En guise de conclusion, une question à se poser ! Ai-je vraiment appris ?1

Un des risques identifiés avec l’IA est l’illusion de l’apprentissage. Beaucoup d’interactions ont comme objectif de faciliter l’activité d’apprentissage : réponses rapides, brouillons instantanés, soutiens à l’apprentissage trop importants. Ces interactions peuvent sembler productives sur le moment, mais peuvent limiter l’apprentissage, en ne permettant pas le transfert de ces apprentissages vers de nouveaux problèmes. Les neuroscientifiques appellent cela l’illusion de l’apprentissage : lorsque la fluidité (l’information semble familière, le travail semble fluide) est confondue avec des améliorations mesurables de la maîtrise.

Trois forces alimentent l’illusion de l’apprentissage :

  • Biais de fluidité. Relire, surligner ou parcourir les résumés de l’IA rend le contenu plus clair sans renforcer les traces mnésiques ni les schémas de problèmes (Dunlosky et al., 2013).
  • Performance ≠ apprentissage. Les performances immédiates pendant les études (par exemple, la gestion rapide des exercices bloqués) peuvent augmenter, même si la rétention et le transfert à long terme diminuent.
  • Soutiens à l’apprentissage trop important. Les exemples concrets et les conseils étape par étape aident les novices, mais si le soutien n’est pas réduit, les apprenants ne développent pas leur capacité à résoudre des problèmes de manière autonome.

L’IA peut amplifier ces pièges : elle excelle à donner l’impression que les choses sont faciles : résumés soignés, code parfait, schémas fluides. Si nous nous limitons à ces résultats, nous externalisons le travail mental qui construit des connaissances durables.

Voici un test de 60 secondes pour déceler l’illusion de l’apprentissage lorsqu’on apprend avec l’IA.

1 Se rappeler sans indice Fermez l’onglet. Sur une page blanche, notez les idées principales de mémoire : définitions, étapes et un exemple. Pourquoi c’est important : Si vous ne parvenez pas à les retrouver sans aide, vous avez probablement acquis de la fluidité, et non des connaissances Oui/Non
2 Expliquer simplement Donnez une explication étape par étape à un novice (ou à vous-même). Pas de jargon ; une analogie précise. Pourquoi c’est important : L’auto-explication révèle les lacunes et approfondit la compréhension Oui/Non
3 Choisir la méthode, pas seulement l’appliquer Abordez un ensemble de problèmes variés et nommez d’abord la stratégie pour chaque problème. Importance : L’entrelacement favorise la discrimination et le transfert. Oui/Non
4 Exécuter sous contraintes Effectuez une tâche chronométrée, basée sur une grille d’évaluation, qui correspond à la performance réelle (par exemple, une dissertation de 20 minutes ou un exercice type de codage), puis notez-la. Importance : Une évaluation authentique prédit les performances futures. Oui/Non
5 Réviser vos acquis Notez deux révisions espacées sur le calendrier (par exemple, +2 jours, +10 jours) et testez-vous à nouveau. Importance : Sans espacement, la rétention diminue, même si la journée s’est bien passée Oui/Non

La prochaine fois que vous « apprenez » quelque chose avec l’IA, comptez le nombre de “oui” :
❌ 0–2 « oui » = illusion probable.
😐 3–4 « oui » = apprentissage partiel ; ciblez les points faibles.
✅ 5/5 « oui » = connaissances durables en cours de réalisation.

Et après ?

  1. Cette section est une transcription des réflexions de Philippa Hardman, voir notamment cet article : ChatGPT: the world’s most influential teacher ↩