Il est devenu possible de visiter une école où les élèves disposent d’ordinateurs, d’assistants conversationnels et de plateformes adaptatives, puis de voir un adolescent rester incapable de commencer un exercice sans qu’un logiciel lui suggère la première phrase. L’établissement est technologiquement équipé. Mais ses élèves sont-ils devenus plus autonomes ?
Pas nécessairement. L’intelligence artificielle peut rendre une tâche plus facile, accélérer une recherche et fournir une aide personnalisée. Elle ne rend les élèves plus autonomes que si l’école leur apprend à choisir une démarche, raisonner, évaluer leur compréhension et poursuivre sans assistance lorsque cela devient pertinent. Pour une direction d’établissement, le véritable indicateur de réussite n’est donc pas le nombre de licences activées : c’est ce que les élèves savent désormais faire, décider et vérifier par eux-mêmes.
Le sujet dépasse le débat entre adeptes et adversaires de l’IA. Il engage la gouvernance pédagogique, la formation des enseignants, les modalités d’évaluation et la confiance accordée à l’intelligence des élèves.
Une école connectée n’est pas automatiquement une école qui apprend à apprendre
L’autonomie scolaire ne signifie pas travailler dans le silence ni tout accomplir seul. Un élève autonome sait ce qu’il cherche à apprendre, peut choisir une stratégie raisonnable, reconnaître un blocage, demander une aide ciblée et juger la qualité du résultat. Il peut être accompagné sans abandonner la responsabilité de sa pensée.
L’IA ajoute une difficulté intéressante à cette définition : une aide très efficace peut devenir invisible. Lorsque le logiciel propose le plan, rédige l’argument, corrige les erreurs et choisit la prochaine étape, l’élève semble avancer. En réalité, une partie des décisions qui construisent l’autonomie ont peut-être été prises à sa place.
C’est pourquoi il faut distinguer trois questions :
L’élève produit-il davantage ? Cela mesure une performance immédiate.
Comprend-il mieux ? Cela demande de vérifier connaissances et raisonnements.
Devient-il plus capable d’apprendre sans cette aide ? Cela exige des situations nouvelles et un retrait progressif de l’assistance.
Ces trois réponses peuvent être différentes. Une politique d’équipement responsable doit les mesurer séparément.
Ce que la recherche nous oblige à distinguer
La performance assistée n’est pas le progrès durable
Dans son Digital Education Outlook 2026, l’OCDE synthétise des recherches montrant que des outils d’IA générative généralistes peuvent améliorer la qualité des productions sans produire automatiquement des gains d’apprentissage durables. Des systèmes conçus avec un objectif pédagogique explicite, en revanche, offrent des possibilités plus encourageantes. Le rapport ne conclut ni que toute IA est bénéfique ni qu’elle est intrinsèquement nuisible : la conception de l’activité et le guidage humain font la différence.
Une expérience randomisée publiée en 2025 dans <i>PNAS</i> a étudié près d’un millier de lycéens en mathématiques dans un établissement turc. Pendant l’entraînement, les élèves aidés par l’IA réussissaient mieux. Mais, lors d’une évaluation sans outil, le groupe utilisant une aide généraliste sans garde-fous obtenait de moins bons résultats que le groupe témoin. Des garde-fous pédagogiques, notamment des indices plutôt que des solutions, atténuaient largement cet effet négatif. Il s’agit d’un protocole précis, sur une matière et une population particulières, pas d’une loi universelle applicable à toutes les écoles.
La conclusion utile pour un chef d’établissement est moins spectaculaire que le titre d’un logiciel : un dispositif doit être évalué après retrait de l’aide, et pas uniquement pendant son utilisation.
L’autonomie est une compétence qu’il faut enseigner
L’Education Endowment Foundation, dans sa deuxième édition du guide sur la métacognition et l’autorégulation, publiée en 2025, recommande de rendre explicites les démarches de planification, de suivi et d’évaluation. Les enseignants doivent les montrer, les entraîner, les contextualiser et retirer progressivement certains supports. La simple disponibilité d’une ressource, numérique ou non, n’enseigne pas ces démarches.
