Jean-François Cerisier, Ludoviales, 17 mars 2026
Des dizaines d’années de recherche dans le monde entier ont montré que les déterminants des institutions éducatives étaient finalement assez peu transformés par la disponibilité des techniques numériques. Bien que l’on soit en mesure de mettre en évidence un très grand nombre d’initiatives pédagogiques ou organisationnelles nouvelles, les transformations restent modestes à l’échelle des systèmes éducatifs.
L’irruption des intelligences artificielles, la vitesse de leur déploiement, l’ampleur de leur appropriation et le nouveau rapport aux savoirs qu’elles instaurent questionnent, voire remettent en cause, la stabilité des formes scolaire et universitaire de l’enseignement. Si le numérique a historiquement peu transformé les institutions éducatives, les intelligences artificielles génératives pourraient constituer une rupture d’un autre ordre, en reconfigurant en profondeur le rapport au savoir, au travail et à l’évaluation.
Pourquoi cette fois pourrait-elle être différente ?
La pandémie de Covid-19 nous avait offert un observatoire extraordinaire pour des études à grande échelle d’une potentielle transition numérique de l’école en raison de l’intérêt du numérique pour l’organisation d’un enseignement d’urgence. Ainsi, différents chercheurs dont Théo Martineaud (2024), ont pu montrer que l’accélération et le renforcement de cette transition numérique étaient tout à fait relatifs, très loin des « dix ans de gagnés » prophétisés par certains et que ces transformations réalisées sous contraintes n’étaient pas toujours pérennes.
Le surgissement des applications des Intelligences Artificielles Génératives (IAG), dont il faut rappeler qu’elles ont été largement précédées par d’autres catégories d’IA et en particulier les techniques qui permettent le développement d’exerciseurs adaptatifs, constitue de nouveau un bel observatoire des transformations scolaires et universitaires liées au numérique.
Une promesse ancienne : le numérique transforme peu
S’agissant du numérique, en général, dans et pour l’éducation, le climat actuel est morose, entre les craintes légitimes mais souvent excessives liées aux pratiques numériques des jeunes, qu’il s’agisse de réseaux socionumériques ou d’IAG, les difficultés économiques et les incertitudes politiques.
Pour autant, depuis plusieurs décennies, les technologies numériques sont régulièrement présentées comme des leviers d’une transformation profonde des systèmes éducatifs. De l’informatique pédagogique des années 80 aux environnements numériques de travail des années 2000, en passant par les tableaux numériques interactifs, les MOOC ou les tablettes tactiles, chaque vague technologique a suscité des attentes fortes, beaucoup de promesses, des réussites et des déceptions.
La plupart des discours institutionnels manifestent un certain optimisme. Il est vrai qu’avec près de 900 000 enseignantes et enseignants dans l’enseignement scolaire et de 90 000 dans l’enseignement supérieur, le nombre d’initiatives pédagogiques qui mobilisent les techniques numériques est considérable, qu’il est facile de citer de multiples exemples et que l’illusion de fréquence guette.
Pourtant, les recherches menées à l’échelle internationale convergent vers un constat relativement partagé : les institutions éducatives se transforment peu ! Larry Cuban (2001) parlait déjà de technologies « survendues et sous-utilisées », tandis que Neil Selwyn (2016) a montré que le numérique tend davantage à s’adapter aux structures existantes qu’à les bouleverser.
Ce phénomène s’explique notamment par la robustesse de ce que Vincent, Lahire et Thin (1994) ont nommé la « forme scolaire » : un ensemble de normes profondément ancrées (organisation en classes, centralité de l’enseignant, importance de l’évaluation certificative…) qui résistent aux innovations techniques. Dans une perspective écosystémique, on peut aussi parler d’homéostasie, soit la capacité de nos institutions à rester stables malgré les perturbations.
