Impact négatif de l'IA sur l'éducation secondaire en Chine
La performance contrastée des élèves du secondaire chinois fait craindre un effet négatif sur les apprentissages et incite à la prudence. Déléguer la compréhension n'est jamais une bonne idée.
Une étude publiée début juin montre les premiers résultats de l’utilisation de l’IA dans le secondaire en Chine, mesurés à partir de 30 mois de données relevées auprès de 26 811 élèves chinois du secondaire. Et ils ne sont pas bons du tout!
Reprenons ici le graphique qui semble le plus parlant dans ce papier.
Il montre l’océan qui sépare la performance dans les devoirs et les résultats d’examens. Il montre aussi le fossé qui se creuse dès les premiers mois d’adoption de l’IA, entre les élèves qui l’utilisent beaucoup et de manière régulière – en lui “délégant” le travail qu’ils devraient faire eux-mêmes pour assimiler et maîtriser la matière – et leurs camarades qui n’utilisent pas ou ces outils ou qui en font un usage raisonné.
Quelques leçons du papier:
1️⃣ L’IA améliore les notes de devoirs (+18 %) et réduit leur temps de réalisation (-30 %), mais fait chuter les résultats aux examens mensuels (-20 % en 6 mois) et aux concours (-18 % à -24 % après 2 ans).
2️⃣ Les pertes sont plus marquées en sciences sociales, puis en STEM et langues, touchant surtout les plus jeunes, les meilleurs élèves et les garçons.
3️⃣ Conséquences du schéma d’adoption: 80 % des utilisateurs d’IA externalisent leurs devoirs (temps très court + notes élevées), subissant les pertes les plus fortes. Ceux qui gardent un temps de travail sur la matière comparable à celui des non-utilisateurs limitent ces pertes.
Voir le papier en v2 – juste sorti du four. L’étude présente des limites qui invitent à une certaine prudence:
les auteurs notent que cet effet diminue avec le temps : l’écart est passé de -25% en début 2023 à -16% en juin 2025, suggérant une adaptation progressive des élèves ou enseignants;
l’étude provient d’un seul comté de Chine centrale (population > 1 million, PIB/habitant légèrement sous 6 000 USD), ce qui est un facteur de prudence supplémentaire pour la généralisation.
En somme, malgré les limitations, la leçon clé est de ne pas sous-traiter la compréhension des sujets à la machine, et donc de prendre le temps de construire sa propre compréhension et sa propre maîtrise des sujets sur lesquels on se forme.
On verra bien si ça se confirme et si les relectures de ce papier conduisent à une qualification ou une modification des conclusions, mais ça semble très intéressant et porteur d’enseignements dont il faut tenir compte. Surtout à l’heure où des pays comme la Finlande rétropédalent sur l’exploitation des outils numériques en classe.
D’ailleurs, petite parenthèse, la règle consistant à ne pas sous-traiter la compréhension des choses – donc la capacité de saisir et de se saisir du réel que l’on appelle aussi intelligence, au sens le plus proche du Latin – peut être étendue à d’autres domaines que l’éducation. Ainsi, dans les entreprises par exemple, si le développement et le déploiement d’applications métier est compris – justement – comme la transcription la plus exacte de la connaissance et des capacités organisationnelles, alors c’est certainement là qu’il ne faut pas parier la boutique sur un code écrit automatiquement par des machines et que personne ne comprend dans votre équipe.
De quoi méditer.