Le Conseil scientifique de l’Éducation nationale a consacré en septembre 2026 une séance aux systèmes de tutorat intelligent et à la métacognition. L’un de ses points clés : personnaliser une activité à partir de données ne suffit pas à développer la capacité de l’apprenant à reconnaître ses lacunes et ajuster lui-même ses stratégies.
C’est le changement de perspective décisif : de « notre outil s’adapte à l’élève » à « notre élève apprend à s’adapter, avec discernement, aux situations ».
Les sept preuves d’autonomie qu’une direction devrait rechercher
Voici une grille de lecture proposée par Learning Coach. Elle sert au pilotage pédagogique ; elle n’est ni un test psychométrique validé ni un score permettant de classer les élèves. Chaque indicateur doit être observé sur plusieurs tâches comparables, avec les adaptations nécessaires.
| Créneau | Format | Production attendue |
|---|---|---|
| 09 h 00–09 h 30 | Ouverture : « Quand une réponse convaincante masque une erreur » | Trois questions de recherche communes |
| 09 h 30–10 h 30 | Keynote scientifique suivie d’objections préparées | Carte des arguments, preuves et incertitudes |
| 10 h 45–12 h 15 | Communications courtes et réponses de discutants | Résultats, limites et pistes de réplication |
| 13 h 30–15 h 00 | Ateliers parallèles : évaluation, recherche, gouvernance | Prototype de consigne, protocole ou charte |
| 15 h 15–16 h 15 | Débat contradictoire avec étudiants et enseignants | Points d’accord, désaccords persistants |
| 16 h 15–17 h 00 | Restitution et engagements institutionnels | Responsables, échéances et suivi |
Ces indicateurs ne sont pas interchangeables. Un élève qui utilise un aménagement nécessaire peut parfaitement être autonome. De même, demander de l’aide à un professeur ou à un camarade peut relever d’une excellente décision. Il faut mesurer la qualité de la décision, pas l’absence d’assistance à tout prix.
Ce qui se passe lorsque la même école choisit deux pédagogies de l’IA
Imaginons deux classes de collège chargées de préparer un exposé sur la consommation d’eau.
Dans la première, l’enseignant autorise l’IA à produire un plan, chercher des chiffres et rédiger une synthèse. Les groupes rendent des documents propres. Pour évaluer leur autonomie, il faudra néanmoins demander qui a choisi les sources, comment les chiffres ont été vérifiés et ce que les élèves peuvent expliquer sans support.
Dans la seconde, l’enseignante demande d’abord à chaque groupe de définir une question, d’estimer les données nécessaires et de produire deux hypothèses. L’IA peut ensuite proposer des contre-arguments ou poser des questions, mais elle ne doit pas rédiger le travail final. Les élèves consignent les erreurs relevées, puis préparent une justification orale sans outil.
Le second scénario n’est pas automatiquement supérieur : sa réussite dépend des connaissances préalables, de l’accompagnement, de la qualité des ressources et des apprentissages effectivement mesurés. Mais il rend plus visibles les décisions des élèves. C’est précisément ce qu’une direction peut observer et améliorer.
La question n’est donc pas « combien de temps d’écran avons-nous ajouté ? », mais « quelles opérations intellectuelles avons-nous préservées et entraînées ? ».
Trois décisions de direction avant d’acheter une nouvelle solution
1. Fixer un objectif pédagogique avant un objectif d’équipement
Une école peut viser l’amélioration de la rétroaction formative, l’apprentissage des langues ou la différenciation. Ce sont des besoins légitimes, mais ils ne se mesurent pas avec les mêmes indicateurs. Pour l’autonomie, formulez un objectif observable : par exemple, « les élèves expliquent leur stratégie et réussissent une tâche comparable sans assistance ». L’équipe définit ensuite comment recueillir cette preuve.
