Cette étude mesure les attitudes et les perceptions des enseignants du supérieur face aux outils d'IA. Les résultats révèlent que l'acceptation dépend moins de facteurs techniques que de variables psychologiques et identitaires largement ignorées par les décideurs institutionnels.
Les recherches sur l'adoption technologique se concentrent souvent sur les comportements observables : qui utilise quoi et combien de fois. Cette étude fait le choix d'explorer les attitudes, c'est à dire les dispositions psychologiques qui précèdent et conditionnent l'usage. Comprendre pourquoi un enseignant accepte ou refuse l'IA permet d'anticiper les résistances avant qu'elles ne se cristallisent en opposition frontale.
L'étude s'inscrit dans le prolongement du Technology Acceptance Model (TAM) de Davis (1989), enrichi par des variables spécifiques au contexte académique : le sentiment d'auto efficacité technologique, la perception de la menace pour l'emploi et la conception personnelle du rôle d'enseignant. Ce dernier facteur s'avère décisif : les enseignants qui se définissent avant tout comme des transmetteurs de savoir sont plus réticents que ceux qui se voient comme des facilitateurs.
Un questionnaire standardisé a été administré à plusieurs centaines d'enseignants dans des établissements de profils variés. L'analyse factorielle confirme la structure attendue des construits et les régressions révèlent le poids relatif de chaque facteur. La variable la plus prédictive de l'acceptation n'est ni l'âge ni la discipline mais le sentiment de compétence face aux outils numériques.
Parmi les résultats les plus éclairants, le soutien institutionnel perçu (formations proposées, discours de la direction, ressources allouées) modère significativement la relation entre la menace perçue et le rejet de l'IA. Autrement dit, même les enseignants inquiets deviennent plus ouverts quand ils sentent que leur institution les accompagne plutôt que les abandonner face au changement.
Le message pour ceux qui gèrent des équipesInvestissez dans l'accompagnement visible et concret de vos enseignants ou collaborateurs face à l'IA. Le facteur le plus puissant pour réduire la résistance n'est pas la qualité de l'outil mais la perception que l'organisation prend soin de ceux qu'elle expose au changement. Annoncez un plan de formation, tenez vos engagements et mesurez l'évolution des attitudes.
Luckin et al. (2016). Intelligence Unleashed: An Argument for AI as a Tool for Learning
Popenici et al. (2017). Exploring the Impact of Artificial Intelligence on Teaching and Learning in Higher Education
Baxter et al. (2025). Artificially Intelligent Colleagues: Assessing Lecturers' Perspectives on Generative Artificial Intelligence in UK Higher Education
Référence Faculty attitudes and perceptions toward AI tools in higher education. (2024).
Vos outils technologiques ont une politique. Vous ne le saviez pas encore ?
Fagonner son travail : les salaries qui transforment leur poste de l'interieur
Vous l’avez déjà entendu, ce fameux "C’est trop cher". Mais que cache réellement cette remarque ?
Se rendre inutile est l'une des qualités les plus subtiles d'un leadership réussi
Ce biais permet de maintenir l'engagement des utilisateurs
Vos outils technologiques ont une politique. Vous ne le saviez pas encore ?
L'entretien comprehensif : la methode qualitative qui donne la parole aux gens
Vivre ensemble mais seuls : le paradoxe de l'individualisme contemporain
L’expérience client repose sur une connexion émotionnelle, une constance irréprochable et un équilibre harmonieux entre humain et digital.
Les récompenses variables peuvent être comparées aux machines à sous.
Le leadership efficace est moins une question de pouvoir formel qu'une compétence relationnelle
