La panique autour des « devoirs faits par l’IA » est terminée : voici ce qui l’a remplacée

Lorsque ChatGPT est devenu accessible au public, les enseignants ont commencé à imaginer le pire scénario.

Les étudiants n’écriraient plus leurs dissertations eux-mêmes. 

Il deviendrait impossible de faire confiance aux devoirs à la maison. 

Et quelque part, un grand modèle de langage rédigerait un essai tout à fait convenable de cinq paragraphes sur The Great Gatsby tandis que son prétendu auteur jouerait aux jeux vidéo dans une autre pièce.

Cette inquiétude était compréhensible. Pour la première fois, les étudiants avaient gratuitement accès à une technologie capable de produire des textes convaincants sur presque tous les sujets. Mais après plusieurs années d’IA générative, le débat se complexifie.

Les étudiants continuent d’utiliser l’IA. En fait, son usage est devenu remarquablement courant. Une enquête menée en 2025 par le Higher Education Policy Institute auprès de plus de 1 000 étudiants de premier cycle au Royaume-Uni a révélé que 92 % utilisaient l’IA sous une forme ou une autre, tandis que 88 % avaient utilisé l’IA générative pour leurs évaluations. Une étude menée auprès de la promotion 2025 de l’UCLA a également révélé que 73 % des étudiants en dernière année ayant répondu à l’enquête utilisaient l’IA générative pour leurs travaux universitaires.

Pourtant, ces étudiants ne demandent pas nécessairement à ChatGPT de réaliser un devoir du début à la fin. Ils font des recherches sur des sujets, trouvent des idées, révisent leurs examens, corrigent leurs textes, demandent des explications sur des notions difficiles et génèrent parfois certaines parties de leurs devoirs.

La question qui se pose alors aux enseignants est importante : Les étudiants comprennent-ils réellement ce qu’ils rendent ?

Le problème des détecteurs d’IA

La réponse aux devoirs générés par l’IA a pris la forme d’une autre IA : les logiciels de détection.

Si les étudiants pouvaient utiliser un algorithme pour rédiger un essai, les enseignants pourraient peut-être en utiliser un autre pour les prendre en flagrant délit.

Mais il y a un problème : la détection de l’IA ne constitue pas une preuve.

Depuis les débuts de la généralisation de l’IA générative, des chercheurs alertent sur les faux positifs et les faux négatifs. Une étude de 2023 publiée dans The International Journal of Management Education a constaté un chevauchement dans la manière dont les détecteurs classaient les textes authentiques et ceux générés par l’IA, ce qui pouvait entraîner les deux types d’erreurs.

Des recherches plus récentes suggèrent que le problème fondamental persiste. Une évaluation de 2026 publiée dans Computers & Education a testé 13 détecteurs de contenus générés par l’IA sur des devoirs, des mémoires et du code authentiques produits par des étudiants. Les chercheurs ont conclu que les performances des détecteurs restaient insuffisantes pour prendre des décisions universitaires à fort enjeu et ont constaté que les contenus générés par l’IA puis modifiés pouvaient souvent échapper à la détection.

Cela ne rend pas les outils de détection inutiles. Toutefois, il devient difficile de s’y fier comme principale réponse aux travaux universitaires réalisés avec l’aide de l’IA.

Cela soulève également une question plus vaste.

Même un détecteur parfaitement fiable indiquerait seulement à un enseignant si un texte a probablement été généré par l’IA. Il ne lui permettrait pas de savoir si un apprentissage a eu lieu.

Imaginons deux étudiants :

• Le premier demande à un chatbot d’IA de rédiger un devoir entier, y apporte quelques modifications et le rend sans comprendre l’argumentation.
• Le second se sert de l’IA pour comprendre une notion qui lui pose problème, pose des questions complémentaires, cherche des arguments possibles, rédige son devoir de manière autonome, puis utilise à nouveau l’outil pour repérer les faiblesses de son premier brouillon.

Tous deux ont utilisé l’IA. Mais, sur le plan pédagogique, ils ont fait des choses très différentes.

« Avez-vous utilisé l’IA ? » devient la mauvaise question

L’IA générative n’est plus un simple outil de rédaction à usage unique.

