L'intelligence artificielle dans l'éducation (souvent abrégée en IAEd) est un sous-domaine de la technologie éducative qui étudie comment utiliser l'intelligence artificielle (IA) pour créer des environnements d'apprentissage. Ce domaine s'appuie sur l'informatique, l'éducation et la psychologie pour concevoir des systèmes qui soutiennent l'enseignement et l'apprentissage, allant des premières instructions assistées par ordinateur aux chatbots modernes basés sur les grands modèles de langage (LLM). Les considérations clés incluent la prise de décision basée sur les données, l'éthique de l'IA, la confidentialité des données et la littératie en IA, tandis que les préoccupations impliquent la tricherie potentielle, la dépendance excessive, l'équité d'accès, la réduction de la pensée critique et la perpétuation de la désinformation et des biais.
L'IAEd a évolué parallèlement aux avancées plus larges de l'intelligence artificielle et de l'apprentissage automatique. Son histoire reflète les transitions des systèmes basés sur des règles vers des approches axées sur les données, et plus récemment vers les modèles génératifs. Les fondements théoriques du domaine intègrent la théorie éducative avec des méthodes techniques, et ses applications couvrent à la fois les cas d'utilisation des éducateurs et des étudiants, soulevant souvent des débats sur l'intégration appropriée et l'impact sociétal.
Histoire
Les efforts pour intégrer l'IA dans les contextes éducatifs ont souvent suivi les avancées technologiques de l'histoire de l'intelligence artificielle. Dans les années 1960, les éducateurs et chercheurs ont commencé à développer des systèmes d'instruction assistée par ordinateur, tels que PLATO, développé par l'Université de l'Illinois. PLATO était un système précoce offrant des leçons interactives et utilisé dans divers contextes éducatifs, posant les bases pour les applications ultérieures de l'IA.
Dans les années 1970, des techniques d'IA ont été ajoutées à l'instruction assistée par ordinateur (IAO) pour former des systèmes de tutorat intelligents (STI). Ces systèmes visaient à fournir des retours adaptatifs et des parcours d'apprentissage personnalisés. Le tuteur LISP, par exemple, a été évalué dans un mini-cours de l'Université Carnegie Mellon à l'automne 1984, démontrant que les STI pouvaient améliorer les résultats d'apprentissage par rapport à l'instruction traditionnelle.
La Société internationale pour l'intelligence artificielle dans l'éducation (AIED) a été fondée en 1993, regroupant des chercheurs issus de l'informatique, de l'éducation et de la psychologie. La société produit le Journal international de l'intelligence artificielle dans l'éducation (IJAIED), qui publie des recherches sur la théorie et les applications de l'IAEd. Cette institutionnalisation a aidé à consolider le domaine et à favoriser la collaboration interdisciplinaire.
Coïncidant avec le boom de l'IA des années 2020, l'utilisation des grands modèles de langage (LLM) dans les pays du Nord a été promue et financée par le capital-risque et les grandes technologies. Les entreprises créant des services d'IA ont ciblé les étudiants et les institutions éducatives comme clients. De même, les entreprises éducatives antérieures au boom de l'IA ont élargi leur utilisation des technologies d'IA. Ces incitations commerciales pour l'utilisation de l'IAEd peuvent être liées à une potentielle bulle de l'IA. Aux États-Unis, un soutien bipartisan au développement de l'IA dans l'éducation de la maternelle à la terminale a été exprimé, mais les implémentations spécifiques et les meilleures pratiques restent controversées.
Plateformes
Les plateformes modernes d'IAEd s'appuient souvent sur des chatbots d'IA générative, capables de converser en langage naturel et d'assister diverses tâches. Des exemples notables incluent ChatGPT d'OpenAI, Claude d'Anthropic et Gemini de Google. Ces outils ont été rapidement adoptés dans les contextes éducatifs, bien que leur intégration soit inégale et débattue.
ChatGPT
ChatGPT a été publié par OpenAI en novembre 2022, et son adoption dans l'éducation a été rapide. En quelques mois, les étudiants et les éducateurs ont commencé à l'utiliser pour l'assistance à la rédaction, la résolution de problèmes et la génération de contenu. Cependant, l'outil a été interdit par plusieurs institutions, en particulier dans les écoles de la maternelle à la terminale et certaines universités, en raison de préoccupations concernant l'intégrité académique.
Les étudiants ont généralement rapporté des perceptions positives de ChatGPT, le trouvant utile pour le brainstorming, la synthèse d'informations et la fourniture de réponses rapides. Cependant, les points de vue spécifiques des éducateurs et des étudiants varient considérablement. Les opinions sont particulièrement diverses sur ce qui constitue une utilisation appropriée de ChatGPT dans l'éducation, certains le considérant comme une aide légitime à l'apprentissage et d'autres comme un raccourci qui sape le développement des compétences.
