Le bien-être

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.

Le bien-être (Well-being) — l'état positif d'être sain mentalement, physiquement et socialement, englobant les dimensions émotionnelle, psychologique et sociale. Dans le champ de l'IA en éducation, le bien-être est devenu une préoccupation centrale, parce que l'intégration rapide de l'IA générative dans les environnements d'apprentissage peut affecter la santé mentale, la motivation, le sentiment d'appartenance, l'anxiété et le sentiment d'agentivité des étudiants et des éducateurs — soulevant la question de savoir si l'IA soutient ou mine le bien-être des apprenants.

Questions à examiner

Le bien-être en éducation est souvent traité comme une préoccupation « douce » ou secondaire face aux résultats d'apprentissage. Mais la page le cadre comme une dimension centrale et concevable de l'intégration de l'IA. Pensez-vous le bien-être des apprenants et des enseignants comme une chose à concevoir, ou comme un sous-produit que l'on peut vérifier plus tard ? Que le champ pourrait-il perdre à le traiter comme une pensée tardive ?
Songez à la manière dont l'usage de l'IA a affecté votre propre confiance ou celle de vos étudiants, votre anxiété, votre sentiment d'appartenance ou votre agentivité — en mieux et en pis. Quelle est une manière concrète dont l'IA a changé votre expérience émotionnelle de l'apprentissage ou de l'enseignement, au-delà du simple confort ?
La page note que l'usage de l'IA est entrelacé avec l'anxiété — au sujet de l'intégrité académique, de la question de savoir si le recours à l'IA signale une faiblesse, de la dépendance excessive. Où avez-vous vu l'IA induire de l'anxiété plutôt que la soulager, et qui, dans cette situation, était le plus affecté ?
Une intuition répandue veut que l'IA réduise le stress en prenant en charge les tâches difficiles. Où l'inverse pourrait-il être vrai — une IA qui abaisse l'effort à court terme tout en augmentant l'anxiété quant à la compétence, à l'intégrité, ou au fait de « ne pas vraiment savoir le faire » ? Comment mesureriez-vous même une évolution du bien-être plutôt que la seule production ?
Le bien-être couvre les dimensions émotionnelle, psychologique (finalité, autonomie, compétence) et sociale (appartenance, relations). Choisissez-en une. Comment un outil d'IA pourrait-il discrètement l'améliorer ou la miner dans un cadre d'apprentissage — et que chercheriez-vous comme preuve ?
Le bien-être des enseignants — charge de travail, anxiété face à une technologie disruptive, capacité d'offrir un soutien émotionnel — est tout autant en jeu que celui des étudiants. Si vous êtes éducateur ou dirigeant, que faudrait-il pour que l'intégration de l'IA soutienne le bien-être des éducateurs plutôt qu'elle n'ajoute à la pression, et qui devrait en être comptable ?

Introduction

Le bien-être en éducation est multiforme : il inclut le bien-être émotionnel (affect positif, faible détresse), le bien-être psychologique (finalité, autonomie, compétence) et le bien-être social (appartenance, relations positives). À l'ère de l'IA, le bien-être importe parce que l'IA peut reconfigurer l'apprentissage de manières qui affectent ces dimensions — de la réduction de la confiance des étudiants et de l'augmentation de l'anxiété au sujet de l'intégrité académique, jusqu'au fait de nourrir ou de miner l'engagement et l'appartenance. Les préoccupations quant à l'impact de l'IA sur les compétences socioémotionnelles, le bien-être, la sociabilité et le sentiment de confiance et d'empathie des étudiants (soulevées par l'OCDE et d'autres) ont positionné le bien-être comme une considération clé de l'intégration responsable de l'IA.

