Gains d'apprentissage

Sur cette page

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

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

Gains d'apprentissage — les améliorations mesurables des connaissances, des compétences ou des capacités des étudiants résultant d'interventions éducatives, y compris l'enseignement assisté par l'IA. Dans la recherche sur l'IA en éducation, les gains d'apprentissage servent de mesure de résultat principale pour évaluer si les outils d'IA améliorent réellement l'apprentissage — et pas seulement l'engagement ou la satisfaction.

Questions à examiner

Vous est-il arrivé de sentir que vous aviez beaucoup appris d'une activité, pour échouer ensuite à un test qui mesurait autre chose ? Cette page distingue la performance immédiate soutenue par l'IA de l'apprentissage durable — comment ces deux notions pourraient-elles diverger dans votre propre expérience ?
Un constat central est que l'IA générative peut gonfler les scores sur les devoirs assistés par l'IA tout en abaissant les scores sur les mesures surveillées, à livre fermé. Si vous deviez évaluer si un outil d'IA aide vraiment les étudiants à apprendre, à quel résultat feriez-vous confiance, et pourquoi ?
La recherche montre que la dépendance non guidée envers l'IA prédit de moins bons gains d'apprentissage, tandis que l'usage structuré en prédit de meilleurs — le même outil, des résultats opposés. Qu'est-ce qui distingue l'usage « structuré » de l'usage « non guidé » dans une vraie salle de classe ?
Les boutons d'indices corrèlent avec une réduction de l'apprentissage : plus d'indices, moins d'apprentissage. Avez-vous déjà été tenté de recourir à un indice ou à une réponse au moment où vous butiez sur un obstacle ? Qu'est-ce que cela suggère quant à la part de lutte réellement nécessaire à l'apprentissage ?
Une vaste méta-analyse a regroupé de nombreuses études et a montré que les technologies éducatives permettant l'IA élevaient l'apprentissage d'une quantité modeste, sans avantage de l'IA générative sur les outils adaptatifs antérieurs. Comment cette estimation prudente et regroupée devrait-elle changer la manière dont vous lisez les affirmations enthousiasmantes sur l'efficacité d'un produit d'IA particulier ?

Introduction

Les gains d'apprentissage sont l'épreuve ultime de toute technologie éducative. Dans la recherche de la base de connaissances, ils apparaissent comme variables dépendantes dans des essais contrôlés randomisés, comme comparaisons pré/post dans des études quasi expérimentales, et comme analyses corrélationnelles reliant l'usage des outils d'IA aux résultats académiques.

Terminologie. Le sens de résultat du mot achievement — réussite des étudiants, réussite académique, réussite d'apprentissage, réussite antérieure, écarts de réussite — est traité ici comme un synonyme de gains d'apprentissage, et ces expressions renvoient à cette page. Le sens ressenti (« un sentiment d'accomplissement ») est une expérience motivationnelle plutôt qu'un résultat mesuré ; voir la motivation et le sentiment d'efficacité personnelle. La théorie des buts d'accomplissement (« les buts d'accomplissement », les orientations de but) est de même un construit motivationnel et renvoie à la motivation.

Principaux résultats de la base de connaissances :

Le pré-test adaptatif — la recherche examine si le pré-test rendu possible par l'IA générative produit des gains d'apprentissage durables qui persistent au-delà du test immédiat.
Les méta-analyses de l'IA générative en programmation montrent des gains d'apprentissage positifs issus d'un usage structuré de l'IA, mais des effets négatifs issus d'une dépendance non guidée — une distinction clé entre productivité et apprentissage durable.
La recherche sur le bouton d'indices montre des associations négatives entre l'abus d'indices et les gains d'apprentissage — plus d'indices corrèlent avec moins d'apprentissage.
Les études sur les consignes pédagogiques démontrent que les gains d'apprentissage dépendent de la manière dont l'IA est employée, et pas seulement de sa disponibilité.
La méta-analyse de la Banque mondiale regroupe 191 tailles d'effet issues de 14 essais contrôlés randomisés pour estimer que les technologies éducatives adaptatives et à base d'IA élèvent l'apprentissage d'environ 0.125 écart-type en moyenne — au-dessus de la médiane des essais contrôlés randomisés en éducation — tout en ne trouvant aucun avantage de l'IA générative sur les outils adaptatifs antérieurs.
Les gains sont des interactions contenu-traitement, non des constantes. Rachatasumrit et coll. (2025) montrent que le rapport optimal exemples-problèmes dépend du contenu de connaissance : la pratique de récupération pure produit des gains plus élevés pour les faits littéraux, tandis que la pratique intégrant les exemples (alternant exemples résolus et problèmes) produit des gains plus élevés pour les compétences généralisables — la preuve directe que « plus de pratique » n'est pas toujours mieux, et que les gains tiennent à l'ajustement du programme d'entraînement au composant de connaissance appris.

