Comment gérer l'IA dans les travaux de groupe et collaboratifs ?

Traduction automatique de la page anglaise, non encore relue par une personne de langue maternelle.

La présentation de groupe revient soignée et cohérente, et aucun membre ne sait expliquer l'argument qu'elle contient. Ou bien les notes sont identiques, et vous apprenez ensuite qu'un étudiant a fait passer tout le travail par l'IA générative pendant que trois autres se laissaient porter par la note commune. Rien dans le fichier ne vous dit laquelle de ces deux choses s'est produite, et votre grille d'évaluation comporte une ligne sur la collaboration que tout le monde a validée.

Voici la réponse : décidez la place de l'IA tâche par tâche plutôt que cours par cours, faites de la négociation du groupe sur l'IA quelque chose qu'il remet et que vous notez, séquencez le travail pour qu'il ne puisse pas être découpé en séances parallèles avec un agent conversationnel, et conservez au moins une composante que chaque membre traite seul. Tout cela relève de la conception de tâche, et rien n'a été testé contre une condition sans IA : vous construisez donc un argument de conception plutôt que vous n'appliquez une solution éprouvée.

La version courte

1. Rédigez l'autorisation au niveau de la phase de la tâche. Dites quelles étapes sont ouvertes à l'IA, lesquelles ne le sont pas, et pourquoi.

2. Exigez une courte déclaration d'usage de l'IA rédigée conjointement, qui consigne ce que le groupe a décidé de ne pas faire, et notez le raisonnement.

3. Protégez les étapes où le groupe construit une compréhension partagée : le cadrage, le désaccord, la réconciliation.

4. Choisissez la configuration d'accès à dessein. Une interface partagée produit un usage négocié et visible ; des invites privées produisent des flux que vous ne voyez pas.

5. Conservez une composante que chaque membre traite seul, et faites-en une question de compréhension plutôt que d'autorité.

6. Lisez la retenue d'un groupe avant de la corriger. Renoncer à l'IA peut être une autorégulation délibérée ou une simple méconnaissance.

Écrire l'autorisation par phase, non par cours

Chen et Zou (2026) ont étudié des groupes de trois à cinq étudiants livrant une présentation comptant pour 30% de la note, dans le cadre d'une politique institutionnelle de type « usage uniquement avec mention explicite ». L'IA générative était autorisée pour la génération d'idées, le polissage linguistique, la mise en page visuelle et l'écriture du script. À l'intérieur de cette unique politique permissive, les groupes sont parvenus à des conclusions opposées, avec un raisonnement défendable de chaque côté, et la conception de la tâche a façonné la conclusion atteinte par chaque groupe. L'étude porte sur 52 futurs enseignants dans un seul cours, et les auteurs demandent que leurs schémas soient lus comme des réponses possibles à la conception plutôt que comme une distribution à attendre. Une règle au niveau du cours ne détermine pas ce que fait un groupe.

Rédigez donc l'autorisation au niveau de l'artefact. Nommez les phases ouvertes à l'IA et celles qui sont censées être travaillées sans elle, et dites aux étudiants pourquoi la ligne passe là. La logique de conception de la revue de portée pointe dans la même direction : si la communication médiée par l'IA comprime la négociation et la construction collective de sens, alors les segments où un groupe élabore une compréhension partagée sont ceux qu'il vaut la peine de protéger (Wei et Perkins, 2026).

Soyez honnête sur le fondement en réunion de faculté. Aucune des deux revues n'affirme que priver les étudiants de l'IA améliore les résultats d'apprentissage. Cet argument repose sur la structure du compromis exposé plus bas, non sur une comparaison mesurée.

Faire remettre au groupe sa négociation sur l'IA

L'argument de conception central de Chen et Zou est que la négociation d'un usage acceptable de l'IA générative devrait elle-même devenir un résultat explicite et évaluable. Les équipes devraient justifier et documenter collectivement comment l'IA générative sera et ne sera pas utilisée, plutôt que de laisser la norme à la pression des pairs ou au risque perçu. Cet artefact n'existe que si le groupe a réellement parlé, et c'est ce qui lui donne sa valeur en points : il convertit une règle inapplicable en un jugement étudiant examinable.

