I. Ce que ce sujet pose comme problème

L’IA générative est massivement présente dans le système éducatif français depuis 2023, non par décision institutionnelle mais par adoption directe des élèves. 78 % des lycéens utilisent ChatGPT pour leurs devoirs, 50 % au moins une fois par semaine (DEPP 2024). 35 % des collégiens en usage régulier. Cette diffusion massive s’est opérée sans encadrement pédagogique structuré, créant un effet « illusion de facilité » documenté. Le rapport S1, rapport pionnier Nexus, examine les designs pédagogiques de la transition cognitive avec 9 thèses consolidées et 45 conditions de falsifiabilité.

La thèse cardinale : le design pédagogique imposé techniquement aux outils IA est la variable d’ajustement principale, pas la technologie ni les recommandations pédagogiques aux enseignants. Cette inversion conceptuelle fonde une politique publique nouvelle articulant cahier des charges techniques, formation enseignante, évaluation rigoureuse, équité socio-scolaire et souveraineté pédagogique européenne.

Articulation aux transitions transverses Nexus

• cognitive (centrale : transformation des apprentissages, scaffolding, métacognition)

• mobilité (inégalités numériques territoriales)

• énergétique (coût énergétique des LLM, articulation avec souveraineté énergétique)

II. Les neuf thèses consolidées

THÈSE-2026-001 — L’illusion de facilité est l’effet cognitif dominant de l’IA générative à l’école

Statut épistémique : Thèse consolidée • Robustesse empirique : Forte

Énoncé.

L’IA générative produit des réponses qui paraissent satisfaisantes aux élèves et aux enseignants, mais qui occultent les étapes cognitives nécessaires à l’apprentissage durable. Cet effet « illusion de facilité » constitue le mécanisme central par lequel l’IA générative peut dégrader les apprentissages quand elle n’est pas pédagogiquement encadrée. Les élèves obtiennent des résultats apparemment corrects sans avoir parcouru les opérations mentales qui consolident les acquisitions.

Étayage.

Avis n° 12 du Conseil Scientifique de l’Éducation Nationale (CSEN) sur les effets cognitifs de l’IA générative à l’école. Études Stanford et MIT 2023-2024 sur les effets cognitifs documentés. Travaux du LIRMM, LIP6, LISN sur les usages éducatifs. Données DEPP sur les pratiques déclarées : 78 % des lycéens utilisent ChatGPT pour leurs devoirs, 50 % au moins une fois par semaine, sans encadrement pédagogique structuré documenté.

Conditions de falsifiabilité (5 conditions).

• Étude longitudinale rigoureuse 2025-2028 démontrant que les élèves utilisant l’IA générative sans encadrement obtiennent des résultats d’apprentissage durable (évalués 6 mois après) équivalents à ceux des élèves utilisant des designs pédagogiques avec scaffolding.

• Méta-analyse internationale convergente démontrant que l’effet « illusion de facilité » est compensé spontanément par l’usage répété sans intervention pédagogique.

• Démonstration empirique que les indicateurs d’apprentissage durable (rétention à 6-12 mois, transfert sur tâches nouvelles) ne se dégradent pas malgré l’usage massif documenté de l’IA générative sans scaffolding.

• Évolution sociologique majeure des usages élèves (par exemple, autorégulation spontanée massive) qui inverserait le constat actuel.

• Innovation technologique majeure (IA générative auto-scaffoldée par conception) qui éliminerait structurellement l’effet « illusion de facilité ».

Implications.

Communication publique structurée sur l’effet « illusion de facilité » destinée aux élèves, parents et enseignants. Formation enseignante explicite sur ce mécanisme. Cahier des charges pédagogique des outils IA déployés à l’école imposant un scaffolding par défaut.

THÈSE-2026-002 — Le scaffolding constitue le principe directeur du design pédagogique IA

Statut épistémique : Thèse consolidée • Robustesse empirique : Forte

Énoncé.

Le scaffolding (étayage progressif des apprentissages) doit constituer le principe directeur du design pédagogique de tout outil IA déployé à l’école. Les outils IA doivent être configurés techniquement pour soutenir les étapes cognitives nécessaires à l’apprentissage durable, et non pour les court-circuiter. Cette imposition est technique (paramétrage des outils), pas seulement pédagogique (recommandations aux enseignants).

