Cette étude explore comment l'intelligence artificielle transforme les pratiques d'enseignement et d'apprentissage dans l'enseignement supérieur. Les auteurs révèlent un écart considérable entre les potentialités vantées par les promoteurs de l'IA et la réalité vécue par les enseignants et les étudiants.
L'enseignement supérieur fait face à une triple pression : massification des effectifs, exigence d'individualisation des parcours et accélération technologique. L'IA s'est imposée dans ce contexte comme une réponse séduisante, capable en théorie d'adapter les contenus à chaque apprenant, de corriger automatiquement les copies et de libérer l'enseignant des tâches répétitives. Mais qu'en est il dans les faits ?
Les auteurs mobilisent les théories de l'adoption technologique (TAM, UTAUT) pour structurer leur analyse. Ils postulent que l'impact de l'IA sur l'éducation ne dépend pas seulement des caractéristiques de l'outil mais aussi de l'utilité perçue par les enseignants, de leur sentiment de compétence technique et du soutien institutionnel dont ils bénéficient. Sans ces conditions, la technologie reste un gadget inutilisé.
L'étude combine une revue systématique de la littérature récente avec des données qualitatives issues d'entretiens auprès d'enseignants universitaires. Cette approche mixte permet de croiser les tendances globales identifiées dans les publications avec les expériences vécues sur le terrain. Les entretiens révèlent des nuances que les articles quantitatifs ne captent pas.
Les bénéfices documentés sont réels mais circonscrits : les systèmes de tutorat intelligent améliorent les performances dans les disciplines procédurales (mathématiques, langues), les outils d'analyse prédictive permettent de repérer les étudiants en difficulté. En revanche, dans les disciplines interprétatives (philosophie, histoire, littérature), l'IA peine à apporter une valeur ajoutée pédagogique et les enseignants expriment des réserves profondes.
Le résultat le plus frappant concerne l'identité enseignante. Plusieurs participants expriment la crainte que l'IA ne réduise leur rôle à celui de superviseur technique, vidant leur métier de sa dimension relationnelle et intellectuelle. L'IA ne menace pas seulement des tâches : elle menace le sens que les enseignants donnent à leur travail.
Si vous pilotez la transformation numérique d'un établissement ou d'un département de formation, commencez par associer les enseignants à la sélection des outils d'IA. Leur expertise disciplinaire et leur connaissance des étudiants sont irremplaçables pour distinguer les cas où l'IA apporte une valeur réelle de ceux où elle n'est qu'un écran de fumée.
Yetik (2025). The Impact of Artificial Intelligence on University Teaching Processes: An Analysis Based on Faculty Perspectives
Farrelly et al. (2024). Generative Artificial Intelligence: Implications and Considerations for Higher Education Practice
Baxter et al. (2025). Artificially Intelligent Colleagues: Assessing Lecturers' Perspectives on Generative Artificial Intelligence in UK Higher Education
Référence : Exploring the impact of artificial intelligence on teaching and learning in higher education. (2024).
Fagonner son travail : les salaries qui transforment leur poste de l'interieur
L'IA generative comme levier de job crafting : les premieres preuves empiriques
Resilience face a l'IA : les profils qui s'en sortent le mieux
Les travailleurs du savoir face à l'IA : des récits de transformation
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
