Proposition d’une tribune
Apprendre à penser à l’école à l’heure de l’intelligence artificielle
Par Dr Benjamin SIA
Enseignant-chercheur en technologies éducatives
Université Thomas SANKARA
(Ce texte fait suite à une communication que j’ai présentée lors du symposium « Intelligence Artificielle et pensée critique à l’école », qui s’est tenu du 9 au 11 novembre 2026 à l’École Normale Supérieure (ENS) de Ouagadougou)
Un devoir bien rédigé ne dit pas toujours ce que l’apprenant a compris. Avec surtout l’intelligence artificielle générative, cette question prend une place nouvelle dans le travail scolaire. Comment bénéficier de son aide tout en préservant l’apprentissage et la capacité à juger par soi-même ? Pour l’école, au Burkina Faso comme ailleurs, il en va aussi de la formation du citoyen.
Imaginons deux apprenants devant un même devoir : rédiger un texte argumentatif sur les conséquences de l’orpaillage clandestin sur l’environnement. Le premier consulte des notes, cherche des informations, hésite entre plusieurs idées et reprend ses phrases. Le second soumet la consigne à une intelligence artificielle et reprend le texte obtenu. Les copies peuvent sembler de qualité comparable. Mais les deux apprenants ont-ils appris la même chose ?
La question dépasse celle de la tricherie.Elle touche à ce que l’école cherche à faire acquérir à travers un exercice : des connaissances, une manière de raisonner et la capacité à expliquer ses choix. Si l’apprenant obtient une réponse sans effectuer ce travail, que reste-t-il de l’apprentissage ?
Développer la pensée critique pour former des citoyens
L’école a entre autres pour mission d’aider les apprenants à développer leur pensée critique. Au fil des apprentissages, ils doivent pouvoir comprendre ce qu’ils apprennent, poser des questions et examiner les raisons qui permettent de tenir une information pour vraie. Il ne s’agit pas de leur apprendre à tout contester, mais à former leur jugement et à accepter de le revoir lorsque de nouveaux éléments le justifient.
Cet apprentissage prépare à la vie citoyenne. Devant une information diffusée sur les réseaux sociaux, une promesse politique ou une décision qui concerne sa communauté, le citoyen doit pouvoir s’interroger sur les sources, comparer les arguments et apprécier les conséquences des choix proposés. La pensée critique aide aussi à débattre avec les autres : écouter un avis différent, expliquer son désaccord et reconnaître que l’on peut se tromper.
L’usage de l’intelligence artificielle à l’école doit être envisagé à la lumière de cette mission. Un apprenant qui reprend une réponse sans la comprendre ni la vérifier peut rendre un devoir satisfaisant tout en passant à côté d’un apprentissage. Or, les capacités qu’il doit exercer dans ce travail lui serviront aussi à prendre des décisions et à participer à la vie collective. L’école doit donc lui apprendre à bénéficier de l’aide de l’IA tout en restant capable d’examiner ses réponses et de justifier ses propres choix.
Obtenir une réponse ne signifie pas la comprendre
Ici encore, prenons un exemple : un apprenant demande à une IA d’expliquer les causes du changement climatique. Il reçoit un texte clair, organisé et convaincant. Pour autant, a-t-il compris les mécanismes décrits ? Peut-il les expliquer avec ses propres mots, donner un exemple ou répondre à une question qui n’apparaît pas dans le texte ? C’est dans ce travail de reprise que sa compréhension peut être appréciée.
La qualité de la rédaction peut aussi donner une impression trompeuse de fiabilité. Une réponse bien formulée peut contenir une erreur, omettre un élément ou présenter comme certaine une affirmation qui mérite d’être discutée. L’apprenant doit donc apprendre à demander sur quoi repose cette réponse et comment il pourrait la vérifier. Cette exigence vaut pour les contenus produits par l’IA comme pour les autres sources d’information.
Quand l’aide prend la place de l’exercice
Nous nous appuyons tous sur des outils pour alléger certaines tâches. Un agenda nous évite d’oublier un rendez-vous ; une calculatrice facilite un calcul. Cette délégation cognitive n’est pas nécessairement négative. À l’école, cependant, il faut tenir compte de ce que l’apprenant est en train d’apprendre. La difficulté apparaît lorsque l’activité déléguée constitue la compétence même que l’école cherche à développer. Elle soulève principalement deux questions :
Si l’objectif pédagogique est d’apprendre à argumenter, que se passe-t-il lorsque l’apprenant demande à l’IA de construire toute son argumentation ?
Si l’objectif est d’apprendre à résoudre un problème, que devient cet apprentissage lorsque la machine fournit immédiatement la solution et les étapes de résolution ?