Le problème de mesure à l'ère de l'IA

Un thème central de la recherche de la base de connaissances sur les gains d'apprentissage est que l'IA générative peut gonfler la performance apparente sans produire de gains d'apprentissage — et que le choix de la mesure de résultat détermine si cela est visible. La recherche et les données de terrain à grande échelle montrent une divergence marquée : l'usage de l'IA améliore les scores sur les devoirs assistés par l'IA tout en abaissant les scores sur les mesures surveillées, à livre fermé et sans assistance. La recherche sur la performance opposée à l'apprentissage et les revues rapides distinguent donc la performance immédiate soutenue par l'IA de l'apprentissage durable, et traitent les mesures sommatives sans assistance (voir l'évaluation sommative) comme le signal fiable des gains d'apprentissage authentiques.

Ce que montre la recherche sur l'efficacité

À travers les essais contrôlés randomisés, les méta-analyses et les études de terrain de la base de connaissances, un tableau cohérent de l'efficacité sur l'apprentissage (quelles interventions d'IA produisent réellement des gains d'apprentissage, et quelle en est l'ampleur) se dessine :

Les données probantes méta-analytiques sont globalement positives, mais conditionnelles. Une méta-analyse complète de 53 études (Dong 2026) montre que l'IA générative surpasse globalement les approches traditionnelles en réussite académique, en pensée d'ordre supérieur et en écriture — la rétroaction par l'IA étant particulièrement efficace — bien que l'IA générative assistée par le jeu ne montre aucun bénéfice ajouté significatif et que les gains varient selon les pays et les résultats. La méta-analyse sur l'IA générative et la programmation montre d'importants gains de productivité, mais aucun gain d'apprentissage significatif (g ≈ 0), séparant l'efficacité sur la tâche de l'apprentissage durable. Une méta-analyse sur l'apprentissage des langues montre des gains d'apprentissage positifs mais modestes issus de robots incarnés améliorés par l'IA. Pour la littératie en IA spécifiquement, une méta-analyse à trois niveaux portant sur 59 études estime un effet global important (g = 0.837) — mais le large intervalle de prédiction et le constat que les interventions axées sur les connaissances ont surpassé celles qui ciblaient les compétences, les attitudes ou l'éthique mettent en garde : le résultat mesuré façonne le gain apparent, faisant écho au point plus large selon lequel les gains liés à l'IA dépendent de ce que vous évaluez et de la manière dont vous l'évaluez.
Les tuteurs par IA bien conçus produisent de véritables gains. Un essai contrôlé randomisé par grappes de deux ans (Khanmigo) a montré que le tutorat par IA élevait la réussite en mathématiques d'environ 1,3 rang percentile national par trimestre (environ 0,06–0,08 écart-type par année scolaire, environ 0,14 écart-type sur une année entière), des gains ressemblant à ceux de la pratique sans IA — démontrant que l'engagement, et non la capacité du modèle, est la contrainte déterminante. NUMI a montré que le soutien de l'IA améliorait l'exactitude à la tentative suivante après les erreurs, avec plus de temps par question — un « ralentissement productif » qui construit une maîtrise durable. Le tutorat virtuel a montré que la contrainte déterminante est le recours et la participation soutenue, non la qualité du tuteur.
Un tuteur construit à partir de la pédagogie propre de la classe a battu l'apprentissage actif, et pas seulement le cours magistral. Dans un essai contrôlé randomisé croisé mené dans le cours d'introduction à la physique de Harvard, les étudiants apprenant avec un tuteur par IA sur mesure ont obtenu une médiane de 4,5 au post-test, contre 3,5 pour les séances d'apprentissage actif en classe du cours (médiane de référence 2,75), avec une taille d'effet par régression linéaire de 0,63, et ont passé une médiane de 49 minutes sur la tâche contre 60 en classe (Kestin et coll., 2025). Parce que le groupe témoin était un apprentissage actif fondé sur la recherche, plutôt qu'un cours magistral, l'essai mesure le tuteur contre un comparateur exigeant — la conception que créditent les auteurs consistait à ingénierer le tuteur à partir des mêmes pratiques fondées sur la recherche que la classe, accompagné d'une rétroaction personnalisée à la demande et d'un rythme auto-dirigé.