Deux raisons expliquent l'intensification de l'usage par les groupes, et toutes deux répondent sensément à une note commune. La performance : les étudiants lisaient les critères et les repères de leurs pairs et utilisaient l'IA pour protéger leur part de la note. La sécurité perçue par les normes : un climat collectif permissif abaissait le risque de mésusage ressenti, si bien que les groupes utilisaient l'outil plus ouvertement et, dans le cas orienté vers la coopération, plus dépendamment. Si vous voulez de la transparence, une norme de classe énoncée est plus efficace qu'un avertissement.

Demandez le négatif autant que le positif. Une déclaration qui consigne ce que le groupe a décidé de ne pas faire, et pourquoi, vous apprend plus qu'une liste d'outils. Elle donne aussi à un groupe en désaccord un endroit où déposer ce désaccord, ce qui règle d'ordinaire la partie difficile.

Ne supposez pas que le document reflète une compréhension partagée. Korchak, Costley et Fanguy (2026) ont interrogé 10 étudiants de troisième cycle âgés de 23 à 39 ans (moyenne 27.7) dans un cours d'écriture scientifique, où les groupes utilisaient l'IA générative selon des stratégies planifiées à l'avance ou par des interactions ouvertes, pilotées individuellement et coordonnées dans des documents partagés. Un usage distinctif était celui de l'IA générative comme intégrateur éditorial, fusionnant des sections parallèles en un texte cohérent. Leur observation la plus incisive : les récits des étudiants contredisaient parfois leurs propres réflexions écrites, et un étudiant niait avoir une stratégie de groupe tout en en décrivant une par écrit. Une stratégie qui n'est pas également visible pour chaque membre n'est pas non plus visible de façon fiable pour vous.

Séquencer le travail pour qu'il ne puisse pas être divisé

Wei et Perkins (2026) ont mené une revue de portée guidée par PRISMA sur 18 études en langue anglaise publiées entre janvier 2023 et mars 2025, analysées par analyse thématique réflexive et réparties en huit thèmes. Les bénéfices qu'ils rapportent sont le développement des connaissances du groupe, la génération d'idées, le soutien à la pensée réflexive, l'efficacité de la communication, la coordination des tâches et la rétroaction. Les risques sont la réduction des interactions entre pairs et de l'engagement sous dépendance excessive, ainsi que des préoccupations de vie privée, de transparence et d'exactitude. Leur évaluation est directe : les bénéfices sont empiriquement étayés, tandis que les risques liés à la vie privée, à la transparence, au biais et à l'exactitude sont largement discutés de manière conceptuelle, et une grande partie de la recherche est à court terme ou conceptuelle, avec peu de travaux longitudinaux sur la dynamique de groupe ou le développement cognitif.

Le compromis gouverne la conception. Le travail de groupe est devenu plus efficace, avec une demande réduite de communication, de négociation et de construction collective de sens, constat que la revue reprend de Lin et al. Le gain d'efficacité et la perte d'interaction peuvent relever du même mécanisme, ce qui signifie que vous ne pouvez pas prendre la rapidité sans la perte, sauf si vous réintroduisez la négociation comme travail obligatoire. La revue conclut que l'évaluation de groupe devrait déplacer son centre de gravité du produit vers le processus.

Chen et Zou montrent combien il est difficile d'obtenir cela par accident. Trois formes d'autonomie allaient simultanément dans des directions différentes. L'autonomie orientée vers la coopération (cinq groupes) intensifiait l'usage pour tenir le travail ensemble, en injectant souvent les contributions des pairs dans un agent conversationnel pour les décoder et aligner sa propre partie ; un groupe a reconstruit son flux de travail en discussion, externalisation vers l'IA générative, revue collective et nouvelle discussion. L'autonomie normative (sept groupes) restreignait délibérément l'usage, soit en jugeant que la tâche exigeait un savoir situé hors de portée de l'IA (« l'IA ne connaît que ce moment où vous tapez »), soit en considérant les sections générées par l'IA comme injustes envers les camarades qui devraient les porter. L'autonomie non mise en œuvre (trois groupes) ne changeait rien, partitionnant le travail en sous-tâches distinctes sur des plateformes individuelles tandis que des étudiants utilisaient l'IA générative sans jamais en faire profiter l'équipe.

