Base de connaissances AIEdAIEd KB
Sur cette page

Cette page est traduite en français. Les pages d'articles sont encore rédigées en anglais. Lire cette page en anglais

Concepts

La créativité

Création 2026-08-12 · Mise à jour 2026-10-10

Cette page est une traduction automatique de la page anglaise, non relue par un locuteur natif.

La créativité — la capacité à produire des idées, des solutions ou des artéfacts à la fois nouveaux et valables. À l'ère de l'IA, la créativité est un enjeu éducatif central : l'IA générative peut à la fois amplifier le travail créatif (en tant que partenaire de pensée divergente) et le saper (en homogénéisant la production et en remplaçant le processus génératif).

Questions à examiner

  • La créativité est souvent décrite comme la pensée divergente — produire de nombreuses possibilités — par opposition à la pensée convergente qui resserre vers une seule bonne réponse. Où situez-vous votre propre travail ou vos études sur ce spectre, et laquelle l'IA aide-t-elle le plus aisément ?
  • L'IA générative est un moteur statistique : elle peut proposer de nombreuses options, mais elle tend vers la moyenne. Si beaucoup d'étudiants s'appuient sur le même modèle, qu'advient-il de la diversité des idées au sein de la classe ?
  • Une étude « réfléchissez d'abord, ChatGPT ensuite » a montré que les étudiants qui avaient produit leurs propres idées avant l'IA n'obtenaient aucun gain immédiat — tout en surpassant tout le monde lors d'une tâche de créativité ultérieure sans assistance. Pourquoi le fait de protéger la phase de pensée indépendante pourrait-il produire un apprentissage que l'usage libre de l'IA ne produit pas ?
  • Si l'IA peut produire instantanément un artéfact abouti, que vaut réellement le travail créatif de l'apprenant — et comment concevriez-vous un devoir pour que le processus génératif demeure celui de l'étudiant ?
  • Une idée produite avec l'aide de l'IA est-elle « la vôtre » ? Votre réponse pourrait changer selon que vous traitez l'IA comme un partenaire de pensée divergente ou comme quelque chose qui remplace votre processus créatif.

Introduction

La créativité couvre l'extrémité pensée-divergente du spectre cognitif — produire de multiples possibilités — par contraste avec la pensée convergente, qui aboutit à une solution unique correcte. Les systèmes d'IA sont particulièrement pertinents pour la créativité parce qu'ils sont des générateurs statistiques : ils peuvent proposer de nombreuses options (ce qui soutient l'idéation), mais tendent aussi vers la moyenne, produisant l'homogénéisation au niveau des idées documentée lorsque de nombreux étudiants s'appuient sur le même modèle.

La créativité et l'IA générative

  • Amplification : l'IA peut agir comme un partenaire de pensée divergente — en remue-méninges d'alternatives, en produisant des contre-arguments et en offrant des perspectives que l'apprenant n'aurait pas envisagées. Des configurations d'agents multiples spécialisées par rôle peuvent restaurer la diversité idéationnelle.

  • Risque d'homogénéisation : une assistance fondée sur un modèle unique peut réduire la diversité des idées entre étudiants, de sorte que le même modèle produit des sorties convergentes. C'est une menace directe pour la créativité dans l'L'écriture et l'enseignement du design.

  • Protéger l'autonomie créative : maintenir le processus génératif de l'apprenant dans la boucle — routines « brouillon d'abord », exigence de synthèse originale, et usage de l'IA pour mettre au défi plutôt que pour remplacer — préserve le travail créatif qui produit un apprentissage durable.

  • La friction n'est pas un gain créatif. Des personas d'IA contestataires ont suscité un discours de mise au défi et de réflexion dans 38.2 % des groupes sans produire d'amélioration mesurable de la performance créative : des interactions plus riches ne font donc pas preuve de créativité (Jin et al. (2026)).

  • Une cartographie de terrain K–12 : l'IA générative améliore surtout la créativité et la mesure rarement. Une revue de cadrage (scoping review) guidée par PRISMA de 45 études (2017–2025) répartit la littérature K–12 en quatre usages — l'Évaluation de la créativité (4 études), la co-créativité humain-IA (3), les perceptions des Parties prenantes (14) et l'amélioration de la créativité (34) — et montre à quel point le champ reste étroit : la narration et l'écriture fondées sur le langage éclipsent presque tout le reste, tandis que la musique, les travaux incarnés et spatiaux et les études centrées sur l'équité sont quasi absents. Des étayages conçus sur mesure qui préservaient l'auctorialité (saisie vocale, story-boards, invites divergentes du type « de nombreuses options ») surpassaient les plateformes clé en main, et les modèles Grands modèles de langue (LLM) se rapprochaient des évaluateurs humains sur la pensée divergente ; pourtant l'inquiétude des auteurs est la même homogénéisation que cette page suit — diversité linguistique qui se réduit, convergence des styles, données d'entraînement contaminées par l'IA et paresse métacognitive en co-écriture — qu'ils qualifient du terme de Runco d'« artificial creativity » : une production qui semble créative sans l'expérience humaine qui la sous-tend. La sur-dépendance réapparaissait comme un risque dans les études sur la perception, la co-créativité et le programme (Generative Artificial Intelligence and Creativity in K–12 Education: A Systematic Scoping Review).