Le rapport français de l’IGÉSR sur l’IA dans les établissements scolaires, publié en 2025, décrit des usages encore fortement liés aux initiatives individuelles et propose des pistes pour construire une dynamique collective. Équiper des salles ne remplace donc pas une culture pédagogique partagée.
2. Donner aux enseignants le droit de tester et d’ajuster
Un outil présenté comme une obligation technologique peut produire des usages superficiels. Il faut dégager du temps pour comparer des séquences avec et sans IA, discuter les erreurs, construire des consignes communes, travailler l’évaluation et écouter les objections. La formation ne peut pas se limiter à une démonstration de fonctionnalités.
Une règle de classe simple peut servir de point de départ : premier essai personnel, aide ciblée, vérification indépendante, nouvel essai sans IA. Ce n’est pas un protocole scientifique universel ; c’est une routine possible à adapter selon l’âge, la discipline et les besoins.
Pour approfondir les pratiques des enseignants, voir aussi notre guide Comment utiliser l’intelligence artificielle pour développer l’autonomie des élèves ? et le dossier Comment développer l’autonomie des élèves ?. Ces contenus décrivent les gestes pédagogiques ; le présent article concerne surtout les décisions de l’établissement.
3. Encadrer les données, l’âge et l’équité
Une direction n’évalue pas seulement la qualité d’un assistant. Elle doit vérifier les conditions d’utilisation, la confidentialité des données, les biais possibles, l’accessibilité, les contraintes d’âge, la diversité des langues et l’existence d’alternatives non numériques. Le référentiel de compétences en IA pour les apprenants de l’UNESCO situe ces apprentissages dans une approche centrée sur l’humain, responsable et critique.
Au Maroc, la recommandation de juin 2026 du Conseil supérieur de l’éducation, de la formation et de la recherche scientifique souligne notamment l’encadrement institutionnel, l’équité, la confidentialité et la souveraineté. En France, en Belgique, au Québec ou ailleurs, les règles applicables doivent être vérifiées localement. Une référence internationale n’efface pas le droit national ni les politiques propres à l’établissement.
Un audit d’autonomie en quatre semaines pour une école
Il ne s’agit pas de lancer un grand programme avant d’avoir compris les pratiques. Une petite expérimentation conçue avec les enseignants peut suffire à éclairer la décision, sans faire de promesse sur les notes.
Semaine 1 — Définir et observer. Choisir une compétence précise, une matière et un niveau. Faire réaliser une tâche de référence sans assistance et recueillir des traces simples : plan initial, justification, vérification, demande d’aide. Éviter les données personnelles superflues.
Semaine 2 — Concevoir l’usage. Former une petite équipe d’enseignants volontaires. Tester une IA avec consignes d’indices plutôt que de solutions, vérifier ses réponses, préparer des alternatives et définir les situations où l’outil ne sera pas utilisé.
Semaine 3 — Comparer les apprentissages. Réaliser une activité accompagnée, puis une tâche analogue sans IA. Demander aux élèves de justifier leur méthode, d’identifier une erreur et de nommer ce qui les a aidés. Observer aussi les élèves qui n’ont pas bénéficié de l’outil dans des conditions comparables, sans conclure hâtivement à une causalité.
Semaine 4 — Délibérer. Réunir enseignants, direction et représentants concernés pour examiner trois questions : qu’est-ce qui s’est amélioré ? qu’est-ce qui reste incertain ? que faut-il modifier avant une extension ? Documenter les limites de l’échantillon, de la durée et du contexte. Ce calendrier constitue une proposition de travail, pas une durée validée par une étude.
Le bilan devrait distinguer qualité de la production, compréhension, autonomie, expérience des enseignants et sécurité. Une école peut décider de poursuivre, réduire ou abandonner un usage ; chacune de ces décisions peut être responsable si elle repose sur des preuves pertinentes.
Comment transformer une journée pédagogique sur l’IA en décision collective ?
