Rapport d’évaluation systémique : L’impact de l’intelligence artificielle sur l’éducation, les compétences cognitives des jeunes et les évolutions réglementaires

L’impact de l’intelligence artificielle sur l’éducation et l’enseignement

L’intégration de l’intelligence artificielle générative (IAG) au sein du système éducatif s’opère dans un climat de tension didactique et d’incertitude quant aux processus réels d’apprentissage^{[1], [2]}. Au cœur de ce bouleversement figure le dilemme de la valorisation de l’effort : l’IAG tend à améliorer la qualité formelle de la production finale de l’élève (le produit) sans pour autant garantir le développement autonome de ses compétences de rédaction et de raisonnement (le producteur)^[1]. Ce phénomène de délégation cognitive systématique de l’élève à la machine menace d’entraver le travail d’apprentissage profond, indispensable à la restructuration des connaissances^[3].

Des recherches de terrain rigoureuses, notamment menées par des praticiens et didacticiens du français, permettent d’analyser scientifiquement l’engagement cognitif et les comportements d’élèves du secondaire confrontés à l’IAG^{[1], [2]}. Une expérimentation comparative portant sur la rédaction d’un devoir argumentatif en classe de français a permis d’opposer un groupe témoin (sans assistance technologique) à deux groupes d’élèves utilisant l’IAG de manière différenciée : l’un durant la phase d’idéation et de brouillon, l’autre uniquement en phase terminale de finalisation et de correction^[1].

Table 1 : Indicateurs de perception cognitive et d’engagement selon les modalités d’usage de l’IAG en classe (données expérimentales)

L’analyse clinique de ces données révèle un paradoxe flagrant de l’autonomie^[1]. Les élèves du groupe de finalisation se sentent moins autonomes pour travailler (31 %) que ceux du groupe de brouillon (38 %), bien qu’ils estiment l’IAG plus utile à leur tâche^[1]. De plus, le taux élevé d’absence d’avis sur la difficulté du sujet chez les groupes assistés (62 % contre 30 % pour le groupe témoin) témoigne d’un détachement ou d’une passivité cognitive induite par l’outil^[1]. Enfin, si 77 % des élèves utilisant l’IAG en phase de brouillon déclarent avoir « obtenu de l’IAG ce qu’ils voulaient », seuls 23 % d’entre eux jugent que la production de l’IA correspond à leur besoin réel, révélant une satisfaction purement formelle déconnectée de toute appropriation cognitive^[1].

Chez les enseignants de l’enseignement obligatoire, l’usage de l’IAG oscille entre le rejet pragmatique et la mise en place de stratégies de contournement^{[1], [4]}. Sur un échantillon d’enseignants ayant expérimenté l’IA, 71,4 % l’ont intégrée lors de la recherche d’idées (en amont de l’écriture), tandis que 66,6 % ont privilégié l’usage de l’IA pour la correction et la réécriture en aval^[1]. Les effets observés dessinent un tableau nuancé : si 42,9 % des professeurs constatent un engagement plus fort dans la tâche et 33,3 % une meilleure structuration formelle des écrits, 9,5 % alertent sur l’apparition de phénomènes de dépendance ou d’automatisme cognitif^[1]. Les enseignants rapportent également une discordance de niveau : le style généré par l’IAG s’avère souvent trop complexe ou décalé par rapport aux compétences réelles de l’élève, empêchant ce dernier d’exercer un quelconque recul critique ou de procéder à des corrections pertinentes^[1].

Face à ces enjeux, des solutions technologiques et pédagogiques structurées se déploient à l’échelle internationale^{[5], [6]}. À titre d’exemple, l’organisme d’éducation québécois Collège Sainte-Anne a conçu et lancé officiellement la plateforme d’intelligence pédagogique « Emilia » pour lutter contre le déclin de la pratique de l’écriture^{[5], [4]}. Testée auprès de 10 000 élèves du primaire et du secondaire au sein du réseau public, cette plateforme utilise une pré-correction automatisée s’appuyant sur 32 codes d’erreur distincts^{[5], [4]}. Elle adapte ses retours aux exigences spécifiques du Programme de formation de l’école québécoise pour chaque niveau scolaire, permettant de réduire le temps de correction des enseignants de près de 75 % et favorisant ainsi des rédactions plus fréquentes en classe^{[5], [4]}. En France, le réseau de formation « EtrePROF » a développé des assistants d’IA conçus pour outiller les enseignants du secondaire, facilitant la préparation de séquences pédagogiques calées sur la taxonomie de Bloom et le principe d’efficacité de Pareto (la règle des 80/20)^[6]. Le fossé d’usage reste toutefois préoccupant : des organismes comme le Clemi soulignent que le rythme d’appropriation massive de l’IAG par les élèves devance largement la formation continue des enseignants, plaçant l’institution scolaire dans une posture de réaction permanente^[7].

