IA fantôme

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.

L'IA fantôme (shadow AI) — l'usage d'outils d'IA qu'un établissement n'a pas approuvés, évalués ni même recensés, par les personnes qui y travaillent. Le terme descend de l'informatique fantôme (shadow IT), mais l'objet diffère : l'informatique fantôme substituait des systèmes non autorisés à des systèmes approuvés, surtout dans le traitement de l'information, tandis que l'IA fantôme couvre des outils qui génèrent du contenu, soutiennent des décisions et accomplissent un travail de connaissance. Le contrôle passe donc de la gestion de l'accès à la régulation de l'usage, et la personne qui utilise l'outil est généralement celle qui prend la décision.

Questions à examiner

Pouvez-vous nommer les outils d'IA que votre personnel et vos enseignants ont utilisés le mois dernier, ou seulement ceux que vous avez achetés ?
Que doit faire une personne dans votre établissement pour faire approuver un outil, et combien de temps cela prend-il par rapport à la semaine où un nouveau modèle sort ?
Si un enseignant téléverse aujourd'hui des travaux d'étudiants dans un outil non approuvé, qui l'apprend — et quelqu'un le saurait-il si cela n'avait jamais causé d'incident visible ?
L'absence de recommandations dans votre établissement est-elle une décision, ou une lacune que des éducateurs individuels comblent à votre place ?
Que devriez-vous publier pour qu'un éducateur prudent choisisse la voie autorisée sans perdre une semaine de préparation ?

Introduction

La littérature sur l'adoption revient sans cesse au même écart. Dans l'enquête EDUCAUSE de 2026 auprès de 1 960 personnels et enseignants, 94 % avaient utilisé des outils d'IA pour leur travail au cours des six derniers mois, tandis que 54 % seulement connaissaient les politiques censées encadrer cet usage. Presque tous les établissements des répondants, 92 %, déclaraient une stratégie d'IA liée au travail, et 13 % seulement en mesuraient le retour sur investissement. Plus de la moitié, 56 %, disaient utiliser des outils que leur établissement ne fournit pas.

Cette combinaison décrit une surface de gouvernance qui existe sur le papier et une pratique qui existe ailleurs. Les gens n'attendent pas la permission, et dans beaucoup d'établissements on ne la leur demande pas. L'IA fantôme est le nom de ce qui remplit l'espace entre un document de stratégie et une salle de classe.

La littérature complique le cadrage moral. Rameskumar et coll. ont interrogé 20 éducateurs universitaires en Allemagne et constaté que l'usage informel n'était pas un cynisme caché mais une pratique que les éducateurs se justifiaient en termes professionnels. Kelso et coll. ont enquêté auprès de 375 éducateurs qui ont nommé 1 373 applications et services, dont 494 uniques. Dangol et coll. ont suivi 22 enseignants dans un district américain qui avait adopté l'IA avant d'écrire des règles, et les ont trouvés en train de tracer leurs propres limites. L'IA fantôme, selon ces preuves, est ce à quoi ressemble une lacune d'offre vue de l'intérieur.

Pourquoi cela se produit

La cause immédiate est généralement l'absence de recommandations. Les éducateurs de l'étude allemande décrivaient des règles absentes, trop générales, fragmentées ou déconnectées des situations d'enseignement concrètes. L'un d'eux a dit simplement que personne ne lui avait dit ce qui était permis ou non.

La cause structurelle est la vitesse. Les cycles d'achat et les comités de politique avancent au rythme des établissements ; les sorties de modèles avancent au rythme des fournisseurs. Un outil qu'un collègue démontre le lundi peut être en usage le vendredi, et le processus d'approbation qui l'aurait intercepté n'a pas encore ouvert.

La cause motivationnelle est l'utilité, et l'écart n'est pas mince. Dans l'enquête de l'ASU, l'utilité pédagogique représentait 213 des choix que les éducateurs donnaient pour retenir un outil, la commodité fonctionnelle 155, l'accessibilité 187 et le coût 164. La sécurité était citée par 24 personnes sur 375. La découverte passait par les personnes plutôt que par les achats : 290 ont connu des outils par des pairs professionnels, 141 par des administrateurs, 100 par la recherche et 100 par la publicité.

Le coût et l'accès méritent leur propre ligne. Les offres gratuites sont la raison pour laquelle beaucoup d'éducateurs peuvent essayer un outil, et la raison pour laquelle l'établissement ne voit pas l'essai. Quand l'alternative autorisée est une licence nominative avec liste d'attente, l'outil gratuit l'emporte sur le seul critère que l'enseignant mesure cet après-midi-là.

