Singapour veut apprendre aux élèves à utiliser l’IA sans externaliser leur réflexion

Le défi n’est donc plus simplement de fournir des ordinateurs. Les élèves doivent apprendre à questionner une réponse générée, repérer une erreur plausible et déterminer si l’utilisation de l’IA respecte l’objectif pédagogique d’un exercice.

Le risque : déléguer l’effort qui fait apprendre

La délégation cognitive n’est pas nécessairement mauvaise. Nous utilisons tous des outils externes pour réduire une charge mentale inutile : une calculatrice, un dictionnaire ou un correcteur peuvent libérer de l’attention pour des tâches plus exigeantes.

Le problème apparaît lorsqu’un élève confie à l’IA l’opération centrale de l’apprentissage avant d’avoir essayé de la réaliser seul. Il peut lui demander de construire l’argument, d’interpréter les éléments de preuve, de résoudre un problème inédit ou de rédiger l’explication avant même d’avoir formulé une première réponse.

Le résultat immédiat peut sembler convaincant : un texte plus fluide, une résolution plus rapide et moins d’erreurs visibles. Mais cette apparente réussite peut dissimuler un apprentissage fragile. L’élève risque de ne pas disposer du modèle mental nécessaire pour :

• repérer une affirmation fausse mais vraisemblable ;
• adapter une idée à un problème nouveau ;
• expliquer pourquoi un raisonnement est convaincant ;
• voir quelles preuves manquent ;
• défendre son travail sans l’aide de l’outil.

C’est dans ce contexte que les enseignants parlent de l’effort fécond — ou productive struggle : se souvenir, essayer, se tromper, recevoir un retour et corriger. Supprimer chaque difficulté peut rendre l’exercice plus facile, mais aussi retirer la pratique qui permet précisément au raisonnement de se développer.

Ce que montrent les recherches — et leurs limites

Les travaux disponibles justifient la prudence, sans permettre d’affirmer que toute utilisation de l’IA affaiblit la pensée critique.

Une revue exploratoire consacrée à l’IA générative dans l’enseignement supérieur décrit des bénéfices pour l’écriture, le retour pédagogique, la résolution de problèmes et la recherche. Elle relève toutefois des risques liés à la délégation cognitive, à la dépendance et à l’autonomie de l’apprenant.

Une revue systématique plus large portant sur 89 études conclut elle aussi à des effets variables selon les conditions d’utilisation. Elle relève des résultats positifs dans 40,4 % des études et des effets mixtes ou dépendant du contexte dans 23,6 % d’entre elles. La dépendance excessive, la diminution de l’autonomie analytique et la délégation cognitive figurent parmi les principaux risques rapportés.

D’autres synthèses aboutissent à une conclusion comparable. Lorsque des outils d’IA généralistes contournent l’effort nécessaire à l’acquisition des compétences, les facultés de niveau supérieur — analyse, raisonnement et créativité — peuvent être fragilisées. Les recommandations consistent notamment à établir d’abord les connaissances fondamentales, à enseigner la culture de l’IA et à introduire progressivement les outils.

La base scientifique reste néanmoins en construction. Les études n’emploient pas toujours la même définition de la pensée critique et portent sur des matières, des âges, des tâches et des formes d’assistance différentes. La conclusion la plus solide est donc conditionnelle :

L’IA a davantage de chances de soutenir l’apprentissage lorsqu’elle sert de tuteur, de partenaire de retour ou de contradicteur du raisonnement de l’élève. Elle risque davantage de l’affaiblir lorsqu’elle remplace l’interprétation et l’analyse fondamentales.

L’enjeu le plus important se situe peut-être dans l’écart entre réussite de la tâche et apprentissage durable. Un élève peut produire un meilleur devoir sans acquérir les connaissances ni le jugement que ce devoir devait lui permettre de développer.

De la détection du plagiat à la conception des apprentissages

Après le lancement public de ChatGPT en 2022, la réponse de nombreuses institutions s’est d’abord concentrée sur la triche, le plagiat et les outils de détection. Les politiques des universités singapouriennes montrent désormais une approche plus nuancée. L’IA peut être autorisée pour certains travaux, mais les règles dépendent du cours et les étudiants restent responsables de l’exactitude, de l’intégrité et de l’attribution de leur production.

Les recommandations de la National University of Singapore (NUS) demandent aux étudiants de signaler leur utilisation de l’IA, de vérifier les consignes auprès de leurs enseignants et d’assumer la qualité et l’intégrité de leur travail. La politique de l’université considère également comme un plagiat le fait de reprendre directement une production d’IA, ou de la paraphraser, sans la déclarer.

Les limites de la détection apparaissent elles aussi plus clairement. La Nanyang Technological University (NTU) a annoncé qu’elle cesserait d’utiliser son détecteur institutionnel d’IA à partir de 2027, en invoquant son manque de fiabilité et l’absence de validité empirique suffisante pour établir une faute académique. L’université veut plutôt accorder davantage d’importance à la documentation du processus de travail et à des déclarations standardisées d’utilisation de l’IA.

Cette évolution conduit à repenser l’évaluation. Plutôt que d’essayer de déterminer l’auteur d’un texte final, les enseignants peuvent rendre visible la manière dont l’étudiant est parvenu à sa conclusion grâce à :

• une première tentative réalisée sans assistance ;
• des brouillons successifs et l’historique des corrections ;
• des sources annotées ;
• une note réflexive sur le processus ;
• une explication orale ou une soutenance ;
• des éléments de preuve propres à la discipline, au contexte ou au projet ;
• des exercices demandant d’appliquer une notion à une situation nouvelle.

L’objectif n’est pas de rendre les évaluations « imperméables à l’IA », mais de rendre l’apprentissage évalué observable.