Leur grille d'évaluation exigeait déjà l'intégration et la cohérence autour d'un thème multiculturel, la mise en relation de la réflexion de chaque membre avec sa propre contribution en classe, et une collaboration de groupe démontrée. Trois groupes ont malgré tout divisé puis assemblé. Un critère de cohérence ne produit pas la collaboration à lui seul : changez donc la séquence plutôt que la formulation, en plaçant au moins une étape où toute l'équipe doit être dans la même conversation et en faisant du produit de cette étape un livrable.

Placer une interface au centre, et la choisir à dessein

Xu et al. (2026) ont observé 18 étudiants répartis en six groupes de trois travaillant sur une interface ChatGPT-4 unique et partagée pendant environ 45 minutes, et ont interrogé neuf autres étudiants sur le travail d'équipe asynchrone. Avec une interface partagée et visible, les équipes co-construisaient des invites collectives, suivaient un cycle récurrent de faire émerger, évaluer et intégrer, traitaient la conversation comme une mémoire externe partagée et négociaient ouvertement le rôle de l'IA. En travail asynchrone, les invites privées et le retrait des étiquettes de sortie produisaient des flux d'information opaques et privatisés qui augmentaient le coût du maintien d'un modèle cognitif partagé. Le rôle de l'IA générative s'est déplacé aussi, d'assistant subordonné à coéquipier contesté, et le système est cognitivement impliqué tout en restant contextuellement inconscient du centre d'attention mouvant de l'équipe.

La différence pratique tient à ceci : l'invite est-elle un artefact du groupe ? Un document partagé contenant les invites et les sorties vous donne quelque chose à lire et donne au groupe quelque chose à contester. Des invites privées donnent à chaque membre un assistant différent et aucun enregistrement commun.

Garder une partie que chaque membre traite seul

Associez la note de groupe à une composante individuelle : une soutenance orale de sa propre compréhension, ou une explication écrite de n'importe quelle section qu'il n'a pas rédigée. C'est aussi la réponse honnête au problème du resquilleur, car cela note la compréhension plutôt que l'autorité, et la compréhension est ce dont une note de groupe a toujours été l'approximation.

Martínez-Peláez et al. (2025) ont criblé 203 études de 2023 et 2024 dans la Web of Science Core Collection et en ont retenu 22 selon un protocole PRISMA 2020 enregistré dans PROSPERO. Ils décrivent les LLM comme des catalyseurs de la collaboration : génération d'idées, organisation, rétroaction par les pairs, évaluations simulées sur grille et revues d'experts, et barrières de participation abaissées. Pour la résolution de problèmes, ils rapportent une aide sur les solutions alternatives, les perspectives interdisciplinaires et les scénarios authentiques. Ils notent aussi une inversion utile : les LLM produisent souvent des réponses incomplètes ou incorrectes, ce qui pousse les étudiants à interroger, vérifier et améliorer le matériau. C'est cet échange qu'il faut écouter au point de contrôle individuel.

Leurs limites voyagent avec la citation : une seule base de données, des articles de revues seulement, aucune attention à l'éthique ni à la vie privée, les deux premières années de la technologie, et aucun instrument d'évaluation du risque de biais appliqué. Lisez « catalyseurs » comme une description de pratiques observées, non comme un résultat mesuré.

La détection est le mauvais instrument pour trier les contributions individuelles : aucune de ces six études ne teste les détecteurs en contexte de groupe, et les problèmes de détection au niveau individuel sont documentés ailleurs dans cette base de connaissances. La retenue demande à être interprétée avant d'être corrigée. Chen et Zou avertissent qu'un groupe qui renonce à l'IA peut éviter quelque chose d'inconnu plutôt qu'exercer une autorégulation délibérée, et les deux appellent des réponses différentes : l'une est un problème d'enseignement, l'autre une position réfléchie que vous pouvez noter.