L'IA peut égaler l'aide humaine. L'aide générée par ChatGPT produit des gains d'apprentissage équivalents à l'aide rédigée par un tuteur humain sur les compétences en mathématiques — la preuve que l'IA générative peut être aussi efficace que l'étayage humain lorsqu'elle est employée de manière appropriée.
Les gains dépendent de qui enseigne avec l'IA. Des tuteurs peu expérimentés dotés d'un soutien par l'IA ont élevé les taux de réussite des étudiants de 9 points de pourcentage, avec des gains plus faibles pour les tuteurs plus expérimentés — un schéma d'augmentation qui profite le plus aux moins expérimentés (OCDE, 2026).
Une IA sans garde-fous peut nuire à l'apprentissage. L'essai contrôlé randomisé sur les garde-fous (PNAS 2025) a montré qu'un tuteur de type ChatGPT sans garde-fous augmentait la pratique assistée de +48%, mais réduisait les scores à l'examen sans assistance de −17%, tandis qu'un tuteur doté de garde-fous (indice plutôt que réponse) éliminait le préjudice. C'est la démonstration la plus nette que l'efficacité sur l'apprentissage dépend de la conception : une même classe d'outils peut produire un fort gain d'apprentissage ou un préjudice net, selon la manière dont elle est configurée.
Mais un accès sans garde-fous peut aussi aider, durablement. Un essai contrôlé randomisé mené avec un compte ChatGPT du commerce a montré un score à l'épreuve sans aide supérieur de 0,27 écart-type pendant que les étudiants avaient accès à l'outil, et le gain s'est maintenu une semaine plus tard — plus du double de la médiane de 0,10 écart-type sur 747 essais contrôlés randomisés en éducation (Contractor et Reyes, 2026).
L'efficacité perçue et l'efficacité réelle divergent. La performance auto-déclarée est mal alignée sur la performance mesurée, et l'absence de ligne de base cognitive montre que les étudiants natifs de l'IA surestiment leur apprentissage — aussi les affirmations d'efficacité fondées sur l'auto-déclaration ne sont-elles pas fiables sans mesures de résultat objectives. Les mesures auto-déclarées rassemblent les cas où les résultats déclarés et les résultats mesurés se séparent.
Les gains peuvent venir d'une réaffectation du temps des enseignants, et non de la notation par l'IA. Dans une expérience randomisée menée sur 178 écoles brésiliennes (environ 19 000 élèves de terminale), la notation de dissertations par l'IA et par des humains a produit des gains identiques à l'examen, mais les classes assistées par l'IA ont vu environ 35% de conversations individuelles supplémentaires entre enseignants et élèves au sujet de l'écriture, et le quartile inférieur ne s'est amélioré dans aucune des deux conditions (Ler, 2026).

Conclusion : le poids des données probantes soutient des gains d'apprentissage modestes, conditionnels et dépendants de la conception issus de l'IA — réels lorsque l'IA est structurée pour accompagner plutôt que pour répondre, dotée de garde-fous, et associée à des mesures de résultat sans assistance ; absents ou négatifs lorsqu'elle se substitue à l'effort propre de l'apprenant. C'est pourquoi les gains d'apprentissage, en tant que résultat, doivent être mesurés avec des instruments valides et résistants à l'IA, et pourquoi l'évaluation d'une intervention d'IA en éducation associe les affirmations d'efficacité à un examen méthodologique.

Le tutorat par IA peut égaler le tutorat humain d'expert sur les gains aux tests standardisés. Dans une évaluation réunissant 2 383 participants, le tutorat par IA regroupé était statistiquement équivalent au tutorat humain d'expert sur les gains d'apprentissage au GRE (p = .015), tous deux au-dessus d'un groupe témoin sans tutorat ; les auteurs proposent le coût par point de pourcentage de gain comme unité de comparaison des tuteurs (Northcutt et coll., 2026).

