L'IA ne sauvera pas l'enseignement supérieur, mais elle lui impose de se réinventer d'urgence

Baisse des effectifs, réforme de l'apprentissage, IA : l'enseignement supérieur vacille. Seule une approche holistique centrée sur l'expérience d'apprentissage lui permettra de se réinventer.

Un révélateur plutôt qu’une cause

Dans un essai publié le 22 octobre 2026 par The Conversation, Jeff Sparrow, enseignant-chercheur à l’Université de Melbourne, dresse un constat sans concession (Sparrow, 2026). L’intelligence artificielle dévaste l’enseignement supérieur, écrit-il, mais le système était déjà brisé. Des décennies de logique managériale ont transformé les diplômes en produits, les étudiants en clients et la recherche en indicateurs. Dans un tel environnement, recourir à ChatGPT pour produire un devoir n’a rien d’une déviance, c’est une réponse rationnelle à une institution qui a elle-même cessé de valoriser l’apprentissage. L’auteur cite ces responsables universitaires qui exhortaient les étudiants à ne pas déléguer leur pensée dans des tribunes elles-mêmes largement rédigées par une IA. Le symbole est cruel, il est aussi révélateur.

Ce diagnostic mérite d’être pris au sérieux. Il rejoint les conclusions de mes recherches récentes menées au contact des étudiants, des enseignants et des équipes de direction. L’IA n’est pas la cause de la crise, elle en est le révélateur. Elle agit comme un solvant qui fait apparaître les fragilités d’un modèle fondé sur la transmission de contenus, l’évaluation de productions standardisées et la massification des parcours. Lorsque la machine produit en quelques secondes une dissertation acceptable, ce n’est pas seulement la triche qui pose problème, c’est la valeur pédagogique de l’exercice lui-même qui se trouve questionnée.

Résister ou piloter

L’essai de Jeff Sparrow se termine sur l’annonce d’une lutte, la technologie y apparaissant comme un projet des puissants contre lequel il faudrait résister. Cette lecture politique a sa cohérence, mais elle laisse les établissements sans boussole. Les étudiants utilisent déjà massivement ces outils, les enseignants les découvrent souvent seuls, et les directions oscillent entre interdiction et adoption précipitée. La question n’est plus de savoir s’il faut intégrer l’IA, mais comment le faire sans reproduire, en les accélérant, les dérives que l’essai décrit avec justesse.

Le contexte français rend cette question plus pressante encore. La baisse démographique annonce une diminution durable du nombre d’étudiants, tandis que la réforme du financement de l’apprentissage réduit les ressources de nombreux établissements, notamment ceux qui avaient fait de l’alternance un pilier de leur développement. Cette double contrainte pousse à la course aux inscriptions et à la maîtrise des coûts, avec le risque de voir l’IA mobilisée comme un levier d’économies plutôt que comme un levier pédagogique. C’est précisément la logique que décrit Jeff Sparrow. Pourtant, dans un marché qui se contracte, la qualité de l’expérience d’apprentissage devient le principal facteur de différenciation. Les établissements qui sauront le comprendre ne se contenteront pas de déployer des outils, ils repenseront en profondeur la manière dont leurs étudiants apprennent.

L’erreur fondamentale consiste à aborder l’IA comme un sujet technologique. Les universités achètent des licences, signent des partenariats avec les grands éditeurs, rédigent des chartes d’usage et communiquent largement, puis s’étonnent que rien ne change dans la salle de cours. L’exemple de l’Université de Sydney, qui signe un accord pluriannuel avec OpenAI quelques jours après une grève de ses personnels, illustre parfaitement cette dissociation entre la stratégie affichée et la réalité vécue. Déployer un outil ne transforme pas une institution, cela ne fait qu’ajouter une couche supplémentaire à un édifice déjà fissuré.

Quatre transformations indissociables

L’intégration de l’intelligence artificielle dans l’enseignement supérieur doit être pensée de manière holistique et systémique, à travers quatre transformations qui évoluent ensemble et s’influencent en permanence. La première est technologique. Elle concerne l’environnement cognitif dans lequel les apprenants évoluent désormais quotidiennement, fait d’assistants conversationnels, de systèmes adaptatifs et d’espaces immersifs. La deuxième est pédagogique. Elle suppose de passer d’une logique de transmission à une logique de conception d’expériences d’apprentissage, où l’étudiant construit, expérimente et réfléchit plutôt qu’il ne restitue. La troisième touche aux pratiques éducatives, c’est-à-dire au rôle de l’enseignant, qui devient architecte de situations d’apprentissage et accompagnateur du raisonnement, épaulé par de nouveaux métiers comme le concepteur d’expérience d’apprentissage. La quatrième, sans doute la plus décisive, concerne l’évaluation. Tant que l’on notera des productions que la machine sait générer, on évaluera la capacité à rédiger un prompt plutôt que la compétence réelle.

Le principe est simple à énoncer et exigeant à mettre en œuvre. Aucune de ces dimensions ne peut être transformée isolément. Introduire l’IA sans repenser la pédagogie produit de la consommation passive. Repenser la pédagogie sans faire évoluer l’évaluation crée une contradiction que les étudiants perçoivent immédiatement. Faire évoluer l’évaluation sans accompagner les enseignants épuise ceux qui portent le changement. Or la plupart des établissements ne savent pas par quel bout prendre le sujet, faute d’une vision d’ensemble pour en saisir l’ampleur et hiérarchiser les priorités. Cette approche systémique impose donc une gouvernance claire, capable de relier les niveaux stratégique, tactique et opérationnel, de clarifier les responsabilités et de coordonner des initiatives aujourd’hui dispersées entre directions numériques, services pédagogiques et facultés.

L’expérience d’apprentissage comme clé de l’engagement

Les travaux de recherche conduits sur ce sujet éclairent un point essentiel. Ce n’est pas l’IA en tant que telle qui renforce l’engagement des étudiants, c’est la qualité de l’expérience d’apprentissage dans laquelle elle s’inscrit. Autrement dit, l’outil n’a d’effet que par la médiation d’une pédagogie pensée en amont. Là où le dispositif est conçu avec soin, préparé par l’enseignant et intégré dans une démarche réflexive, l’engagement cognitif progresse. Là où il est simplement mis à disposition, il nourrit cette dette cognitive que les neurosciences commencent à documenter, faite de dépendance, de raisonnement délégué et d’apprentissages superficiels.

Jeff Sparrow observe de son côté que les enseignants les moins affectés par ChatGPT sont ceux qui animent de petits groupes passionnés par leur discipline. Cette remarque contient en creux la solution. En effet, les étudiants ne délèguent pas ce qui les engage. Ils délèguent ce qui leur paraît vide de sens. L’enjeu n’est donc pas de lutter contre la machine, mais de reconstruire des expériences d’apprentissage suffisamment riches pour que l’effort intellectuel retrouve sa valeur.

Rendre à l’apprentissage sa raison d’être

L’enseignement supérieur ne peut se contenter de réagir à l’IA. Il lui revient de s’en saisir pour réinventer la manière d’apprendre, d’enseigner et d’évaluer. L’IA ne sauvera pas l’université. Elle lui offre en revanche une occasion rare de se poser enfin la seule question qui compte : que doivent réellement apprendre les étudiants, et comment s’en assurer ?

Référence

Sparrow, J. (2026, 22 octobre). Friday essay: AI is devastating higher education, but the system was already broken. The Conversation. https://theconversation.com/friday-essay-ai-is-devastating-higher-education-but-the-system-was-already-broken-292988