  • La co-créativité est un effet de réseau, non un trait individuel : Ruhland (2026) s'appuie sur la théorie de l'acteur-réseau pour modéliser la créativité comme une propriété émergente de réseaux sociotechniques — un jeu triadique de stabilisation, déstabilisation et re-stabilisation entre acteurs humains et non humains, les agents d'IA générative étant traités comme des participants du réseau égaux et constitutifs. Dans une étude où des avatars pédagogiques avaient été co-conçus au sein d'un réseau créatif, les designs d'avatar n'étaient pas des actes créatifs individuels mais émergeaient de processus de traduction entre étudiants, chercheurs et outils de conception. TriKoNet formule le risque que des avatars d'IA prêts à l'emploi déplacent l'L'agence de l'apprenant créative vers une commodité induite par la machine (le « Convenience Trap ») et soutient que co-constituer la structure d'action de l'IA avec les Apprenants préserve la co-créativité.

  • La collaboration « pensée d'abord » soutient la créativité indépendante : Wong et Qiu (2026) ont constaté que les étudiants qui avaient produit leurs propres idées avant d'utiliser ChatGPT (un protocole « réfléchissez d'abord, ChatGPT ensuite ») ne montraient aucun gain immédiat sur la tâche assistée, tout en surpassant à la fois un groupe en usage libre de l'IA et un groupe sans IA sur une tâche de créativité ultérieure sans assistance. L'usage libre de ChatGPT ne produisait qu'une performance transitoire, qui s'effondrait lorsque l'assistance était retirée — une forme de sur-dépendance plutôt qu'un apprentissage — tandis que la co-création collaborative visant à améliorer ses propres idées produisait des gains durables en créativité indépendante. Cela donne une preuve expérimentale directe que protéger l'autonomie créative n'est pas seulement souhaitable : c'est ce qui convertit le travail assisté par IA en apprentissage.

  • C'est la source perçue de l'exemple, et non son contenu, qui façonne l'idéation de groupe. Des exemples générés par ChatGPT, identiques, mais étiquetés comme produits par un humain ou par l'IA, ont modifié la créativité de groupe dans une étude d'hyperscanning en fNIRS portant sur 113 dyades : l'attribution humaine a accru l'unicité des idées pendant la stimulation ainsi que la synchronie intercerveau dans les régions prémotrices et motrices supplémentaires, l'attribution à l'IA n'a fait qu'augmenter les bascules entre voies d'idéation, et aucun des deux effets n'a persisté après le retrait des exemples (Xiaoyong et al. (2026)).

  • C'est l'implémentation développementale, et non la capacité, qui sépare la créativité assistée par l'IA des enfants. Dans la première comparaison en neuroimagerie d'enfants et d'adultes co-créant avec ChatGPT, des enfants de 6 à 7 ans et des adultes ont tenu la même conversation parlée de cinq minutes à l'intérieur d'un scanner d'IRM. La créativité mesurée hors du scanner ne différait pas entre les groupes. Pourtant, les adultes montraient une connectivité intra-réseau significativement plus forte dans les réseaux de contrôle frontopariétal, de saillance et d'attention dorsale, et une créativité plus élevée prédisait un couplage frontopariétal–saillance plus fort chez les adultes mais pas chez les enfants. Les auteurs y voient une différence dans la manière dont la cognition créative est implémentée pendant le dialogue avec l'IA, et non dans la capacité de base. Cela soulève aussi une question à laquelle les conseils d'étayage de cette page n'avaient pas encore eu à répondre : quand la machinerie de contrôle que recrute le travail créatif assisté par l'IA arrive-t-elle effectivement à maturité ? (Horowitz-Kraus et al. (2026))

Un contrepoids issu de la recherche doctorale : parmi 1 157 étudiants chinois en master et doctorat, la dépendance à l'IA générative était positivement associée à la créativité de recherche auto-déclarée, beaucoup plus fortement pour la dépendance fonctionnelle et orientée vers la tâche (β = 0.457) que pour le recours existentiel (β = 0.147), la pensée critique portant environ 85.0 % du cheminement fonctionnel (Yin et al. (2026)).

Une enquête nationale complique ce tableau : parmi 5 764 étudiants universitaires chinois, la dépendance à l'IA était corrélée négativement à la créativité auto-déclarée (r = −0.17), les motivations d'évasion et sociales portant des chemins indirects négatifs et les motivations instrumentales et de divertissement des chemins positifs (Hou et al. (2026)).