Une carte, au niveau du terrain, des effets de l'IA sur l'apprentissage et la réussite

Le corpus de la base de connaissances — méta-analyses, essais contrôlés randomisés, quasi-expériences et études de terrain — soutient un tableau nuancé, parfois contradictoire. Les résultats se regroupent en effets positifs, négatifs et conditionnels.

Effets positifs (l'IA peut produire de véritables gains d'apprentissage) :

Les données probantes méta-analytiques sont globalement positives, mais conditionnelles. Une méta-analyse de 53 études (Dong 2026) montre que l'IA générative surpasse globalement les approches traditionnelles en réussite académique, en pensée d'ordre supérieur et en écriture, la rétroaction par l'IA étant particulièrement efficace. Une méta-analyse de 29 expériences (Does Generative Artificial Intelligence Improve Students' Higher-Order Thinking? A Meta-Analysis Based on 29 Experiments and Quasi-Experiments) montre un effet positif modéré sur la pensée d'ordre supérieur, le plus fort pour la résolution de problèmes, mais limité pour la créativité.
L'IA de tutorat spécifique surpasse de manière fiable l'IA à usage général. La revue SCALE de Stanford et la revue parapluie (Generative AI in Higher Education: A Systematic Review of Opportunities, Challenges, and Pedagogical Innovations (2022–2025)) convergent : des agents conçus pédagogiquement, dotés d'indices et d'un étayage étape par étape, produisent de véritables gains là où les agents conversationnels ouverts échouent souvent.
Les tuteurs par IA bien conçus produisent des gains réels et mesurables. L'essai contrôlé randomisé de deux ans sur Khanmigo (One Click Away: AI Tutoring with Khanmigo in a Two-Year School Experiment) a élevé la réussite en mathématiques d'environ 1,3 rang percentile national par trimestre ; NUMI a amélioré l'exactitude à la tentative suivante après les erreurs ; le tutorat virtuel a montré que le recours est la contrainte déterminante.
L'IA peut égaler l'aide humaine. L'aide générée par ChatGPT produit des gains d'apprentissage équivalents à l'aide rédigée par un tuteur humain sur les compétences en mathématiques.
L'IA centrée sur la rétroaction fonctionne. La rétroaction par l'IA figure parmi les applications les plus efficaces de l'IA générative ; la rétroaction par l'IA en écriture améliore la pensée critique lorsqu'elle est associée à un enseignement. Dans une expérience de terrain, Geschwind et coll. (2026) ont montré que les étudiants recevant une rétroaction individuelle de GPT-4 sur des tâches ouvertes présentaient les plus grands gains d'apprentissage de contenu (environ 0,11, p < 0.10 ; montant à 0,16 parmi ceux qui avaient effectivement reçu une rétroaction au préalable) — un effet porté par la fourniture fiable et constante de l'IA plutôt que par une supériorité intrinsèque, puisque les résultats des groupes de pairs égalaient ceux de l'IA lorsqu'une rétroaction par les pairs de haute qualité était effectivement délivrée. Les partenaires de critique que sont les grands modèles de langue en écriture étendent ce résultat à une rétroaction itérative et collaborative : Oppenheimer, Cash et Connell Pensky (2025) ont trouvé des gains significatifs sur un semestre en écriture argumentative, en ingénierie des invites et en qualité de réponse à la rétroaction de l'IA (tous p < .001, environ un écart-type entier par dimension), avec des gains apparaissant même sur des dissertations rédigées sans soutien des grands modèles de langue — la preuve d'une compétence durable plutôt que d'une simple dépendance à l'outil, bien que l'absence de condition témoin limite l'attribution causale.
Des étayages structurés produisent des gains. La rétroaction autorégulée étayée et la conception de l'interaction montrent des gains petits mais significatifs lorsque l'IA est conçue pour accompagner.
L'IA dans les contextes collaboratifs et fondés sur les problèmes aide lorsqu'elle est structurée. L'apprentissage par problèmes amélioré par l'IA, l'apprentissage collaboratif assisté par l'IA et les techniques coopératives conçues par l'IA rapportent des gains significatifs.

