L'IA à l'université : entre intégration pédagogique et crise de l'évaluation
Les campus sont confrontés à un défi sans précédent : comment intégrer l'IA dans l'enseignement supérieur tout en préservant la valeur des diplômes ? Entre dons milliardaires, scandales académiques et refus de conditions d'utilisation, le monde universitaire est en pleine mutation.
L’université face à l’IA : impossible de s’en sortir par les notes
L’intelligence artificielle n’est plus une menace lointaine pour les universités — elle est déjà dans les amphithéâtres, sur les copies d’étudiants, et même dans les écrits de certains administrateurs. La question n’est plus de savoir si les étudiants utilisent l’IA, mais comment les établissements peuvent encore certifier ce qu’ils savent faire sans elle.
Un tournant historique pour les responsables informatiques des campus
Pour la première fois, les directeurs des systèmes d’information (DSI) des universités ont classé l’intelligence artificielle comme leur priorité numéro un. Ce signal fort illustre à quel point l’IA a cessé d’être un sujet de prospective pour devenir une réalité opérationnelle urgente — en termes d’infrastructure, de gouvernance des données et de politique pédagogique.
Cette montée en priorité reflète aussi l’explosion des outils d’IA générative utilisés quotidiennement par les étudiants et les enseignants, sans cadre clair ni politique institutionnelle harmonisée.
Cambridge dit non à Turnitin : la bataille des données étudiantes
Dans un geste fort, l’Université de Cambridge a refusé les nouvelles conditions générales de Turnitin, le célèbre logiciel anti-plagiat. En cause : une clause autorisant l’entreprise à utiliser les travaux des étudiants pour entraîner ses modèles d’intelligence artificielle.
Cette décision soulève des questions fondamentales sur la propriété intellectuelle des productions étudiantes, le consentement éclairé, et la monétisation des données académiques par des acteurs privés. Cambridge n’est probablement pas le seul établissement à s’interroger — d’autres universités européennes pourraient rapidement emboîter le pas.
L’enjeu est simple : les travaux des étudiants appartiennent-ils aux étudiants, aux universités, ou peuvent-ils devenir la matière première d’algorithmes commerciaux ?
Le proviseur de Dartmouth dans le viseur : quand l’IA écrit à la place des dirigeants
L’affaire est embarrassante : l’Université de Dartmouth a ouvert une enquête sur les écrits de son propre vice-président. Des soupçons pèsent sur le recours à des outils d’IA générative pour rédiger des documents officiels. Ce cas illustre une ironie cinglante — les institutions qui sanctionnent l’usage de l’IA chez leurs étudiants doivent désormais surveiller leurs propres dirigeants.
Cet épisode pointe vers une nécessité urgente : des politiques claires et cohérentes sur l’usage de l’IA doivent s’appliquer à tous les niveaux de l’institution, du premier cycle aux instances dirigeantes.
3 milliards de dollars pour Carnegie Mellon : la course aux talents IA s’accélère
L’investisseur Ken Griffin a annoncé un don historique de 3 milliards de dollars à l’Université Carnegie Mellon, l’un des principaux centres mondiaux de recherche en intelligence artificielle. Cette injection de fonds massifs confirme que la bataille pour la suprématie en IA se joue aussi sur les campus universitaires.
Carnegie Mellon, qui forme depuis des décennies les meilleurs ingénieurs et chercheurs en IA de la planète, devient ainsi l’une des universités les mieux dotées du monde pour développer les technologies et les talents de demain.
La vraie question : enseigner avec l’IA tout en certifiant sans elle
Au-delà des scandales et des flux financiers, c’est un défi pédagogique fondamental qui se pose : comment former des étudiants compétents à l’ère de l’IA tout en garantissant que leurs diplômes reflètent de vraies compétences ?
Plusieurs pistes émergent des expérimentations en cours :
1. Les tuteurs IA : premiers résultats encourageants
Des essais pilotes de tutorat assisté par IA montrent des gains réels en termes d’engagement et de compréhension chez les étudiants. Ces systèmes, capables de s’adapter au rythme de chaque apprenant, pourraient compléter — sans remplacer — l’accompagnement humain.
2. Repenser l’évaluation de fond en comble
Les examens écrits traditionnels, facilement contournables par les outils d’IA, cèdent la place à des formats d’évaluation hybrides : soutenances orales, évaluations en conditions réelles, projets progressifs avec jalons intermédiaires, portfolios commentés. L’objectif est de tester ce que l’IA ne peut pas simuler — le raisonnement en temps réel, la défense argumentée, l’adaptation à l’imprévu.
3. Systèmes de soutien étudiant augmentés par l’IA
Des plateformes de suivi académique utilisent désormais l’IA pour détecter les signaux faibles de décrochage et orienter les étudiants vers les bons dispositifs de soutien. Ces outils promettent une démocratisation de l’accompagnement personnalisé, jusqu’ici réservé aux établissements d’élite.
4. La gouvernance des données de campus
Les accords entre universités et fournisseurs de technologies IA doivent faire l’objet d’une transparence et d’un contrôle démocratique accrus. L’affaire Turnitin-Cambridge illustre les risques d’une externalisation non encadrée des données académiques.
Vers une nouvelle littératie académique
L’université du XXIe siècle ne peut plus ignorer l’IA, mais elle ne peut pas non plus s’y abandonner sans discernement. La vraie compétence à développer chez les étudiants n’est pas seulement de savoir utiliser l’IA — c’est de savoir quand ne pas l’utiliser, de comprendre ses limites, ses biais, et ses implications éthiques.
Former des esprits critiques capables de travailler avec l’IA sans en devenir dépendants : voilà peut-être la mission la plus importante — et la plus difficile — que l’enseignement supérieur ait jamais eu à accomplir.
Sources : AI Weekly Issue #534, octobre 2026