L’IA dans le e-learning : une révolution cognitive laissée à l’initiative de chacun
Ce que racontent dix-huit étudiants, enseignants et responsables de plateformes e-learning
Etude ThinkOut – Edunao: l’impact de l’IA sur le eLearning en 2026
Think-Out a mené pour Edunao une étude qualitative auprès de dix-huit acteurs de l’enseignement et de la formation professionnelle : six apprenants, six enseignants et formateurs, six responsables de plateformes. Ce qu’ils décrivent est une situation singulière : l’outil intellectuel le plus puissant apparu depuis des décennies s’est diffusé dans les écoles et les organismes de formation sans que personne n’en organise l’arrivée, et chacun a dû initialement composer seul avec lui.
Une arrivée que personne n’a organisée
Dans la plupart des établissements et des organismes visités, l’IA n’a fait l’objet d’aucune consigne. Ni interdiction, ni autorisation, ni recommandation : le flou. Là où une parole institutionnelle existe, elle est presque toujours formulée en négatif. Une enseignante de lycée professionnel énumère ce qu’elle a reçu sur les outils numériques, ne pas recourir à tel service, ne pas y faire passer de données d’élèves. Puis elle ajoute : « Vous nous proposez quoi à la place ? Rien. Donc voilà, on utilise parce qu’il n’y a rien à la place. »
Cette phrase dit assez bien l’état du terrain. L’intelligence artificielle s’est installée partout dans l’enseignement et la formation, et elle y est entrée avant que l’institution ne s’en empare. Pas de charte, pas de formation, pas de licences financées, rarement un discours cohérent. Le RGPD reste souvent le seul repère juridique invoqué, et il indique ce qu’il ne faut pas faire sans jamais dire ce qu’il faudrait faire.
Les usages se sont donc dessinés par le bas. Ils ne sont pas descendus d’une politique d’établissement vers les équipes, puis des équipes vers les apprenants. Ils sont remontés en sens inverse, des apprenants vers les enseignants, et l’institution a découvert après coup des pratiques qu’elle n’avait ni prévues ni outillées.
Le récit que les interviewés font de leur première rencontre avec l’outil est révélateur. Une apprenante en reconversion se souvient : « C’est mon conjoint qui m’a dit, essaye, ChatGPT, parce que lui, ça l’aide beaucoup. » L’IA est entrée par le foyer, par la conversation entre collègues, presque jamais par la porte institutionnelle.
Faute de cadre, la responsabilité est descendue d’un cran : ce sont les enseignants qui arbitrent, seuls, et l’on trouve dans un même établissement ceux qui interdisent, ceux qui encouragent et ceux qui préfèrent ne pas aborder le sujet. Or ce que le terrain réclame n’est pas une règle de plus mais un accompagnement, savoir comment vérifier ce que l’IA produit, jusqu’où lui déléguer, à quel moment elle aide et à quel moment elle empêche. Une apprenante, interrogée sur qui devrait prendre cela en charge, répond sans hésiter : « J’aurais dit plus à l’organisme, parce qu’il faut qu’il se mette aussi à l’IA. »
Chez les apprenants, une adoption massive et un coût cognitif reconnu
L’adoption est ici précoce et généralisée, et la manière dont elle s’est faite pèse lourd sur ce qu’elle est devenue. On vient à l’IA par blocage, devant la page blanche, la notion mal comprise, la veille du rendu. Cette entrée par le manque a engagé d’emblée des usages réactifs et peu réfléchis.
Ce que l’outil apporte est pourtant réel. Il est disponible à toute heure, il reformule dix fois sans jamais soupirer, il n’humilie personne. Une apprenante en master décrit un véritable compagnonnage : « C’est vraiment comme si on parlait avec quelqu’un qui nous a suivis tout du long pendant la scolarité. » Pour des étudiants qui n’osaient pas demander, pour des adultes en reconversion isolés devant leurs cours, l’IA a ouvert une autonomie et une équité d’accès qui n’existaient pas.
Il faut mesurer ce que cela déplace. L’IA ne se contente pas d’assister le travail, elle occupe déjà une partie des fonctions du professeur. Elle comble le délai de réponse, elle supprime la peur du jugement, et elle intervient dans les moments clés de l’apprentissage, ceux où l’étudiant bute et où personne n’est disponible. L’asymétrie pédagogique traditionnelle, qui plaçait l’enseignant du côté du savoir et l’apprenant du côté du manque, s’en trouve fragilisée. On voit se dessiner des apprenants plus autodidactes qu’ils ne l’ont jamais été, pour le meilleur comme pour le pire selon la maturité de leur usage.