Étayage.

Avis n° 13 du CSEN sur la métacognition et le scaffolding. Études Bruner sur le scaffolding (référence historique). Travaux Vygotski sur la zone proximale de développement. Études récentes sur les designs pédagogiques IA (Stanford, MIT, Singapour). Configurations expérimentales documentées (Khan Academy avec Khanmigo, Anthropic education API, OpenAI education partnerships) qui montrent qu’un paramétrage rigoureux modifie substantiellement les effets cognitifs.

Conditions de falsifiabilité (5 conditions).

• Étude expérimentale RCT démontrant que les outils IA sans scaffolding produisent des effets d’apprentissage équivalents à ceux avec scaffolding rigoureux à profil élève contrôlé.

• Démonstration empirique que le scaffolding peut être obtenu uniquement par les pratiques pédagogiques des enseignants, sans imposition technique.

• Innovation technologique majeure (IA conversationnelle auto-adaptative) qui rendrait obsolète la notion de scaffolding pré-configuré.

• Évaluation rigoureuse des dispositifs scaffoldés (Khanmigo, autres) démontrant qu’ils ne produisent pas d’effet d’apprentissage supérieur au design libre.

• Étude longitudinale sur 5 ans montrant que les élèves s’auto-scaffoldent spontanément dans leurs usages d’IA sans pédagogie explicite.

Implications.

Cahier des charges pédagogique national imposant le scaffolding par défaut dans les outils IA déployés en classe. Coopération avec les éditeurs (Mistral, autres) pour intégrer le scaffolding dans les API et interfaces éducatives. Formation enseignante spécifique au scaffolding IA.

THÈSE-2026-003 — Le déploiement MIA Seconde 2024 est un cas d’école d’un déploiement précipité

Statut épistémique : Thèse consolidée • Robustesse empirique : Forte

Énoncé.

Le déploiement de MIA Seconde en septembre 2024 (16 académies, 200 000 élèves), sans évaluation contrefactuelle préalable, constitue un cas d’école d’un déploiement précipité dont la France doit tirer les leçons. Le dispositif a été lancé pour des raisons politiques (montrer l’engagement français sur l’IA éducative) plutôt que sur la base d’évaluations rigoureuses. Cette précipitation crée un précédent négatif à corriger explicitement avant d’autres déploiements à grande échelle.

Étayage.

Rapport IGÉSR 2024 sur le bilan provisoire de MIA Seconde, qui pointe l’absence d’évaluation contrefactuelle préalable. Comparaison avec d’autres pays : Singapour qui a engagé une évaluation rigoureuse avant déploiement, Corée du Sud qui a connu un déploiement précipité similaire et a dû reporter partiellement son programme. Analyses du CSEN et de France Stratégie sur la précipitation institutionnelle.

Conditions de falsifiabilité (5 conditions).

• Publication par la DEPP d’une évaluation rigoureuse 2026-2027 démontrant des effets positifs significatifs de MIA Seconde sur les apprentissages.

• Démonstration empirique que les déploiements précipités ne produisent pas d’effets négatifs documentés sur les apprentissages durables.

• Évolution institutionnelle française démontrant la capacité à évaluer rigoureusement après coup les dispositifs déployés précipitamment, avec des résultats équivalents à une évaluation préalable.

• Étude comparative démontrant que les pays qui évaluent rigoureusement avant déploiement n’obtiennent pas de résultats supérieurs aux pays qui déploient précipitamment.

• Reconnaissance institutionnelle (rapport officiel) que le déploiement MIA Seconde a été conduit avec une rigueur méthodologique au moins équivalente aux meilleurs standards internationaux.

Implications.

Moratoire sur les déploiements IA à grande échelle (> 50 000 élèves) sans évaluation contrefactuelle préalable. Création d’une cellule d’évaluation rigoureuse au sein du MENJ (avec DEPP, IGÉSR, CSEN). Engagement d’évaluation rigoureuse de MIA Seconde sur 2026-2028 avec publication des résultats avant tout élargissement.

THÈSE-2026-004 — L’imposition technique du design pédagogique est plus efficace que les recommandations

Statut épistémique : Thèse consolidée • Robustesse empirique : Moyenne à Forte

Énoncé.