À quoi ressemble un usage responsable ?

Pour les élèves, la règle peut se résumer ainsi : utiliser l’IA après, avec ou contre sa propre réflexion — jamais à sa place.

Pour les élèves et les étudiants

1. Commencer sans assistance. Faire un plan, tenter de résoudre le problème, repérer des sources ou formuler une position provisoire avant d’ouvrir un outil d’IA.
2. Utiliser l’IA comme partenaire de réflexion. Lui demander de proposer des contre-arguments, de relever des présupposés, de suggérer des mots-clés, de créer des questions d’entraînement ou de critiquer un brouillon.
3. Considérer chaque réponse comme une affirmation, pas comme une preuve. Vérifier les faits, les citations, les références, les calculs et les interprétations auprès de sources primaires ou faisant autorité.
4. Conserver une trace de l’utilisation. Noter l’outil, les principales consignes, les résultats importants, les éléments retenus ou rejetés et la manière dont ils ont été vérifiés. Les recommandations de la NUS exigent déjà la déclaration de l’utilisation et la responsabilité personnelle ; certains départements demandent des tableaux plus détaillés.
5. Garder la maîtrise du raisonnement. Un étudiant doit pouvoir expliquer et défendre chaque affirmation importante sans dépendre de l’outil.

Pour les enseignants et les établissements

Les écoles et les universités peuvent clarifier leurs attentes en attribuant à chaque exercice un niveau d’autorisation :

• Interdite : l’activité mesure la mémorisation, le calcul, l’écriture sans assistance ou une autre compétence fondamentale.
• Autorisée avec déclaration : l’IA peut aider à la recherche, au retour sur un texte ou à la révision, mais son utilisation doit être documentée et le résultat vérifié.
• Attendue : les étudiants sont évalués sur leur capacité à interroger, améliorer ou contester une réponse générée.

Un parcours efficace pourrait suivre plusieurs étapes : première tentative sans assistance, retour guidé de l’IA, révision autonome, puis réflexion sur les éléments où l’outil avait raison, était incomplet ou se trompait.

Les enseignants doivent aussi distinguer la formulation de consignes sophistiquées de la compréhension réelle. Un prompt complexe ne prouve pas qu’un étudiant maîtrise le sujet. En revanche, une décision argumentée de rejeter une réponse d’IA pourtant plausible peut constituer une preuve plus solide de l’apprentissage.

Pour les plus jeunes, le MOE affirme que l’usage de l’IA doit servir l’apprentissage, être intentionnel, adapté à l’âge et au développement, sûr et responsable. Des informations récentes font également état d’une introduction progressive, sous supervision, d’outils développés par le MOE à partir de la quatrième année du primaire, ainsi que d’une formation élargie des enseignants. Les enfants ont donc besoin d’activités guidées et du soutien d’adultes, plutôt que d’un accès privé et sans cadre.

L’accès à l’outil ne suffit pas à créer une culture de l’IA

L’infrastructure numérique centralisée de Singapour peut réduire les écarts d’accès aux appareils et aux outils approuvés. Le MOE indique que les écoles bénéficient d’un soutien pour leurs infrastructures, leurs appareils et leurs logiciels, et que les élèves peuvent utiliser le SLS dans l’ensemble du système scolaire.

Mais l’égalité d’accès ne garantit pas une utilisation critique égale. Les élèves dont les familles disposent de davantage de temps, de confiance ou d’expérience éducative peuvent recevoir plus d’aide pour remettre une réponse en question, vérifier une source ou reconnaître une explication superficielle. Sans enseignement explicite, ces différences peuvent devenir une nouvelle forme d’inégalité scolaire.

Les établissements peuvent réduire cet écart en rendant les bons réflexes visibles et enseignables :

• montrer en classe comment vérifier une information et évaluer une source ;
• proposer des consignes structurées et des exemples de bons et de mauvais usages de l’IA ;
• enseigner la métacognition, c’est-à-dire la capacité à comprendre comment on sait que l’on maîtrise une notion ;
• fournir un accès supervisé à des outils encadrés par l’établissement ;
• former les enseignants afin que l’accompagnement ne dépende pas seulement de leur aisance personnelle avec l’IA.

L’orientation actuelle du MOE en matière de culture de l’IA inclut la compréhension de ses bénéfices, de ses limites et de ses risques, le questionnement des réponses produites et l’identification des biais ainsi que des informations fausses ou trompeuses.

La trajectoire de Singapour jusqu’en 2029

Les signaux politiques disponibles pointent vers une intégration plus profonde, et non vers un recul. Singapour devrait continuer à développer la culture de l’IA à tous les niveaux de la scolarité, à étendre les outils approuvés et à utiliser le SLS pour proposer des exercices personnalisés et des retours formatifs.

Dans l’enseignement supérieur, les universités devraient également privilégier la déclaration, la responsabilité et les règles propres à chaque cours plutôt que l’application fondée sur des détecteurs. Les évaluations accorderont probablement davantage de poids au processus, à l’application, au dialogue et au jugement — surtout lorsque l’objectif est de mesurer le raisonnement autonome.

Le véritable test sera de savoir si l’IA élargit la capacité des étudiants à réfléchir ou si elle remplace discrètement la pratique nécessaire à cette réflexion. Le modèle le plus cohérent pour Singapour n’est donc ni « l’IA partout » ni « l’IA nulle part », mais un usage structuré, avec des temps protégés pour l’effort sans assistance.

Les élèves devront sortir du système scolaire capables de travailler efficacement avec l’IA, de repérer ses erreurs, de décider quand ne pas l’utiliser et de produire un raisonnement solide lorsqu’elle n’est pas disponible. C’est la différence entre apprendre avec l’IA et lui déléguer son apprentissage.