Les étudiants peuvent s’en servir comme correcteur, tuteur, partenaire de réflexion, traducteur, assistant de recherche, aide à la programmation ou outil d’étude. Les logiciels que les gens utilisent déjà intègrent également de plus en plus de fonctionnalités d’IA.

Les étudiants eux-mêmes font la différence. Dans l’enquête de Chegg, l’enquête mondiale auprès des étudiants de 2025 , 80 % des étudiants de premier cycle interrogés ont déclaré avoir utilisé l’IA générative pour les aider dans leurs études. Parmi ces utilisateurs, 56 % s’en servaient principalement pour comprendre des concepts ou des matières. Parallèlement, 53 % craignaient de recevoir des informations erronées.

Ce dernier chiffre est peut-être aussi important que le premier, car apprendre à utiliser l’IA, c’est aussi apprendre à déterminer si une réponse mérite d’être jugée fiable.

Un chatbot peut suggérer des sources pour un essai. Certaines de ces sources peuvent ne pas exister. Il peut améliorer un paragraphe. Il peut aussi modifier subtilement ce que l’étudiant cherchait à dire.

Plus l’IA facilite la production d’une réponse, plus il devient important d’en savoir suffisamment pour pouvoir l’évaluer. C’est là que le débat sur l’intégrité académique commence à se transformer en débat sur la culture de l’IA.

Les élèves doivent prouver qu’ils ont compris

Depuis des décennies, des travaux achevés et bien documentés servent souvent de preuve de l’apprentissage.

Un élève remet une dissertation, un compte rendu de laboratoire, un exposé ou un morceau de code, et l’enseignant évalue le travail final pour déterminer dans quelle mesure l’élève maîtrise le sujet.

L’IA générative remet en cause cette présomption, car il est désormais possible d’obtenir un travail final soigné sans que l’élève possède nécessairement les connaissances que ce travail semble démontrer.

Les enseignants doivent donc aller au-delà du travail final :

1. Demander à l’élève d’expliquer pourquoi il est parvenu à une conclusion.
2. Demander quels éléments de preuve l’ont fait changer d’avis.
3. Lui demander de défendre oralement un argument.
4. Demander quelle partie du travail lui a semblé la plus difficile.
5. Modifier une variable dans un problème et lui demander de le résoudre à nouveau.
6. Lui demander de repérer une faiblesse dans son propre travail.

Si l’utilisation de l’IA était autorisée, demander comment l’élève s’en est servi, ce qu’elle lui a apporté et ce qu’il a écarté.

Tout à coup, produire une réponse impressionnante ne représente plus qu’une partie du travail demandé. L’élève doit aussi montrer qu’il est bien l’auteur du raisonnement qui la sous-tend.

Les devoirs devraient davantage montrer le processus

Depuis des années, les outils numériques facilitent toujours plus l’évaluation du seul résultat final. L’IA générative pousse certains enseignants dans la direction opposée : vers le processus qui a permis de l’obtenir.

Cela pourrait consister à examiner les plans et les brouillons plutôt que les seuls travaux définitifs. Cela pourrait aussi passer par l’intégration de discussions en classe ou d’évaluations orales. Les élèves pourraient consigner l’évolution de leur argumentation, expliquer pourquoi ils ont choisi certaines sources ou revenir sur les difficultés qu’ils ont rencontrées.

L’IA peut même faire partie intégrante de l’évaluation.

Au lieu de dire aux élèves de ne pas utiliser de chatbot, un enseignant pourrait leur présenter une réponse générée par l’IA et leur demander de la critiquer.

• Qu’est-ce que le modèle a bien compris ?
• Qu’est-ce qu’il a oublié ?
• Quelles affirmations doivent être vérifiées ?
• Quelles sources faudrait-il consulter avant de faire confiance à la réponse ?
• L’élève peut-il proposer un meilleur argument ?

Il est bien plus difficile de déléguer ce type de questions, car le travail demandé fait désormais appel au jugement humain. Or, c’est précisément cette compétence dont les élèves ont besoin lorsque l’IA peut produire à la demande des informations plausibles.