Le prix se paie ailleurs, et les apprenants le nomment avec une lucidité qui désarme. Ce que l’IA abrège n’est pas seulement du temps de saisie, c’est la recherche du plan, la mise en forme, la phrase qu’on rature, c’est-à-dire l’endroit précis où la pensée se construit. L’étudiant obtient le résultat sans avoir eu à parcourir le chemin qui y mène. L’un d’eux formule l’arbitrage en termes purement économiques : « Pourquoi me faire violence à passer 5 heures alors que les autres passent 5 minutes ? » Une étudiante dit au contraire ce que cet arbitrage lui a coûté, et ce qui l’a conduite à désinstaller l’application de son téléphone : « Impression de perdre des neurones, d’être complètement abruti. »
Perte de réflexion, perte de mémorisation : le risque cognitif est de toute l’étude le frein le plus clairement énoncé, et il l’est par les trois populations, les étudiants les premiers. Les profils ne sont pourtant pas homogènes, de l’usage réflexe et sans méthode jusqu’à l’expert qui a fait de l’IA une infrastructure de travail, et une régularité s’en dégage : plus la maîtrise est mature, plus les bénéfices sont réels et plus le coût cognitif diminue. Le laisser-faire ne fabrique donc pas des utilisateurs autonomes, il fabrique des utilisateurs passifs.
Chez les enseignants, une délégation qui a ses frontières
L’adoption est plus lente de ce côté, et la méfiance y est rarement technique : elle touche à l’identité professionnelle. Une responsable de formation en chambre des métiers l’analyse sans détour chez ses équipes : « J’ai l’impression un peu d’ego et de fierté (…) on va être remplacé ou dépassé par la machine. » Ce que le terrain révèle ensuite, c’est une géographie très précise de la délégation : plus la tâche approche du cœur de l’expertise, plus elle résiste.
La production de supports est acceptée par tous, souvent avec enthousiasme. « Quand j’ai découvert ça, j’ai trouvé ça magique », raconte un enseignant de lycée professionnel. Un formateur en restauration y voit un saut qualitatif : « Si c’était moi qui devais créer des contenus, je pense qu’ils ne seraient pas très jolis. »
La correction des copies se heurte en revanche à un refus assez net, pour une raison qui n’a rien à voir avec la performance de l’outil : corriger, c’est connaître ses élèves et repérer ce qui bloque chez tel ou tel. Une enseignante d’anglais, pourtant très évoluée sur l’IA, s’arrête là : « Je ne saurais même pas comment faire (…) je ne passerai jamais ce cap-là. » Les contenus de cours suscitent la même réserve, vécus comme un capital professionnel, surtout chez les formateurs indépendants pour qui le cours constitue le fonds de commerce. Quant à l’usage en séance, il reste presque tabou.
Cette même enseignante avait une devise avant sa conversion progressive : « Quand on fait les choses, on sait les faire. Et si on les fait faire, on sait plus les faire. » Elle la formulait pour ses élèves. Elle vaut aussi pour elle.
Ce qui se recompose en creux, c’est le fondement de la légitimité enseignante. L’enseignant n’est plus le seul dépositaire du savoir, et son métier se déplace vers un travail de médiation : aider l’apprenant à discriminer ce que la machine produit, à le contextualiser, à l’interroger. Médiateur plutôt qu’autorité. Un responsable de l’innovation pédagogique en école de commerce en donne la lecture la plus généreuse, « ça remet en fait l’humain au centre du village », et livre la formule la plus fine du corpus : « Pour des jeunes chercheurs, je trouve ça dommage de l’utiliser trop vite (…) Pour des plus anciens, je trouve ça dommage de s’en passer. »
L’évaluation en crise, et le besoin d’un regard humain
Le devoir maison est devenu incontrôlable et aucune des réponses tentées ne tient vraiment : les détecteurs se trompent, la surveillance à distance braque les étudiants, le retour au papier fait reculer tout le monde. Un responsable de plateforme universitaire décrit la scène limite : « Beaucoup d’étudiants rédigent leur mémoire totalement avec l’IA, et quand on les interroge sur leur mémoire, en fait, ils ne le connaissent pas parce qu’ils ne l’ont pas rédigé. »
Il serait commode d’y voir une affaire de fraude, et l’étude invite à y regarder autrement. Si un travail produit en cinq minutes obtient la même note qu’un travail produit en cinq heures, ce qui vacille est moins l’honnêteté de l’étudiant que ce que la note prétend mesurer. Deux chantiers se dessinent, et le second est à peine ouvert. Le premier consiste à contourner, en ramenant l’épreuve là où la machine n’entre pas : devoir sur table, oral, soutenance, exercices en séance. Quelques enseignants ont trouvé cette parade, exigeante : « Il faut arriver à le contourner en augmentant le niveau d’exigence », c’est-à-dire demander ce que la machine ne sait pas produire.
