1\section{Ce que dit la recherche sur l'apprentissage avec l'IA}2\label{sec:recherche}3% ------------------------------------------------------------------------------45\begin{enbref}6Cinq études de 2025 convergent : l'IA utilisée comme béquille améliore la copie et dégrade la compétence ; utilisée avec des garde-fous pédagogiques, elle peut dépasser la classe. Le principe qui en découle, l'effort productif, fonde toute la politique du cours.7\end{enbref}89La question n'est pas « l'IA aide-t-elle ou nuit-elle ? » mais « \textbf{quel mode d'usage} aide, et lequel nuit ? ». Les meilleures études de 2024 à 2026 convergent sur une réponse claire.1011\subsection{Cinq études à connaître}1213\begin{description}[style=nextline,leftmargin=1.2em]1415 \item[Bastani et coll. (2025), \emph{PNAS} : l'IA sans garde-fous nuit à l'apprentissage.]16 Expérience de terrain auprès de près de mille élèves de mathématiques. Deux tuteurs : un ChatGPT standard (« GPT Base ») et un tuteur avec consignes pédagogiques (« GPT Tutor », qui donne des indices plutôt que la réponse). Pendant la pratique, les résultats grimpent de 48\,\% avec GPT Base et de 127\,\% avec GPT Tutor. Mais \textbf{quand on retire l'IA à l'examen}, les élèves ayant utilisé GPT Base font \emph{moins bien} que ceux qui n'avaient rien eu : ils ont utilisé l'outil comme une « béquille » et n'ont pas appris. Les garde-fous de GPT Tutor éliminent en grande partie cet effet négatif \parencite{bastani2025}.1718 \item[Kestin et coll. (2025), \emph{Scientific Reports} : un tuteur bien conçu peut dépasser la classe.]19 Essai randomisé croisé à Harvard (194 étudiants en physique). Avec un tuteur IA conçu selon les principes de l'apprentissage actif (rétroaction immédiate, engagement proactif, une notion à la fois, pas de réponse donnée d'emblée), les étudiants apprennent \textbf{plus du double} en moins de temps qu'en classe active, et se déclarent plus engagés \parencite{kestin2025}. Le point décisif : la conception pédagogique de l'outil, pas l'outil lui-même.2021 \item[Fan et coll. (2025), \emph{BJET} : la « paresse métacognitive ».]22 Expérience de laboratoire (117 étudiants, rédaction en langue seconde). Le groupe ChatGPT améliore le plus sa note de rédaction, mais \textbf{sans gain supérieur de connaissances ni de transfert}. Les traces d'activité montrent moins d'orientation et d'auto-évaluation : les étudiants déchargent sur l'outil précisément les processus qui font apprendre \parencite{fan2025}.2324 \item[Lee et coll. (2025), \emph{CHI} : confiance dans l'IA et pensée critique.]25 Enquête auprès de 319 travailleurs du savoir (936 exemples d'usage). Plus une personne fait confiance à l'IA, moins elle exerce sa pensée critique ; plus elle a confiance en ses \emph{propres} compétences, plus elle vérifie. La pensée critique se déplace vers la vérification de l'information, l'intégration des réponses et le pilotage de la tâche \parencite{lee2025}. C'est exactement la compétence qu'un évaluateur doit cultiver.2627 \item[Kosmyna et coll. (2025), MIT Media Lab : la « dette cognitive ».]28 Étude EEG (54 participants, 4 mois) sur la rédaction avec LLM, moteur de recherche ou sans aide. Connectivité cérébrale la plus faible dans le groupe LLM, plus faible sentiment d'appartenance au texte, difficulté à citer son propre travail \parencite{kosmyna2025}. Prépublication non révisée par les pairs, petit échantillon : à lire comme un signal, pas comme une preuve définitive, mais le signal va dans le sens des autres études.29\end{description}3031\subsection{Ce que les étudiants font réellement}3233Anthropic a analysé un million de conversations d'étudiants universitaires en 2025. Quatre modes d'usage d'ampleur comparable : demander une réponse directe, faire produire un contenu (résumé, texte), résoudre un problème en collaboration, créer un contenu en collaboration. Près de la moitié des échanges relèvent des deux premiers modes, où l'étudiant reçoit sans construire \parencite{anthropic_edureport}. Au Québec, 64\,\% des étudiants de l'UQAM sondés en 2025 utilisent l'IA générative, et l'usage « pour comprendre un sujet » est toléré par environ trois quarts des répondants \parencite{collimateur2025} ; 52\,\% des internautes québécois avaient utilisé un outil d'IA générative en octobre 2025, contre 33\,\% un an plus tôt \parencite{netendances2025}.3435\subsection{Conséquences pour vous}3637\begin{figure}[!htb]38\centering39\begin{tikzpicture}40 \def\R{2.6}41 \foreach \a/\txt/\ic/\col in {90/{\textbf{1. Résoudre}\\ seul, d'abord}/pencil-alt/uqoBleu, 18/{\textbf{2. Soumettre}\\ \emph{sa} démarche}/upload/uqoTeal, -54/{\textbf{3. Faire critiquer}\\ avec les repères du cours}/comments/uqoOr!80!black, -126/{\textbf{4. Corriger}\\ soi-même}/edit/uqoOrange, 162/{\textbf{5. Refaire}\\ sans outil}/redo/uqoVert}{42 \node[draw=\col,thick,fill=\col!10,rounded corners=4pt,align=center,font=\footnotesize\sffamily,text width=2.5cm,inner sep=4pt] (n\a) at (\a:\R) {\faIcon{\ic}\\ \txt};43 }44 \foreach \s/\t in {90/18,18/-54,-54/-126,-126/162,162/90}{45 \draw[flo,line width=1.2pt] (n\s) to[bend right=22] (n\t);46 }47 \node[align=center,font=\small\sffamily\bfseries,text=uqoBleu] at (0,0) {Le cycle de\\ l'effort productif};48 \node[etiq,text width=5.6cm,anchor=west] at (4.6,0) {Chaque tour du cycle \textbf{augmente} l'effort là où il fait apprendre (étapes 1, 4, 5) et utilise l'IA là où elle est fiable et utile (étapes 2, 3). Sauter l'étape 1 ou l'étape 5 transforme l'outil en béquille : la copie s'améliore, la compétence non \parencite{bastani2025,fan2025}.};49\end{tikzpicture}50\caption{Le cycle de l'effort productif : l'IA intervient là où elle est fiable, l'effort reste là où il fait apprendre}\label{fig:cycle}51\end{figure}5253\begin{okbox}[Le principe de l'effort productif]54Apprendre, c'est l'effort de retrouver, d'appliquer et de corriger soi-même. Toute utilisation de l'IA qui \textbf{supprime cet effort} (obtenir la réponse, faire écrire la justification) améliore la copie et dégrade la compétence. Toute utilisation qui \textbf{augmente cet effort} (se faire questionner, faire critiquer sa démarche, comparer deux approches, expliquer le concept à l'outil et se faire corriger) améliore les deux. Les évaluations du cours sont construites pour récompenser la seconde et pénaliser la première : données personnalisées par code permanent, ancrage dans des données réelles, démarche exigée à chaque calcul, entretien de vérification possible.55\end{okbox}5657Une règle pratique : si vous ne pouvez pas \textbf{refaire sans l'outil} ce que l'outil a produit pour vous, vous n'avez pas appris, et vous ne passerez pas l'entretien de vérification. Ce guide vous montre comment utiliser l'IA de manière à toujours pouvoir refaire.58