Comment le bien-être apparaît dans la recherche

La littératie en IA et l'apprentissage socioémotionnel : les recherches intégrant le SEC à la littératie en IA soutiennent que nourrir l'intelligence émotionnelle et le bien-être des éducateurs et des étudiants est essentiel pour naviguer les environnements d'apprentissage médiatisés par l'IA, en lien avec l'apprentissage socioémotionnel et les dimensions affectives de l'IA.
L'anxiété liée à l'IA et l'expérience étudiante : les études sur l'engagement des étudiants avec l'IA (par exemple les recherches fondées sur la TAD) montrent que l'usage de l'IA est entrelacé avec l'anxiété, la confiance et l'assurance, le bien-être des étudiants étant affecté par les préoccupations relatives à l'intégrité académique, à la créativité et à la délégation cognitive.
La réduction de l'anxiété n'est pas uniformément bénéfique. Dans une étude intra-sujets contrebalancée portant sur 35 étudiants pré-universitaires, un agent conversationnel augmenté par LLM a abaissé l'anxiété auto-déclarée durant les évaluations orales (calme 6.50 contre 5.86, p = .028), mais les auteurs avertissent qu'une anxiété modérée peut être facilitante et n'ont enregistré aucun score de réussite (Yusuf, Money et Daylamani-Zad (2026)).
Une forte approbation peut coexister avec la tension, et la pression de la tâche par l'IA affaiblit le bénéfice. Parmi 551 étudiants de première année, 82.76% approuvaient l'intégration de contenus numériques et intelligents, tandis que 69.51% rapportaient de l'anxiété ou de la tension, et la pente allant de la maîtrise de l'IA à l'ajustement tombait de 0.42 à 0.20 à mesure que la pression de la tâche par l'IA augmentait (Zhang & Yin (2026)).
La capacité perçue de l'IA peut élever la santé mentale par la progression vers les objectifs. Chen et al. (2026) ont trouvé la voie sérielle allant de l'intelligence perçue de l'assistant à la santé mentale significative (B = 0.098) et plus forte à littératie en IA élevée (0.124) que faible (0.072), bien que tous les résultats aient été mesurés immédiatement après une brève tâche.
Le tutorat à soutien émotionnel n'est pas automatiquement meilleur pour le bien-être. Une couche de pleine conscience par LLM ajoutée à un tuteur d'algèbre a réduit l'anxiété étatique face aux mathématiques dans les deux bras, mais pas davantage que les seuls indices et rétroactions cognitives, bien que les étudiants aient jugé l'agent attentif plus soutenant — une mise en garde contre le fait de lire la sollicitude perçue comme un résultat de bien-être (Rief et al., 2026).
L'anxiété liée à l'IA, l'adaptation et la dépendance comme signaux de bien-être : Zhang et al. (2026) trouvent que l'anxiété liée à l'IA est liée négativement à la motivation académique, en partie par la réduction de la régulation des émotions (modérée par le genre), dans un large échantillon chinois ; Wu (2026) montre que les apprenants du japonais se répartissent en profils d'adaptation psychologique inadaptés, modérés et positifs, déterminés par le technostress et la résilience, qui évoluent vers une meilleure adaptation au cours d'un semestre ; et Yan (2026) avertit que les corrélats transversaux de l'engagement envers l'IA conversationnelle (solitude, anxiété, faible bien-être) ne doivent pas être lus comme des conséquences, et que les expériences soutenantes et les expériences nuisibles coexistent.
Le fait que le lien avec l'IA protège ou nuise dépend des relations hors ligne. Fu et Zhao (2026) proposent que les effets sur la santé mentale suivent la connexité à l'IA relativement à la connexité hors ligne traditionnelle, plutôt que sa seule intensité — supplémentaire lorsque les liens du monde réel répondent aux besoins de confirmation de l'identité, compensatoire lorsque les aidants ne le font pas — et ils prédisent une relation en U inversé entre les deux.
Le soutien au bien-être culturellement situé et ses limites : Bashir et Afzal (2026) décrivent Sukoon, un système de bien-être hybride pour des étudiants universitaires pakistanais, qui associe un classificateur de stress par forêt aléatoire (89.09% d'exactitude sur trois niveaux de gravité ; 20 variables d'enquête) à une couche de dialogue LLM qui intensifie le ton et l'intensité du soutien sur trois paliers, conformément au modèle de soins étagés. Il a été construit parce que les outils de santé mentale conçus en Occident sont en langue anglaise et culturelement inadaptés à des étudiants qui expriment leur détresse en ourdou ou en ourdou-romanisé et qui font face simultanément à des facteurs de stress académiques, financiers, familiaux et relationnels ; les auteurs sont explicites sur le fait qu'il ne s'agit pas d'un outil de diagnostic ou de thérapie clinique, que les réponses de forte détresse orientent vers un accompagnement psychologique professionnel, et que la couche de chatbot n'a pas encore été évaluée avec des étudiants quant à l'adéquation culturelle ou à la sécurité émotionnelle.
Le bien-être des enseignants et le rôle : l'impact de l'IA sur les enseignants — y compris la charge de travail, l'anxiété face à l'enseignement avec une technologie disruptive, et la capacité d'apporter un soutien émotionnel — est une préoccupation récurrente, en lien avec la compétence des enseignants en IA et le développement professionnel.

Un modèle d'équations structurelles portant sur 502 enseignants-chercheurs universitaires a montré que la littératie en IA prédisait le bien-être lié à l'IA bien plus fortement (β = 0.713) que l'auto-efficacité technologique (β = 0.082), le soutien social et organisationnel n'atteignant le bien-être qu'indirectement — c'est la compétence, et non l'encouragement, qui portait l'effet (Liu et al. (2026)).

La densification relationnelle comme critère d'évaluation du développement des enseignants soutenu par l'IA : Aponte et al. (2026) soutiennent que l'IA soutient le développement socioémotionnel des enseignants uniquement lorsqu'elle fonctionne comme une infrastructure relationnelle plutôt que comme un substitut symbolique de l'accompagnement humain. Ils proposent la densification relationnelle comme critère pour juger les initiatives de développement professionnel soutenues par l'IA — selon qu'elles renforcent la confiance, le mentorat, le soutien par les pairs, la collaboration, la sécurité psychologique et la réduction de l'isolement — et notent que ces relations ont des effets en aval sur les étudiants, par le climat de la classe, la réactivité pédagogique et le soutien socioémotionnel. La synthèse avertit aussi que la gouvernance des données affectives et l'économie politique de l'IA éducative comportent des risques éthiques distincts, cadrant la littératie critique en IA comme une compétence socioémotionnelle.
L'éthique et l'IA responsable : le bien-être est une considération éthique centrale dans l'IA en éducation, en lien avec l'éthique et l'impératif de concevoir une IA qui soutienne plutôt qu'elle ne nuise à la santé mentale et à l'appartenance des apprenants.
L'anxiété liée aux détecteurs comme risque pour le bien-être. Herron (2026) nomme la « flagxiety » — l'anxiété induite par la crainte d'allégations non fiables de la part des détecteurs d'IA — et soutient que les apprenants marginalisés de l'enseignement supérieur court, dont l'unicité cognitive peut être lue comme une faute, ont besoin d'une régulation relationnelle plutôt que d'une interface non régulée susceptible de déclencher un arrêt cognitif.

