L’intelligence artificielle bouscule l’enseignement supérieur, mais elle n’en est pas la cause, selon Jeff Sparrow, enseignant-chercheur à l’Université de Melbourne. Dans un essai publié le 22 octobre 2026 par The Conversation, il estime que le système était déjà fragilisé, avant même l’arrivée de ces outils.
- L’IA révèle les failles de l’enseignement supérieur sans en être la cause.
- Les universités doivent repenser ensemble la pédagogie et l’évaluation.
- Acheter des licences ne change pas la salle de cours.
- L’engagement des étudiants dépend de la qualité de l’expérience d’apprentissage, non de l’outil.
Un révélateur plutôt qu’une cause
Le constat de Jeff Sparrow est sans concession. Selon lui, l’IA dévaste l’enseignement supérieur, mais des décennies de logique managériale ont déjà transformé les diplômes en produits, les étudiants en clients et la recherche en indicateurs. Dans ce contexte, recourir à ChatGPT pour rédiger un devoir ne relève pas d’une déviance, mais d’une réponse rationnelle à une institution qui a elle-même cessé de valoriser l’apprentissage. L’auteur rappelle aussi des 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. »
L’auteur d’une réflexion qui prolonge ce diagnostic, s’appuyant sur ses recherches récentes menées auprès d’étudiants, d’enseignants et d’équipes de direction, arrive à une conclusion proche. L’IA agit, selon lui, 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. Lorsqu’une machine produit en quelques secondes une dissertation acceptable, c’est la valeur pédagogique de l’exercice lui-même qui est remise en question, bien au-delà de la seule triche.
Quatre transformations indissociables
Pour cette réflexion, l’intégration de l’IA doit être pensée de manière holistique et systémique, à travers quatre transformations qui évoluent ensemble. La première est technologique et concerne l’environnement dans lequel les apprenants évoluent, fait d’assistants conversationnels, de systèmes adaptatifs et d’espaces immersifs. La deuxième est pédagogique : il s’agit de passer d’une logique de transmission à une logique de conception d’expériences d’apprentissage. La troisième touche aux pratiques éducatives, et au rôle de l’enseignant, qui devient architecte de situations d’apprentissage, épaulé par de nouveaux métiers comme celui de concepteur d’expérience d’apprentissage. La quatrième, jugée 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 », c’est-à-dire la formulation de requêtes adressées à un assistant d’IA plutôt que la maîtrise effective d’un savoir.
Aucune de ces dimensions ne peut être transformée isolément. Introduire l’IA sans repenser la pédagogie produit de la consommation passive, tandis que faire évoluer l’évaluation sans accompagner les enseignants épuise ceux qui portent le changement. Or la plupart des établissements ne savent pas par où commencer. Cette approche impose une gouvernance capable de relier les niveaux stratégique, tactique et opérationnel, et de coordonner des initiatives aujourd’hui dispersées entre directions numériques, services pédagogiques et facultés.
Cette réflexion dénonce aussi une erreur d’approche. Les universités achètent des licences, signent des partenariats avec de grands éditeurs, rédigent des chartes d’usage, puis s’étonnent que rien ne change dans la salle de cours. L’Université de Sydney, qui signe un accord pluriannuel avec OpenAI quelques jours après une grève de ses personnels, illustre cette dissociation entre stratégie affichée et réalité vécue.
L’expérience d’apprentissage comme clé de l’engagement
Les travaux évoqués éclairent un point central : ce n’est pas l’IA en tant que telle qui renforce l’engagement des étudiants, mais la qualité de l’expérience d’apprentissage dans laquelle elle s’inscrit. Là où le dispositif est conçu avec soin, préparé par l’enseignant et intégré dans une démarche réflexive, l’engagement cognitif progresse. Là où l’outil est simplement mis à disposition, il nourrit une « dette cognitive », documentée par les neurosciences, faite de dépendance 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. Les étudiants, selon cette lecture, ne délèguent pas ce qui les engage, mais ce qui leur paraît vide de sens. L’enjeu serait donc moins de lutter contre la machine que de reconstruire des expériences d’apprentissage assez riches pour que l’effort intellectuel retrouve sa valeur.