Pour les directions et réseaux scolaires, le sujet fournit une excellente question de conférence : « Nous avons introduit l’IA. Qu’avons-nous appris à nos élèves à faire sans elle ? » Une rencontre utile ne se limite pas à présenter des applications. Elle crée un langage commun puis débouche sur une expérimentation concrète.
Un format possible associe une conférence d’ouverture sur les mécanismes de l’apprentissage, une discussion contradictoire sur les risques et un atelier où les équipes redessinent une évaluation. Les participants repartent avec une question pédagogique, une grille de preuves et une date de retour. Ce déroulé est un modèle possible, pas la description d’une prestation passée.
Chez Learning Coach, notre perspective est de considérer l’IA comme un instrument de développement de l’apprenant, et non comme le centre de gravité de l’école. Le critère final ne devrait pas être « nos élèves utilisent les outils de demain », mais « nos élèves savent continuer à apprendre quand les outils changent ».
Questions fréquentes
L’intelligence artificielle rend-elle les élèves plus autonomes ?
Elle peut les aider à planifier, s’exercer et vérifier des idées, mais elle peut aussi accomplir le raisonnement à leur place. Tout dépend de l’activité, de l’accompagnement et des preuves recueillies lorsque l’aide disparaît.
Faut-il interdire ChatGPT pour développer l’autonomie ?
Une interdiction générale n’enseigne pas, à elle seule, les compétences de planification, de vérification et d’esprit critique. Les restrictions peuvent toutefois être nécessaires selon l’âge, la confidentialité, l’évaluation ou les règles de l’établissement. La décision doit être explicite et proportionnée.
Quel indicateur utiliser pour mesurer l’autonomie scolaire ?
Aucun indicateur unique ne suffit. Combinez le premier essai, la qualité des stratégies, la demande d’aide ciblée, la justification, le contrôle des erreurs et la réussite d’une tâche nouvelle sans assistance, en tenant compte des besoins de chaque élève.
Par où commencer dans un établissement peu équipé ?
Par une question pédagogique et une pratique enseignante observable. Une discussion sur les aides utiles, une évaluation sans outil et un protocole simple de vérification peuvent précéder tout achat de logiciel.
L’école de demain ne sera pas celle qui répond le plus vite
Le risque n’est pas seulement que les élèves utilisent l’IA pour leurs devoirs. C’est qu’une école confonde la fluidité de leurs productions avec le développement de leurs capacités. À l’inverse, une institution qui entraîne les élèves à questionner, vérifier, choisir et transférer peut faire d’une technologie puissante un levier éducatif plutôt qu’une béquille invisible.
La bonne école équipée d’IA est celle qui protège et développe le pouvoir d’apprendre de ses élèves. Et la bonne question pour son équipe de direction n’est jamais close : « Quelle part de notre accompagnement les élèves savent-ils maintenant transformer en compétences personnelles ? »
Si cette question mérite d’être débattue lors de votre prochaine journée pédagogique ou conférence de réseau, découvrez les conférences internationales Learning Coach et demandez une proposition adaptée à vos équipes.
Ressources
OCDE — <i>Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education</i>, synthèse internationale, janvier 2026 ; résultats dépendants des usages étudiés.
Bastani et al. — <i>Generative AI without guardrails can harm learning</i>, PNAS, 2025 ; expérience en mathématiques dans un lycée turc, généralisation limitée.
Education Endowment Foundation — <i>Metacognition and Self-Regulated Learning</i>, 2e édition, novembre 2025 ; recommandations fondées sur une synthèse de recherche.
UNESCO — Référentiel de compétences en IA pour les apprenants, édition 2024, présentation francophone en 2025 ; cadre de compétences, non évaluation d’un logiciel.
Inspection générale (France) — L’intelligence artificielle dans les établissements scolaires, rapport 2025.
Conseil scientifique de l’Éducation nationale — Systèmes de tutorat intelligent et métacognition, séance du 29 septembre 2026.
CSEFRS (Maroc) — Recommandation sur l’encadrement de l’IA en éducation, juin 2026.