Une étude publiée en 2025 dans la revue PNAS par Hamsa Bastani et ses collègues illustre cette difficulté. Menée auprès de près de mille lycéens en mathématiques en Turquie, elle montre que les élèves aidés par une interface d’IA proche d’un agent conversationnel ordinaire réussissent mieux pendant les exercices accompagnés. Mais, lors de l’évaluation ultérieure sans IA, leurs résultats sont inférieurs de 17 % à ceux du groupe ayant travaillé sans cette assistance. Ces résultats concernent un dispositif précis et ne permettent pas de conclure que tout usage de l’IA nuit à l’apprentissage. Cependant, ils rappellent que réussir avec un outil et savoir faire seul sont deux choses différentes.
Une autre recherche, présentée en 2025 par Hao-Ping Lee et ses collègues, porte sur 319 professionnels exerçant des activités intellectuelles. Une confiance plus élevée dans l’IA y est associée à une moindre mobilisation déclarée de la pensée critique. Cette enquête ne concerne pas des apprenants et ne démontre certes pas de lien de cause à effet. Elle invite par contre à s’interroger sur l’effort de vérification que nous consentons lorsque nous faisons confiance à la machine.
Pour l’école, le risque est de laisser s’installer une habitude : accepter une réponse, puis solliciter de nouveau l’outil dès qu’il faut l’expliquer ou la discuter. L’apprenant doit pouvoir prendre du recul sur l’aide reçue.
Utiliser l’IA pour exercer son jugement
L’IA peut aussi fournir des occasions de réfléchir. Un apprenant peut rédiger une première argumentation, puis demander à l’outil de lui opposer des objections. Il lui revient alors de les examiner, de décider lesquelles sont pertinentes et d’expliquer pourquoi il modifie ou maintient sa position.
L’enseignant peut également proposer un texte généré par une IA et inviter la classe à en vérifier les affirmations. Les apprenants comparent les informations à d’autres sources, recherchent les éléments manquants et discutent les conclusions. Une réponse correcte mérite elle aussi d’être examinée : il faut pouvoir dire ce qui permet de lui accorder du crédit.
Pour résoudre un problème, l’apprenant peut recevoir un indice ou une explication complémentaire, puis poursuivre lui-même. Une nouvelle tâche réalisée sans assistance permet ensuite de voir ce qu’il a compris. Le rôle de l’enseignant consiste à organiser ces étapes et à ajuster l’aide aux difficultés rencontrées.
Tenir compte des réalités de l’école burkinabè
Au Burkina Faso, ces activités doivent être pensées en fonction des équipements et de la connexion disponibles. La participation d’un apprenant ne devrait pas dépendre de la possession d’un téléphone ou d’un accès personnel à Internet. Un texte généré à l’avance par l’enseignant peut être imprimé ou projeté, puis étudié collectivement. On peut ainsi apprendre à examiner les réponses de l’IA sans que chacun soit connecté.
Les sujets liés aux réalités locales offrent aussi des occasions de travail. Comment l’IA décrit-elle une pratique culturelle, une situation éducative ou une réalité linguistique ? Quels éléments retient-il ou laisse-t-il de côté ? La confrontation avec des sources documentaires et des connaissances du contexte permet d’examiner ses propositions sans les accepter ni les rejeter d’emblée.
Ces démarches demandent une formation des enseignants. Au-delà de la prise en main des outils, il faut apprendre à concevoir les activités, à repérer les difficultés et à apprécier les acquis des apprenants. Les institutions éducatives doivent accompagner cette formation, en prévoyant du temps et des ressources adaptés aux conditions de travail.
Évaluer ce que l’apprenant peut expliquer et refaire
L’évaluation doit elle aussi évoluer. La qualité du devoir remis reste utile, mais elle ne suffit plus à montrer ce que l’apprenant maîtrise. Ses premiers essais, les sources consultées et les raisons de ses corrections peuvent aider l’enseignant à comprendre son cheminement.
Une courte explication orale ou un exercice réalisé en classe peut compléter le travail rendu. L’apprenant doit savoir à quel moment l’aide de l’IA est autorisée et quelles opérations il est attendu qu’il réalise lui-même. Ces règles prennent leur sens lorsqu’elles sont reliées à ce qu’il doit apprendre.
L’école doit préserver des moments où l’on cherche, où l’on hésite et où l’on reprend une idée après avoir compris son erreur. Ces étapes permettent de s’approprier les connaissances et d’apprendre à raisonner. L’IA peut y contribuer, à condition que son usage laisse une place à ce travail. Pour ce faire, la question directrice permanente devra être : avec l’IA, que doit continuer à apprendre l’apprenant pour demeurer capable de penser, de comprendre et de décider par lui-même ?
En réponse à ce défi, l’école ne peut se contenter de former des individus sachant simplement extraire des réponses. Son ambition première reste de façonner des esprits autonomes. Face à la facilité déconcertante avec laquelle la machine produit des solutions, l’urgence est d’apprendre à en examiner les fondements. C’est l’unique manière de forger des citoyens éclairés, capables de nourrir le débat public, d’interroger la portée de ce qu’ils lisent et d’assumer leurs propres choix.
Sources citées
Bastani, H. et al. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS, 122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122
Lee, H.-P. et al. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI 2025. https://doi.org/10.1145/3706598.3713778
