Nous avons conçu un tuteur IA qui aide les étudiants universitaires à raisonner plutôt que leur donner des réponses

(MENAFN- The Conversation) Les étudiants utilisant l’IA pour tricher lors des devoirs ou des examens font beaucoup parler d’eux. Mais certains chercheurs soutiennent que le risque majeur de l’utilisation de l’IA par les étudiants est qu’ils n’apprennent tout simplement pas.

Environ 90 % des 1 100 étudiants américains interrogés en 2025 dans des universités de deux et quatre ans ont déclaré utiliser l’IA générative pour tout, de la rédaction de devoirs à la clarification de concepts complexes.

Mais lorsque les étudiants utilisent l’IA comme tuteur ou partenaire d’étude, et non comme générateur de réponses immédiates, cela facilite-t-il ou complique-t-il leur apprentissage ?

Nous sommes des économistes qui avons tenté de répondre à cette question en concevant un outil d’IA utilisant la fonction GPT personnalisée de ChatGPT, avec l’accès au web désactivé.

Nous avons nommé cet outil Macro Buddy et l’avons entraîné à guider certains étudiants d’un de nos cours de macroéconomie de premier cycle à l’Université du Wisconsin, La Crosse, à travers leur raisonnement plutôt que de leur donner directement des réponses.

Notre recherche, menée au printemps 2025, a montré que les étudiants utilisant Macro Buddy, en complément de discussions entre pairs, obtenaient de meilleurs résultats aux examens que ceux qui travaillaient seuls, sans cet assistant IA.

Rencontrez votre nouveau tuteur

L’un de nos cours de macroéconomie comptait 140 étudiants de premier ou deuxième année, répartis en quatre sections.

Les matériaux de cours, devoirs et examens étaient identiques dans toutes les sections. En général, il leur était interdit d’utiliser des outils d’IA ou de collaborer avec leurs camarades pendant les examens. Tous les tests se déroulaient en personne, sans référence à des notes ou autres documents.

Ainsi, les résultats aux examens reflétaient ce que les étudiants comprenaient et pouvaient expliquer par eux-mêmes, sans aide de l’IA ou d’une autre source extérieure.

Après que tous les étudiants ont passé leur premier examen, nous avons assigné aléatoirement chaque section à un format d’étude différent.

Un groupe devait travailler individuellement sans Macro Buddy ; un autre en groupe sans Macro Buddy ; un troisième individuellement avec Macro Buddy ; et un dernier en groupe avec Macro Buddy.

Nous voulions comparer comment différentes méthodes d’étude — travailler seul, en groupe, avec Macro Buddy ou en combinant les deux — influençaient leurs performances aux examens.

Compétences de Macro Buddy

Nous avons entraîné Macro Buddy à l’aide de transcriptions de cours, de diapositives et de questions de devoirs spécifiques à ce cours de macroéconomie.

L’accès à Internet de Macro Buddy était désactivé, il ne se basait donc que sur les matériaux fournis par l’instructeur.

Conçu comme un tuteur, et non comme une machine à réponses, Macro Buddy ne donnait pas de solutions complètes. Au lieu de cela, il posait des questions de suivi destinées à guider les étudiants vers une réponse.

Par exemple, si un étudiant demandait pourquoi une baisse des prix pourrait augmenter les dépenses des consommateurs, Macro Buddy ne fournirait pas une explication rapide et complète. Il pourrait plutôt demander ce qui arrive au pouvoir d’achat des gens lorsque les prix chutent. L’étudiant devrait alors relier les concepts et expliquer sa démarche, étape par étape, avec ses propres mots.

Cette distinction entre expliquer une idée et recevoir une réponse toute faite est importante.

Un outil d’IA qui se contente de fournir des réponses peut permettre aux étudiants de sauter la réflexion sur un problème. Une étude a montré que lorsque des étudiants universitaires comptent sur un chatbot comme béquille, leurs performances se dégradent lorsqu’ils n’y ont plus accès. Un outil qui pose des questions oblige les étudiants à faire le travail eux-mêmes, tout en recevant des conseils. C’est précisément ce processus qui favorise un apprentissage durable.

Ce qu’il est advenu de l’apprentissage des étudiants

Le seul groupe qui a continué à travailler individuellement, sans IA, a servi de groupe témoin.

Les trois autres groupes ont modifié leur méthode d’étude : l’un a commencé à travailler en groupe sans IA, un autre individuellement avec Macro Buddy, et le dernier en combinant travail en groupe et Macro Buddy.

Tous ont vu leur moyenne de scores diminuer lors du second examen, dans tous les groupes.

Mais dès le troisième examen, les différences entre sections sont devenues plus nettes.

Les étudiants utilisant à la fois Macro Buddy et la discussion en groupe ont obtenu les meilleures moyennes. Ceux utilisant uniquement Macro Buddy ont aussi obtenu de meilleurs résultats que ceux travaillant seuls sans Macro Buddy. Les étudiants en groupe sans Macro Buddy ont montré des améliorations plus faibles comparés aux autres.

Ce troisième examen a eu lieu plusieurs semaines après l’introduction de ces nouvelles méthodes d’étude.

À ce moment-là, les étudiants du groupe combiné pouvaient être plus à l’aise pour utiliser Macro Buddy afin de tester leur compréhension, tout en expliquant leurs idées à leurs camarades. Travailler avec des pairs oblige à articuler clairement sa réflexion et à répondre aux questions, ce qui peut approfondir la compréhension avec le temps.

Pourquoi cela importe

Certains critiques de l’IA craignent que les étudiants ne comptent sur l’IA pour faire les parties les plus difficiles de l’apprentissage. Cela reflète une peur que les étudiants cessent de pratiquer les compétences qui construisent leur expertise. En rencontrant des matériaux déroutants, en révisant leurs explications et en vérifiant leur compréhension, ils deviennent experts dans leur domaine.

Notre expérience suggère que l’érosion de l’apprentissage liée à l’utilisation de l’IA n’est pas inévitable.

Nous avons constaté que lorsque l’IA est conçue comme un tuteur posant des questions plutôt que simplement donnant des réponses — et lorsque les étudiants doivent aussi expliquer leur raisonnement à leurs pairs — la technologie peut soutenir l’apprentissage plutôt que le remplacer.

La plupart des étudiants utilisent aujourd’hui des chatbots généralistes qui ne sont pas conçus comme des tuteurs. Ils tapent une question et reçoivent une réponse. Mais nos résultats suggèrent que même de petits choix de conception, comme intégrer des questions d’orientation dans un chatbot IA, peuvent influencer la façon dont les étudiants s’engagent avec le contenu.

La discussion entre pairs apporte aussi quelque chose que l’IA ne peut pas fournir : la responsabilité sociale et l’exposition à des raisonnements alternatifs.

Ensemble, ces pratiques encouragent une réflexion plus active face aux problèmes.

Les preuves de notre expérience mettent en évidence une distinction pratique : l’IA peut être utilisée pour remplacer la réflexion ou pour la soutenir. L’impact dépend peut-être moins de la technologie elle-même que de la manière dont elle est structurée et intégrée à l’apprentissage.