Intégrer l’ia à la formation : innovation ou gadget ?

L’intelligence artificielle s’invite dans les salles de classe, les centres de formation et les plateformes e-learning, portée par une promesse : individualiser les parcours, soulager les formateurs et accélérer l’acquisition de compétences. Mais derrière l’effet d’annonce, la question est devenue pressante, surtout depuis l’irruption des IA génératives fin 2022 : assiste-t-on à une rupture pédagogique durable, ou à un gadget de plus dans la longue liste des innovations vite oubliées ? Les chiffres, les usages et les risques esquissent déjà une réponse nuancée.

Des usages qui gagnent du terrain

La bascule n’est plus théorique, elle est statistique. Dans le monde, ChatGPT a atteint 100 millions d’utilisateurs mensuels en janvier 2023 selon UBS, un rythme d’adoption inédit pour un service grand public, et cette familiarité rejaillit logiquement sur la formation, car étudiants, salariés et enseignants y voient un nouvel outil de travail. Côté écoles, un indicateur fait date : aux États-Unis, une enquête publiée en 2023 par Walton Family Foundation relevait que 51 % des enseignants avaient déjà utilisé ChatGPT, souvent pour générer des idées de cours, différencier des exercices ou produire des supports adaptés à plusieurs niveaux.

Dans l’entreprise, l’IA s’installe par la pratique, parfois avant même les cadres officiels. Le World Economic Forum estime dans son « Future of Jobs Report 2023 » que 75 % des entreprises interrogées prévoient d’adopter des technologies d’IA, et 60 % s’attendent à ce qu’elles transforment leurs organisations d’ici 2027. Cette transformation a un corollaire immédiat : la formation continue doit suivre, vite, car les métiers évoluent, les compétences attendues changent, et les budgets ne sont pas extensibles. Résultat, les directions formation expérimentent des tuteurs virtuels, des quiz générés automatiquement, des simulateurs de situation, et même des évaluations assistées, avec une ligne rouge : ne pas dégrader la qualité ni la conformité.

Ce mouvement s’observe aussi dans l’enseignement supérieur, où l’enjeu est autant pédagogique qu’éthique. Interdire totalement les IA génératives paraît de plus en plus difficile à tenir, et autoriser sans garde-fous reviendrait à déplacer le problème, pas à le résoudre. Les établissements testent donc des approches hybrides : apprentissage du « prompt » comme compétence, devoirs qui exigent une réflexion personnelle traçable, et évaluations davantage orales ou basées sur des projets. Dans ce contexte, les outils de type tuteur conversationnel, à l’image de ChatbotGPT, s’insèrent naturellement dans les usages, car ils reproduisent une interaction familière, et peuvent servir de soutien à la compréhension, de répétiteur ou d’aide à la structuration d’un plan, à condition de cadrer clairement ce qui est autorisé, attendu et évalué.

Personnaliser, oui, mais à quel prix ?

Sur le papier, l’argument est imbattable : une IA ne se fatigue pas, répond à toute heure, reformule autant de fois que nécessaire, et peut adapter la difficulté au niveau réel de l’apprenant. C’est précisément ce que la recherche sur le tutorat individuel souligne depuis longtemps : l’accompagnement « un à un » est souvent plus efficace que le cours magistral, mais il est coûteux et difficile à généraliser. L’IA promet donc une forme d’industrialisation du tutorat, avec des scénarios différenciés, des feedbacks instantanés et des exercices sur mesure, particulièrement utiles pour les fondamentaux, les langues, ou la remise à niveau en mathématiques et en logique.

Dans la pratique, les gains existent, mais ils ont un coût, parfois caché. D’abord, la qualité dépend des données et du paramétrage : une IA peut aider à s’entraîner, mais elle peut aussi produire des réponses erronées ou inventées, ces fameuses « hallucinations » qui restent un risque connu des modèles génératifs. Ensuite, personnaliser suppose de collecter des informations sur l’apprenant, ses réponses, ses lacunes, son rythme, et cela pose des questions de confidentialité, de sécurité et de conformité, notamment en Europe, où le RGPD encadre strictement la collecte et l’usage des données personnelles. Enfin, la personnalisation peut devenir une illusion si elle se limite à changer le vocabulaire ou la mise en page, sans diagnostic pédagogique sérieux : un élève en difficulté n’a pas besoin d’un texte plus simple, il a besoin d’une progression pensée, de prérequis identifiés et d’un accompagnement émotionnel, dimension que la machine ne maîtrise pas réellement.

Le prix est aussi organisationnel. Former des formateurs à l’IA, écrire des politiques d’usage, documenter les pratiques, prévoir des modalités d’évaluation robustes, tout cela demande du temps, et souvent une montée en compétence des équipes pédagogiques, de l’IT et du juridique. Il y a là un paradoxe : l’IA est vendue comme un accélérateur, mais sa mise en place sérieuse impose de ralentir un moment, pour cadrer, tester, mesurer, puis seulement déployer. Les organisations qui sautent cette étape risquent de se retrouver avec un outil spectaculaire mais incontrôlé, et donc peu fiable, ce qui alimente ensuite l’idée du « gadget ».