La culture de l’IA devient indissociable de la culture académique

Il fut un temps où la « culture numérique » consistait essentiellement à savoir utiliser un ordinateur, naviguer sur Internet et se servir des logiciels courants.

Cette notion s’est affinée, car savoir effectuer des recherches sur Internet ne suffisait pas. Il fallait aussi savoir évaluer les sites Web, repérer les sources peu fiables, protéger ses renseignements personnels et comprendre qu’une place en haut des résultats de recherche ne rendait pas automatiquement une information véridique.

La culture de l’IA connaît une évolution similaire : savoir rédiger une invite est utile, mais ce n’est qu’une composante de cette compétence.

Les élèves doivent aussi comprendre ce que l’IA générative peut ou ne peut pas faire de manière fiable. Ils doivent savoir repérer les hallucinations, remettre en question les réponses formulées avec assurance, vérifier les sources, tenir compte de la confidentialité et comprendre à quel moment l’aide de l’IA franchit la limite et se substitue à leur propre réflexion.

Pour déterminer où se situe cette limite au regard de l’objectif global d’apprentissage, il faudra probablement procéder par tâtonnements.

Utiliser l’IA pour expliquer un concept difficile peut accélérer l’apprentissage. Lui demander de résoudre un problème avant d’avoir essayé de le faire soi-même risque de contourner précisément le travail cognitif que le devoir était censé développer.

Le monde hors de la salle de classe

L’éducation a toujours été une démarche tournée vers l’avenir. Après avoir obtenu leur diplôme, les élèves emportent avec eux les leçons apprises à l’école dans le monde du travail. Or, il est peu probable que les milieux professionnels qu’ils intégreront soient dépourvus d’IA.

Les assistants d’IA sont intégrés aux plateformes créatives et aux systèmes d’entreprise. Bon nombre des élèves d’aujourd’hui exerceront peut-être des métiers où l’on attend d’eux qu’ils utilisent l’IA efficacement. Dans ces conditions, il devient de plus en plus difficile de maintenir une approche générale interdisant l’IA comme moyen de les préparer à la vie professionnelle.

L’extrême opposé n’est pas particulièrement utile non plus.

Un élève incapable de défendre un argument sans l’aide de l’IA n’est pas nécessairement mieux préparé à travailler dans un environnement où l’IA est utilisée. Ce n’est pas non plus le cas d’un élève qui accepte une analyse générée par l’IA sans la vérifier.

La compétence précieuse consiste à savoir quoi déléguer et quoi ne pas déléguer.

• L’IA peut produire une première synthèse en quelques secondes. Il faut tout de même posséder suffisamment de connaissances dans le domaine pour repérer ce qui manque.
• Elle peut générer du code. Il faut tout de même savoir si ce code fonctionne, s’il est sécurisé et s’il répond au problème visé.
• Elle peut rédiger un courriel destiné à un client. Il faut tout de même suffisamment bien connaître ce client pour savoir si l’envoyer serait une très mauvaise idée.

La maîtrise de l’IA sans jugement indépendant n’est pas une grande maîtrise.

La nouvelle question de l’intégrité académique

Le problème initial de la triche existe toujours. Les élèves peuvent utiliser l’IA générative pour éviter de travailler, comme ils ont toujours trouvé des moyens de s’y soustraire. Les enseignants doivent toujours fixer des limites quant aux usages autorisés de l’IA, aux situations où le travail individuel est important et à ce qui constitue une faute académique.

Mais le débat plus large s’est concentré sur le fait que l’IA a rendu remarquablement facile de donner l’apparence du savoir. Cela signifie que l’éducation doit mieux distinguer l’apparence du savoir du savoir lui-même.

Autrefois, la question était : « Est-ce votre travail ? »

La nouvelle question est : « Pouvez-vous démontrer que le raisonnement à l’origine de ce travail est le vôtre ? »

Cette question est plus difficile à évaluer. Pour les enseignants, il ne suffit pas de soumettre une dissertation à un détecteur et d’attendre un pourcentage. Cela vaut toutefois la peine de fournir un effort supplémentaire. Après tout, les devoirs ne sont pas censés se résumer à une réponse binaire : ont-ils été faits ou non ? Les devoirs portaient, et portent toujours, sur le raisonnement nécessaire à leur réalisation.