Les progrès de l’IA mettent en tension les systèmes éducatifs

Depuis le milieu de l’année 2025, l’intelligence artificielle (IA) générative a connu une mutation majeure. Initialement limitée à répondre à des questions précises avec des corrections successives, elle fonctionne désormais de manière autonome grâce à des agents ou boucles agentiques. Ces systèmes enchaînent seuls des étapes complexes : lire des documents, exécuter des actions, observer les résultats et ajuster leur approche. Selon l’institut METR, qui mesure la durée des tâches réalisées par l’IA, cette capacité a doublé tous les quatre à cinq mois. Par exemple, les meilleurs modèles accomplissent désormais des tâches qui prendraient plusieurs heures à un professionnel, contre quelques minutes il y a deux ans. Cette évolution s’explique par l’adoption de l’apprentissage par renforcement, une méthode où l’IA est récompensée lorsqu’elle atteint un objectif, plutôt que d’imiter des textes humains. Les modèles dits frontier (les plus avancés) s’attaquent désormais à des défis comme le concours d’entrée en mathématiques de l’ENS Paris-Lyon, autrefois réservé aux humains.

L’IA générative commet de moins en moins d’erreurs sur des tâches simples comme les résumés, passant de 8 % à environ 1 % d’erreurs en trois ans. Cependant, ces erreurs se déplacent vers des questions pointues et rares dans ses données d’entraînement, celles que posent les professionnels dans leur métier. Elles prennent aussi une nouvelle forme : les modèles insèrent des affirmations fausses dans des raisonnements cohérents, rendant les erreurs difficiles à détecter. La vérification de ces erreurs repose alors sur l’utilisateur, mais plusieurs études montrent que cette tâche est complexe. Par exemple, 142 internes en médecine générale en Chine n’ont repéré les erreurs de ChatGPT que dans 50 % des cas, et seulement 20 % des étudiants en économétrie au King’s College de Londres ont identifié une erreur conceptuelle glissée dans un devoir. À l’université Khalifa d’Abou Dabi, des étudiants en informatique n’ont détecté les hallucinations que dans leur domaine de spécialité.

L’article souligne un paradoxe : alors que l’IA progresse, certains systèmes éducatifs occidentaux réduisent l’enseignement des savoirs au profit des compétences générales comme l’esprit critique ou la recherche d’information. Pourtant, les recherches en psychologie cognitive, comme celles de Daniel Willingham ou Alain Lieury, montrent que ces compétences dépendent directement des connaissances organisées acquises à l’école. Par exemple, un terme comme hypoténuse ne se limite pas à une définition mémorisée, mais ouvre l’accès à un réseau de concepts mathématiques. Lieury a observé que la richesse de ce réseau sémantique est fortement corrélée à la réussite scolaire. Sans ces connaissances, il est impossible de valider ou d’invalider une information, car le jugement repose sur des indices de surface, ceux que l’IA optimise. Ainsi, les compétences ne s’enseignent pas directement : ce sont les savoirs qui les rendent possibles.

Superviser une IA autonome nécessite des compétences spécifiques, comme cadrer une tâche floue ou vérifier ses productions. Ces opérations reposent sur la capacité à mobiliser des concepts disciplinaires précis et à détecter des incohérences. Yann Dubois, codirigeant du postentraînement des modèles chez OpenAI, souligne que ces compétences sont indissociables des savoirs sous-jacents. Une étude de Microsoft Research auprès de 319 salariés révèle que la confiance dans ses propres capacités, et non dans l’outil, prédit la capacité à critiquer les résultats d’une IA. À l’inverse, les salariés maîtrisant mal leur métier sous-utilisent l’IA et subissent davantage ses erreurs. Par exemple, un photographe professionnel produit des contenus de meilleure qualité qu’un amateur, car il comprend la complexité de la tâche et repère les incohérences du rendu. Ce lien entre savoirs et supervision de l’IA est un phénomène récent, dont les deux extrémités restent à explorer.

Les systèmes éducatifs occidentaux, comme celui de la France, sont en tension face à cette évolution. Selon les résultats de l’enquête PISA 2022, un élève français de 15 ans accuse un retard de près de trois années en mathématiques par rapport à un élève coréen et de cinq années par rapport à un élève singapourien. Ces pays asiatiques maintiennent les savoirs disciplinaires au centre de leur enseignement et évaluent les connaissances par des examens terminaux, qui mesurent aussi l’autonomie et les capacités cognitives des élèves. En France, cette approche est parfois perçue comme archaïque, mais elle permet d’évaluer indirectement les pratiques pédagogiques et les progrès des élèves. Les épreuves orales, recommandées depuis l’arrivée de l’IA générative, sont particulièrement adaptées pour tester le réseau conceptuel des élèves, base de leur future utilisation de l’IA.