  • L'incarnation paie de manière inégale. Un robot physique associé à un modèle à haute créativité a significativement accru l'originalité par rapport à la collaboration humain-humain et textuelle, tandis que les conditions humaine et textuelle conservaient l'avantage pour l'imagerie et la voix — un paradoxe de l'incarnation dans lequel le robot amplifiait la production de l'IA sans améliorer le style (Liu & Song (2026)).
  • Réaffirmer la créativité humaine à l'ère de l'IA. L'ascension de l'IA générative met au défi les champs éducatifs de réaffirmer la valeur de la créativité humaine. Un cadre de narration numérique par projet pour l'enseignement de l'art et du design a été conçu explicitement pour cultiver les capacités émotionnelles, culturelles et narratives qui manquent à l'IA, les étudiants produisant des récits IA multimodale à partir du patrimoine culturel local — positionnant la créativité comme la contribution proprement humaine dans l'apprentissage intégrant l'IA.

La créativité selon les domaines

La créativité n'est pas une faculté unique et monolithique — elle se réalise différemment en écriture, en arts visuels, en mathématiques et en informatique, et l'IA générative interagit avec le processus créatif de chaque domaine de manière distincte. Comprendre ces différences importe pour concevoir un apprentissage assisté par IA qui protège plutôt que contourne l'acte créatif central de chaque domaine.

  • Arts visuels et design — le paradoxe de la compétence. Les outils texte-vers-image (T2I) compriment la distance entre l'idée et l'artéfact, mais la facilité ne libère pas simplement la créativité. Dans une étude portant sur des étudiants en art et design (417 interrogés), la compétence créative prédisait fortement l'intention d'utiliser les outils T2I — tout en prédisant aussi un usage réel plus mesuré et sélectif, les étudiants négociant l'auctorialité, l'originalité et la préservation du savoir-faire contre l'efficacité (The Competence Paradox: Negotiating Ease, Risk, and Creative Identity in Text-to-Image Generative AI Use Among Art and Design Students). La facilité et la disponibilité immédiate permettent une production rapide plutôt qu'un engagement soutenu : l'outil peut ainsi devenir en silence un raccourci qui érode le flux de travail itératif d'atelier qu'il était censé accélérer.

  • Mathématiques — une créativité sans transfert. Une intervention d'apprentissage par investigation soutenue par l'IA en mathématiques au niveau secondaire (élèves d'un âge moyen de 12.79 ans) a significativement accru la performance créative en mathématiques et les attitudes envers les mathématiques — mais n'a pas amélioré de façon significative la résolution de problèmes critique (Evaluating the Impact of AI-Supported Inquiry-Based Learning on Students' Creative Mathematical Performance, Critical Problem-Solving Skills, and Attitudes Toward Mathematics). La créativité et la résolution convergente de problèmes sont des résultats séparables ; l'investigation assistée par IA peut développer la production créative tandis que les compétences analytiques transférables restent en retard, renforçant l'écart plus large entre performance et apprentissage.

  • Mathématiques — la créativité des enseignants se déplace avec la connaissance du contenu et la connaissance pédagogique. Dans une étude de cas enchâssée portant sur huit enseignants en exercice issus de districts ruraux et sous-dotés en ressources, un programme guidé par l'IA générative de dix modules interactifs, construit sur le cadre 4P de Rhodes, a engagé les enseignants avec la créativité mathématique (MC), la connaissance du contenu (CK) et la connaissance pédagogique du contenu (PCK) comme des formes de raisonnement interconnectées plutôt que comme des domaines séparés (How generative AI guided-professional development supports teachers’ engagement with mathematical creativity, content knowledge, and pedagogical content knowledge). L'apport dont la discussion sur la mesure de cette page a besoin est la thèse des auteurs selon laquelle la MC ne se développe pas indépendamment des connaissances mathématiques des enseignants ni de leur connaissance de la manière de rendre les idées accessibles — et que c'était le ton non jugeant et non évaluatif de l'IA qui rendait la lutte productive suffisamment sûre pour être tentée.

  • Informatique créative — une friction qui protège l'itération. Les codeurs créatifs novices apprennent en comprenant et en étendant des « exemples fondateurs », que l'IA peut utilement étayer ou tenter de contourner. Flowcode, un environnement d'informatique créative doté d'IA, associe un organigramme de structure du code à un chat orienté vers l'apprentissage et à une friction délibérément conçue — dont deux études montrent qu'elle oriente l'usage de l'IA vers la compréhension et l'extension du code plutôt que vers le fait de le contourner par du Le vibe coding (Flowcode: An AI-Powered Programming Environment for Scaffolding Iteration in Creative Computing Education). La difficulté productive est ici une fonctionnalité qui préserve la boucle générative de l'apprenant.

