Afficher le sommaire Masquer le sommaire
Les professeurs le sentaient dans leurs copies. Les étudiants le savaient. Deux études publiées ce jeudi dans Science le mesurent désormais : depuis l’arrivée de ChatGPT, les mentions très bien ont bondi de 30 % et près d’un étudiant sur dix triche avec l’IA. Ce n’est que le début : les données de 2026, encore provisoires, montrent que le phénomène continue de s’accélérer.
Trente pour cent de mentions très bien en plus
Depuis l’automne 2022, les mentions très bien se sont multipliées de 30 % dans les matières directement exposées à l’intelligence artificielle générative. Ce chiffre est issu d’une recherche menée sur les données de 500 000 étudiants inscrits dans 319 matières d’une université du Texas, avec des relevés couvrant jusqu’à l’automne 2025. Les notes moyennes ont progressé dans l’ensemble des niveaux de résultats, pas seulement au sommet.
Les cours dont l’évaluation repose sur des travaux écrits ou de programmation concentrent l’essentiel de la hausse, là où confier une tâche à un outil comme ChatGPT ne demande que quelques secondes. Dans les cours à dominante orale, la progression reste marginale.
A LIRE AUSSI
L’IA rend-elle nos chercheurs moins performants ?
Les données de l’étude texane contredisent une idée répandue. Igor Chirikov, chercheur au Centre d’études sur l’enseignement supérieur de l’université de Californie à Berkeley et auteur principal de l’étude, établit que les étudiants qui progressent le plus ne sont pas ceux qui frôlaient l’échec, mais ceux qui évoluaient déjà dans la tranche moyenne et haute.
Le basculement se produit à la frontière entre mention bien et mention très bien : ce sont ces notes qui migrent vers le haut. Pour Chirikov, l’IA prend en charge le travail à la place de l’étudiant, sans que celui-ci acquière de nouvelles compétences. Il appelle ce phénomène un «déplacement des tâches».
9 % de tricheurs, un chiffre déjà dépassé
Science publie dans le même numéro une deuxième étude, conduite selon une méthode différente. Là où la première analysait les relevés de notes, celle-ci repose sur les déclarations des étudiants eux-mêmes. L’enquête a été menée auprès de 95 000 étudiants dans 20 établissements américains. En 2024, 9 % d’entre eux déclaraient avoir utilisé l’IA de façon frauduleuse, c’est-à-dire en présentant comme leur propre travail un texte ou un code produit par une machine. Ce chiffre ne couvre que la première année complète d’existence de ChatGPT.
Chirikov dirige actuellement la clôture d’une nouvelle collecte de données portant sur 2026. Les résultats préliminaires issus d’une poignée d’universités font apparaître une augmentation significative du recours à l’IA par les étudiants.
Les filières ne sont pas touchées de façon homogène. Les étudiants en économie arrivent en tête avec 17 % de cas de triche recensés, les étudiants en journalisme suivent à 16 %. En biologie, le taux tombe à 5 %. René Kizilcec, coauteur de l’étude et professeur à la faculté Ann S. Bowers d’informatique et de sciences de l’information de l’université Cornell, n’avance pas d’explication définitive sur ces écarts : les taux de mauvais usage varient selon le profil des étudiants qui choisissent chaque filière et selon le type de travaux utilisés pour les évaluer.
A LIRE AUSSI
Formation des médecins : un scandale français
Harvard : de 24 % à 60 % en vingt ans
L’inflation des notes dans les universités américaines précède largement l’IA. À Harvard, la proportion d’étudiants obtenant les meilleures mentions est passée de 24 % en 2005 à 60,2 % en 2025, selon un article scientifique distinct cité dans l’étude. Pendant deux décennies, les enseignants alimentaient cette dérive avec leurs propres incitations : une notation généreuse améliorait leurs évaluations par les étudiants, favorisait leur avancement, et offrait à leurs diplômés un avantage compétitif à l’entrée des formations de troisième cycle.
Ce que les deux études publiées jeudi documentent est d’une autre nature. Les notes montent non plus parce que les professeurs les gonflent, mais parce que des étudiants rendent des copies qu’ils n’ont pas rédigées. Des mentions très bien sont attribuées à des travaux produits par une machine, sans que l’enseignant puisse toujours le détecter.
L’Europe face au même engrenage
Les deux études ont été construites à partir de données américaines, mais leurs auteurs refusent d’en limiter la portée aux campus des États-Unis. Partout où un étudiant peut soumettre un devoir écrit produit par une machine, le même phénomène peut se produire, selon Chirikov : les notes montent sans que les compétences réelles progressent.
Des facteurs nationaux peuvent en moduler l’intensité : la part des examens en présentiel, le recours aux épreuves orales, la rigueur des systèmes de notation, le degré d’adaptation pédagogique des enseignants, ou la performance des outils d’IA dans des langues autres que l’anglais. L’effet serait moindre là où les professeurs ont déjà repensé leurs travaux, précise Chirikov.
Repenser les cours, un par un
Certains enseignants demandent déjà à leurs étudiants de documenter leur usage de l’IA dans chaque rendu, en précisant quelles parties du travail ont été produites avec une aide automatisée. Cette pratique reste limitée à certains types de tâches et ne se transpose pas à l’ensemble des matières.
Chirikov propose d’agir selon trois directions adaptées à chaque situation : des espaces supervisés pour évaluer la performance individuelle, une définition explicite des usages acceptables au cas par cas, et une refonte des travaux pour que l’IA y soit encadrée ou exclue selon les objectifs pédagogiques visés. Chaque matière appelle sa propre réponse, liée à ce que l’évaluation cherche précisément à mesurer.
Kizilcec pose la question de la motivation sous un angle emprunté à l’économie comportementale. Convaincre un étudiant de renoncer à un avantage immédiat au nom d’un bénéfice futur relève du même défi que celui des économistes comportementaux cherchant à inciter les gens à épargner tôt. Des examens comportant des tâches impossibles à déléguer à un outil automatisé créent une incitation concrète à apprendre, parce que les étudiants savent qu’ils seront un jour évalués sans assistance. Kizilcec juge crucial que les étudiants développent le discernement nécessaire pour savoir quand il vaut la peine d’investir un effort réel dans une tâche plutôt que de s’en remettre à une machine.