L’imposition technique du design pédagogique (par configuration des API et interfaces) est structurellement plus efficace que les recommandations aux enseignants. Les usages effectifs en classe dépendent en pratique des configurations par défaut des outils, beaucoup plus que des recommandations pédagogiques. La politique publique doit donc agir sur les outils (cahier des charges techniques, marchés publics conditionnels) avant d’agir sur les pratiques (recommandations, formations).

Étayage.

Études comportementales sur les architectures de choix (Thaler, Kahneman). Analyses des pratiques effectives des outils numériques en classe (DEPP, IGÉSR). Travaux sur le « nudging » et les défaults pédagogiques. Comparaisons internationales : approches singapourienne et coréenne sur l’imposition technique vs approches américaines plus libérales.

Conditions de falsifiabilité (5 conditions).

• Étude expérimentale RCT démontrant que des recommandations pédagogiques rigoureuses produisent des effets équivalents à l’imposition technique.

• Démonstration empirique que les enseignants formés au scaffolding utilisent effectivement les outils IA selon ce principe, indépendamment de la configuration par défaut.

• Démonstration que l’imposition technique produit des effets pervers (rigidité, perte d’autonomie pédagogique) supérieurs aux gains.

• Évolution des outils IA vers une personnalisation pédagogique massive qui rendrait inopérante l’imposition technique standardisée.

• Étude longitudinale montrant que les enseignants reconfigurent durablement les outils selon leurs préférences pédagogiques, neutralisant l’imposition technique.

Implications.

Cahier des charges pédagogique national pour les outils IA déployés en classe, intégré aux marchés publics. Partenariats privilégiés avec les éditeurs qui implémentent le scaffolding par défaut. Imposition de configurations pédagogiques spécifiques pour l’usage scolaire des LLM grand public.

THÈSE-2026-005 — Les enseignants formés sont la condition d’efficacité de tout dispositif IA-école

Statut épistémique : Thèse consolidée • Robustesse empirique : Forte

Énoncé.

Aucun déploiement d’IA à l’école ne peut produire d’effets positifs sans des enseignants formés à son usage pédagogique. La formation initiale et continue des enseignants constitue la condition d’efficacité de tout dispositif IA-école. La France investit actuellement insuffisamment dans cette formation : moins de 20 % des enseignants ont reçu une formation structurée à l’IA pédagogique, et les formations proposées restent souvent superficielles.

Étayage.

Bilan formation continue MENJ 2024 : moins de 20 % des enseignants ont reçu une formation IA pédagogique. Études TALIS de l’OCDE sur la formation continue des enseignants. Comparaisons internationales : Singapour investit massivement (programme National Institute of Education), Estonie articule formation initiale et continue, Finlande mise sur l’autonomie pédagogique professionnelle. Données SE-UNSA et SNES-FSU sur les attentes des enseignants.

Conditions de falsifiabilité (5 conditions).

• Démonstration empirique que des enseignants non formés à l’IA pédagogique obtiennent des résultats d’apprentissage équivalents à ceux des enseignants formés.

• Évaluation rigoureuse des formations IA pédagogiques actuelles démontrant qu’elles n’apportent pas de gains mesurables.

• Innovation technologique majeure (IA pédagogique entièrement auto-adaptative à l’élève) qui réduirait drastiquement le rôle des enseignants.

• Étude longitudinale montrant que les enseignants s’auto-forment spontanément à l’IA pédagogique avec une efficacité équivalente aux formations structurées.

• Démonstration que les formations massifiées (MOOC, plateformes) produisent des effets équivalents aux formations en présentiel structurées.

Implications.

Plan « Formation IA pédagogique 2026-2030 » : objectif 100 % des enseignants du secondaire formés d’ici 2028, 100 % du primaire d’ici 2030. Modules structurés (20-40 heures par enseignant), articulés à des cas pratiques.

THÈSE-2026-006 — L’IA risque d’amplifier les inégalités socio-scolaires si elle n’est pas équitablement encadrée

Statut épistémique : Thèse consolidée • Robustesse empirique : Moyenne à Forte

Énoncé.

Sans politique publique d’équité spécifique, l’introduction de l’IA générative à l’école française risque d’amplifier les inégalités socio-scolaires existantes. Les élèves issus de milieux favorisés bénéficient déjà d’un encadrement familial et d’outils numériques de qualité qui leur permettent de mieux exploiter l’IA pédagogiquement, tandis que les élèves issus de milieux modestes utilisent l’IA principalement de manière substitutive (illusion de facilité, thèse 001). Cette asymétrie peut se traduire par un creusement des écarts cognitifs documentables à 5-10 ans.

