Former, à l’épreuve de la machine

Le 13 août 2026, le MIT a publié un rapport très attendu sur l’usage de l’IA dans l’enseignement. On pouvait redouter une charte de plus. C’est tout autre chose : un constat lucide, non pas sur les outils, mais sur ce que l’IA fait au métier même de former.

La thèse tient en une phrase : le vrai danger n’est pas que l’IA fasse le travail à la place des apprenants, c’est qu’elle les prive de l’occasion d’apprendre. Obtenir la bonne réponse d’un agent crée l’illusion d’un apprentissage, tout en déclenchant ce que les auteurs nomment la « capitulation cognitive » : le réflexe de se replier sur l’IA à la première difficulté.

Ce constat nous concerne directement, nous qui bâtissons des parcours en CFA, en école ou en organisme de formation. Car l’IA ne se contente pas de fragiliser les modalités d’évaluation : elle rebat les cartes de la relation formateur-apprenant, de la valeur du présentiel, et de ce que nous cherchons réellement à faire acquérir.

La bonne question n’est plus « IA ou pas ? », mais : qu’est-ce que l’apprenant doit encore savoir faire sans elle ?

La veille utile

Augmenter, pas automatiser

Le MIT reprend l’idée d’une IA « pro-travailleur » pour plaider une IA « pro-apprenant » : celle qui élargit ce qu’un apprenant peut penser, créer et résoudre, sans jamais lui retirer l’effort qui produit l’apprentissage.

Un contrat social pédagogique

Policer l’usage de l’IA abîme le lien de confiance. Le rapport invite à reconstruire une culture partagée où la contrainte se justifie par l’apprentissage qu’elle protège, plutôt que par une règle imposée d’en haut.

Les détecteurs d’IA, une impasse

Peu fiables, générateurs de faux positifs qui pénalisent notamment les non-natifs et les profils atypiques, ils installent un climat de suspicion. Mieux vaut concevoir des évaluations robustes que courir après la détection.

Le chiffre à retenir

Au MIT, plus des deux tiers des étudiants jugent l’IA importante pour leur carrière, mais seuls 25 % estiment que l’institution les prépare à l’utiliser. L’écart entre usage massif et accompagnement structuré reste le vrai chantier.

La méthode

Le menu IA à quatre niveaux, à préciser séquence par séquence

Le MIT propose une boussole : la conception à rebours. Plutôt que d’autoriser ou d’interdire l’IA a priori, on part de la finalité (que doit savoir, savoir-faire et comprendre l’apprenant à la sortie ?), et la place de l’IA s’en déduit. Voici le menu transposé à un module de formation, à afficher dans le programme et à justifier au regard des compétences visées.

1. Usage libre. Toute IA, pour tout usage. Pertinent quand l’évaluation se fait en présentiel sans IA, ou quand intégrer et évaluer la production de l’IA fait partie du travail.

2. Usage encadré, appui uniquement. L’IA aide à comprendre, reformuler, déboguer, mais ne produit pas la solution ; comme l’aide d’un pair ou d’un tuteur. À préciser : quelles étapes l’autorisent, lesquelles l’excluent.

3. Usage requis. L’IA devient objet d’apprentissage : prompt, critique des sorties, collaboration humain-IA, évaluation des systèmes. L’apprenant documente ses interactions.

4. Usage interdit. Aucune IA. Difficile à contrôler hors présentiel : à réserver aux séquences évaluées sur place, et à toujours accompagner d’une justification pédagogique claire.

Rendue explicite et adossée aux compétences visées, cette politique s’articule sans friction avec vos référentiels RNCP / RS et vos exigences Qualiopi : elle devient un élément de preuve de la qualité de vos parcours, pas une contrainte subie.