À l'ère de ChatGPT, la compétence reine n'est plus de savoir. C'est de savoir si l'on sait.

Dans une classe de troisième, un professeur d'histoire-géographie tend une copie à un élève. La dissertation est bien construite, les références sont en place, la conclusion est tranchée. Note : 14/20. L'élève la reçoit, satisfait. Puis le professeur lui pose une question simple : « Tu peux me dire ce qui, dans ce que tu as écrit, est faux ? »

L'élève reste muet. Pas parce qu'il ne sait pas répondre. Parce qu'il n'a jamais appris à se poser cette question. Évaluer la qualité de ce que l'on vient de produire, identifier ses propres erreurs, repérer où l'on s'est trompé sans qu'un correcteur extérieur le pointe — cela porte un nom : la métacognition. Et selon notre rapport S1, c'est devenu, à l'ère de l'IA générative, la compétence d'apprentissage prioritaire pour la génération entrant à l'école aujourd'hui.

Métacognition : de Flavell à Dehaene

Le concept de métacognition a été formalisé par le psychologue américain John Flavell dans les années 1970. Sa définition : la capacité à réfléchir sur ses propres processus cognitifs — à savoir ce que l'on sait, à savoir comment on apprend, à évaluer la qualité de ses raisonnements. Cinquante ans plus tard, les neurosciences cognitives ont largement confirmé l'importance de cette capacité. Stanislas Dehaene, dans son ouvrage de référence « Apprendre ! », la place parmi les quatre piliers fondamentaux de l'apprentissage.

Dans un monde sans IA générative, la métacognition était importante mais pas critique. La majorité des productions cognitives d'un élève passaient par sa propre tête, qu'il s'agisse de comprendre un texte, de résoudre un problème, ou d'écrire une dissertation. Les erreurs étaient ses erreurs. Les réussites étaient ses réussites. L'écart entre ce qu'il croyait savoir et ce qu'il savait réellement restait modéré, parce que l'épreuve quotidienne du travail mental ramenait régulièrement l'un vers l'autre.

Avec l'IA générative, ce mécanisme régulateur est rompu. L'élève peut désormais produire des textes, des raisonnements, des analyses qui ne sont pas les siens — mais qui paraissent l'être, et qu'il s'attribue sans peine. L'écart entre la perception du savoir et le savoir réel peut devenir gigantesque sans que rien ne le révèle. Sauf, précisément, une compétence métacognitive développée.

Ce que les études récentes ont mesuré

Une étude de l'université Stanford publiée en mars 2025 a comparé deux populations d'étudiants utilisateurs intensifs de ChatGPT. La première avait suivi un module explicite de formation à la métacognition (12 heures réparties sur un semestre). La seconde n'en avait pas suivi. Sur des tâches d'auto-évaluation de leurs propres productions IA-assistées, les premiers identifiaient correctement 67 % des erreurs présentes dans leurs textes. Les seconds n'en identifiaient que 23 %.

Plus frappant encore : à six mois, sur des tâches nouvelles sans assistance IA, les étudiants formés à la métacognition obtenaient des résultats supérieurs de 27 % à ceux du groupe témoin. Pas parce qu'ils savaient plus de choses — mais parce qu'ils savaient mieux ce qu'ils savaient, et donc utilisaient leurs connaissances de manière plus juste.

Cette inversion des priorités pédagogiques est l'une des révolutions cognitives les plus importantes de la décennie. Apprendre à savoir si l'on sait devient, pour la génération actuelle, plus déterminant qu'apprendre des contenus particuliers — précisément parce que les contenus sont désormais à un clic, mais que l'évaluation critique de ces contenus reste à apprendre.

Comment intégrer la métacognition dans les programmes

Le rapport Nexus propose une intégration explicite et progressive de la métacognition dans les programmes scolaires français, du CP à la terminale. Concrètement, cela passe par trois leviers. Premier levier : des modules dédiés dans les programmes existants (cycle 3, cycle 4, lycée général et technologique) — quelques heures par an, suffisantes pour exposer les élèves aux concepts et aux pratiques.

Deuxième levier : des formats d'évaluation qui sollicitent explicitement la métacognition. Faire commenter à l'élève sa propre production, lui demander d'identifier ses incertitudes, lui faire produire une auto-évaluation argumentée à côté de sa note. Cela suppose un changement de pratique enseignante massif, mais cela ne demande aucune ressource technologique nouvelle.

Troisième levier : la formation enseignante elle-même. Enseigner la métacognition demande des outils pédagogiques spécifiques, qui ne font pas aujourd'hui partie de la formation initiale standard. Le plan « Formation IA pédagogique 2026-2030 » évoqué dans la thèse 5 devrait intégrer un volet explicitement métacognitif.

Coût budgétaire estimé de l'ensemble : environ 220 millions d'euros sur cinq ans, principalement consacrés à la formation enseignante et à la production de ressources pédagogiques. C'est, au regard de l'enjeu, l'un des investissements éducatifs au meilleur rendement actuellement identifiable.

Et si l'on se trompait ?

Cette thèse serait à reconsidérer si une étude longitudinale rigoureuse montrait que les acquisitions traditionnelles suffisent à préparer les élèves à l'ère de l'IA générative, indépendamment de la métacognition explicite. À ce jour, toutes les études disponibles vont dans le sens inverse. Elle serait également à nuancer si les programmes de métacognition explicite produisaient des effets pervers (sur-réflexivité, paralysie analytique) supérieurs à leurs gains. Cette hypothèse a été testée dans plusieurs pays et n'a, à ce jour, jamais été confirmée empiriquement.

La métacognition est, dans l'histoire pédagogique récente, l'un des très rares concepts à faire consensus à la fois chez les sciences cognitives, chez les pédagogues de terrain, chez les neurobiologistes et chez les évaluateurs de politiques publiques. Le fait qu'elle ne soit toujours pas inscrite explicitement dans nos programmes scolaires est une anomalie. À l'ère de l'IA générative, cette anomalie devient un problème stratégique. C'est par cette compétence que nos élèves pourront, demain, se servir de l'IA sans s'en faire servir.

Nexus

Think tank associatif fondé en 2026. Analyses rigoureuses sur les transformations de la société française et européenne. Association loi 1901.

SIège social

Gouvernance

9 rue de Villeneuve
89190 Courgenay

© 2026 Nexus Think Tank - Association loi 1901

Président : L. Candotti
Vice-Président : A. Daguenet
Trésorier : K. Leygue

Fait pour le débat public