Ainsi, malgré une multitude d’initiatives locales novatrices, les transformations restent limitées à l’échelle systémique. Le numérique n’a pas reconfiguré l’école ni l’université ; il s’y est inséré.
L’IA : une rupture d’un autre type
L’irruption des intelligences artificielles génératives pourrait cependant introduire une rupture d’une autre nature.
D’abord, par leur vitesse de diffusion. Ouvert au public en novembre 2022, ChatGPT a atteint 100 millions d’utilisateurs en deux mois, un rythme sans précédent. Cette rapidité est d’autant plus significative pour les apprenants que leur appropriation des IAG ne passe pas prioritairement par l’institution scolaire ou universitaire : les élèves découvrent et expérimentent ces outils en dehors de l’école.
A l’échelle internationale, ce sont 800 000 000 de comptes actifs que dénombrait OpenAI en décembre 2025 et plusieurs recherches dont celle que je réalise avec Karine Buard de l’université de la Nouvelle-Calédonie, intitulée UNIVERS-IA, montrent que 80% des étudiants au moins utilisent régulièrement des IAG dans le cadre de leurs études et, plus largement, de leur vie personnelle, cette valeur étant à prendre avec précaution car difficile à mesurer et très évolutive.
Ensuite, par leur nature même. Contrairement aux technologies précédentes, les IAG ne se contentent pas de donner accès à des ressources : elles produisent des contenus, simulent des raisonnements, proposent des explications.
Comme le souligne Ethan Mollick (2025), elles peuvent être considérées comme de véritables « partenaires cognitifs ». Pour ma part, je préfère les qualifier de « quasi-acteur » des dispositifs d’apprentissage de l’enseignement scolaire et universitaire, des quasi-acteurs auxquels sont déléguées de façon explicite ou non, choisie ou non, des fonctions allant de l’assistance dans toutes ses dimensions à la délégation intégrale des tâches d’apprentissage, avec l’intérêt, les limites et les dangers que l’on commence à bien identifier.
Dans le cadre de notre recherche UNIVERS-IA, nous appréhendons les processus de dévolution aux IAG selon deux processus différents. D’abord celui de l’autorégulation (Zimmerman et al., 2000) qui renvoie à la capacité de l’apprenant à mobiliser des processus cognitifs, métacognitifs et motivationnels dans les trois principales étapes de ses activités d’apprentissage (planification de l’activité, contrôle durant la performance, ajustement des stratégies). Ensuite, celui de l’externalisation, l’offloading cognitif (Risko et Gilbert (2016) qui consiste à utiliser des ressources externes pour réduire la charge cognitive.
Cas par cas, situation d’apprentissage par situation d’apprentissage, il est possible de d’appréhender le rôle et l’importance de l’offloading cognitif dans les processus d’autorégulation des apprentissages, avec des effets qui selon les cas se révèlent positifs ou délétères.
Une transformation du rapport au savoir et au travail
Cette irruption de quasi-acteurs transforme ou bien est susceptible de transformer tout ou partie des médiations éducatives, qu’il s’agisse du rapport au savoir, du rapport aux apprentissages et aux efforts qu’ils nécessitent, du rapport entre apprenants et enseignants et du rapport entre apprenants eux-mêmes.
Alors que l’École et l’université reposent traditionnellement sur un modèle dans lequel le savoir est rare, stabilisé, et doit être acquis par un effort individuel, les IAG introduisent un modèle concurrent, dans lequel le savoir devient immédiatement mobilisable, transformable et, dans une certaine mesure, externalisable.
Cette évolution prolonge des phénomènes déjà identifiés, comme l’effet Wikipédia (Chung, 2012) ou comme l’effet Google (Sparrow et al., 2011), qui montre que les individus retiennent moins les informations lorsqu’ils savent qu’elles sont facilement accessibles. Mais elle franchit un seuil supplémentaire : il ne s’agit plus seulement d’externaliser la mémoire, mais aussi la production et, parfois, le raisonnement.