Effets négatifs (l'IA peut réduire l'apprentissage ou ne pas l'améliorer) :

Une IA sans garde-fous peut nuire à l'apprentissage. L'essai contrôlé randomisé sur les garde-fous publié dans PNAS (Generative AI without guardrails can harm learning: Evidence from high school mathematics) a montré qu'un tuteur de type ChatGPT sans garde-fous augmentait la pratique assistée de +48%, mais réduisait les scores à l'examen sans assistance de −17% ; les garde-fous ont éliminé le préjudice.
Un achèvement plus rapide n'est pas un apprentissage. L'IA générative a réduit le temps d'étude des problèmes de mathématiques et les connaissances qu'ils construisent ; la recherche sur la performance opposée à l'apprentissage montre que l'IA gonfle la performance assistée par l'IA tout en abaissant les scores surveillés, à livre fermé et sans assistance.
L'externalisation des devoirs nuit à l'apprentissage. Les données de terrain montrent une pénalité d'apprentissage liée à l'IA générative lorsque les étudiants externalisent leurs devoirs.
La dépendance aux grands modèles de langue corrèle avec des notes plus faibles. Jošt et coll. ont trouvé des corrélations négatives significatives entre l'usage des grands modèles de langue pour la génération de code (rho = −0.305) et le débogage (rho = −0.360) et les notes finales.
L'IA peut nuire à l'enseignement et à la réussite pour certains. Un essai contrôlé randomisé sur l'IA générative du côté des enseignants a montré que les étudiants des enseignants situés sous la médiane perdaient du terrain (−0.129 écart-type).
L'abus d'indices corrèle avec moins d'apprentissage. La recherche sur le bouton d'indices montre que davantage d'indices, employés de manière improductive, corrèlent avec moins d'apprentissage.
Les gains méta-analytiques en programmation sont illusoires. La méta-analyse sur l'IA générative et la programmation montre d'importants gains de productivité, mais aucun gain d'apprentissage significatif (g ≈ 0), séparant l'efficacité sur la tâche de l'apprentissage durable.

Effets conditionnels et mixtes (le contexte détermine la direction) :

La conception est décisive. Une même classe d'outils peut produire un fort gain ou un préjudice net, selon la configuration (Generative AI without guardrails can harm learning: Evidence from high school mathematics, The Evidence Base on AI in K-12: A 2026 Review).
La manière dont l'IA est employée importe plus que le fait qu'elle le soit. L'usage à des fins d'explication était inoffensif ; l'usage pour la génération de code était nuisible ; la dépendance excessive érode les gains.
La durée et l'auto-régulation modèrent les effets. Les effets étaient les plus forts entre 8 et 16 semaines et pour les apprenants ayant une autorégulation plus élevée.
Le niveau de pensée informatique modère les gains assistés par l'IA. Dans un cours d'assistance au codage par IA de quatre semaines en classe de quatrième, les étudiants à pensée informatique élevée ont surpassé leurs pairs à pensée informatique faible au post-test (72.54 contre 61.73, p = .031), malgré des connaissances préalables en codage comparables, employant l'assistant pour comprendre le code tandis que les étudiants à pensée informatique faible récupéraient des réponses (Zhao et coll. (2026)).
L'apprentissage par l'enquête assisté par l'IA soutient la créativité, mais pas nécessairement la résolution de problèmes. Mujib et coll. ont amélioré la performance créative et les attitudes, mais pas la résolution critique de problèmes.
L'expérience étudiante diverge des gains mesurés. Les étudiants natifs de l'IA surestiment leur apprentissage, et l'auto-déclaration est mal alignée sur la performance — les perceptions de gains n'en sont pas des données probantes fiables.

Les estimations méta-analytiques des gains d'apprentissage sont gonflées — à lire avec prudence

Les chiffres de gains d'apprentissage qui dominent le résumé d'efficacité de cette page — en particulier les tailles d'effet regroupées issues des méta-analyses — doivent être lus avec une forte mise en garde : une vague de méta-recherche montre que les estimations de synthèse positives du domaine sont gonflées par le biais de publication, l'incohérence des construits et les raccourcis méthodologiques.