Les coéquipiers simulés ne tranchent pas la question non plus. Fang (2026) a affiné des agents LLM sur des dialogues réels de participants (adaptateurs LoRA/QLoRA sur LLaMA 3.2-3B) pour modéliser 48 participants sur 3.824 tours et six codes thématiques, puis a comparé les discours réels et simulés par analyse de réseau épistémique. Le réseau simulé atteignait une distance de 0.17 par rapport au réseau empirique, sous le seuil de 0.30, avec une valeur p de permutation de 0.65, statistiquement indiscernable, bien qu'il ait légèrement surestimé les liens « contraintes techniques » et « conception » et sous-représenté les paramètres de données et de performance. C'est un article de cadre à confiance moyenne, et il soutient une seule affirmation : des agents propres à chaque participant peuvent reproduire un discours collaboratif réaliste. Il ne montre pas que les étudiants apprennent davantage avec des coéquipiers simulés.

Former les groupes sur ce que les membres croient, non sur leurs amitiés

Qu'une IA devienne un point de référence partagé ou une simple consultation dépend en partie de l'accord préalable de vos groupes. Dans l'étude de Wang et al. (2026), quatorze groupes d'enseignants en formation initiale ont mené une enquête par simulation de 60 minutes avec un agent conversationnel métacognitif disponible à la demande. Les groupes dont les membres avaient des préconceptions différentes sur la physique faisaient passer l'usage de l'IA par une conversation conceptuelle, l'IA se trouvant au centre de leur réseau d'interaction ; les groupes déjà d'accord suivaient un chemin linéaire de requête puis de réponse et maintenaient une évaluation négative de la production, ce que les auteurs attribuent en partie à des invites proactives arrivant après que le consensus s'était formé. Les deux types de groupes posaient les mêmes types de questions : ce qui changeait était donc l'appropriation plutôt que le volume.

Deux gestes en découlent, tous deux peu coûteux :

• Faites passer un court pré-test sur le concept central et mélangez les profils de réponses entre les groupes, plutôt que de laisser les étudiants se répartir par affinité.
• Dans les groupes qui convergent vite, gardez les invites d'autorégulation partagée à la demande plutôt que poussées, car une relance qui arrive après l'accord se lit comme une interruption.

Traitez cela comme une hypothèse plutôt que comme une règle. Ce sont quatorze groupes, une tâche de 60 minutes sur un seul sujet, des enseignants en formation initiale d'un seul pays, et des transcriptions traduites du finnois avant codage.

Ce que les enseignants et les administrateurs comprennent mal ici

Une politique de cours claire règle ce que font les groupes. Chen et Zou ont vu des groupes parvenir à des conclusions opposées à l'intérieur d'une seule politique permissive. La tâche, la grille d'évaluation et la lecture du risque par le groupe en ont décidé.

Un critère de collaboration produit la collaboration. Leur grille nommait l'intégration, la cohérence et une collaboration démontrée, et trois groupes ont malgré tout partitionné le travail puis l'ont réassemblé. Les critères décrivent le produit ; le séquençage produit l'interaction.

Le vrai problème du travail de groupe est le resquillage, et l'IA l'aggrave. Aucune étude citée ici ne montre que l'IA a aggravé le resquillage, ni qu'une intervention le réduise. La plainte d'injustice précède l'outil : les étudiants retenus de Chen et Zou jugeaient injuste de générer leur propre section par l'IA envers les camarades qui la porteraient, et la logique de performance montre des étudiants protégeant leur part d'une note commune. La responsabilité individuelle et un processus visible sont défendables du point de vue de la conception, et ce ne sont pas des solutions prouvées.

Plus d'IA dans le travail de groupe signifie une meilleure collaboration. Martínez-Peláez et al. décrivent de véritables appuis, et Wei et Perkins ont trouvé le versant des bénéfices empiriquement étayé tandis que celui des risques reste largement conceptuel. La mise en garde la plus vive de la revue est la preuve randomisée montrant que l'IA produisait des suggestions plus innovantes sans augmenter significativement l'innovativité globale des participants, tout en homogénéisant les idées et en invitant à la décharge cognitive. Les gains mesurés pendant un travail de groupe assisté par l'IA n'ont pas non plus été montrés comme se transférant à la collaboration sans l'outil.