Quand l’IA bouscule l’évaluation

La question la plus explosive n’est pas l’apprentissage, c’est la preuve d’apprentissage. Comment s’assurer que l’élève a compris, et pas seulement su demander à une IA de produire la bonne réponse ? Le débat est mondial, et il a déjà modifié des pratiques : retour d’examens en présentiel, évaluations plus fréquentes et plus courtes, oral renforcé, et projets qui exigent des traces de démarche. Certains enseignants demandent désormais un « journal de bord », d’autres évaluent la capacité à critiquer une réponse générée, en repérant ses limites, ses approximations, ses biais, et en proposant une correction argumentée. Autrement dit, l’IA force l’école et l’entreprise à revenir à une question fondamentale : qu’évalue-t-on exactement ?

Dans la formation professionnelle, l’enjeu est encore plus concret, car une certification engage parfois la sécurité, la conformité et la responsabilité. L’IA peut aider à s’entraîner, mais elle ne doit pas fausser l’examen. Cela pousse à distinguer plusieurs niveaux : l’entraînement assisté, l’évaluation supervisée, et l’évaluation certifiante, avec des règles différentes. Le risque de fraude existe, mais il n’est pas le seul : une dépendance excessive à l’IA peut affaiblir des compétences de base, comme la rédaction, le raisonnement logique, ou la capacité à rechercher et vérifier des sources. Dans un monde où l’information circule vite, savoir vérifier devient une compétence centrale, et c’est précisément là que l’IA peut être à la fois une aide et un piège.

Les outils de détection de textes générés, eux, ont montré leurs limites, car les faux positifs et faux négatifs sont fréquents, et les modèles évoluent vite. Plusieurs universités ont ainsi reculé sur l’usage de détecteurs automatiques, jugeant le risque d’accuser à tort trop élevé. Le changement le plus durable semble donc ailleurs : dans des dispositifs d’évaluation qui rendent la fraude moins intéressante, parce qu’ils valorisent le raisonnement, la démarche, l’argumentation, et la capacité à expliquer. Paradoxalement, l’IA peut améliorer l’évaluation, si elle pousse à évaluer mieux, mais elle peut aussi la dégrader si elle incite à multiplier des QCM faciles à générer et faciles à tricher.

Innovation, si le cadre tient

La frontière entre innovation et gadget ne dépend pas de la puissance de l’outil, mais de la manière dont il est intégré. Une IA qui répond à tout, sans contexte, sans sources et sans objectifs pédagogiques, sert surtout à impressionner. À l’inverse, une IA encadrée, reliée à un référentiel de compétences, utilisée pour des tâches clairement identifiées, et évaluée sur des indicateurs de progrès, peut produire des résultats tangibles. Ces indicateurs existent : taux de complétion d’un module, progression entre pré-test et post-test, réduction du temps de montée en compétence, satisfaction des apprenants, et performance sur le terrain. Sans mesure, on reste au stade du discours, et c’est exactement le terrain du gadget.

Le cadre, aujourd’hui, se construit aussi par la régulation. L’Union européenne a adopté en 2024 l’AI Act, qui introduit une approche par niveaux de risque, et encadre certains usages, notamment lorsque des systèmes influencent des décisions sensibles. Même si la formation n’est pas toujours en « haut risque », les principes de transparence, de traçabilité, de supervision humaine et de gestion des biais irriguent désormais les appels d’offres et les politiques internes. Pour un organisme de formation, cela signifie : informer les apprenants quand une IA est utilisée, éviter de lui confier des décisions d’orientation sans contrôle, documenter les sources quand c’est possible, et sécuriser les données.

Reste la dimension humaine, souvent absente des présentations commerciales. Une formation réussie tient autant à la motivation, au sentiment de progression et à la relation qu’au contenu lui-même. L’IA peut soutenir, relancer, suggérer des exercices, mais elle ne remplace pas l’attention d’un formateur qui repère un décrochage, ajuste un rythme, rassure, et crée une dynamique de groupe. Les dispositifs les plus solides sont donc hybrides, et ils assument une idée simple : l’IA automatise ce qui est répétitif, et libère du temps pour ce qui est difficilement automatisable, à savoir l’accompagnement, la mise en perspective, l’échange, et l’exigence critique.

Passer à l’action, sans se tromper

Pour intégrer l’IA dans une formation, mieux vaut commencer petit et viser juste, en sélectionnant un module pilote, un public cible, et deux ou trois cas d’usage mesurables, puis en fixant des règles d’utilisation écrites, compréhensibles et applicables. Côté budget, il faut anticiper non seulement l’outil, mais aussi le temps de paramétrage, de formation des équipes et de conformité, et vérifier les aides mobilisables, notamment via les dispositifs de financement de la formation professionnelle, selon le statut et le secteur.