Les efforts pour interdire les chatbots comme ChatGPT dans les écoles se concentrent sur la prévention de la tricherie, mais l'application est entravée par les inexactitudes de la détection de l'IA et l'accessibilité généralisée de la technologie des chatbots. De nombreux outils de détection de l'IA ont montré qu'ils produisent des faux positifs, signalant incorrectement le travail original des étudiants comme généré par l'IA. Les éducateurs ont également exprimé des inquiétudes que la dépendance excessive à l'outil puisse favoriser des habitudes d'apprentissage superficielles, éroder la pensée critique et propager la désinformation. Certains éducateurs ont proposé des moyens d'intégrer l'IA générative (GenAI) dans les évaluations, comme demander aux étudiants de critiquer les sorties générées par l'IA ou d'utiliser l'IA pour des brouillons initiaux suivis d'une révision humaine.
Claude
Claude est une série de LLM développés par Anthropic. Son chatbot basé sur l'IA a été publié en mars 2023. Claude a été positionné comme une alternative plus sûre et plus interprétable aux autres chatbots, avec un accent sur la réduction des sorties nuisibles. Dans les contextes éducatifs, Claude a été utilisé pour le tutorat, les retours et la création de contenu.
En juillet 2026, Anthropic a lancé une version de Claude pour les enseignants. Les collèges et universités qui offrent « Claude for Education » incluent l'Université Stanford, l'Université Columbia et d'autres. Cette initiative fournit des fonctionnalités adaptées telles que l'assistance à la planification de leçons, le soutien à la notation et le tutorat destiné aux étudiants, visant à intégrer Claude dans les flux de travail académiques.
Gemini
Gemini est un chatbot GenAI et assistant virtuel développé par Google en décembre 2023. Il a été conçu pour concurrencer ChatGPT et Claude, offrant des capacités multimodales qui peuvent traiter le texte, les images et l'audio. Dans les contextes éducatifs, Gemini a été utilisé pour l'assistance à la recherche, le soutien à la rédaction et l'apprentissage interactif.
En août 2024, Google a lancé Gemini Gems, une version personnalisable de l'outil, pour les éducateurs. Les Gems permettent aux utilisateurs de créer des versions spécialisées de Gemini adaptées à des tâches spécifiques, telles que la génération de quiz ou la planification de leçons. Il a été ajouté aux comptes « Google Workspace for Education » en mars 2025, le rendant accessible à de nombreuses écoles et universités. En août 2026, Google a ajouté Gemini à son application Classroom pour certaines écoles du niveau élémentaire au lycée, intégrant davantage l'IA dans les outils éducatifs quotidiens.
Théorie
L'IAEd applique la théorie des études éducatives, de l'apprentissage automatique et des domaines connexes. La conception des systèmes d'IA dans l'éducation est informée par les principes pédagogiques, les sciences cognitives et les considérations techniques. Une revue de 2019 de la décennie précédente d'études a constaté que la plupart des recherches priorisaient la conception technique sur l'intégration pédagogique, suggérant un écart entre le développement technique et la pratique éducative.
Ouyang et Jiao (2021) proposent trois paradigmes pour l'IA dans l'éducation, qui suivent approximativement du moins au plus centré sur l'apprenant et du moins au plus complexe techniquement pour les systèmes d'IA :
- Dirigé par l'IA, apprenant comme récepteur : Les systèmes IAEd présentent un programme préétabli basé sur des modèles statistiques qui ne s'ajustent pas aux retours de l'apprenant. Ce paradigme est courant dans les premiers STI et les plateformes d'apprentissage adaptatif, où l'IA contrôle le parcours d'apprentissage.
- Soutenu par l'IA, apprenant comme collaborateur : Les systèmes qui intègrent la réactivité aux retours de l'apprenant, par exemple, par le traitement du langage naturel, où l'IA peut soutenir la construction de connaissances. Ici, l'IA agit comme un partenaire qui répond aux entrées de l'étudiant, facilitant le dialogue et l'exploration.
- Autonomisé par l'IA, apprenant comme leader : Ce modèle cherche à positionner l'IA comme un supplément à l'intelligence humaine où les apprenants prennent l'initiative et l'IA fournit des retours cohérents et exploitables. L'apprenant dirige le processus d'apprentissage, avec l'IA offrant des outils et des perspectives pour améliorer sa compréhension.
Certains chercheurs placent l'IA dans l'éducation dans un cadre socio-technique. Cela positionne l'IA aux côtés d'autres technologies éducatives émergentes, telles que l'informatique, l'internet et les médias sociaux. Une telle perspective souligne que l'IAEd n'est pas simplement un outil technique mais est intégrée dans des contextes sociaux, culturels et politiques.
Le cadre de Tsao, Heinrichs et Camit (2025) s'appuie sur le nouveau matérialisme et le posthumanisme, en particulier le concept de sympoïèse (faire-avec) de Donna Haraway. Cette perspective considère l'apprentissage comme un enchevêtrement d'acteurs humains et non humains (étudiants, enseignants et algorithmes d'IA), où la connaissance est co-composée dans des zones de contact entre le contexte humain et la prédiction algorithmique. Elle remet en question les vues traditionnelles de l'apprentissage comme un processus cognitif individuel, le voyant plutôt comme un phénomène distribué et relationnel.