Une méta-méta-analyse au niveau des études portant sur 1 840 tailles d'effet issues de 67 méta-analyses montre que l'effet moyen de l'IA, corrigé du biais de publication, vaut environ un tiers de la grandeur rapportée (DMS ≈ 0.196 contre une médiane de 0.67), avec un intervalle de prédiction allant d'un préjudice important à un bénéfice important, et aucun modérateur ne produisant de gains constants. Même une étude extrême unique n'apporte presque aucune information, compte tenu de l'hétérogénéité — ce qui signifie que davantage d'études du type actuel ne trancheront pas la question ; seuls des essais de haute qualité, pré-enregistrés et orientés vers la réplication le feront.
Une méta-analyse de second ordre portant sur la couche de synthèse elle-même. Emslander et coll. (2026) inversent l'unité d'analyse habituelle : traitant 45 méta-analyses comme leurs données et corrigeant le chevauchement des études (818 études primaires uniques, pondérées par leur caractère unique plutôt qu'écartées), ils regroupent 129 tailles d'effet méta-analytiques pour obtenir g = .57 [.50, .65], les grappes de résultats allant de .35 pour la performance en STIM à .68 pour les résultats académiques généraux. Deux résultats importent pour les chiffres ci-dessus. Le type d'IA n'a pas modéré l'effet (p = .63) — les systèmes de tutorat intelligent, les agents conversationnels et ChatGPT sont statistiquement indiscernables à cette couche, de sorte que les gains regroupés du domaine ne sont pas portés par l'IA générative en tant que telle — et le seul modérateur clair était le niveau d'enseignement (tertiaire .61 contre .30 pour les échantillons plus jeunes), ce qui est en partie un artefact de conception des études, étant donné que 74% du corpus testait des étudiants du tertiaire et que les données probantes sur l'enseignement primaire et secondaire sont comparativement minces. Son appréciation de la qualité est la plus rigoureuse du corpus : les 45 méta-analyses obtenaient en moyenne 9,3 sur 17 à une échelle adaptée de l'AMSTAR, aucune n'était pré-enregistrée, et seulement 23 des 45 avaient une puissance de 80% pour détecter l'effet qu'elles rapportaient elles-mêmes. Ses deux tests de biais de publication se contredisent aussi — un tracé en entonnoir symétrique (τ de Kendall = −.01, p = .868) contre PET-PEESE (B = 0.9, p = .009) indiquant une inflation — de sorte que l'effet moyen de la méta-analyse de second ordre arrive lui-même sous un nuage de biais non résolu.
Un audit judiciaire de 14 méta-analyses à fort impact en AIED montre qu'aucune ne fournissait de base valide à l'affirmation de gains d'apprentissage regroupés qu'elle avançait : aucune n'avait un construit de résultat cohérent, toutes présentaient une hétérogénéité extrême non résolue (l'I² allait de 77.2% à 94.4% sur les 13 méta-analyses qui la rapportaient, et 12 de ces 13 dépassaient 80%), douze traitaient des tailles d'effet dépendantes comme indépendantes, et aucune n'évaluait valablement le biais de publication. Une majorité d'études primaires examinées au hasard étaient mal ajustées à l'affirmation méta-analytique. Les erreurs sont parvenues jusqu'à la politique : deux des méta-analyses auditées ont traité la taille de l'échantillon de l'étude comme la taille de la classe et, sur la foi d'une étude primaire mal calculée, ont conclu que 21 à 40 étudiants constituait la taille d'intervention idéale, et recommandé que les interventions d'IA générative soient conçues pour ce nombre.
Une synthèse de 2026 sur les STIM qui corrige deux des défauts audités — et illustre encore un troisième. Doğan et ses collègues (2026) ont regroupé 35 études expérimentales et quasi expérimentales sur les STIM, avec une taille d'effet par étude, pour éviter le problème des tailles d'effet dépendantes, et ont mené une batterie complète de tests de biais de publication (tracé en entonnoir, tests de Begg et d'Egger, trim-and-fill, N de sécurité de défaillance de Rosenthal = 2404), plutôt que d'affirmer la symétrie — les deux raccourcis que l'audit ci-dessus a trouvés dans chaque méta-analyse qu'il a examinée. Deux mises en garde subsistent. Premièrement, les auteurs n'ont appliqué aucune appréciation formelle de la qualité et ont traité les critères d'inclusion comme le seuil de rigueur, de sorte que des études de conceptions très différentes sont entrées dans le regroupement sans pondération par la qualité. Deuxièmement, l'hétérogénéité-phare dépend entièrement du modèle que vous lisez : les mêmes 35 études sont rapportées comme I² = 82.98% sous le modèle à effets fixes et I² = 15.75% sous le modèle à effets aléatoires, de sorte qu'un lecteur qui rencontre les chiffres sans l'étiquette du modèle peut conclure que le corpus est homogène alors qu'il ne l'est pas. Son estimation regroupée (g = 0.670, IC à 95 % [0.491, 0.848]) est donc le type de chiffre que décrit la section ci-dessus : mieux construit que la plupart, et encore une borne supérieure.
Une critique médiatique et méthodologique montre que beaucoup de « gains d'apprentissage » n'étaient pas mesurés de manière valide — les résultats étaient souvent des compétences auto-déclarées ou une performance mesurée pendant l'assistance par l'IA, plutôt qu'un apprentissage durable et sans assistance.
La première vague de synthèses sur ChatGPT mesurait la performance, et non l'apprentissage. Fütterer et coll. (2026) ont reconstruit la base de données probantes des cinq méta-analyses qui regroupaient les effets éducatifs de ChatGPT : parmi 69 études primaires classables, 79,7 % mesuraient exclusivement la performance et seulement 11,6 % mesuraient l'apprentissage. Leur estimation regroupée reproduite (g = 0,83, IC à 95 % [0,68, 0,97], I² = 94,06 %) décrit donc la performance aux tests, et son intervalle de prédiction [−0,75, 2,41] franchit zéro.

