L’IA va-t-elle remplacer les enseignants ? Voici la vérité dérangeante que la plupart des gens préfèrent ignorer.
Une question circule actuellement dans les salles des professeurs, les conférences sur l’éducation et les fils de discussion paniqués sur Reddit. L’IA va-t-elle remplacer les enseignants ? Les rédacteurs de titres s’en donnent à cœur joie. Les scénarios dystopiques fusent de toutes parts. Et quelque part au milieu de tout ça, les enseignants, eux, essaient simplement de faire comprendre les fractions à trente-deux élèves sans perdre la tête.
Réfléchissons-y donc sérieusement — sans exagération, sans faux-semblants et sans prétendre que la réponse est simple.
À quoi ressemble réellement l’IA dans l’éducation aujourd’hui (loin de l’image idéalisée des brochures).
Voici ce qui se passe réellement. Une élève de Phoenix ouvre le tuteur IA de Khan Academy à 22 h 47, la veille d’un contrôle de chimie. Cela fait deux semaines qu’elle repousse ce chapitre sur les liaisons covalentes. L’IA lui pose une question. Elle se trompe. L’IA lui pose une question légèrement différente. Elle se trompe à nouveau. Puis l’IA revient en arrière — bien en arrière — et recommence par l’électronégativité. Pas de soupir, pas de « on a déjà vu ça », ni de coup d’œil à l’horloge.
C’est vraiment impressionnant. Et c’est déjà en train de se produire.
Par ailleurs, des outils tels que Khanmigo et ChatGPT sont utilisés par des milliers d’enseignants pour élaborer des plans de cours adaptés à chaque élève, créer des variantes de quiz pour différents niveaux de lecture et rédiger des brouillons de lettres aux parents en six minutes au lieu de quarante. C’est un gain de temps considérable. Et cela compte.
Mais voici ce que ceux qui prétendent que l’IA va remplacer les enseignants ne cessent d’occulter : rien de tout cela n’est de l’enseignement.
Le problème de gestion de classe dont personne ne parle lors des démonstrations techniques.
Entrez dans n’importe quelle classe d’une école publique — pas une école privée présentée dans un communiqué de presse, mais une vraie — et observez pendant vingt minutes. Vous remarquerez que peut-être 30 % de l’énergie de l’enseignant est consacrée à l’enseignement de la matière. Le reste ? C’est l’écoute attentive de la classe. Remarquer que Marcus n’a pas établi de contact visuel depuis mardi et que quelque chose ne va pas à la maison. Rediriger l’élève au fond de la classe qui sombre dans la frustration avant que cela ne dégénère. Décider, en temps réel, que le plan de cours est caduc parce que la classe est agitée après une assemblée et que ce dont elle a réellement besoin à ce moment-là, c’est d’une discussion, pas d’une fiche d’exercices.
L’IA ne fait rien de tout ça. Loin de là.
Aucun système de tutorat basé sur l’IA ne prend actuellement en compte ce que les enseignants appellent « l’ensemble des relations » : le contexte accumulé au fil des mois, qui consiste à connaître l’élève, ses parents, son parcours au sein de l’établissement, et à savoir que lorsqu’il dit « je m’en fiche », il veut en réalité dire « je suis terrifié ». Ce n’est pas un problème de données. C’est un problème de présence humaine.
Le débat sur l’avenir de l’IA dans l’éducation serait bien plus constructif s’il partait de là plutôt que des indicateurs d’efficacité.
Les domaines où l’IA améliore véritablement l’éducation.
Cela dit — et il convient de le souligner clairement — certains aspects du modèle traditionnel de la salle de classe méritent véritablement d’être remis en question.
Les cours magistraux au rythme unique ont toujours été une mauvaise idée. Ils sont trop lents pour la moitié de la classe et incompréhensibles pour l’autre moitié. Les plateformes d’apprentissage adaptatif basées sur l’IA, comme Synthesis (initialement conçue pour les enfants de SpaceX, une phrase qui semble fausse mais qui ne l’est pas), utilisent des données de performance en temps réel pour ajuster la difficulté à la volée. Un enfant qui maîtrise un concept passe immédiatement à la suite. Un enfant qui a des difficultés bénéficie d’un accompagnement supplémentaire, et non d’une humiliation supplémentaire.
C’est une tâche qu’un enseignant seul, chargé de gérer trente élèves, ne peut tout simplement pas accomplir manuellement. Il s’agit d’une limite inhérente au modèle de la classe, et non d’un manque de compétence de la part des enseignants. L’IA apporte ici une aide précieuse.