Étayage.

Études Bourdieu-Passeron actualisées (Bouchet-Valat 2024) sur la reproduction sociale par les outils numériques. Données DEPP sur les pratiques numériques par CSP. Études Stanford-CRPE sur les effets équitables/inéquitables de l’IA en éducation. Études OCDE PISA sur les inégalités numériques.

Conditions de falsifiabilité (5 conditions).

• Étude longitudinale française 2025-2030 démontrant que les écarts socio-scolaires ne se creusent pas malgré l’introduction massive de l’IA générative sans politique d’équité.

• Démonstration empirique que les élèves issus de milieux modestes développent spontanément des usages pédagogiquement efficaces de l’IA, équivalents à ceux des élèves favorisés.

• Évolution sociologique majeure (égalisation des conditions numériques familiales) qui éliminerait l’asymétrie documentée.

• Étude comparative internationale démontrant que les pays sans politique d’équité IA n’observent pas de creusement des écarts socio-scolaires.

• Démonstration que les politiques d’équité IA produisent des effets pervers (stigmatisation, perte d’autonomie) supérieurs aux gains.

Implications.

Politique d’équité IA à l’école : ciblage des établissements REP et REP+, accompagnement individualisé renforcé. Suivi longitudinal des écarts socio-scolaires en lien avec l’IA. Articulation avec les politiques de cohésion territoriale.

THÈSE-2026-007 — L’évaluation rigoureuse contrefactuelle est le principe de méthode incontournable

Statut épistémique : Thèse consolidée • Robustesse empirique : Forte

Énoncé.

L’évaluation rigoureuse contrefactuelle (RCT ou méthodes quasi-expérimentales validées) doit constituer le principe de méthode incontournable pour tout déploiement IA à grande échelle dans l’éducation française. Cette exigence méthodologique distingue les politiques publiques fondées sur les preuves des politiques publiques fondées sur les déclarations d’intention ou les effets de mode. Sans évaluation rigoureuse, le risque de déployer des dispositifs inefficaces voire contre-productifs est documenté (cas Corée du Sud 2023-2024).

Étayage.

Travaux de Esther Duflo et du J-PAL sur l’évaluation rigoureuse des politiques publiques. Cadre méthodologique du CSEN. Standards internationaux WWC (What Works Clearinghouse, USA), EEF (Education Endowment Foundation, UK). Cas négatifs documentés : Corée du Sud avec le report des manuels numériques IA précipités. Cas positifs : Singapour avec évaluation préalable structurée.

Conditions de falsifiabilité (5 conditions).

• Démonstration empirique qu’un déploiement à grande échelle sans évaluation contrefactuelle préalable produit des résultats équivalents à un déploiement avec évaluation préalable.

• Étude méthodologique démontrant que les RCT en éducation produisent des biais structurels qui rendent leurs résultats peu fiables.

• Innovation technologique majeure qui rendrait obsolète la nécessité d’évaluation rigoureuse (par exemple, IA auto-évaluative en temps réel à validité prouvée).

• Démonstration que les coûts d’évaluation rigoureuse (temps, ressources) dépassent les bénéfices en termes de qualité des décisions politiques.

• Évolution institutionnelle française démontrant la capacité à corriger rapidement les déploiements précipités, sans dommage durable.

Implications.

Création d’une cellule d’évaluation rigoureuse au MENJ (DEPP, IGÉSR, CSEN). Engagement d’évaluations rigoureuses sur les dispositifs déployés (MIA Seconde et autres). Articulation avec les standards internationaux d’évaluation (WWC, EEF). Publication systématique des résultats des évaluations.

THÈSE-2026-008 — La souveraineté pédagogique européenne est un enjeu stratégique majeur

Statut épistémique : Thèse consolidée • Robustesse empirique : Forte

Énoncé.

La dépendance actuelle de l’école française aux outils IA générative américains (ChatGPT, Claude, Gemini) pose un enjeu de souveraineté pédagogique stratégique. Une politique publique cohérente doit favoriser le développement et le déploiement d’outils souverains européens (Mistral, BLOOM, écosystème français) avec un cadre réglementaire AI Act renforcé pour le secteur éducatif. Cette souveraineté n’est pas une question de chauvinisme mais de capacité de définir les paramètres pédagogiques, éthiques et économiques de l’IA éducative française.