Comment les éducateurs le justifient

La contribution de l'étude allemande est une séquence plutôt qu'un décompte. Les éducateurs classaient d'abord un usage selon sa conformité au rôle professionnel : préparer des supports, organiser du contenu et générer des exemples comptaient comme un soutien au rôle ; rédiger un courriel sortait du rôle ; produire un travail qui déplaçait la pensée de l'étudiant était problématique. Ils invoquaient ensuite l'efficacité, le gain de temps étant traité comme une justification suffisante en soi. Ils ajoutaient des affirmations de valeur, selon lesquelles le matériel était meilleur ou plus varié, et pas seulement plus rapide. Et ils concluaient par un geste de responsabilité : l'outil est neutre, l'éducateur décide, et l'éducateur reste responsable de ce qui atteint les étudiants.

Cette dernière étape est celle que les établissements devraient étudier. C'est aussi celle qui rend une interdiction sans pertinence, parce que l'éducateur concerné estime déjà avoir exercé son jugement. L'article la lit comme une légitimation morale plutôt que comme une esquive, ce qui est une conclusion plus inconfortable que la simple non-conformité.

Ce que cela coûte

L'enquête de l'ASU donne des chiffres concrets au versant du préjudice. Sur 375 éducateurs, 167 ont rencontré un comportement intrusif en matière de vie privée ou de sécurité et ont désinstallé l'application, dont 108 dans le primaire et le secondaire. Mais 62 de ceux qui craignaient que leurs données soient vendues ou partagées ont gardé les outils malgré tout, invoquant leur dépendance au flux de travail. Les administrateurs ont nommé 16 préoccupations graves, dominées par la fuite de données et l'atteinte à la vie privée.

C'est dans l'intégration que l'exposition s'aggrave. Les éducateurs du primaire et du secondaire ont connecté 341 applications à des systèmes institutionnels et ceux de l'enseignement supérieur 116, et la plupart de ces applications exigeaient la création de comptes. Près d'un tiers des éducateurs du primaire et du secondaire, 30,3 %, connaissaient une politique institutionnelle couvrant l'usage non autorisé ; 22 ont admis en avoir violé une.

Le problème de vie privée est structurel plutôt qu'individuel. Un outil qui reçoit une liste de classe, un PEI ou une note disciplinaire a créé un enregistrement que l'établissement n'a pas autorisé, ne peut pas auditer, et dont il n'apprendra peut-être l'existence qu'à la réception d'une notification de violation.

Ce que les enseignants font réellement

L'étude du district est le correctif le plus utile à l'image de l'adopteur négligent. Les enseignants y disposaient d'une plateforme à l'échelle du district, MagicSchool AI, et utilisaient néanmoins des systèmes généraux comme ChatGPT et Gemini. Leurs limites étaient pédagogiques : l'un autorisait l'IA pendant le travail de progression et la retirait à la maîtrise, de sorte que les étudiants devaient démontrer la compétence sans aide. Une enseignante d'éducation spécialisée apprenait à des élèves de quatrième année à interroger l'auctorialité, en traitant la reformulation comme acceptable et la génération d'idées comme non acceptable.

La voix et la vie privée suivaient. Les enseignants réécrivaient les sorties pour que les supports sonnent encore comme eux, recoupaient les faits et traitaient le texte généré comme une source majoritaire plutôt que comme une autorité. Ils caviardaient les noms d'étudiants et utilisaient délibérément les comptes du district, afin que leur usage puisse être audité s'il était contesté. C'est de la construction de sens collaborative avec une piste d'audit, et cela ressemble davantage à ce qu'un bureau de gouvernance dit vouloir qu'à ce qu'un rapport de conformité capte habituellement.

Le coût de cette improvisation se répartit inégalement. Les enseignants qui avaient du temps, de la confiance et un soutien collégial ont construit les pratiques ; ceux des écoles qui n'en avaient pas ne l'ont pas fait. Les écarts d'équité qui commencent comme des écarts de dotation finissent comme des différences dans ce qu'on demande aux étudiants de faire.

Ce que les établissements peuvent faire

Le premier geste est de publier la voie autorisée, non de fermer la voie officieuse. Les enseignants de l'étude du district demandaient des règles, des listes d'outils évalués, des exemples et du temps, et aucune de ces demandes n'exige une nouvelle plateforme.

Le second est de raccourcir le chemin. MindRouter et la passerelle de Fontys montrent tous deux un modèle où l'approbation est une décision de routage plutôt qu'un événement d'achat : un modèle approuvé apparaît dans une passerelle avec une fiche de modèle nommant la région, le coût et les alternatives, et un enseignant peut l'utiliser le jour même. L'infrastructure institutionnelle d'IA est ce qui rend cela possible ; son absence est ce dont l'IA fantôme est faite.

Le troisième est de mesurer ce qui est dépensé et utilisé, y compris la dépense qui n'a jamais atteint un bon de commande. Le chiffre de 13 % de retour sur investissement d'EDUCAUSE suggère que la plupart des établissements ne peuvent actuellement pas dire si les outils autorisés méritent leurs licences, ce qui laisse l'argument en leur faveur reposer sur la seule autorité.