Le bien-être comme considération de conception

Un thème récurrent est que le bien-être devrait être une considération délibérée de conception dans l'IA en éducation, et non une pensée tardive. Cela signifie : concevoir l'IA pour qu'elle soutienne les relations humaines plutôt qu'elle ne les remplace ; garantir que les étudiants peuvent maintenir leur agentivité et leur confiance, plutôt que de faire l'expérience d'une anxiété induite par l'IA ou d'une dépendance excessive ; soutenir la capacité et le bien-être des éducateurs à mesure qu'ils intègrent l'IA ; et évaluer les systèmes d'IA non seulement pour leurs résultats d'apprentissage, mais aussi pour leurs effets sur le bien-être des étudiants et des enseignants. Les recherches relient le bien-être à la motivation, à l'apprentissage autorégulé et à l'expérience étudiante (appartenance et engagement). Xie (2026) plaide pour une finalité éducative assortie : l'idéal antagoniste du « Zhenren » (真人) taoïste remplace l'optimisation sans friction par une « intégralité cultivée », réimaginant l'apprentissage comme l'intégration harmonieuse de soi, de la société et du cosmos, et insistant sur le fait que « aucun étudiant n'est un simple jeu de données à gérer, mais un être entier capable d'atteindre l'équanimité ».

Un recadrage conceptuel ancre le soutien à la régulation des émotions dans l'activité physique et l'écologie du campus plutôt que dans la seule détection de l'affect : aucun canal expressif unique n'identifie la détresse sans contexte, si bien que l'IA devrait soutenir la régulation par l'exercice, tandis que les enseignants et les conseillers en gardent l'interprétation, et la surveillance de l'affect devient coercitive dès lors qu'elle est liée à la présence en cours ou à la notation (Zhang et al. (2026)).

Connexions avec les concepts liés

Le bien-être est en lien avec l'expérience étudiante (comme dimension de l'expérience globale des apprenants), l'apprentissage socioémotionnel et l'informatique affective (les compétences émotionnelles que l'IA recoupe), l'éthique (comme considération éthique centrale), la motivation et l'apprentissage autorégulé (le bien-être les soutient et est soutenu par eux), la compétence des enseignants en IA (la capacité et le bien-être des éducateurs), et l'enseignement supérieur et le primaire et secondaire comme cadres où l'IA façonne le bien-être.

La friction, le sens et la solitude comme un signal. Zohar, Bloom et Inzlicht (2026) donnent à l'argument du bien-être un mécanisme : l'effort signale que nos actions importent, si bien que les gens qui travaillent en vue d'une tâche se sentent plus compétents, valorisent davantage le produit et le jugent plus empreint de finalité — et même sur des tâches objectivement dénuées de sens, ajouter de la friction élève le sens évalué. Sur les relations, ils traitent la solitude non seulement comme une affliction (liée aux maladies cardiovasculaires, à la démence, aux accidents vasculaires cérébraux et à la mort prématurée), mais comme un signal biologique apparenté à la faim ou à la douleur : un inconfort qui motive d'aller vers les autres, d'accepter les invitations, d'investir dans les relations existantes et de tolérer les conversations difficiles. Les compagnons IA peuvent apaiser cet inconfort, ce que les auteurs considèrent comme un authentique progrès dans certains cas, tout en réduisant au silence le signal qui pousse à la connexion — et ils tempèrent l'argument par les stades, soutenant que, pour les personnes isolées par les circonstances plutôt que par choix, refuser l'accès à une telle technologie « serait cruel » (la motivation, l'apprentissage socioémotionnel).

Concepts liés

Apprenants — Les apprenants : le parapluie des concepts du côté de l'apprenant
Anxiété et stress
L'expérience étudiante
L'apprentissage socioémotionnel
Informatique affective
L'éthique
La motivation
L'apprentissage autorégulé
La compétence des enseignants en IA
Enseignement supérieur
Soutien aux étudiants et réussite — les services de soutien du campus couvrant l'orientation, l'accompagnement et le renvoi

FAQ liées

Métadonnées

Niveau	Higher Ed
Public visé	Learners
Apprentissage et enseignement	La motivation, L'apprentissage socioémotionnel
Équité, éthique et usage responsable	L'éthique
Fondements de l'IA dans l'éducation	Littératie en IA

Source History Edit Chat