← Toutes les newsletters

1. APA : avec l’IA éducative, engagement et performance ne doivent plus être confondus avec apprentissage

[COG-PSY] [RECHERCHE] — mots-clés : cognition, transfert, performance, adolescents, esprit-critique — niveau : rapport d’experts fondé sur synthèse de recherche

L’American Psychological Association publie ce 3 septembre un rapport consacré aux apprentissages des enfants et adolescents de 5 à 18 ans avec les technologies éducatives. Il couvre applications, jeux, tutoriels intelligents, plateformes numériques et IA génératives et formule dix recommandations fondées sur la psychologie cognitive et les sciences de l’apprentissage.

Son message central est particulièrement important : engagement observable et apprentissage ne sont pas équivalents. Cliquer, répondre, rester longtemps devant une application ou obtenir une meilleure production ne démontre pas que l’élève a construit une connaissance durable. L’APA recommande de privilégier le transfert : l’élève sait-il réutiliser hors de l’outil la connaissance ou la compétence travaillée ?

L’IA générative rend la distinction encore plus nécessaire. Une IA peut améliorer un essai sans que l’élève soit devenu meilleur rédacteur. L’APA recommande donc d’enseigner une relation active au chatbot : rechercher les présupposés, identifier les lacunes du raisonnement, comparer la réponse avec d’autres sources et tester ce qui se passe lorsqu’on modifie les données du problème. L’IA devient davantage un objet à mettre à l’épreuve qu’une machine à réponses.

Autre conséquence importante pour l’EdTech : l’APA estime que la responsabilité de démontrer l’efficacité incombe d’abord aux développeurs et aux institutions qui choisissent les outils. Les établissements devraient demander des preuves crédibles, de préférence indépendantes, plutôt que se satisfaire d’indicateurs d’engagement ou de promesses commerciales.

Focus lettres

Pour l’écriture, cela conduit à distinguer au moins trois indicateurs : qualité du texte produit, maîtrise du processus d’écriture, capacité à reproduire la compétence sans assistance. Une amélioration spectaculaire du premier ne permet pas de conclure aux deux autres.

Sources : American Psychological Association, Expert Report on Children’s and Adolescents’ Learning with Educational Technology, 3 septembre 2026 ; communiqué APA du 3 septembre.

2. Royaume-Uni : seuls 14 % des enseignants se sentent pleinement à l’aise avec la littératie de l’IA

[POL-PUB] [RECHERCHE] — mots-clés : littératie-IA, formation-enseignants, inégalités, curriculum — niveau : enquête nationale et revue de cadres

La Royal Society publie de nouveaux résultats sur la littératie de l’IA à l’école britannique. Plus de la moitié des enseignants utilisent déjà l’IA, notamment pour préparer ou corriger, mais 14 % seulement se déclarent confiants dans l’ensemble des composantes étudiées de la littératie IA. Les données proviennent d’une enquête Teacher Tapp portant sur plus de 9 200 enseignants.

Le problème est moins l’absence d’usage que l’absence de formation structurée. Moins d’un enseignant sur cinq aurait bénéficié d’une formation formelle et près d’un quart ne disposerait d’aucun soutien. La Royal Society avertit ainsi que les enseignants utilisent déjà les systèmes alors que leurs capacités à en expliquer le fonctionnement, les limites et les conséquences restent très inégales.

Sa revue des cadres de littératie montre par ailleurs une tendance à survaloriser les compétences techniques — fonctionnement, algorithmes, codage — alors que les dimensions sociales, environnementales, politiques et éthiques sont moins systématiquement abordées. En l’absence de socle national, la Royal Society identifie un risque d’inégalité entre élèves selon l’établissement ou l’expertise individuelle de leurs enseignants.

Une distinction proposée mérite d’être retenue : enseigner sur l’IA, enseigner pour vivre dans un monde façonné par l’IA, enseigner avec l’IA. Les trois objectifs sont différents et ne requièrent pas les mêmes compétences professionnelles.

Intérêt pour la France

Le parcours Pix IA contribue au premier volet, mais il ne remplace pas une véritable littératie disciplinaire. Vérifier une interprétation littéraire, une causalité historique, une démonstration mathématique ou la validité d’un protocole scientifique suppose des critères de preuve différents.

Source : Royal Society, Artificial Intelligence in Education, données et ressources actualisées en 2026.