Il y a ensuite la couche de traduction. Pour les élèves dont la langue maternelle n’est pas la langue d’enseignement — une réalité de plus en plus courante dans la plupart des districts scolaires urbains —, les outils d’IA peuvent fournir des explications en temps réel dans la langue maternelle de l’élève pendant qu’il travaille en anglais. Ce type de soutien nécessitait auparavant l’intervention d’un assistant bilingue. Aujourd’hui, cela peut se faire sur une tablette. Ce n’est pas une menace pour l’enseignement. C’est une amélioration de l’accessibilité qui se faisait attendre depuis longtemps.
La véritable menace, ce n’est pas le remplacement, mais quelque chose de plus insidieux.
Voici ce qui me préoccupe vraiment, même si ça ne fait pas vraiment un titre très accrocheur.
Le risque n’est pas que des robots fassent irruption dans les salles de classe pour remettre des lettres de licenciement aux enseignants. Le risque est plus insidieux et plus pernicieux : que les établissements scolaires, sous la pression budgétaire, utilisent les outils d’IA comme prétexte pour augmenter la taille des classes, réduire le personnel de soutien et vider la profession de sa substance de l’intérieur, tout en affirmant techniquement « nous disposons de la technologie ».
Cela s’est déjà produit dans d’autres secteurs. Lorsque les caisses automatiques ont fait leur apparition dans les supermarchés, elles n’ont pas immédiatement supprimé les emplois de caissiers : elles ont permis aux entreprises de réduire leurs effectifs tout en conservant le même débit. Les employés qui sont restés ont simplement été répartis sur un plus grand nombre de postes.
Si l’on applique cette logique à l’éducation, un enseignant qui avait auparavant vingt-quatre élèves s’en retrouve avec quarante, avec un tableau de bord IA pour « l’aider à gérer la situation ». L’outil qui était censé apporter un soutien devient un prétexte pour justifier des coupes budgétaires. Les enfants reçoivent moins d’attention humaine, et non l’inverse. Et l’écart de réussite — qui est fondamentalement autant un écart relationnel qu’un écart de ressources — se creuse.
Fais gaffe à ça. Sérieusement.
Ce que l’IA ne peut pas enseigner (et ne pourra probablement jamais enseigner).
Il existe une liste de points qui reviennent sans cesse dans le débat opposant l’IA aux enseignants humains, et cette liste est généralement considérée comme provisoire. Comme si, dès que l’IA aurait fait quelques progrès, elle serait capable de faire tout cela elle aussi.
Je suis sceptique.
Un bon enseignant enseigne l’éthique à travers la contradiction : en se trompant parfois, en le reconnaissant et en montrant en direct ce qu’est l’honnêteté intellectuelle. Il enseigne la résilience en se présentant comme quelqu’un qui rencontre lui aussi des difficultés. Il enseigne la citoyenneté en discutant avec ses élèves pour savoir si une règle scolaire est juste et en laissant cette question véritablement en suspens.
Ce ne sont pas des compétences. C’est la nature même d’une relation humaine entre quelqu’un qui en sait plus et quelqu’un qui est en train d’apprendre. Une IA optimisée pour fournir des réponses correctes et générer des indicateurs d’engagement positifs est structurellement incapable de ce type d’enseignement. Non pas parce qu’elle manque de puissance de calcul, mais parce que l’essentiel réside justement dans les difficultés, les erreurs et les nouvelles tentatives.
Les tuteurs basés sur l’IA peuvent-ils améliorer les résultats aux examens standardisés ? De plus en plus d’éléments tendent à prouver que oui, à certaines conditions. Mais les résultats aux examens standardisés ne sont pas synonymes d’éducation. Nous ne cessons de confondre ces deux notions, ce qui rend le débat sur la technologie et l’apprentissage bien plus simpliste qu’il ne devrait l’être.
Les enseignants qui s’épanouissent dans cette période de transition.
Ils existent. C’est intéressant de les observer.
Une professeure d’histoire au lycée d’Austin utilise désormais l’IA pour générer cinq versions différentes d’une fiche d’analyse de source primaire : une pour les élèves ayant un niveau de lecture correspondant à leur classe, une version simplifiée, une traduite en espagnol, une avec des supports visuels et une avec des questions de réflexion approfondie pour les élèves qui terminent plus tôt. Auparavant, elle faisait cela à la main, ce qui lui prenait tout son dimanche après-midi. Aujourd’hui, cela ne lui prend plus que onze minutes. Elle consacre ce temps ainsi libéré à faire quelque chose que l’IA ne peut véritablement pas faire : elle a des conversations plus longues avec chaque élève au sujet de son travail.
Un professeur de mathématiques dans un collège de Minneapolis utilise un assistant de notation basé sur l’IA pour les exercices à choix multiples, ce qui lui permet de consacrer le temps qu’il passait à corriger ces exercices à l’analyse des explications écrites, qui sont en réalité ce qui lui permet de savoir ce qu’un élève a compris. La qualité de ses commentaires s’en est trouvée améliorée. Les notes des élèves en matière de compréhension ont suivi la même tendance.
