L’intelligence artificielle générative a fait une entrée fracassante dans les salles de classe, avec des impacts sur différents acteurs, dont l’enseignant-chercheur. Face à l’adoption massive, rapide et souvent non encadrée, on plonge l’enseignement supérieur dans un véritable « Far West pédagogique ».
Face à la déferlante technologique de l’IA, le vide juridique et l’absence criante de cadre réglementaire institutionnel exposent non seulement l’intégrité académique, mais menacent également le développement cognitif des futures générations. Il est impératif que les institutions prennent la mesure de leur responsabilité sociétale. Nino Tandilashvili, enseignante-chercheuse à l’ISC (Institut Supérieur du Commerce) Paris, nous explique les nuances de ces problématiques.
Le nouveau rôle de l’enseignant-chercheur, de détenteur du savoir à mentor des soft skills
L’idée que l’IA sonne la « fin du professeur sachant » s’arrête à une simplification d’une situation plus complexe. Comme le souligne Nino Tandilashvili, le rôle de l’enseignant-chercheur ne devient pas obsolète, mais profondément transformé.
En effet, si l’IA excelle à générer rapidement des informations, elle ne peut se substituer à la complexité de l’apprentissage humain. « La science de l’éducation a montré que pour acquérir un savoir durable, il faut l’effort », explique l’enseignante-chercheuse. Et ce n’est qu’à travers cet effort que la connaissance passe de la mémoire courte au savoir ancré.
La valeur ajoutée de l’enseignant-chercheur réside désormais dans la transmission des fondamentaux et, plus crucial encore, dans le développement des compétences comportementales. Ces dernières, les soft skills, constituent des aptitudes essentielles au XXIe siècle : l’esprit critique, la créativité, la collaboration et la flexibilité gagnent en importance.
L’enseignant-chercheur doit donc enseigner « l’art d’apprendre à apprendre » dans ce monde post-IA. Il prépare ainsi les étudiants à s’adapter à un marché du travail en constante mutation. L’enseignant n’étant plus le seul détenteur du savoir, il renforce son rôle de guide qui aide à le construire, le questionner et l’appliquer de manière éthique.
Le défi cognitif et l’urgence d’un cadre pédagogique
La vulgarisation de l’intelligence artificielle a aussi d’autres conséquences négatives sur les capacités cognitives. En effet, les recherches indiquent que la dépendance croissante à l’IA générative soulève des préoccupations intellectuelles majeures. Elle pourrait conduire à l’érosion des capacités intellectuelles des étudiants.
L’enseignante-chercheuse, Nino Tandilashvili, alerte sur un risque d’« homogénéisation des productions étudiantes » et une « baisse de la capacité inventive individuelle et collective ». Une étude du Massachusetts Institute of Technology de 2025, citée par l’experte, indique que l‘utilisation de l’IA peut laisser certaines zones du cerveau inactives. On risque alors une « délégation des capacités de synthèse et de réflexion » à des outils externes. Ce phénomène, parfois qualifié de « paresse intellectuelle », nécessite une réponse pédagogique proactive.
Face à cette menace, l’enseignant-chercheur est en première ligne pour réapprendre le doute et l’esprit critique.
Les IA sont des « machines probabilistes », elles génèrent le contenu statistiquement le plus probable et non nécessairement le plus nuancé ou innovant. Cela renforce donc les stéréotypes et les idées dominantes, écartant les pensées émergentes.
L’ISC Paris, par exemple, réintroduit des « séquences d’enseignement sans aucun outil numérique », c’est-à-dire « papier, crayon ». Ces séquences déconnectées stimulent l’effort intellectuel et développent les compétences fondamentales. Paradoxalement, donc, ce genre de déconnexion volontaire devient un pilier de la formation à l’ère de l’IA.