3. Lettres et langues : fabriquer une évaluation avec l’IA reste un travail d’expertise enseignante

[PED-FR] [RECHERCHE] — mots-clés : lecture, évaluation, expertise, formation-enseignants, feedback — niveau : étude longitudinale peer-reviewed

Le numéro de septembre du Journal of English for Academic Purposes publie une étude longitudinale particulièrement intéressante sur la conception d’évaluations de compréhension écrite avec l’IA générative. Pendant un semestre, les chercheurs ont suivi quatre enseignants utilisant la GenAI pour fabriquer leurs supports. Ils ont analysé les échanges enseignant-IA, les brouillons, les documents définitifs et des entretiens semi-directifs.

L’étude montre que demander « génère-moi cinq questions » constitue seulement le début du travail. Les enseignants doivent contrôler l’exactitude du contenu, adapter les textes, régler leur difficulté et vérifier que chaque item mesure réellement la compétence visée. Les difficultés rencontrées incluent informations erronées, biais culturels, formulations génériques ou questions qui évaluent une compétence parasite plutôt que la compréhension recherchée.

Les quatre enseignants connaissent une évolution comparable. Dans une première phase réactive, ils apprennent principalement à réparer les défauts de l’outil. Dans une deuxième phase proactive, ils ajustent leur dialogue avec l’IA à leurs intentions pédagogiques. Une troisième phase devient intégrative : l’IA est incorporée au processus professionnel, mais le professeur reste responsable de la validité de l’évaluation.

L’étude repère également plusieurs facteurs déterminants : qualité des compétences de dialogue avec le modèle, feedback des élèves, échanges entre collègues, formation professionnelle et temps disponible. Une faible maîtrise des requêtes, l’absence de lieux durables de mutualisation et l’accumulation des tâches professionnelles compliquent l’appropriation.

La limite est nette : quatre enseignants, tous dans l’anglais académique supérieur. Il ne s’agit pas de mesurer un effet moyen, mais de documenter finement un processus professionnel.

Focus français

Pour créer une activité de compréhension, de contraction ou d’analyse, la meilleure question à poser après une génération n’est peut-être pas « est-ce que cet exercice paraît bon ? », mais : qu’est-ce que chaque question mesure réellement ? Peut-on réussir sans avoir compris le texte ? D’où vient la difficulté ?

Source : Lin, Chen & Deng, « Exploring teacher resilience in developing EAP reading assessment materials with Gen-AI », Journal of English for Academic Purposes, vol. 83, septembre 2026.

4. Autorégulation : chez 1 024 étudiants, le lien entre IA et pensée critique change de signe selon le profil de l’apprenant

[COG-PSY] [RECHERCHE] — mots-clés : autorégulation, pensée-critique, créativité, cognition, dépendance — niveau : étude transversale peer-reviewed, causalité non établie

Une étude publiée le 1er septembre dans le Journal of Intelligence porte sur 1 024 étudiants de cinq universités chinoises, âgés de 17 à 25 ans. Les chercheurs étudient l’usage de l’IA générative, l’autorégulation et trois capacités : pensée critique, créativité et pensée computationnelle.

L’autorégulation est mesurée suivant six dimensions : objectifs, stratégies, gestion du temps, auto-évaluation, organisation de l’environnement et recherche d’aide. Elle apparaît positivement associée aux trois formes de pensée étudiées.

Le résultat le plus spectaculaire concerne l’interaction avec l’IA. Chez les étudiants faiblement autorégulés, l’usage de GenAI est négativement associé à la pensée critique (β = −0,198) et computationnelle (β = −0,132). Chez les étudiants fortement autorégulés, l’association devient positive : respectivement β = 0,275 et β = 0,222.

Pour la créativité, l’association est négative chez les étudiants faiblement autorégulés (β = −0,275), mais n’est plus statistiquement significative lorsque l’autorégulation est élevée.

Il faut résister à une interprétation causale : l’étude est transversale. Elle ne démontre ni que l’IA détériore la pensée critique chez certains étudiants ni qu’elle l’améliore chez les autres. Mais elle apporte un résultat précieux : parler d’un « effet de l’IA » sans considérer les compétences de l’utilisateur peut être trompeur.

Conséquence scolaire

L’autonomie face à l’IA pourrait être pensée aussi comme une compétence : formuler un objectif, surveiller sa démarche, évaluer la sortie, détecter une incohérence et pouvoir refuser la proposition de la machine.

5. Formation des enseignants : la NSF finance des « élèves IA » capables de faire de vraies erreurs

[TERRAIN] [RECHERCHE] — mots-clés : formation-enseignants, simulation, mathématiques, erreurs, feedback — niveau : projet de recherche financé, résultats à venir

UMass Amherst annonce le 2 septembre un nouveau projet financé par la National Science Foundation visant à développer des agents capables de simuler des élèves pour former des enseignants. Le premier domaine expérimental sera celui des mathématiques au collège.

