA Lyon n’est donc pas abordée comme une série de règles ajoutées après coup aux pratiques pédagogiques. Elle constitue un point d’ancrage institutionnel à une question plus fondamentale :
Que faut-il préserver pour que l’usage de l’IA reste compatible avec les finalités de la formation ?
Ce cheminement conduit à une idée centrale : la supervision humaine n’est solide que si les humains conservent les compétences nécessaires pour superviser réellement.
Il ne suffit donc pas de placer un humain « dans la boucle ». Encore faut-il qu’il soit capable de comprendre ce qui lui est proposé, de reconnaître une erreur, d’identifier ce qu’il ne sait pas, de mobiliser ses propres connaissances et, lorsque cela est nécessaire, de ne pas suivre la recommandation de l’outil.
C’est précisément ce que l’enseignement supérieur doit continuer à former.
Parcours par problèmes
Ce manuel ne prétend pas dresser un inventaire exhaustif des besoins de l’ensemble des enseignants de l’INSA Lyon, ni présenter les situations ci-dessous comme le résultat d’une enquête représentative.
Il part plutôt de questions professionnelles concrètes de l’enseignement supérieur et mobilise, pour chacune, des concepts permettant de mieux les analyser.
Le parcours suivant permet ainsi d’entrer dans le volume par un problème pédagogique, sans nécessairement suivre une lecture linéaire.
| Vous vous demandez… | Aller directement au contenu |
|---|---|
| Pourquoi des étudiants semblent-ils comprendre pendant le cours mais peinent-ils ensuite à reconstruire seuls le raisonnement ? | § 1.2 : Surcharge et mémoire de travail |
| Pourquoi des notes très complètes, des photographies du cours ou une synthèse générée ne garantissent-elles pas l’apprentissage ? | § 1.3 : Prise de notes et encodage |
| Pourquoi un étudiant peut-il appliquer spontanément une méthode inadéquate alors qu’il connaît la bonne ? | § 3.1 : Métacognition et inhibition |
| Un rapport convaincant, un calcul juste ou un code fonctionnel suffisent-ils encore à prouver la compréhension ? | Chapitre 1, § 3.2 : Produire sans apprendre ; Chapitre 3 : Pourquoi le produit final ne suffit plus |
| Pourquoi une réponse produite par une IA paraît-elle parfois plus intelligente ou plus comprise qu’elle ne permet réellement de le conclure ? | Chapitre 2 : Cohérence textuelle et illusion de compréhension |
| Que faut-il encore apprendre lorsque l’information peut être retrouvée ou générée presque instantanément ? | Chapitre 3 : Mémoire transactive : savoir, retrouver, déléguer |
| Comment évaluer les compétences d’un étudiant lorsque l’IA peut produire une partie du livrable demandé ? | Chapitre 2 : Évaluer avec la stratégie 3P ; Chapitre 3 : Mobiliser les compétences avec discernement |
| À partir de quand une assistance utile risque-t-elle de réduire progressivement l’autonomie de l’étudiant ? | Chapitre 4 : L’ambiguïté de l’autonomie |
| Jusqu’où peut-on guider par des indicateurs, recommandations ou tableaux de bord sans décider à la place de l’apprenant ? | Chapitre 4 : Gouvernement algorithmique et perte d’autonomie ; Étude de cas : Déployer un tableau de bord |
| Comment décider si un outil d’IA doit être adopté, limité, adapté ou refusé ? | Chapitre 4 : Sept questions avant d’adopter un outil |
Cette entrée par problèmes constitue aussi un principe de sélection des notions abordées dans le manuel : un concept n’est pas présenté pour lui-même, mais parce qu’il aide à comprendre une difficulté pédagogique, à interpréter une situation ou à éclairer une décision.
Explorer sans déléguer ce qui fait apprendre
L’IA générative nous oblige finalement à reformuler une question ancienne :
Qu’est-ce qu’apprendre, comprendre et devenir autonome lorsque des machines peuvent produire une partie croissante des résultats que nous associons habituellement à la compétence ?
Les réponses ne seront ni uniformes ni définitives. Elles dépendront des disciplines, des objectifs de formation, des publics et des situations.
C’est précisément pourquoi l’enjeu n’est pas de fournir une règle unique, mais de développer une capacité collective de discernement pédagogique.
Ce premier volume vous invite ainsi à observer les processus d’apprentissage, à interroger la fluidité des outils, à revoir les preuves de compétence et à questionner la place laissée au jugement humain.
À chaque étape, une même question peut servir de boussole :
Qu’est-ce que l’IA me permet d’augmenter sans me conduire à déléguer ce que je dois continuer à apprendre, comprendre, exercer ou décider ?
Une IA peut produire. Elle peut accélérer, reformuler, suggérer et assister.
Mais construire une compréhension, développer une compétence, exercer un jugement et assumer la responsabilité d’un choix restent au cœur des finalités de la formation.
C’est dans cet espace que se joue le véritable paradoxe éducatif de l’IA - et que commence ce premier volume.