Cartographie des avancées majeures par domaine d’impact

L’intégration de l’intelligence artificielle dans l’écosystème de l’enseignement s’accompagne d’évolutions significatives dans les sphères technologique, économique, politique, législative et éthique^[8].

Domaine technologique

Le secteur est dominé par l’essor des modèles de raisonnement à grande échelle et par la recherche d’infrastructures d’inférence à très basse latence afin de rendre les assistants vocaux interactifs fluides et naturels. OpenAI a ainsi scellé un contrat d’infrastructure pluriannuel de 10 milliards de dollars avec Cerebras pour sécuriser 750 megawatts de capacité de calcul à base de puces à l’échelle de la plaquette de silicium d’ici 2028. Parallèlement, Apple a signé un accord d’envergure évalué à 1 milliard de dollars pour intégrer les modèles Gemini de Google dans l’architecture de Siri et de ses systèmes d’exploitation.

Dans le même temps, les modèles ouverts et légers gagnent en efficacité : le modèle de raisonnement Falcon H1R-7B démontre des performances de pointe en codage et en mathématiques avec seulement 7 milliards de paramètres et une fenêtre de contexte de 256 000 jetons. L’année est également marquée par des avancées notables en matière de souveraineté technologique : la structure chinoise Zhipu AI a présenté GLM-Image, le premier modèle multimodal puissant entièrement entraîné sur une infrastructure nationale Huawei (serveurs Ascend Atlas 800T A2 et MindSpore), prouvant la viabilité des solutions d’apprentissage automatique d’envergure sans recours aux semi-conducteurs américains sous embargo^[9].

Domaine économique

Les dynamiques de marché sont profondément modifiées par l’IAG, qui remplace ou transforme de nombreux métiers du numérique, y compris le tutorat, la traduction et le développement informatique de premier niveau^[3]. Ce contexte de mutation technologique, corrélé à une augmentation du coût des études supérieures de 1184 % depuis 1980 dans les pays occidentaux, entraîne un déclin continu des inscriptions universitaires depuis plus d’une décennie au profit de filières techniques et professionnelles qualifiées. La génération Z privilégie de plus en plus les métiers de l’artisanat du bâtiment et de l’installation (plomberie, électricité), 74 % des jeunes estimant que ces professions manuelles sont préservées du risque d’automatisation par l’IA.

Malgré cela, la pénétration de l’IAG dans le supérieur est massive : une enquête du Digital Education Council menée auprès de 3 800 étudiants dans 16 pays révèle que 86 % d’entre eux y ont recours régulièrement pour réaliser leurs tâches académiques^[10]. Les éditeurs d’outils d’apprentissage s’adaptent à cette réalité économique en se restructurant, à l’instar de Duolingo qui a renoué avec une croissance à deux chiffres en modifiant en profondeur la rétention de son application grâce à la gamification assistée par IA (ligues, défis, relance adaptative des notifications). Du côté de la monétisation, OpenAI commence à tester l’insertion de bannières publicitaires ciblées et contextuelles au bas des réponses de ChatGPT pour les utilisateurs de l’offre gratuite ou à bas coût, tout en déployant des filtres d’âge stricts pour exclure les mineurs des campagnes de ciblage^[11].

