Travailler ou étudier avec l’IA : outil de génie ou machine à appauvrir notre pensée ?
Que l’intelligence artificielle ait désormais fait son entrée dans les salles de classe et les universités n’est plus une nouveauté, mais une réalité bien installée.
Je l’utilise en version payante, parce que l’écart avec la version gratuite est considérable. Je m’en sers beaucoup : en intégrant l’intelligence artificielle (IA) dans un flux de travail bien maîtrisé, en remplaçant une partie du travail qu’il est pertinent de remplacer. Parce que l’IA doit être gouvernée : il est donc essentiel de lui donner un contexte et de savoir quoi demander. En d’autres termes, il faut fournir un bon brief de départ — ce qu’on appelle, dans le langage de l’IA, un prompt.
C’est ce que j’explique à mes étudiants en cours, avec des réactions contrastées. Il y a ceux qui prennent des notes, et ceux qui, téléphone déjà en main, posent la même question que je suis en train de détailler, avec des phrases courtes, presque télégraphiques. La réponse arrive en quelques secondes, souvent correcte en apparence, mais — je le dis toujours à voix haute — aussi plate, prévisible, sans véritable pensée derrière. C’est là que j’essaie de les arrêter : la manière dont vous formulez la demande détermine ce que vous obtenez. Mais ce message passe difficilement, parce que la vitesse l’emporte presque toujours sur la curiosité.
C’est une question que je me pose depuis des mois, et qui prend de plus en plus de place au fil des cours : l’IA générative nous rend-elle plus efficaces ou moins profonds ? La rapidité avec laquelle nous obtenons une réponse est-elle en train de transformer notre rapport à l’apprentissage ?
Où en est-on : les chiffres
Que l’IA soit entrée dans les universités (et au-delà) n’est plus une nouveauté, mais un fait établi. Le Conseil de l’éducation numérique (DEC) – communauté de pratique mondiale regroupant des institutions réparties sur six continents – estime qu’en 2025, plus de 80 % des étudiants dans le monde utilisaient déjà des outils d’IA générative pour étudier ; en Suisse, la Confédération confirme la même tendance : en 2025, environ 75% des étudiants en Suisse utilisaient l’IA générative dans le cadre de leur formation (école ou université). Mais la question n’est pas seulement combien l’utilisent, c’est comment : 66 % des enseignants n’ont reçu aucune formation spécifique. Des étudiants qui expérimentent seuls, des adultes qui peinent à suivre. Entre les deux, une salle de classe censée tenir ensemble ces deux réalités.
Ce qui change, cours après cours, ce n’est pas tant la présence de l’IA : c’est la manière dont étudiants et enseignants s’en servent. Et c’est là que tout se joue.
Le prompt comme exercice de pensée
Écrire un bon prompt revient, en réalité, à faire quelque chose qu’on a toujours demandé aux étudiants : définir un problème, préciser un contexte, formuler une question. Un prompt bien construit est une petite thèse. Il exige de savoir ce que l’on cherche, à qui on s’adresse et pourquoi. C’est la même compétence que, dans sa forme académique, on appelle le problem setting : savoir formuler la question avant de courir après la réponse.
Le paradoxe, c’est que beaucoup d’étudiants arrivent vers l’IA convaincus qu’il faut écrire peu pour obtenir beaucoup. La logique du moteur de recherche — plus c’est court, plus vite on obtient une réponse — s’est installée, et elle s’applique désormais à un outil qui fonctionne à l’inverse. Plus le prompt est vague, plus la réponse sera générique. Plus il est précis, plus le modèle produit une réponse structurée, sur mesure, parfois même réellement intéressante à relire.
Mais la précision prend du temps. Et le temps, dans le calendrier d’un semestre, est l’une des ressources les plus rares.
Ce que nous risquons en déléguant
Une étude publiée début 2025 par des chercheurs de Microsoft Research et de la Carnegie Mellon University a nommé ce que beaucoup d’enseignants observent déjà en classe : le cognitive offloading. Lorsque nous utilisons un support externe pour une tâche mentale, nous avons tendance à réduire l’effort critique sur cette tâche. Le phénomène est connu — calculatrice, GPS, répertoire téléphonique — mais avec l’IA générative, il prend une ampleur nouvelle, car il concerne non seulement l’exécution, mais aussi la production même de la pensée.
Le risque n’est pas que l’IA nous rende moins intelligents. Il est plus subtil : elle nous rend moins entraînés à rester dans la complexité d’un problème. À relire un texte difficile, à prendre le temps de comprendre pourquoi une argumentation tient ou non, à tolérer la fatigue intellectuelle du « ne pas encore savoir ». Si la réponse arrive en trois secondes, la courbe de la patience s’aplatit.
Dans le contexte universitaire, cela se traduit par une transformation silencieuse. Les étudiants produisent des résumés plus propres, mais les retiennent moins. Ils rendent des travaux mieux structurés, mais les argumentent moins bien. La forme tient, le fond vacille. Pas toujours, pas pour tout le monde, mais suffisamment souvent pour que le signal devienne impossible à ignorer.
Enseigner l’IA, plutôt que de la subir
La réponse, selon moi, n’est pas l’interdiction mais l’intégration correcte de l’IA, en l’enseignant comme on enseigne une méthode. Montrer qu’un prompt est une pensée compressée, pas un raccourci. Illustrer concrètement la différence entre une demande approximative et une demande travaillée. Demander aux étudiants de remettre, avec leur texte, les prompts utilisés, comme des notes marginales du raisonnement.
Certaines universités commencent à structurer cette approche : modules d’AI literacy dès les premières années, lignes directrices pour un usage encadré dans les travaux, formations dédiées aux enseignants. Un début, rendu plus urgent encore par le calendrier européen : à partir du 2 août 2026, l’AI Act entrera pleinement en application, et l’éducation fait partie des secteurs soumis à des règles strictes en matière de transparence, de données et de responsabilité. Concrètement, les universités ne peuvent plus repousser la question : elles doivent décider comment intégrer ces outils.
Mais la question revient toujours au même point : la véritable compétence n’est pas de savoir utiliser l’IA, mais de savoir penser avec elle, sans s’y laisser substituer.
Aux étudiants qui vont vite, je dis toujours la même chose : oui, l’IA vous fera gagner du temps. Mais si ce temps n’est pas utilisé pour mieux penser — reformuler, douter, comparer, retravailler — alors vous ne faites que le déplacer ailleurs. Efficacité et profondeur ne sont pas des opposés : elles ne le deviennent que lorsque l’on cesse de choisir le type d’étudiants, puis d’adultes, que l’on veut devenir.
Autrice : Deborah Terrin
Cet article a été traduit en français et adapté pour la Suisse après avoir initialement été publié sur elle.com/it. Retrouvez tous les autres articles de cette édition sur le site web officiel.