Le quatrième est de traiter la littératie de l'IA comme un contrôle, non comme un ajout au curriculum. Un enseignant capable de lire une politique de données, de reconnaître les conditions de conservation d'un fournisseur et de caviarder un nom d'étudiant fait une gestion du risque qu'aucun formulaire d'approbation ne remplace.

Implications pour la pratique

Les développeurs pédagogiques peuvent publier la voie autorisée avec des exemples concrets, dans le langage de l'enseignement plutôt que de l'approvisionnement. Les enseignants de l'étude de district demandaient des règles, une liste validée, des exemples et du temps ; rien de tout cela n'exige une nouvelle plateforme. Un circuit d'approbation qui prend une semaine laisse assez de temps pour qu'un nouveau modèle sorte, si bien que la cible utile se compte en jours.

Les enseignants peuvent adopter les habitudes que les utilisateurs prudents de cette étude avaient déjà. Caviarder les noms d'étudiants avant de coller quoi que ce soit, utiliser un compte institutionnel afin que la trace puisse être auditée, et traiter le texte généré comme un brouillon à vérifier plutôt que comme une autorité à citer.

Les administrateurs peuvent mesurer les dépenses qui n'ont jamais atteint un bon de commande et lire l'usage non approuvé comme un rapport sur un besoin non satisfait. Si un outil gratuit l'emporte parce que l'outil sous licence a une liste d'attente, le problème d'adoption est la file d'attente.

Les équipes informatiques et de politique peuvent transformer l'approbation en une décision d'acheminement. Une passerelle qui liste les modèles approuvés avec leur région, leur coût et des alternatives permet à un enseignant de commencer le jour même — la différence entre une gouvernance qui façonne l'usage et une gouvernance qui le documente après coup.

Les chefs de département peuvent bâtir le soutien collégial qui a permis à certains enseignants de se doter de limites et en a laissé d'autres sans. Un écart qui commence comme une question d'effectifs devient une différence dans ce qu'on demande aux étudiants de faire.

Idées fausses courantes

« L'IA fantôme n'est que l'informatique fantôme sous un nouveau nom. » L'étude allemande trace la distinction : les risques de l'informatique fantôme portent sur l'infrastructure, tandis que ceux de l'IA fantôme portent sur le contenu, le jugement et la trace de ce qui a été produit.

« Une interdiction y mettra fin. » Dans l'enquête de l'ASU, 30,3 % des éducateurs du primaire et du secondaire connaissaient une politique et 22 ont admis en avoir enfreint une. La prohibition sans alternative autorisée change l'endroit où l'usage se produit, pas s'il se produit.

« C'est un problème d'étudiants. » Chaque étude ici porte sur des éducateurs : préparation, notation, communication, traduction. L'histoire des étudiants est réelle, mais ce n'est pas celle qui comporte des identifiants administratifs.

« Une formation de sensibilisation résout le problème. » 94 % utilisaient les outils et 54 % connaissaient la politique, et l'écart de 40 points ne s'est pas refermé quand on l'a signalé aux gens. Ce qui le referme est une alternative utilisable avec un chemin court vers l'approbation.

Lectures complémentaires

Trois sources traitent directement de l'IA fantôme et ne peuvent être intégrées ici : deux études en accès fermé et un article professionnel. Elles sont liées plutôt qu'intégrées, si bien qu'aucune affirmation ici ne repose sur leurs résultats.

Beyond Curiosity: Habit and Organizational Learning Capability as Predictors of Shadow AI — Lovett et Yang, Computers in Human Behavior, article 109243, novembre 2026. Des preuves par enquête auprès d'utilisateurs récents de l'IA au travail, où l'habitude porte le poids d'importance relative le plus élevé et où le paiement personnel des outils est associé à une IA fantôme accrue.
Shadow AI Isn't a Threat: It's a Signal — Damien Eversmann, Campus Technology, février 2026. Un argument de praticien selon lequel l'usage non autorisé signale un besoin non satisfait : des enseignants rédigeant des plans de cours, des chercheurs montant des GPU cloud sur des cartes de département, et des personnels collant des données sensibles dans des outils grand public parce que la voie approuvée était plus lente.
Shadow AI, Human Oversight, and Institutional Trust: A Socio-technical Model of Responsible AI Governance in the Public Sector — Jonathan et coll., Springer, 2026. PLS-SEM sur 214 employés du secteur public, traitant l'IA fantôme comme le mécanisme qui relie les conditions de gouvernance à un usage responsable.

Concepts liés

Métadonnées

Discipline	Information Technology
Niveau	Higher Ed, K 12
Public visé	Administrators, Instructors, Faculty Developers, Educational Technology Developers
Technologies et techniques	L'IA générative, Grands modèles de langue (LLM)
Équité, éthique et usage responsable	La vie privée, L'équité

Source Historique Modifier Discuter