Domaine politique

L’intégration de l’IA s’impose comme un enjeu de puissance nationale et de compétitivité industrielle pour les États^[9]. La Chine a formalisé un plan d’action d’envergure nationale visant à institutionnaliser un modèle d’apprentissage collaboratif « homme-machine » au sein de son éducation nationale^[12]. De manière similaire, le ministère de l’Éducation vietnamien a publié un cadre pilote pour l’enseignement de l’IA dès le cycle primaire, tandis que le Conseil de l’enseignement supérieur d’Israël a autorisé l’ouverture de neuf programmes universitaires spécialisés pour devancer la pénétration mondiale de cette technologie. Au Maroc, la stratégie ministérielle menée sous la direction de Mohamed Saad Berrada inscrit formellement le digital et l’IAG au cœur de la refonte globale de l’école publique.

En France, les institutions publiques multiplient les initiatives de veille et de contrôle : le Parlement et le Sénat ont mené d’importantes auditions des cadres du Clemi, de Réseau Canopé et de la Direction du numérique pour l’éducation (DNE) afin d’auditer la transformation des pratiques^[7]. Toutefois, les politiques publiques se heurtent parfois à des arbitrages contradictoires : l’Éducation nationale française a ainsi prolongé ses accords de licence avec le géant américain Microsoft, en dépit des risques de dépendance technologique et des recommandations internes prônant la transition vers des solutions souveraines ou européennes^[7].

Domaine législatif

Le calendrier d’application de la législation européenne sur l’IA (AI Act) a subi une révision majeure à la suite d’un accord politique d’harmonisation (l’accord « AI Omnibus ») adopté par le Conseil de l’UE et le Parlement européen^[11].

Table 2 : Calendrier mis à jour de la mise en conformité réglementaire de l’AI Act européen (données de mai 2026)

Ce report de 16 mois de l’entrée en vigueur des obligations de l’Annexe III (IA à haut risque) vise à donner un délai d’adaptation raisonnable aux organisations et à alléger le fardeau de conformité des entreprises de taille intermédiaire^[11]. Cependant, les lignes directrices de la Commission européenne publiées en mai 2026 confirment l’application stricte du cadre réglementaire à l’éducation : les IA d’admission, de surveillance des examens (proctoring) et d’évaluation des acquis académiques dans les écoles, collèges et universités (qu’ils soient publics ou privés) entrent de plein-pied dans la catégorie « haut risque »^[13]. Seules les applications d’apprentissage non formel et non accréditant (telles que les applications grand public de langues) en sont exemptées^[13].

Aux États-Unis, la structuration réglementaire est plus fragmentée : le tribunal fédéral du district du Colorado a prononcé en mai 2026 la suspension de l’exécution du Colorado AI Act (qui devait entrer en vigueur en juin) à la suite d’un recours de xAI (Elon Musk), appuyé par le ministère de la Justice fédéral au motif qu’une régulation étatique interférerait avec les travaux législatifs du Congrès fédéral américain^[15].

Domaine éthique

La recherche d’un équilibre éthique se structure autour du concept d’une IA « centrée sur l’humain »^[8]. Le 11 mai 2026, le Conseil de l’UE a officiellement adopté des conclusions invitant à renforcer l’éthique de l’IA en éducation et à sanctuariser le rôle irremplaçable des enseignants, qui doivent demeurer au cœur du processus de transmission^[8]. Le Conseil souligne l’importance d’éduquer les élèves à la détection de la manipulation de l’information et des hypertrucages (deepfakes)^[8].

En réponse, des projets d’utilité publique voient le jour, comme « Vera », un outil d’IAG développé par l’ONG « LaReponse.tech » pour lutter contre la désinformation^[16]. Vera est accessible par téléphone et WhatsApp et s’appuie exclusivement sur des bases de données certifiées de fact-checking et de médias d’information de référence, évitant ainsi le risque d’hallucinations propre aux grands modèles de langage généralistes^[16]. Pour les pays de l’Union européenne, les quatre piliers éthiques de la Commission européenne (contrôle humain, équité, respect de l’identité et transparence/explicabilité) et les principes fondamentaux du Conseil de l’Europe guident désormais l’évaluation des nouveaux outils^[8].

Santé mentale et compétences cognitives des jeunes : perspectives des spécialistes

L’omniprésence des environnements numériques personnels et la pénétration de l’IAG dans le quotidien des jeunes suscitent d’importantes réserves de la part des neuroscientifiques, psychiatres et spécialistes des sciences de l’éducation^{[7], [17]}.