Mais on ne peut pas tout ramener au présentiel, et une part du travail demandé aux étudiants continuera d’être produite avec l’IA. Il faudra donc apprendre à l’évaluer comme tel. Sur quoi juge-t-on la valeur d’un travail réalisé avec une machine : la pertinence de ce qui lui a été demandé, la qualité du tri opéré dans ce qu’elle a rendu, la capacité de l’étudiant à défendre le résultat et à en repérer les faiblesses ? Ces critères n’existent aujourd’hui nulle part, et leur élaboration est sans doute le chantier pédagogique le plus urgent du moment.
Sur un point pourtant, les trois populations convergent absolument, y compris les étudiants les plus gros utilisateurs : il faut un regard humain de validation sur ce que produit la machine. Une apprenante en reconversion, qui s’en sert quotidiennement, le dit à sa manière, « on est quand même un être humain, on a un cerveau ». Et cette responsable de formation nomme le piège avec une justesse rare : « J’ai presque peur que ce soit trop facile et que ce soit sympathique, en fait, d’utilisation, et que ce soit le bon ami, en fait, qui nous remplace toutes les tâches difficiles, et qu’on soit un peu dépendant. »
La plateforme, grande absente du débat sur l’IA
Reste le constat le plus opérationnel de l’étude, et il porte sur un objet dont on parle peu dans le débat public. Pendant que l’IA captait la fonction proprement pédagogique, comprendre, réviser, s’entraîner, s’évaluer, beaucoup d’établissements n’ont exploité de leur plateforme que sa couche la plus administrative, celle où l’on récupère un PDF et où l’on rend un fichier. Il s’agit d’un état d’usage plutôt que d’une propriété de l’outil, mais c’est bien ainsi que les interviewés le décrivent. Une apprenante en master en parle avec résignation : « Nous, c’est assez vieillot (…) on y va parce qu’on doit y aller, mais c’est vrai que ce n’est pas la même chose. »
Résultat, tout le monde jongle. La plateforme pour déposer et récupérer, une IA généraliste dans un autre onglet pour travailler, trois outils tiers pour le reste. « La difficulté, c’est de naviguer entre plusieurs outils », résume un enseignant. Cet empilement coûte cher en travail dupliqué, en abonnements cumulés, en charge mentale, et surtout en cohérence pédagogique, puisque le travail intellectuel des apprenants se déroule hors du champ de vision de l’institution.
C’est ici que se joue la différence entre deux manières d’habiter une plateforme. Dans la première, celle que décrivent la plupart des interviewés, l’établissement n’en active que les fonctions de dépôt et de restitution, et l’IA reste dehors. Dans la seconde, celle que travaille Edunao avec Dixeo et que nous avons soumise à l’appréciation des dix-huit interviewés, l’IA est installée à l’intérieur : endogène, nourrie des cours réellement déposés par les enseignants, articulée aux parcours et aux exercices, avec un fonctionnement que l’établissement connaît et assume.
Le terrain valide cette intuition, et l’intégration est le seul argument qui convainque les trois cibles simultanément. Une apprenante le formule spontanément : « L’avantage, c’est que déjà, c’est déjà sur la plateforme (…) si déjà elle est intégrée dans la formation et dans la plateforme, déjà c’est un gain de temps, ça évite de faire des va-et-vient pour trouver les informations. »
Les conditions posées sont claires : fiabilité des résultats, hébergement des données, transparence sur le modèle embarqué, démonstration de ce qui distingue vraiment cette IA d’une IA généraliste.
La plateforme, lieu naturel de l’IA pédagogique
L’enseignement de cette étude dépasse la question du cadrage institutionnel, même si le vide constaté demeure le premier problème à traiter. Il tient à ce que devient une plateforme éducative lorsqu’une IA y est réellement intégrée plutôt que simplement ajoutée à côté. Les IA généralistes ont déplacé le travail intellectuel des apprenants vers un espace que l’institution ne voit pas et ne peut pas accompagner. Une IA nourrie des contenus de l’établissement inverse le mouvement, parce qu’elle ramène dans le même espace le cours, l’entraînement, la question qu’on n’osait pas poser et la trace de ce qui a été compris. Elle offre ainsi à l’enseignant ce qu’aucune interdiction ne lui rendra : la visibilité sur le chemin que ses étudiants parcourent, et donc la possibilité d’y intervenir.
C’est la conclusion la plus utile de ces dix-huit entretiens. La réponse à l’IA générative dans la formation ne viendra pas d’une charte, ni d’un détecteur, ni d’un retour au papier. Elle viendra de la rencontre entre l’intelligence artificielle et la plateforme, seul endroit qui rassemble déjà les cours, les parcours et les travaux des apprenants. Cette rencontre n’a pas encore eu lieu à grande échelle, et elle constitue le chantier le plus intéressant du secteur.