Vers une gouvernance académique éthique et responsable de l’IA
La confiance aveugle des étudiants dans les contenus générés par l’IA constitue un autre piège majeur. Au-delà de la simple vérification des faits, l’enseignant-chercheur doit les sensibiliser aux enjeux éthiques, écologiques et de gouvernance de ces outils.
Il s’agit là d’une puissance concentrée entre les mains de quelques entreprises privées. On pose alors la question de savoir qui définit la « bonne façon de penser ». « Ce ne sera pas forcément le benchmark des meilleures pratiques », prévient Nino Tandilashvili.
Dans ce contexte, l’absence d’un cadre réglementaire clair demeure préoccupante. Bien que le Règlement Général sur la Protection des Données (RGPD) pose des bases pour la protection des données personnelles, son application aux défis spécifiques de l’IA générative en milieu académique reste floue. Pareillement, L’AI Act européen, bien que prometteur pour encadrer l’IA à l’échelle de l’Union, ne couvre pas encore toutes les spécificités pédagogiques et la liberté académique essentielle aux enseignants-chercheurs.
Il est urgent que les institutions développent leur propre éthique de l’IA pour encadrer l’enseignement et les évaluations. L’enseignante-chercheure prend l’exemple de l’ISC Paris. La grande école utilise des logiciels de détection, privilégie les présentations orales individuelles et mène des programmes de sensibilisation allant dans ce sens. Il ne s’agit là que d’un modèle parmi d’autres.
Accompagner l’enseignant-chercheur et repenser l’évaluation à l’ère de l’IA
La transformation profonde du parcours d’apprentissage ne peut reposer uniquement sur les enseignants-chercheurs individuels. Nino Tandilashvili insiste sur la nécessité d’une « approche systémique soutenue par les institutions et les politiques publiques ».
Cela implique un accompagnement institutionnel et administratif robuste pour valoriser leur rôle, souvent exigeant et passionné. La responsabilité collective est cruciale pour ne pas réduire le métier d’enseignant-chercheur à une passion ingrate.
Les méthodes d’évaluation doivent également être profondément repensées. « Noter un rendu final n’a plus beaucoup de sens si l’IA l’a rédigé », affirme l’experte. Il devient nécessaire de privilégier d’autres aspects, comme la progression du savoir, la capacité à synthétiser et à argumenter, ou encore, bien sûr, les soft skills, plutôt que le simple résultat final. L’enseignant-chercheur doit donc concevoir des évaluations qui mesurent les autres compétences, en dehors de la connaissance, comme l’appropriation du savoir, la pensée critique et la créativité. On teste des qualités que l’IA ne peut simuler.
Projection 2035, l’enseignant-chercheur augmenté ?
En se projetant en 2035, Nino Tandilashvili envisage l’émergence d’« enseignants et étudiants ‘augmentés’ » par l’Intelligence Artificielle. Elle rappelle que le métier ne saurait devenir obsolète, mais que l’enseignant-chercheur de demain sera un « enseignant ++ ».
Comme dans de nombreux corps de métiers, il sera capable d’utiliser l’IA pour déléguer les tâches répétitives pour se concentrer sur des « questions plus importantes, ingénieuses, inventives ». Cependant, cette augmentation technologique doit impérativement s’accompagner de la conservation de la prise de décision humaine pour les questions essentielles. Il demeure impératif d’éviter la soumission aux directives technologiques malgré les progrès des algorithmes.
La révolution de l’IA dans l’enseignement supérieur reste malgré tout une opportunité de redéfinir le potentiel humain. Mais elle est aussi un défi réglementaire et éthique majeur.
La balle est dans le camp des institutions et des pouvoirs publics pour construire un cadre juridique et éthique solide. Il va garantir que l’enseignant-chercheur puisse continuer à former des professionnels augmentés certes, mais profondément autonomes dans leur réflexion et leur capacité à innover. L’avenir de notre capital humain en dépend.
Restez à la pointe de l'information avec INTELLIGENCE-ARTIFICIELLE.COM !
- Partager l'article :