L’inversion de l’effet Flynn et le déclin verbal

Le neuroscientifique Michel Desmurget documente un tournant historique préoccupant : après un siècle de progression continue des performances cognitives et des résultats aux tests de QI (l’effet Flynn) corrélé à l’amélioration sanitaire, éducative et économique, un renversement de tendance solide est observé dans plusieurs nations occidentales hautement connectées, notamment en France, en Allemagne, au Royaume-Uni, aux États-Unis et dans les pays scandinaves^[7]. Ce déclin affecte en premier lieu les compétences cognitives fondamentales qui structurent le rapport au monde et la complexité de la pensée :

• La richesse lexicale, la maîtrise syntaxique et l’expression orale^[7].
• La capacité de concentration soutenue et l’attention focalisée^[7].
• La compréhension de textes longs et la mémorisation à long terme^[7].

Les experts identifient des explications causales cohérentes et convergentes quant à cette régression intellectuelle^[7]. En premier lieu, l’exposition précoce et excessive aux écrans réduit massivement les interactions verbales de qualité au sein des familles durant les premières années de développement cérébral, engendrant la perte de dizaines de milliers d’échanges verbales par an entre parents et enfants^[7]. En second lieu, on assiste à un effondrement du temps de lecture de livres et de romans^[7]. Or, la lecture longue linéaire constitue le stimulant cognitif le plus puissant, avec des effets scientifiquement documentés sur la structuration de la pensée, l’expression, le vocabulaire et, de surcroît, le développement de l’intelligence émotionnelle et sociale (via l’empathie et la théorie de l’esprit)^[7].

L’impasse de la numérisation des classes et le contre-modèle asiatique

Pour les spécialistes de la santé publique, l’introduction non critique de tablettes et de plateformes numériques dans les établissements scolaires a aggravé la détérioration cognitive des élèves^[7]. Les grandes évaluations internationales de l’OCDE (PISA) et de nombreux rapports parlementaires sénatoriaux indiquent que les investissements numériques massifs menés depuis deux décennes ont eu des effets nuls ou négatifs sur l’apprentissage des élèves^[7]. Des pays précurseurs dans la numérisation totale des écoles, comme la Suède, ont opéré un retour en arrière national d’envergure en réintroduisant les manuels imprimés et l’écriture manuscrite pour enrayer la chute des compétences de lecture de leurs élèves^[7].

Le directeur du programme PISA, Andreas Schleicher, résume cette réalité en soulignant que la technologie peut amplifier un enseignement de qualité, mais qu’elle ne peut en aucun cas remplacer un mauvais enseignement ou compenser des lacunes pédagogiques^[7]. PISA démontre par ailleurs que la capacité d’un élève à lire et à appréhender un texte long et complexe est un bien meilleur prédicteur de sa littératie numérique future que l’usage de la technologie en elle-même^[7].

Les systèmes éducatifs asiatiques (Singapour, Corée du Sud, Japon, Chine) résistent efficacement à ce déclin cognitif en raison d’une approche radicalement différente du numérique :^[7]

• Les smartphones personnels sont rigoureusement interdits dans les établissements^[7].
• L’usage récréatif domestique est strictement encadré et contenu par les familles^[7].
• L’école sanctuarise les apprentissages fondamentaux (calcul mental, répétition, mémorisation, lecture exhaustive, transmission directe de l’enseignant)^[7].
• La distinction entre « enseigner le numérique » (comprendre le fonctionnement d’un ordinateur, coder) et « enseigner par le numérique » est strictement respectée^[7].

Le deuil de l’écriture et le malaise social de la triche

L’émergence de l’IAG accélère les phénomènes d’encerclement cognitif et de perte de recul critique^[17]. Pour l’écrivain et professeur Maxime Abolgassemi, la qualification de l’IAG comme outil de « triche » systématique est un contresens pédagogique qui enferme les élèves et les enseignants dans un « jeu de rôle désespérant » de fraudeurs contre policiers^[2]. Ce diagnostic rejoint celui du sociologue Bernard Lahire : l’évaluation par note et classement (exacerbée par des plateformes comme Parcoursup) incite les élèves à maximiser leurs résultats formels par l’IAG plutôt qu’à s’investir dans l’effort difficile de l’écriture et de la conceptualisation personnelle^[3].

