Un outil, une tempête
Le 23 février, la start-up Companion a déclenché une vive polémique en lançant un outil d’intelligence artificielle baptisé Einstein, présenté comme capable de libérer les étudiants des tâches scolaires répétitives. En promettant d’accéder aux environnements d’apprentissage virtuels (par ex. Canvas) pour regarder des cours, lire les ressources, participer aux discussions, répondre à des quiz et rédiger puis soumettre des devoirs, la plateforme a rapidement été qualifiée de «appel à la triche» ; son accès a ensuite été interrompu après une demande de retrait. Cet épisode illustre combien l’arrivée de systèmes puissants peut provoquer une réaction immédiate et intense au sein du monde universitaire.
Ce qu’Einstein prétendait pouvoir faire
Le modèle annoncé mettait en avant des capacités larges qui posent des questions concrètes de confiance et d’évaluation. Parmi les fonctions proposées figuraient notamment :
- Accès et interaction avec les plateformes pédagogiques pour suivre automatiquement des modules;
- Production de travaux : rédaction d’essais, réponses à des quiz, synthèses de lectures;
- Participation simulée aux forums et aux discussions en ligne;
- Soumission autonome de devoirs au nom de l’étudiant.
Ces promesses soulèvent des risques concrets : perte d’apprentissage, biais reproduits par l’IA, et difficulté d’authentifier le travail réel d’un étudiant.
Réactions vives de la communauté éducative
La réaction des enseignants et des responsables académiques a été immédiate et souvent sans équivoque : certains ont décrit l’outil comme «maléfique», d’autres comme une menace à l’intégrité des évaluations. Des spécialistes du droit et de la politique technologique ont estimé que l’existence de tels outils oblige les enseignants à repenser intégralement leurs stratégies d’évaluation. Plusieurs voix ont appelé à réduire la place des dispositifs entièrement numériques dans les cursus pour limiter les abus, tandis que d’autres ont demandé des régulations et des sanctions claires contre les usages frauduleux.
Usages légitimes et dilemmes éthiques
L’IA propose aussi des bénéfices réels pour la recherche et l’enseignement, ce qui rend la réponse nuancée. Exemples d’usages productifs :
- Assistance à la programmation : génération d’exemples de code et débogage;
- Traduction et synthèse de textes scientifiques pour accélérer la compréhension;
- Correction grammaticale et reformulation pour améliorer l’expression écrite.
Des chercheurs comme David Jurgens ont souligné qu’il est difficile d’ignorer ces outils dans certains domaines, mais que leur intégration pose des dilemmes éthiques — par exemple, la création de «jumeaux numériques» d’enseignants, comme l’outil dit Professor Feynman, qui promet de remplacer la lecture, la correction et même les permanences. Le risque ultime serait des cours où des IA interagissent principalement entre elles, sans véritable interaction humaine.
Réinventer l’évaluation et l’enseignement
Pour limiter les abus sans rejeter l’innovation, de nombreux enseignants adaptent leurs pratiques. Stratégies concrètes employées :
- Évaluations orales et défenses en présentiel pour vérifier la compréhension;
- Projets à long terme avec livrables intermédiaires et journal de bord montrant le processus;
- Travaux pratiques et authentiques liés à des contextes locaux ou des données propriétaires difficiles à automatiser;
- Conception collaborative de cursus où les étudiants contribuent aux activités d’évaluation.
Ces approches permettent de privilégier l’apprentissage profond plutôt que la simple production d’un texte final, et elles augmentent le coût de la fraude technologique.
Vers une cohabitation constructive
Un équilibre pragmatique implique des règles claires, de la transparence et de l’éducation à l’usage éthique de l’IA. Recommandations pratiques :
- Politiques de déclaration : obligation pour l’étudiant de signaler l’usage d’outils d’IA;
- Formation des enseignants pour concevoir des évaluations résistantes à la triche;
- Promotion de la littératie numérique et discussion des limites et biais des modèles;
- Expérimentations encadrées : intégrer des outils d’IA comme assistants pédagogiques plutôt que remplaçants.
Adopter une posture curieuse et vigilante — tester, mesurer les effets sur l’apprentissage, et adapter les pratiques — apparaît comme la voie la plus réaliste pour tirer parti des avantages de l’IA tout en protégeant l’intégrité et la valeur de l’éducation.