Conclusion sur les chiffres de gains ci-dessus : traitez les grandes tailles d'effet regroupées de l'IA comme des bornes supérieures, non comme des estimations ponctuelles. Préférez les données probantes de gains d'apprentissage issues d'essais contrôlés randomisés bien conçus et d'études de terrain dotées de mesures de résultat standardisées et sans assistance (l'essai contrôlé randomisé sur les garde-fous, les expériences Khanmigo et NUMI, et la méta-analyse de la Banque mondiale sur les technologies éducatives citées ci-dessus), et lisez les gains méta-analytiques comme provisoires et probablement surévalués jusqu'à ce que la qualité des synthèses s'améliore. Le problème survit aussi à la correction : sur les articles publiés après le retrait d'une méta-analyse auditée, 60% la citaient encore comme un soutien faisant autorité à de forts gains d'apprentissage avec ChatGPT, et aucun ne reconnaissait le retrait ; une estimation retirée continue donc de se propager. C'est pourquoi la page sur les limites de la recherche en AIED documente désormais en détail la crise des données probantes méta-analytiques.

Mesurer ce qui importe

Les gains d'apprentissage se relient à l'validité de l'évaluation — si les évaluations ne parviennent pas à capter la compréhension profonde, les mesures de gains d'apprentissage sont trompeuses. Ils croisent aussi la dépendance excessive et le délestage cognitif, là où des améliorations apparentes de la performance peuvent masquer des pertes d'apprentissage, ainsi que l'essai contrôlé randomisé (les essais randomisés comme conception de référence pour détecter des gains d'apprentissage causaux) et la méta-analyse et la revue systématique (le regroupement des tailles d'effet à travers les études pour établir les données probantes d'efficacité du domaine).

Des gains pré/post significatifs issus d'une pédagogie de l'IA fondée sur les erreurs : Hosseini (2026) a montré, dans son cours de conception de bases de données (n=13), des gains d'apprentissage importants et significatifs sur des items identiques en pré et en post (moyenne 4.25→6.83/7, d de Cohen = 1.49, p < .001), les gains n'étant pas corrélés avec la confiance préalable en l'IA ou dans les bases de données — la conception de critique-affinage intégrant l'IA ayant profité aux étudiants quelles que soient leurs perceptions initiales.

Concepts liés

ECR (essai contrôlé randomisé)
Méta-analyse et revue systématique
L'évaluation formative
L'évaluation sommative
Délestage cognitif
L'enseignement des mathématiques
Humain dans la boucle
Tutorat affectif
Le développement théorique en IA éducative — Theory Development in AI in Education
Les mesures auto-déclarées
Les méthodes de recherche en AIED — Research Methods in AIED (DBR section)
L'apprentissage socioémotionnel — Social-Emotional Learning
Soutien aux étudiants et réussite — administrative outcomes (task completion, credits, persistence, graduation) as distinct from learning gains

FAQ liées

Métadonnées

Niveau	Higher Ed, K 12
Public visé	Learners
Évaluation et mesure	Évaluation
Méthodes de recherche et évaluation	Évaluation de l'IA en éducation
Type de page	Evaluation

Source History Edit Chat