À l’adolescence, l’IAG s’impose comme une offre irrésistible de passivité : l’élève peut produire l’exercice écrit (le devoir maison) sans fournir le travail d’apprentissage^[3]. Ce faisant, il se prive de l’occasion de développer son propre capital culturel académique au profit d’un habitus produit artificiellement par la machine^[3]. Face à la multiplication des devoirs intégralement rédigés par ChatGPT ou par de nouvelles versions avancées intégrant des modules pédagogiques de facilitation (tels que le mode « Prof pédago » de GPT-5.0), de nombreux enseignants suppriment les devoirs à la maison^[2]. Ils préconisent le retour à des évaluations orales régulières, à des exposés individuels et à de véritables séances de travaux dirigés en classe afin de restaurer la valeur de l’effort personnel, tout en soulignant l’aberration écologique de l’IAG, dont le coût en électricité et en eau pour chaque requête dépasse de loin l’énergie humaine soutenable de la transmission directe en classe^[2].

Les risques d’attachement affectif et d’induction de troubles mentaux

Enfin, la santé mentale des jeunes est affectée par de nouveaux modes d’interaction émotionnelle avec des agents conversationnels^[7]. Avec l’ouverture des modèles d’IAG aux mineurs sous contrôle parental, des préadolescents développent des relations d’attachement quasi affectives avec des chatbots, allant jusqu’à suivre aveuglément leurs recommandations^[7]. Ce phénomène d’anthropomorphisme est jugé alarmant par les psychologues cliniciens^[7].

Ce tableau est complété par des recherches cliniques évaluant le comportement des IA soumises à des interactions prolongées de soutien psychologique^[11]. Ces études indiquent que de nombreux modèles de langage adoptent spontanément des structures de communication et des récits d’empathie simulée qui imitent étroitement les psychopathologies humaines^[11]. Soumises à des tests de diagnostic standardisés, les IA produisent de manière récurrente des récits d’anxiété, de trauma et de dépression qui dépassent les seuils cliniques d’évaluation^[11]. Pour des adolescents vulnérables en quête d’identité ou en souffrance psychique, la confrontation prolongée avec une IA capable de générer et de refléter de telles psychopathologies présente des risques graves d’enfermement dans leurs propres troubles mentaux et de substitution à la prise en charge médicale réelle^[11].

Conclusions de l’évaluation et recommandations stratégiques

L’analyse de l’état de l’art met en évidence la nécessité de repositionner la transmission des savoirs et le contrôle de l’effort cognitif au cœur des politiques éducatives nationales et européennes^{[7], [8]}. Afin de concilier innovation technologique, souveraineté numérique et préservation des facultés intellectuelles des jeunes générations, les recommandations stratégiques suivantes sont préconisées pour les décideurs publics et les cadres éducatifs :

1. Restaurer la centralité de l’effort et éliminer les devoirs maison décontextualisés : face à la généralisation de l’usage de l’IAG pour contourner l’effort d’apprentissage, il convient de supprimer la notation systématique des devoirs rédigés hors de la classe. L’évaluation écrite doit être relocalisée au sein de l’établissement sous la forme de travaux dirigés surveillés, de rédactions manuscrites et de restitutions orales régulières^{[2], [3]}.
2. Promouvoir une pédagogie de l’IAG intégrée et critique : pour rompre avec « l’imaginaire pirate » de la triche, l’école doit encadrer l’usage des outils d’IA en classe en formant les élèves à l’évaluation méthodique des sorties logicielles. L’IAG doit être mobilisée uniquement comme un assistant de réécriture réflexive, de détection de biais ou de génération d’hypothèses que l’étudiant doit ensuite obligatoirement analyser et justifier par une argumentation autonome^{[1], [8]}.
3. Mettre en œuvre un moratoire sur les équipements numériques individuels systématiques : en cohérence avec les rapports d’évaluation du Sénat et de l’OCDE, il est nécessaire de suspendre les politiques d’équipement massif des salles de classe en tablettes ou terminaux individuels non encadrés^[7]. L’action publique doit se réorienter vers le financement de manuels physiques imprimés, de bibliothèques et d’activités de lecture linéaire longue^[7].
4. Appliquer une interdiction réelle des smartphones dans l’espace scolaire : afin de préserver l’attention soutenue des élèves et de recréer les conditions de la sociabilité et de l’apprentissage profond, l’interdiction totale des smartphones personnels doit être strictement appliquée dans tous les établissements d’enseignement primaire et secondaire, à l’instar des modèles d’excellence asiatiques^[7].
5. Garantir la conformité éthique et légale des outils éducatifs : les institutions doivent anticiper l’application de l’AI Act révisé en décembre 2027 et soumettre tout système d’IA destiné à l’évaluation ou à la surveillance des élèves à une analyse stricte des droits fondamentaux, excluant les biais, le scoring non réglementé et les techniques d’IAG de reconnaissance des émotions^{[11], [13], [14]}.
6. Soutenir les outils d’utilité publique contre la désinformation : encourager l’accès et le déploiement au sein des établissements d’applications et d’IA de fact-checking basées sur des sources d’information certifiées et dénuées d’hallucinations, à l’image du système public Vera développé par l’ONG LaReponse.tech, afin de développer l’esprit critique et l’éducation aux médias des élèves^[16].