Des pratiques partiellement invisibles et hétérogènes
Les premières enquêtes disponibles dont la nôtre (UNIVERS-IA) montrent une adoption rapide et massive de ces outils par les élèves et les étudiants, même si l’on peut identifier différents profils allant des non-usagers par choix, notamment pour des raisons éthiques, aux utilisateurs compulsifs à délégation très élevée.
On sait les pratiques en évolution rapide et on observe qu’elles relèvent partiellement d’une logique de shadow IT, c’est-à-dire d’invisibilisation choisie mais aussi de fait, quand les établissements d’enseignement n’organise aucune place pour l’IA et ne tiennent aucun discours à leur égard, ce qui contribue à creuser un écart entre les pratiques réelles et les représentations institutionnelles, ce qui participe à l’émergence d’une véritable « zone grise normative » avec le risque majeur d’une discordance croissante entre les attentes de l’institution scolaire et les pratiques effectives des élèves. Entendons par zone grise normative des situations où les règles existent, mais ne sont ni claires, ni partagées, ni appliquées ou applicables de manière homogène
L’école et l’université continue en grande partie et à raison de valoriser la production individuelle, l’effort personnel et l’authenticité des travaux. Or, ces principes sont mis à l’épreuve par des outils qui permettent de produire rapidement des contenus de qualité, parfois indiscernables de productions humaines.
Une discordance croissante avec l’institution
Ce décalage peut entraîner plusieurs conséquences. D’une part, une perte de sens du travail scolaire pour certains élèves, qui peuvent percevoir certaines tâches comme inutiles ou contournables. D’autre part, une fragilisation des dispositifs d’évaluation, dont la validité repose sur des hypothèses de plus en plus discutables.
L’évaluation repose historiquement sur l’hypothèse d’une production individuelle contrôlée. Or, cette hypothèse devient de plus en plus fragile dans un environnement où la délégation cognitive est techniquement indétectable.
Les systèmes éducatifs sont régulièrement confrontés à des écarts entre les normes prescrites et les pratiques réelles. L’IA pourrait accentuer fortement ce phénomène. Les enseignants se trouvent ainsi dans une position particulièrement complexe. Ils doivent faire face à des usages hétérogènes, souvent invisibles, et à des injonctions parfois contradictoires.
Certaines consistent à interdire l’usage de l’IA, mais ces interdictions sont difficiles à faire respecter et peuvent accentuer le décalage avec les pratiques réelles. D’autres approches visent à intégrer ces outils dans les pratiques pédagogiques, mais elles soulèvent de nouvelles questions, notamment en matière d’évaluation. Cette situation génère une incertitude professionnelle importante. Elle nécessite des espaces de discussion et de réflexion collective, ainsi qu’un accompagnement institutionnel adapté qui n’est pas toujours en place.
Les formes scolaires et universitaires sous tension
Le concept de forme scolaire et, par extension, universitaire trouve ses origines avec la notion de forme sociale (Simmel) et désigne la forme sociale spécifique qui structure, pour les institutions éducatives, l’accès aux connaissances, les formats de l’enseignement des activités d’apprentissage, les interactions entre les différents acteurs impliqués.
On peut la définir de plusieurs façons et notamment selon une matrice de quatre catégories d’interactions sociales avec des normes d’interaction (Cerisier, 2016) :
- un rapport au savoir (le savoir scientifique, issu de la recherche et incarné par la figure du chercheur…, l’expertise de l’enseignant et le manuel scolaire à l’école) ;
- un rapport au temps et à l’espace (le temps long, l’université avec ses laboratoires, ses amphithéâtres et ses BU…, le temps scolaire) ;
- un rapport à autrui et à soi-même (la verticalité et l’asymétrie des relations…) ;
- un rapport au “faire” (les formats pédagogiques, les modalités d’évaluation…).