Étayage.

AI Act européen (mars 2024) : classification des usages éducatifs en « risque élevé » pour certaines catégories. Avis CNIL sur l’usage de l’IA générative à l’école. Plan stratégique IA français 2024-2028 (5 Mds €). Acteurs français : Mistral (européen), BLOOM (open source européen), startups EdTech françaises.

Conditions de falsifiabilité (5 conditions).

• Démonstration empirique que la dépendance aux outils américains ne produit pas d’effets pédagogiques différents de ceux d’outils souverains.

• Évolution géopolitique majeure (apaisement durable USA-Europe) qui réduirait l’enjeu de souveraineté pédagogique.

• Échec documenté des écosystèmes IA souverains (Mistral, BLOOM, autres) à atteindre une qualité équivalente aux outils américains.

• Démonstration que le coût de la souveraineté (investissements publics, perte de qualité initiale) dépasse les bénéfices stratégiques.

• Évolution réglementaire européenne (AI Act) qui rendrait inopérante la distinction souverain/non-souverain dans le secteur éducatif.

Implications.

Partenariats privilégiés MENJ-Mistral (et autres acteurs européens) pour le déploiement IA à l’école. Marchés publics éducatifs orientés souveraineté européenne. Investissement R&D structuré dans l’IA éducative européenne.

THÈSE-2026-009 — La métacognition est la cible d’apprentissage prioritaire à l’ère de l’IA générative

Statut épistémique : Thèse consolidée • Robustesse empirique : Moyenne à Forte

Énoncé.

À l’ère de l’IA générative, la métacognition (capacité à réfléchir à son propre apprentissage, à évaluer la qualité de ses productions, à identifier ses erreurs) constitue la cible d’apprentissage prioritaire. Les acquisitions traditionnelles (connaissances factuelles, compétences procédurales) restent nécessaires mais deviennent insuffisantes. Les élèves doivent apprendre à utiliser l’IA tout en préservant et en développant leur capacité d’évaluation critique des productions IA et de leurs propres apprentissages.

Étayage.

Avis n° 13 du CSEN sur la métacognition. Études Flavell (référence historique). Travaux récents Dehaene, Pasquinelli sur les sciences cognitives de l’apprentissage. Études Stanford et MIT sur les compétences critiques face à l’IA générative. Rapports OCDE sur les compétences clés du XXIe siècle. Programmes scolaires comparés : Singapour intègre explicitement la métacognition, Finlande mise sur la pensée critique.

Conditions de falsifiabilité (5 conditions).

• Étude longitudinale 2025-2030 démontrant que les acquisitions traditionnelles suffisent à préparer les élèves à l’ère de l’IA générative, indépendamment de la métacognition explicite.

• Démonstration empirique que la métacognition se développe spontanément chez les élèves utilisant l’IA, sans intervention pédagogique explicite.

• Évolution sociologique majeure où l’IA générative deviendrait fiable au point que l’évaluation critique des productions IA serait inutile.

• Étude comparative internationale démontrant que les pays qui investissent dans la métacognition explicite n’obtiennent pas de résultats supérieurs.

• Démonstration que les programmes de métacognition explicite produisent des effets pervers (sur-réflexivité, paralysie analytique) supérieurs aux gains.

Implications.

Intégration explicite de la métacognition dans les programmes scolaires français (primaire et secondaire). Formation enseignante à l’enseignement de la métacognition. Évaluation des compétences métacognitives dans les évaluations nationales (DEPP). Articulation avec les politiques de pensée critique et d’éducation aux médias.

III. Que retenir

Les neuf thèses forment un système articulé. (001) Illusion de facilité documentée. (002) Scaffolding comme principe directeur. (003) MIA Seconde : cas d’école précipité. (004) Imposition technique > recommandations. (005) Enseignants formés indispensables. (006) Équité socio-scolaire à protéger. (007) Évaluation rigoureuse incontournable. (008) Souveraineté pédagogique européenne. (009) Métacognition comme cible prioritaire. Ensemble articulé autour de la refondation du design pédagogique IA à l’école française.

Des domaines pouvant vous intéresser :

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