Un professeur d’économie à Brown University a soupçonné que la plupart de ses 86 étudiants avaient utilisé l’IA pour un examen à domicile quand la moyenne a atteint 96 %, contre les habituels 65-80 %. Beaucoup avaient utilisé une démonstration mathématique contournée identique à celle de ChatGPT, au lieu de l’approche directe plus évidente.

Il a averti les étudiants et fait l’examen final en classe, surveillé. Dix-huit étudiants ont abandonné le cours, neuf ne se sont pas présentés. La moyenne s’est effondrée à 48,6 %, le pire résultat jamais enregistré pour ce cours. Seuls quelques-uns ont obtenu des scores proches de ceux du premier examen. Dix-neuf étudiants ont échoué.

Pourquoi cela te concerne. Deux études récentes confirment le même pattern à grande échelle. Une étude chinoise portant sur 26 000 étudiants a montré que six mois après l’adoption de l’IA, les notes des devoirs avaient augmenté de 18 % tandis que les notes des examens surveillés avaient baissé de 20 %. L’effet complet se manifeste en environ deux ans, les meilleurs étudiants perdant jusqu’à 24 % de leurs performances. Une étude de l’UC Berkeley sur 500 000 notes montre que dans les cours avec de nombreux devoirs non surveillés, le pourcentage de A a augmenté de 13 points de pourcentage après le lancement de ChatGPT.

Si tu enseignes ou si tu apprends à utiliser l’IA, voici le problème central : l’IA qui fait le travail à ta place ne t’autonomise pas, elle t’affaiblit. La question n’est pas d’interdire les outils, mais de comprendre où la compétence de base doit tenir même sans.

En détail

Le contexte : ce qui existait avant

Les examens à domicile existaient depuis toujours, mais reposaient sur un pacte implicite d’honnêteté académique. ChatGPT et les autres modèles ont rompu ce pacte parce que l’étudiant moyen peut maintenant obtenir des réponses de qualité professionnelle en quelques secondes, sans que le professeur puisse les distinguer de celles authentiques en regardant uniquement le résultat final.

Roberto Serrano, le professeur du cas Brown, a passé les questions d’examen par ChatGPT et a obtenu des réponses quasi identiques à celles de nombreux étudiants, y compris un choix de démonstration mathématique inhabituel qu’aucun étudiant n’avait jamais utilisé auparavant. La moyenne de 96 % était une anomalie statistique évidente : ce cours avait toujours eu des moyennes entre 65 % et 80 %.

Les chiffres des études à grande échelle

L’étude chinoise a suivi plus de 26 000 étudiants de la septième à la douzième année pendant 30 mois. Six mois après le début de l’utilisation de l’IA :

• Les notes des devoirs à domicile ont augmenté de 18 %
• Le temps d’accomplissement a baissé de 64 à 45 minutes
• Les notes des examens surveillés ont baissé de 20 %
• Aux examens d’admission universitaire, la perte à long terme a été entre 18 % et 24 %
• 81 % des utilisateurs fréquents d’IA montrait le pattern complet : devoirs rapides, notes élevées aux devoirs, performances effondrées aux examens

Les meilleurs étudiants ont été les plus touchés : ils ont perdu jusqu’à 24 % de leurs performances. L’effet complet se manifeste en environ deux ans, suggérant une détérioration progressive des compétences de base.

L’étude de l’UC Berkeley a analysé plus de 500 000 notes dans une grande université de recherche au Texas. Dans les cours avec de nombreux devoirs écrits ou de programmation, le pourcentage de notes A a augmenté de 13 points de pourcentage après le lancement de ChatGPT en novembre 2022. L’effet était concentré dans les devoirs non surveillés : les cours reposant principalement sur les devoirs à domicile ont vu une augmentation de 16 points de pourcentage supérieure par rapport aux cours reposant davantage sur les examens surveillés.

Ce qui change

Le cas Brown montre la réaction institutionnelle : le professeur a annulé l’examen à domicile et a augmenté le poids de l’examen final à 80 % de la note totale. L’université a réagi de manière « timide », selon Serrano, lui demandant simplement de signaler chaque cas individuellement. Il voulait une position plus forte : « Nous ne pouvons pas nous permettre d’avoir une société où une fraction significative de nos meilleures jeunes esprits pense que tricher est OK. Cela mène à une société en déclin, à une société ratée… Nous ne pouvons pas choisir de devenir idiots ».

Les limites de ce que nous savons

Les études montrent une corrélation claire, mais ne peuvent pas distinguer les étudiants qui utilisent l’IA comme support de ceux qui l’utilisent comme substitut complet. Le pattern émerge au niveau agrégé : il ne dit rien sur la façon dont chaque étudiant utilise l’outil.

Le cas Brown repose sur un soupçon fort mais pas sur des preuves directes pour chaque cas de triche individuel. La démonstration mathématique inhabituelle et la moyenne anormale sont des indices forts, mais ne constituent pas une preuve pour chaque étudiant.

Les implications pratiques

Si tu enseignes, les chiffres montrent que les devoirs à domicile non surveillés ne mesurent plus ce que tu pensais mesurer. La conception de l’évaluation doit changer : plus d’examens surveillés, ou des devoirs qui demandent de montrer le processus au-delà du résultat.

Si tu apprends à utiliser l’IA, la leçon est claire : l’IA qui fait le travail à ta place ne t’autonomise pas, elle t’affaiblit. L’utiliser pour faire les devoirs que tu devrais pouvoir faire seul te laisse avec de meilleures notes aujourd’hui et pires compétences demain. L’effondrement arrive quand tu dois travailler sans filet.

Si tu construis des outils IA pour l’éducation, la conception compte : un outil qui répond directement au lieu de guider produit la dépendance, pas l’apprentissage.