Les agents d'IA ont été entraînés sur des ensembles de données biaisés et continuent donc de perpétuer les biais sociétaux. Puisque les LLM ont été créés pour produire un texte semblable à celui des humains, le biais algorithmique peut être introduit et reproduit. Par exemple, si les données d'entraînement reflètent des inégalités historiques, l'IA peut générer des sorties qui renforcent les stéréotypes ou excluent certains groupes. Le traitement et la surveillance des données par l'IA renforcent les approches néolibérales de l'éducation plutôt que de traiter les inégalités, car ils priorisent souvent l'efficacité, la mesure et la responsabilité individuelle sur le changement systémique.
Applications
Éducateurs
Les utilisations des chatbots d'IA générative dans l'éducation ont inclus l'évaluation et les retours, les traductions automatiques, la relecture, la génération de questions d'examen et la révision de copie, ou comme assistants virtuels. Par exemple, les enseignants peuvent utiliser l'IA pour générer des problèmes pratiques, fournir des retours automatisés sur les essais des étudiants ou traduire des documents pour des classes multilingues. L'IA peut également assister dans des tâches administratives, telles que la rédaction d'e-mails ou la création de programmes de cours.
L'IA émotionnelle dans l'éducation est l'étude et le développement de systèmes capables de détecter les émotions des apprenants ou de fournir un soutien émotionnel dans l'apprentissage. Ces systèmes peuvent utiliser la reconnaissance faciale, des capteurs physiologiques ou l'analyse de texte pour inférer les états émotionnels, avec l'objectif d'adapter l'instruction ou d'offrir des encouragements. Cependant, de telles technologies soulèvent des préoccupations en matière de confidentialité et d'éthique.
Une utilisation large et non planifiée de l'IA dans l'administration éducative peut entraîner des préjudices tels que la discrimination par la catégorisation superficielle des dossiers des étudiants, des biais dans la notation automatisée envers les étudiants dont le travail correspond aux définitions algorithmiques préplanifiées, et l'exclusion des étudiants de la formation à l'IA dont les expériences antérieures ne les ont pas préparés avec les littératies informatiques requises. Par exemple, un système de notation par IA pourrait pénaliser les locuteurs non natifs de l'anglais ou les étudiants ayant des styles d'écriture différents. Cependant, des utilisations plus structurées ont intégré avec succès l'IA générative dans des flux de travail basés sur l'investigation où les étudiants universitaires utilisent l'IA pour l'exploration et la critique tout en vérifiant indépendamment les affirmations par rapport aux sources savantes et en incorporant les retours d'experts.
Étudiants
Une enquête mondiale de 2024 a constaté que les étudiants utilisent principalement l'IA générative pour le brainstorming, la synthèse et l'assistance à la recherche, la trouvant efficace pour simplifier des informations complexes mais moins fiable pour l'exactitude factuelle et l'apprentissage en classe. Alors que les étudiants reconnaissaient son potentiel pour améliorer la littératie en IA et la communication numérique, les professeurs ont souligné des limitations significatives dans la pensée critique, la communication interpersonnelle et les compétences de prise de décision. Dans une étude mondiale, environ 58 % des étudiants ont rapporté trouver l'outil d'IA utile dans leur vie quotidienne. Selon l'enquête, ChatGPT était particulièrement bénéfique pour aider les étudiants à comprendre des concepts difficiles, générer des idées pour des devoirs et gérer leur temps, mais il était moins efficace pour des tâches nécessitant une analyse approfondie ou un jugement nuancé.
L'utilisation de l'IA par les étudiants soulève également des questions sur l'intégrité académique et le développement de compétences d'apprentissage indépendantes. Certaines institutions ont développé des politiques qui permettent l'utilisation de l'IA sous certaines conditions, telles que l'obligation pour les étudiants de divulguer l'assistance de l'IA ou d'utiliser l'IA uniquement pour des étapes spécifiques du processus d'écriture. D'autres ont repensé les évaluations pour les rendre plus résistantes à l'IA, comme l'incorporation de présentations orales ou de tâches d'écriture en classe.
Défis et orientations futures
L'IAEd fait face à plusieurs défis continus, notamment garantir l'équité d'accès aux outils d'IA, traiter le biais algorithmique et maintenir la supervision humaine. Il y a également un besoin de formation des enseignants pour intégrer efficacement l'IA dans la pédagogie. La recherche future est susceptible de se concentrer sur le développement de systèmes d'IA plus transparents et interprétables, l'exploration de l'apprentissage personnalisé à grande échelle et la compréhension des effets à long terme de l'IA sur le développement cognitif et les compétences sociales.
Alors que les technologies d'IA continuent d'évoluer, le domaine de l'IAEd devra s'adapter, en équilibrant l'innovation avec les considérations éthiques. L'implication de multiples parties prenantes, y compris les éducateurs, les étudiants, les décideurs politiques et les développeurs de technologies, sera cruciale pour façonner l'avenir de l'IA dans l'éducation.