Ces quatre catégories d’interaction sont percutées par les usages pervasifs des techniques d’IAG et deux le sont particulièrement :
- le rapport aux savoirs académique savant ou scolaire devient le rapport au savoir ambiant lié aux corpus d’entraînement des IA utilisées et médié par les compétences d’usage des utilisateurs ;
- le rapport au faire, largement normé par les prescriptions des enseignants devient transgressif avec les possibilités de délégation et de triche.
Repenser les formes scolaire et universitaire
Finalement, ce sont de véritables fondamentaux des institutions éducatives qui sont questionnés. Leur autorité certificative, par exemple, est sérieusement remise en cause par l’effondrement de leur capacité à maintenir l’efficacité des modalités classiques d’évaluation.
Face à cette situation, plusieurs attitudes sont possibles. On a vu certaines institutions universitaires interdire l’usage des IAG dès les premiers mois de leur disponibilité, fin 2022 ou début 2023. La plupart ont fait marche arrière, à la fois parce qu’elles étaient dans l’impossibilité de faire appliquer efficacement cette mesure d’interdiction, introduisant ainsi de nouvelles distorsions et iniquités entre les étudiants, mais aussi pour se donner les moyens d’un encadrement des usages favorables aux apprentissages, encadrement le plus souvent souple qui s’appuie sur une subsidiarité qui donne à l’enseignant de décider des usages possibles et permis à l’échelle de la discipline, du cours, voire de l’activité.
C’est aussi le cas de l’enseignement solaire, avec un cadre d’usage des IAG national et annoncé comme révisable.
On observe donc un mouvement de fond, qui concerne les pratiques pédagogiques mais pas seulement. Cela affecte également l’organisation du rapport aux savoirs, aux apprentissages, autres et aux attentes institutionnelles. L’IA ne transforme pas encore les institutions. Mais elle transforme déjà irréversiblement les pratiques. Et c’est peut-être là que commence la véritable transformation.
Cette fois-ci, il semble bien que la transition numérique des institutions éducatives soit en marche !
Références bibliographiques
Cerisier, J.-F. (2016). La forme scolaire à l’épreuve du numérique. Dans P. Bonfils, P. Dumas et L. Massou (Dir.), Numérique et éducation : dispositifs, jeux, enjeux, hors-jeux, Éditions universitaires de Lorraine, pp.195-210,
https://hal.science/hal-01216702
Chung, S. & Chung, S. (2012). Cognitive and Social Factors Affecting the Use of Wikipedia and Information Seeking. Canadian Journal of Learning and Technology / La revue canadienne de l’apprentissage et de la technologie, 38(3). Canadian Network for Innovation in Education.
https://www.learntechlib.org/p/43199/.
Cuban, L. (2001). Oversold and Underused Computers in the Classroom. Harvard University Press.
Martineaud, T. (2024). L’effet de longue traîne du confinement sur l’appropriation des techniques numériques par les enseignants de l’école élémentaire [Thèse de doctorat, Université de Poitiers].
Mollick, E. (2025). Cointeligencia. Vivir y Trabajar con Ia IA / Co-Intelligence : Living and Working with AI. Conecta.
Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends In Cognitive Sciences, 20(9), 676‑688. https://doi.org/10.1016/j.tics.2016.07.002
Selwyn, N. (2016). Is Technology Good for Education.
Sparrow, B., Liu, J., Wegner, D. (2011). Google Effects on Memory: Cognitive Consequences of Having Information at Our Fingertips. Science, 333,776-778.
DOI:10.1126/science.1207745
Zimmerman, B. J., Bonner, S., Kovach, R., Pagnoulle, C. (Crit. Ed.), & Simons, G. (Crit. Ed.). (2000). Des apprenants autonomes : autorégulation des apprentissages (Smets, G., Trans.). De Boeck Université.
D’autres articles de Jean-François Cerisier parus sur Ludomag
Conférence présentée à l’occasion des Ludoviales 2026, voir tous les articles ici