Ce ne sont pas des mises en garde. C’est ainsi que se présente l’intégration réussie des outils d’IA pour les enseignants. L’humain devient plus humain. La machine se charge des tâches qui lui sont propres.
Ce qu’il faut réellement pour que « l’apprentissage personnalisé basé sur l’IA » fonctionne.
Il y a une expression que l’on retrouve souvent dans le marketing des technologies éducatives : « l’apprentissage personnalisé à grande échelle ». Ça sonne bien. En général, cela signifie : un ajustement adaptatif du niveau de difficulté et des recommandations de contenu basées sur les données de performance.
C’est utile. Mais il ne s’agit pas non plus de personnalisation au sens strict du terme.
Une véritable personnalisation implique de comprendre pourquoi un élève rencontre des difficultés, et pas seulement de constater qu’il en a. Il faut comprendre qu’un élève qui commet sans cesse la même erreur en algèbre n’est pas perdu en algèbre : il ne dort pas parce que ses parents sont en train de se séparer et qu’il reste debout trop tard sur son téléphone, car son groupe d’amis est en conflit et qu’un drame social accapare toute son attention depuis trois semaines. L’IA voit des réponses erronées. L’enseignante — si elle est compétente — voit un enfant.
Cela dit, l’IA intégrée aux outils d’apprentissage personnalisés qui reconnaissent leurs limites et se concentrent sur les détails (répétition espacée, exemples détaillés, retour immédiat) plutôt que sur la vue d’ensemble apporte une réelle valeur ajoutée. Le modèle de Duolingo fonctionne pour l’apprentissage des langues, car la mémorisation du vocabulaire est en réalité un problème mécanique. Photomath fonctionne parce que montrer à un élève la solution étape par étape à son problème spécifique est en réalité ce dont il avait besoin à ce moment de confusion.
Le contexte a son importance. La portée a son importance.
La question épineuse de la politique éducative que personne ne veut poser.
Si les tuteurs basés sur l’IA parviennent manifestement à améliorer les résultats scolaires des élèves en mathématiques et en lecture — et certains y parviennent, dans des conditions contrôlées —, qu’est-ce que cela implique pour la politique éducative ?
Cela signifie-t-il que nous devons investir dans des infrastructures d’IA dans les écoles qui manquent de moyens ? Probablement oui, mais avec prudence.
Cela signifie-t-il que nous utilisons l’IA comme prétexte pour réduire le financement des programmes de formation des enseignants ? Non. Absolument pas.
Cela signifie-t-il que nous devons repenser la finalité du temps passé à l’école, de manière à dissocier la transmission d’informations (ce que l’IA fait plutôt bien) des dimensions relationnelles, de mentorat et civiques de l’éducation (ce que l’IA ne fait pas) ?
Peut-être. C’est en fait un sujet de discussion intéressant qui mérite d’être abordé.
L’avenir des technologies en classe ne réside pas dans le fait que l’IA remplace les enseignants. Il s’agit plutôt de déterminer quelles facettes du métier d’enseignant peuvent réellement être remplacées, et quelles autres sont non seulement irremplaçables, mais sont actuellement accaparées par des tâches qui, de toute façon, ont toujours mieux convenu aux machines.
Corriger à la main une centaine de questionnaires à choix multiples, ce n’est pas le rôle des humains.
l’IA va-t-elle remplacer les enseignants ?
Non. Pas dans un calendrier qui compte, ni dans un système scolaire qui se soucie réellement des objectifs de l’éducation.
L’IA va-t-elle remplacer certains postes d’enseignants, notamment dans l’enseignement supérieur, la formation en entreprise et l’enseignement des compétences techniques ? C’est déjà le cas.
L’IA va-t-elle transformer radicalement l’enseignement au cours de la prochaine décennie, tant sur le plan pratique qu’en ce qui concerne les compétences dont les nouveaux enseignants auront besoin ? Absolument.
Les systèmes sous-financés vont-ils se servir de l’IA comme d’un prétexte pour justifier des coupes budgétaires, et cela aura-t-il des conséquences concrètes pour les élèves ? C’est là-dessus qu’il faut rester vigilant et se battre.
Se demander si l’IA va remplacer les enseignants n’est pas la bonne question. C’est une question conçue pour susciter une réponse binaire — oui ou non, rassurant ou effrayant — alors que la véritable question est plus complexe et plus intéressante : quel type de système éducatif souhaitons-nous réellement, et utilisons-nous ces outils pour nous en rapprocher ou pour nous en éloigner ?
Il n’y a pas d’algorithme pour répondre à cette question. Et c’est justement là tout l’intérêt.
