Quel est l'impact de l'IA sur les étudiants ?

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

L'IA a un impact sur les étudiants dans un sens à la fois positif et négatif, et généralement les deux en même temps. Le même outil peut étayer l'apprentissage d'un étudiant tout en l'invitant à une dépendance excessive, augmenter la motivation tout en érodant l'autonomie, ou soutenir le sentiment d'appartenance tout en menaçant la paternité du travail. La recherche sur l'expérience étudiante met en évidence des impacts positifs et négatifs récurrents sur plusieurs dimensions, et le sens de ces impacts dépend fortement de la manière dont l'IA est conçue et dont les étudiants l'utilisent.

Impacts positifs

1. Soutien à l'apprentissage. L'IA peut étayer la compréhension avec de la rétroaction, des indices et des explications, en offrant aux étudiants une aide à la demande, de l'entraînement et un soutien adaptatif qui maintiennent l'apprenant dans le travail cognitivement important. Bien mené, cela soutient l'apprentissage et la recherche d'aide (voir L'usage de l'IA aide-t-il réellement les étudiants à apprendre ?).

2. Motivation et engagement. Un soutien personnalisé, immédiat et à faibles enjeux peut augmenter la Motivation et l'engagement, aider les étudiants à persévérer et leur donner un sentiment de compétence (voir la théorie de l'autodétermination et ses besoins d'autonomie, de compétence et d'appartenance).

3. Accès et équité sur certaines dimensions. L'IA peut offrir aux étudiants réticents à poser des questions un moyen peu intimidant d'obtenir de l'aide, et peut soutenir le bien-être en réduisant l'anxiété liée à la demande d'aide.

4. Identité et préparation à l'avenir. L'IA peut aider les étudiants à construire des compétences transférables pour un monde intégrant l'IA (littératie en IA, cognition distribuée et métacognition, voir les capacités adaptatives) et soutenir la formation identitaire à mesure que les étudiants se perçoivent comme des praticiens compétents et à l'aise avec l'IA.

5. Soutien psychosocial en période de stress. Au-delà de l'aide cognitive, les étudiants décrivent l'IA générative comme une source de réassurance et un espace confidentiel de réflexion dans des formations très stressantes : une dimension relationnelle et émotionnelle de l'utilité que les modèles d'adoption ne captent pas. Dans une étude qualitative menée auprès de 28 étudiants et enseignants en soins infirmiers, plusieurs étudiants ont décrit l'IA comme un « compagnon » offrant réconfort et espace sans jugement pendant le stress clinique (Akbaba & Calik Kus, formation en soins infirmiers). À lire en parallèle des preuves de dépendance ci-dessous : le réconfort est réel, et il peut glisser vers la dépendance.

Impacts négatifs

1. Dépendance excessive et écart entre performance et apprentissage. L'IA invite à la décharge cognitive : les étudiants délèguent le raisonnement qu'ils ont besoin d'exercer. Cela peut augmenter la performance avec l'IA tout en abaissant la performance ultérieure sans aide : la synthèse de la base de connaissances sur l'mésusage de l'IA et les préjudices d'apprentissage documente une expérience contrôlée randomisée sur le terrain où un tuteur d'IA sans garde-fous améliorait l'entraînement mais réduisait la performance à l'examen ultérieur. Le mésusage peut aussi éroder la métacognition et l'autorégulation. Une synthèse de 2026 portant sur 72 études en enseignement de l'informatique quantifie ce schéma : l'IA générative augmentait de façon fiable l'achèvement à court terme et réduisait le temps passé sur la tâche (36 études), mais ces gains « ne se transfèrent pas à la performance autonome » (21 études), et le bénéfice dépendait des connaissances préalables : les étudiants bien préparés convertissaient l'aide en compétence durable, tandis que les étudiants moins préparés l'utilisaient comme une béquille qui supprimait l'échec productif, creusant les écarts de compétence au sein d'une même classe (Kumar et al., revue systématique).

2. Effort et autonomie réduits. Savoir que l'IA est disponible peut réduire la volonté des étudiants de s'engager dans l'échec productif (disponibilité de l'IA et motivation), et l'acceptation passive d'une production d'IA peut éroder l'autonomie et le sentiment d'accomplissement qui vient du travail fait soi-même (voir le fossé de sécurité).

3. Anxiété, honte et coûts pour le bien-être. L'usage de l'IA est associé à l'anxiété et au stress, qu'il s'agisse d'être remplacé, d'une évaluation incertaine ou de la pression de suivre (voir la synthèse complète sur l'anxiété liée à l'IA). La honte et la culpabilité liées à l'usage de l'IA peuvent pousser à dissimuler et à une divulgation sélective, ce qui nuit à l'engagement honnête et au bien-être socio-émotionnel. Les conséquences motivationnelles sont mesurables : l'enquête de Zhang, Shi et Lu auprès de 1,484 étudiants de premier cycle a trouvé que l'anxiété liée à l'IA était corrélée négativement à la motivation académique (r = −0.175) et à la régulation émotionnelle (r = −0.172), la régulation émotionnelle médiant partiellement le chemin anxiété liée à l'IA → motivation (effet indirect = −0.076), tandis que la durée d'usage quotidien ne prédisait presque rien (r = 0.053). Leur conclusion est que l'enseignement de la littératie devrait être associé à un soutien en régulation émotionnelle et métacognitif, et non simplement à un accès élargi aux outils (Zhang et al., anxiété liée à l'IA et motivation académique). Une synthèse critique de 51 travaux sur l'IA conversationnelle ajoute une mise en garde méthodologique : la confiance, la dépendance, la dépendance excessive, l'attachement et l'addiction sont régulièrement confondus, et les corrélations transversales avec la solitude, l'anxiété, la fatigue, la procrastination et une pensée critique plus faible n'établissent pas de causalité ; un usage fréquent n'est pas une dépendance en l'absence de contrôle altéré ou de préjudice fonctionnel (Yan, synthèse sur l'engagement et la dépendance envers l'IA conversationnelle).

4. Menaces pour l'identité de l'apprenant. Lorsque l'IA produit le travail, les étudiants peuvent cesser de sentir que le résultat est « le leur », ce qui constitue une menace pour la paternité du travail et pour l'identité de l'apprenant. Le paradoxe de compétence dans les domaines créatifs montre que la facilité d'usage peut saper l'identité artisanale que les étudiants tirent de la paternité de leur travail.

5. Risques pour l'intégrité et l'équité. L'IA ouvre de nouvelles formes de malhonnêteté académique, et un accès (et une compréhension) inégal aux outils d'IA peut creuser les écarts entre étudiants, une préoccupation centrale de l'équité.

L'essentiel

Le garde-fou consiste à utiliser l'IA comme un étayage, et non comme un substitut, en maintenant l'apprenant dans le travail cognitivement important tandis que l'IA fournit un soutien, et à surveiller toute la gamme des impacts (cognitifs, motivationnels, affectifs, identitaires, sociaux et liés à l'équité), et pas seulement la performance. Pour un traitement plus approfondi organisé par dimension, voir la page de concept sur l'expérience étudiante. Pour la réponse du côté des interventions, c'est-à-dire la manière de concevoir l'IA dans un cours pour que l'étayage ne devienne pas un substitut, voir Comment intégrer la littératie en IA dans mon cours ? et Quelles sont les preuves sur les interventions de littératie en IA dans l'enseignement supérieur ?.