  • La création littéraire — l'unité entre le thème et le texte. Incipit soutient qu'une œuvre s'organise à partir de prémisses énoncées plutôt que de thèmes, et construit un niveau intermédiaire — 1 455 enregistrements d'axiomes couvrant 149 œuvres, reliés par 472 relations typées — au niveau duquel un écrivain révisant une configuration peut changer un engagement organisateur, un lecteur peut justifier une reconstruction, et un critique peut comparer deux œuvres. Son propre audit aiguise le point de mesure ci-dessus : l'artéfact consigne une curation unique, 1 448 des 1 455 axiomes correspondent à exactement une œuvre, et la validation proposée (cinq évaluateurs sur un échantillon de 35 enregistrements) n'a pas été menée ; le cadre est donc un programme de recherche plutôt qu'une preuve sur l'apprentissage créatif.

  • Un flux de conception en IA générative peut abaisser la confiance créative alors que la performance se maintient. Dans une comparaison de conception architecturale portant sur 36 étudiants, la génération d'images par IA générative a égalé la recherche de précédents sur la performance de conception, la charge cognitive et l'efficacité personnelle créative spécifique à la tâche, mais l'efficacité personnelle créative générale a chuté (DiD = −0.543, IC à 95 % [−1.068, −0.017]) — le soutien à la tâche et la confiance en sa propre créativité peuvent évoluer en sens opposé (Xiao et al. (2026)).

Mettre la créativité en pratique

Le principe de conception récurrent qui se dégage de ces résultats est de maintenir l'acte génératif propre de l'apprenant dans la boucle — que cet acte consiste à produire une idée, à itérer un artéfact ou à étendre un exemple trouvé — et d'utiliser l'IA comme un partenaire de pensée divergente qui met au défi et élargit, plutôt qu'il ne remplace.

  • Pour les enseignants : séquencez les devoirs de sorte que les étudiants produisent leurs propres idées initiales avant de consulter l'IA (un protocole « réfléchissez d'abord, ChatGPT ensuite »), puis utilisez l'IA pour interroger, étendre ou jouer l'avocat du diable contre ces idées. Évaluez le processus et la synthèse originale au même titre que le fini, afin que les raccourcis hostiles à l'effort (une production T2I en un clic, des solutions générées par vibe-coding) ne rapportent rien. En art et design, faites de l'auctorialité et du développement du savoir-faire l'objet évalué, et pas seulement de l'artéfact.
  • Pour les développeurs et concepteurs : construisez des outils qui révèlent et récompensent la boucle d'itération — montrez la structure (comme le fait l'organigramme de Flowcode), ajoutez une friction productive au moment de « livrer la première production », et proposez des alternatives et des critiques plutôt qu'une réponse unique et léchée. Lorsque l'outil rend la version suivante sans effort, ce sont malgré tout les décisions créatives de l'apprenant qui doivent compter.
  • Pour les chercheurs : traitez la créativité comme spécifique au domaine et spécifique au résultat — mesurez si les gains se transfèrent à des tâches convergentes ou sans assistance, et pas seulement si la production assistée semble plus créative. Le fossé de mesure est le problème le plus aigu du champ : au sein du corpus K–12 de 45 études, seules les quatre études d'évaluation utilisaient une mesure formelle de la créativité, la plupart des études ne définissaient jamais le construit, et le processus créatif — préparation, incubation, illumination, vérification — n'était pour ainsi dire pas mesuré. D'où la prescription de la revue : mesurer d'abord, noter la créativité de manière non intrusive à l'intérieur de tâches ouvertes via un design centré sur les preuves et de l'Évaluation furtif, et traiter l'Le sentiment d'efficacité personnelle créatif comme partie du résultat plutôt que comme un effet secondaire implicite (Generative Artificial Intelligence and Creativity in K–12 Education: A Systematic Scoping Review).

Connexions

La créativité se rattache à la La pensée critique et à l'apprentissage Le constructivisme. Elle est protégée par les mêmes étayages de Réduire les mésusages de l'IA qui préservent l'apprentissage, et par les dispositifs d'Évaluation authentique qui récompensent le raisonnement original plutôt que les produits léchés.

Concepts liés

Articles liés

Métadonnées

DisciplineCs Education, Math Education, Writing Education
Public viséLearners
Apprentissage et enseignementLe constructivisme, Résolution de problèmes
Technologies et techniquesL'IA générative
Fondements de l'IA dans l'éducationLa pensée critique, Conception par le design
SourceHistoryEditChat

Intégrer cette page

Copiez le code ci-dessous pour intégrer cette page dans un système de gestion de l'apprentissage ou un autre site. La version intégrée n'affiche que le contenu de la page : l'en-tête, la navigation et le pied de page du site sont masqués.