Le problème scientifique est inhabituel : les chercheurs ne cherchent pas à rendre l’IA plus performante, mais au contraire à lui apprendre à produire des erreurs d’élèves réalistes. Andrew Lan souligne que les meilleurs modèles actuels sont encore très mauvais pour imiter la manière dont un véritable élève se trompe, apprend progressivement et réagit à un feedback.

Le projet poursuit trois objectifs : reproduire des erreurs plausibles ; inférer l’engagement et la compréhension dans des interactions ouvertes ; tester avec ces élèves simulés différentes interventions pédagogiques. Des enseignants en formation pourraient ainsi essayer une explication, constater que l’« élève » maintient une représentation erronée, modifier leur étayage puis observer les effets.

Des études avec de vrais enseignants et des ateliers de co-conception sont prévus. L’équipe envisage aussi le scénario inverse du learning by teaching : un élève humain pourrait devoir expliquer un concept à un faux élève qui pose des questions ou commet des erreurs.

La distinction doit rester claire : aucun effet sur la formation des professeurs n’est encore démontré. Le projet commence précisément parce que les modèles actuels ne savent pas suffisamment simuler un apprentissage humain.

6. EdTech : McGraw Hill rachète Teachally et rapproche l’IA du curriculum propriétaire

[EDTECH] [COMMERCIAL] — mots-clés : curriculum, personnalisation, préparation, données, modèle-économique — niveau : acquisition commerciale

Le 2 septembre, McGraw Hill a annoncé l’acquisition de Teachally. La société développe des technologies d’IA destinées à adapter et générer des contenus éducatifs ; les conditions financières de l’opération n’ont pas été communiquées.

L’opération illustre une évolution importante du marché. L’IA ne fonctionne plus nécessairement à côté des ressources scolaires : elle commence à être incorporée à l’intérieur de corpus éditoriaux structurés. McGraw Hill prévoit d’utiliser Teachally pour adapter, localiser et traduire ses ressources et proposer aux enseignants des outils de préparation et de personnalisation directement reliés à ses contenus.

Cette approche « curriculum-grounded » peut limiter certains problèmes documentaires : l’IA travaille à partir d’un fonds contrôlé plutôt que de la seule connaissance générale du modèle. Mais elle accroît aussi la dépendance envers un écosystème éditorial propriétaire et pose les questions habituelles de contrôle, données d’usage et transparence des adaptations.

Il n’y a pas, à ce stade, de raison d’en déduire une pertinence pour le système français : le produit vise principalement le K-12 et aucune conformité spécifique au RGPD français n’est établie dans cette annonce. L’intérêt est surtout prospectif : le prochain marché de l’IA éducative pourrait être celui du manuel et du curriculum augmentés par IA.

Source : McGraw Hill, communiqué officiel du 2 septembre 2026.

À retenir aujourd’hui

1. L’APA fournit un critère particulièrement utile : l’apprentissage se mesure notamment par ce que l’élève peut transférer hors de l’outil, pas par le seul engagement ni par la qualité de la production assistée.
2. Plus de la moitié des enseignants britanniques utilisent déjà l’IA, mais 14 % seulement se sentent pleinement confiants dans leur littératie IA.
3. L’IA ne supprime pas l’expertise nécessaire à la création d’une évaluation : elle la déplace vers le contrôle de validité des tâches générées.
4. L’étude sur 1 024 étudiants suggère que l’autorégulation pourrait être une variable majeure pour comprendre les différences d’effets cognitifs de l’IA.
5. Les grands éditeurs scolaires commencent à incorporer directement l’IA dans leurs corpus et leurs plateformes curriculaires.

À tester en classe

Le test de transfert. Après une activité avec IA, fermer l’outil et proposer une tâche analogue très courte : nouvelle citation à interpréter, nouveau paragraphe à problématiser, nouveau problème utilisant la même stratégie. Comparer ainsi performance assistée et compétence autonome.

Le permis d’autorégulation. Avant l’usage de l’IA, demander quatre éléments : objectif / stratégie / vérification / décision finale. L’élève doit préciser ce qu’il veut obtenir, comment il utilisera l’IA, comment il contrôlera sa réponse et quelle décision restera la sienne.

À surveiller

Le suivi du nouveau rapport APA, notamment les recherches sur le transfert hors outil ; les réponses institutionnelles au déficit de formation mis en évidence par la Royal Society ; les premiers essais des élèves simulés financés par la NSF ; les études longitudinales testant causalement le rôle de l’autorégulation ; l’intégration des IA « curriculum-grounded » chez les éditeurs scolaires ; et la Digital Learning Week de l’UNESCO du 8 au 11 septembre, consacrée cette année à « Education in the age of AI: Facts | Frictions | Frontiers ».