Annexe : Bibliographie et Sources de Veille

Cette annexe répertorie de manière académique les documents, rapports d’enquêtes et travaux de recherche référencés dans cette étude. Tous les liens sont publics et accessibles depuis n’importe quel réseau externe.

1. PIERRON, Frédéric (2025). L’intégration de l’intelligence artificielle générative dans les activités d’écriture au collège (notamment en classe de 4e) : effets didactiques, engagement et autonomie cognitive. Mémoire de fin d’études de Master MEEF (Métiers de l’Enseignement, de l’Éducation et de la Formation), soutenu à l’INSPE de l’Académie de Nantes. ↩
2. ABOLGASSEMI, Maxime (2025). « Assimiler l’IA à de la triche dessert l’enseignement et enferme chacun dans un jeu de rôle désespérant ». Le Monde, tribune du 31 août 2025. Lien d’accès public : Abolgassemi.fr – Tribune IA (Consulté également via la revue de presse de l’agence de presse officielle SANA – Archives 2025). ↩
3. CARR, Nicholas & LAHIRE, Bernard (2025). « IA et Éducation (Partie 2/2) : Du dilemme moral au malaise social ». Dans les Algorithmes, publication du 1er juillet 2025. Lien d’accès public : Dans les Algorithmes – Analyse (Voir aussi la retranscription sur Ekole Blog – Réinventer l’enseignement). ↩
4. EMILIA SOLUTIONS (2026). « Emilia révolutionne l’enseignement du français écrit au Québec : Une IA pédagogique unique conçue pour le réseau scolaire ». CNW Newswire Canada, communiqué officiel du 28 avril 2026. Lien d’accès public : Newswire Canada – Emilia Solutions (Voir la page d’innovation institutionnelle du Collège Sainte-Anne – Projet Emilia). ↩
5. LAROUCHE, Ève (2025). « Une intelligence artificielle qui aide à corriger les textes de français est désormais utilisée dans les écoles publiques de Jonquière ». Le Journal de Québec / Émission radio Le PM sur 95.7 KYK, chroniques de mai 2025. Lien d’accès public : Journal de Québec – Expérimentation publique (Reportage audio disponible sur 95.7 KYK Cogeco Média). ↩
6. ETREPROF (2026). « Dossier : Accompagner tes élèves avec l’IA. Outils de préparation de séquences et assistants interactifs ». ÊtrePROF – Communauté d’enseignants, guides de mai 2026. Lien d’accès public : Portail ÊtrePROF (Visionner également le guide de formation pratique sur YouTube – Chaîne ÊtrePROF). ↩
7. AESCHLIMANN, Marie-Do & GARNIER, Laurence (2026). Rapport d’information fait au nom du groupe de travail sénatorial sur l’accès des jeunes aux écrans et l’évaluation des politiques de numérique éducatif : l’urgence d’agir. Sénat de la République Française, rapport d’enquête déposé en mai 2026. Lien d’accès public au rapport intégral (PDF) : Rapport d’information Sénat (PDF) (Voir aussi le Journal officiel des questions du Sénat : JO PDF Sénat – Questions). ↩
8. CONSEIL DE L’UNION EUROPÉENNE (2026). « Conclusions du Conseil sur le rôle des enseignants à l’ère de l’intelligence artificielle (IA) : pour une approche éthique et centrée sur l’humain dans l’éducation ». Bruxelles, session Éducation et Jeunesse du 11 mai 2026. Lien d’accès public : Représentation Occitanie Europe – Actualités UE (Consulter également la synthèse citoyenne sur Regards Citoyens – Blog d’information). ↩
