ChatGPT à l'université : interdire coûte plus cher qu'accompagner

L'université française face à l'IA : choisir entre la peur et l'avenir

Un étudiant sur deux utilise déjà ChatGPT pour rédiger, reformuler ou structurer ses travaux universitaires. L'autre moitié ment, ou n'a pas encore trouvé comment s'y prendre. Face à cette réalité, les universités françaises ont eu, pendant deux ans, une réponse quasi uniforme : interdire, surveiller, sanctionner. Mais cette stratégie commence à montrer ses limites — et certains établissements pionniers prouvent qu'il existe une autre voie.

Le réflexe de l'interdiction : une illusion de contrôle

Lorsque ChatGPT a dépassé le million d'utilisateurs en cinq jours fin 2022, les responsables pédagogiques ont paniqué. La réponse institutionnelle a été prévisible : chartes anti-IA, logiciels de détection, menaces de sanctions disciplinaires. Sciences Po Paris, parmi d'autres, a publié des règles strictes encadrant — voire prohibant — l'usage des outils génératifs dans les rendus.

Le problème ? Les outils de détection ne fonctionnent pas. GPTZero, Turnitin IA Detector et leurs équivalents affichent des taux de faux positifs alarmants. Des textes entièrement rédigés par des humains sont régulièrement signalés comme générés par une machine, tandis que des productions IA soigneusement retravaillées passent sans alerte. Accuser un étudiant sur la foi d'un algorithme défaillant, c'est jouer avec des carrières académiques.

Mais surtout, interdire ne fait pas disparaître le problème. Cela le déplace dans l'ombre.

Ce que les universités perdent à jouer la carte du blocage

Quand une université interdit sans expliquer, elle envoie un message paradoxal à ses étudiants : "Préparez-vous à un monde professionnel saturé d'IA, mais n'y touchez pas pendant vos études." Le fossé entre la formation académique et les exigences du marché du travail se creuse chaque semestre.

• Les employeurs, eux, n'interdisent pas. Cabinets de conseil, agences de communication, startups, grands groupes industriels : tous intègrent des outils IA dans leurs workflows. Un diplômé incapable de prompter efficacement Claude ou de critiquer une output de Gemini arrive désavantagé.
• La créativité critique s'atrophie. L'enjeu n'est pas de savoir si un étudiant a utilisé l'IA, mais s'il est capable d'évaluer, de corriger et de dépasser ce qu'elle produit. C'est précisément cette compétence que l'interdiction empêche de développer.
• La confiance se fracture. Une politique perçue comme déconnectée de la réalité érode l'autorité pédagogique bien plus sûrement que l'IA elle-même.

Les pionniers qui ont choisi l'accompagnement

Certains établissements ont pris le pari inverse — et les résultats sont instructifs.

À l'Université de Bordeaux, des enseignants en sciences humaines ont intégré des exercices de "dialogue critique avec l'IA" : les étudiants soumettent une question à ChatGPT, analysent la réponse, identifient les biais et les lacunes, puis construisent leur propre argumentation en réfutation ou en complément. L'IA devient un sparring partner intellectuel plutôt qu'un raccourci.

À HEC Paris, des cours entiers de stratégie intègrent désormais des outils comme Perplexity et Claude pour la veille concurrentielle, à condition que chaque output soit sourcé, vérifié et commenté par l'étudiant. Le plagiat ne disparaît pas, mais il devient visible — et pédagogiquement exploitable.

Ces approches ont un point commun : elles déplacent l'évaluation de la production vers le processus. Ce qui est noté, ce n'est plus seulement le rendu final, mais la capacité à raisonner sur ce que l'IA a produit.

Repenser l'évaluation de fond en comble

C'est là le vrai chantier. Si les dissertations et les rapports écrits hors-surveillance peuvent être délégués à une IA, alors l'évaluation universitaire doit évoluer — pas l'inverse.

Quelques pistes concrètes que plusieurs établissements étrangers (MIT, University of Edinburgh, TU Delft) expérimentent déjà :

• Les soutenances orales comme complément systématique aux rendus écrits
• Les journaux de bord de recherche documentant le processus de réflexion étape par étape
• Les travaux en conditions surveillées réservés à la validation des compétences fondamentales
• Les projets à ancrage local — terrain, enquêtes, cas réels — qu'aucune IA ne peut traiter sans l'étudiant

Ce que l'État doit faire — et vite

Le Ministère de l'Enseignement Supérieur a publié en 2024 des recommandations sur l'IA dans l'éducation. Des recommandations. Pas de cadre national clair, pas de formation obligatoire des enseignants, pas de ressources dédiées. Pendant ce temps, chaque composante universitaire improvise sa propre politique, créant une inégalité de traitement flagrante entre les étudiants selon leur établissement, leur filière, voire leur enseignant.

Une politique nationale cohérente devrait poser trois principes simples : transparence sur l'usage de l'IA dans les travaux, formation à l'esprit critique face aux outputs génératifs, et adaptation des modalités d'évaluation à la réalité des outils disponibles.

La vraie question n'est pas "l'IA triche-t-elle ?"

La vraie question est : qu'est-ce que l'université est censée certifier ? Si c'est la capacité à produire un texte sans aide, alors oui, l'IA est une menace. Mais si c'est la capacité à penser, à argumenter, à s'adapter et à résoudre des problèmes complexes — alors l'IA, bien utilisée, devient un outil d'amplification de ces compétences, pas leur substitut.

Les universités françaises ont formé des générations à maîtriser la calculatrice sans craindre qu'elle remplace les mathématiciens. Il est temps d'appliquer la même logique à l'intelligence artificielle — avant que le retard ne devienne irrattrapable.

— Reservoir Live