Un document partagé signifie un processus partagé. Korchak, Costley et Fanguy ont trouvé des récits qui contredisaient les réflexions écrites, et des stratégies que chaque membre ne pouvait pas voir. Cherchez le journal des décisions, pas le dossier.

La détection peut vous dire qui a fait quoi. Aucune de ces études ne la teste en contexte de groupe, et un artefact de groupe est le pire cas pour elle : plusieurs rédacteurs, un seul fichier, et un historique de révisions qu'un compte partagé aplatit.

Les objections que vous entendrez

« Le travail de groupe est déjà injuste, et l'IA l'aggrave. » L'IA change la forme du problème, et la plainte d'injustice était déjà à l'intérieur du groupe avant que quiconque ouvre un agent conversationnel. Ce qui est nouveau, c'est le peu qu'il en coûte à un membre pour produire seul une section plausible. Un point de contrôle individuel et un processus visible ont une justification de conception. Ni l'un ni l'autre n'a été montré comme réduisant le resquillage.

« J'ai 300 étudiants. Je ne peux pas organiser des soutenances orales. » Alors n'en organisez pas 300. Faites passer l'explication individuelle à l'écrit pour tout le monde, et échantillonnez des vérifications orales là où le travail remis ne correspond pas au travail antérieur. L'essentiel est que chaque membre sache qu'une conversation est possible.

« Je ne peux pas noter le processus. » Vous notez déjà une approximation du processus et vous appelez le résultat qualité du produit. Notez l'artefact qui n'existe que si le processus a eu lieu : la déclaration négociée d'usage de l'IA, le journal des décisions, la courte explication individuelle. Tous trois sont bornés et vérifiables, et les lignes de la grille ne sont pas plus vagues que celles que vous écrivez déjà pour la cohérence.

« Les étudiants écriront leurs invites en privé quoi que je précise. » Certains le feront, ce qui explique que l'interface partagée et la déclaration remise pèsent plus lourd que la règle. Xu et al. ont constaté qu'une interface partagée visible changeait ce que les équipes faisaient de l'outil, et Chen et Zou qu'un climat permissif augmentait l'usage ouvert. Ce que vous ne pouvez pas faire, c'est inférer le cas privé à partir du fichier de groupe : concevez donc pour le cas visible.

« N'est-ce pas une question de politique pour le département ? » Le département peut fixer la valeur par défaut. Il ne peut pas séquencer votre travail. Le constat de Chen et Zou est qu'une même politique institutionnelle produit des comportements de groupe différents selon la tâche, ce qui met la décision entre vos mains, que vous l'ayez voulu ou non.

Que faire cette semaine

1. Ajoutez une déclaration d'usage de l'IA d'une demi-page, rédigée conjointement, à la prochaine consigne de groupe, et donnez des points au raisonnement. Prévoyez une ligne pour ce pour quoi le groupe a décidé de ne pas utiliser l'IA.

2. Repérez l'étape de la tâche qui peut être découpée en pièces indépendantes puis réassemblée. Reséquencez pour qu'une étape exige toute l'équipe à la fois, et faites produire à cette étape quelque chose que vous collectez.

3. Ajoutez un point de contrôle individuel à la grille : une courte explication écrite d'une section que l'étudiant n'a pas rédigée, ou une soutenance orale de deux minutes.

4. Nommez les segments sans IA dans la consigne et dites pourquoi ils sont sans IA, en une phrase chacun.

5. Décidez où vivront les invites. Si la réponse est « là où chaque étudiant les garde », vous avez choisi des invites privées sans le dire.

Où aller ensuite

Travail en groupe et Apprentissage collaboratif portent les preuves sous-jacentes sur l'évaluation de groupe et sur ce qui rend la collaboration productive. Comment rédiger une politique d'usage de l'IA pour un cours et la communiquer aux étudiants ? couvre la formulation au niveau du cours que les étudiants lisent réellement, Comment repenser l'évaluation pour qu'une note me dise encore quelque chose de défendable sur ce que l'étudiant sait ou sait faire ? couvre la refonte de l'évaluation dans laquelle tout cela s'inscrit, et Intégrité académique est l'endroit où le versant de l'inconduite est traité.