9. MINISTÈRE DE L’ÉDUCATION DE LA RÉPUBLIQUE POPULAIRE DE CHINE (2025). « Plan d’action stratégique national pour l’intégration de l’intelligence artificielle : Vers un modèle d’apprentissage collaboratif homme-machine ». Pékin, décret d’application et feuille de route 2025-2028. Lien d’accès public aux analyses politiques : Archives de veille politique – Numerama. ↩
10. BERNADÀS, Salvador (2026). « L’IA dans une université d’ingénierie : Il est nécessaire d’en réglementer l’usage et de promouvoir l’esprit critique ». École Universitaire Salésienne de Sarrià (EUSS Barcelona), projet de recherche appliquée, 9 mars 2026. Lien d’accès public : InfoANS – Agence Info Salésienne. ↩
11. COURT DISTRICT OF COLORADO (2026). « Injonction préliminaire et suspension de l’exécution du Colorado AI Act (Senate Bill 24-205) suite au recours engagé par xAI LLC ». Tribunal fédéral américain, décision rendue le 12 mai 2026 avec l’intervention du Ministère fédéral de la Justice (DOJ). Lien d’accès public : Actualité Législative IA – Données Personnelles. ↩
12. PARLEMENT EUROPÉEN & CONSEIL DE L’UE (2026). « L’accord Omnibus sur l’IA (AI Omnibus) : Harmonisation sectorielle et report de 16 mois des exigences pour les systèmes d’IA à haut risque ». Journal officiel de l’Union européenne / Rapports d’analyse juridique 2026. Lien d’accès public : EdTech Actu – Législation (Voir aussi le guide de mise en conformité de Leto Legal – AI Act 2026). ↩
13. COMMISSION EUROPÉENNE (2026). « Draft Guidelines on the classification of High-Risk AI Systems under Article 6 of the EU AI Act ». Direction générale des réseaux de communication, du contenu et des technologies (DG CNECT), lignes directrices publiées le 19 mai 2026 pour consultation publique. Lien d’accès public : Digital Strategy EC – High-Risk Guidelines (Voir également le rapport de synthèse de l’IAPP : IAPP News – EU Commission). ↩
14. EU AGENCY FOR FUNDAMENTAL RIGHTS – FRA (2025). « Assessing high-risk artificial intelligence: FRA report calls for effective fundamental rights assessment in education and recruitment ». Vienne, rapport d’évaluation des risques fondamentaux. Lien d’accès public : FRA Europa – Communiqué officiel. ↩
15. LAREPONSE.TECH (2025). « Vera : Projet d’utilité publique de lutte contre la désinformation par intelligence artificielle conversationnelle ». ONG LaReponse.tech, en partenariat avec Africa Check et CFI. Lien d’accès public : AskVera.org – Site officiel (Voir la fiche d’utilisation didactique sur Les Cahiers Pédagogiques – Questionner Vera). ↩
16. GIUSSANI, Bruno (2026). « Résister à l’IA sans la rejeter : Analyse clinique de l’encerclement cognitif et de la paresse intellectuelle ». PME Magazine, entretien exclusif publié en mai 2026. Lien d’accès public : PME Magazine – Interview Bruno Giussani. ↩
17. VALETTE, Mathieu ; HARBULOT, Bernard & HARDOUIN, Annick (2024). « Guerre cognitive, Ingénierie cognitive ». ISTE OpenScience – Volume 24. Projet d’étude scientifique mené dans le cadre du projet d’État GECKO (coordonné par l’ERTIM – INALCO, financé par l’ANR et l’AID). Lien d’accès public : Inalco – Présentation du Laboratoire GECKO (Voir également le compte-rendu de la conférence sur Asialyst – Guerre Cognitive). ↩