Ce que l'IA change — et ne change pas — au métier d'enseigner. Une réflexion qui va de la posture à la pédagogie différenciée, des dangers de la dette cognitive jusqu'aux pédagogies de l'enseignement naturel.
Quand un élève de douze ans peut demander à une machine de lui résumer un livre, de lui rédiger une dissertation ou de lui expliquer la photosynthèse en quelques secondes, l'école se retrouve devant une question qu'elle préférait éviter : à quoi sert-elle, exactement ?
Cette question a déjà plus d'un siècle. Decroly la posait dès 1907 quand il fondait son école et son fameux programme : « École pour la vie, par la vie ». Freinet la reposait dans les années trente quand il refusait le manuel scolaire pour le remplacer par l'imprimerie, le journal de classe et la correspondance. Montessori la posait à sa manière en construisant un matériel qui faisait travailler la main avant le concept.
Tous ces pédagogues ont en commun une intuition : l'école ne tient debout que si elle ancre l'apprentissage dans le réel. Ils croyaient qu'on apprenait en faisant, en observant, en se trompant, en reprenant — jamais en récitant.
L'arrivée de l'IA rend leurs réponses plus urgentes encore.
Dans le triangle pédagogique — élève, savoir, enseignant — l'IA déplace les forces. La machine peut désormais expliquer, reformuler, traduire, illustrer, corriger. Ce que l'enseignant croyait être son territoire exclusif se déplace.
Pour qui tient à la posture de celui qui sait, le déplacement est inquiétant. Pour qui tient à la posture de celui qui fait apprendre, il devient libérateur. La différence est considérable : là où le premier voit son métier s'effriter, le second en redécouvre la profondeur.
L'enseignant qui me semble tenir face à l'IA est celui qui assume de s'effacer pour permettre la rencontre directe entre l'élève et le savoir. Il choisit la situation, observe ce qui s'y joue, structure la démarche, accompagne le doute. Aucune machine ne sait faire cela. Aucune machine ne sait observer un enfant qui hésite, lire dans son regard qu'il vient de comprendre quelque chose, et choisir le silence pour ne pas casser ce moment.
Cette posture-là résiste très bien à l'IA — à condition qu'on sache encore pourquoi on l'adopte.
La pédagogie différenciée est souvent confondue avec l'individualisation des parcours. L'arrivée de l'IA risque d'aggraver cette confusion — pendant qu'elle prétend la résoudre.
Halina Przesmycki définit la pédagogie différenciée comme « un cadre souple où les élèves peuvent travailler selon leurs propres itinéraires d'appropriation, tout en restant dans une démarche collective d'enseignement des savoirs et savoir-faire exigés ». Le mot important est collective. Différencier consiste à organiser une classe qui apprend ensemble, où les plus fragiles trouvent les appuis qui leur permettent de tenir l'objectif commun — bien loin d'un découpage en autant de programmes qu'il y a d'élèves.
Cette organisation repose sur des dispositifs précis et résolument collectifs : l'atelier préalable, la table d'appui, le groupe de besoin, les groupes de travail, le tutorat, l'aide des pairs, le plan de travail, les activités enrichies, le co-enseignement, la classe mutuelle. Tous mobilisent le collectif comme ressource pour aider chaque élève individuellement. L'enseignant y fonctionne davantage en organisateur de cadre qu'en transmetteur — c'est ce que j'appelle le lâcher-prise : ce moment où l'on rend à l'élève sa place d'acteur, où l'on cesse d'en faire un simple agent exécutant.
L'IA peut accompagner plusieurs de ces dispositifs, à condition qu'on sache à quoi on l'emploie. Côté préparation, elle aide l'enseignant à organiser concrètement les ateliers autonomes (rotations, consignes, matériel), à produire les variantes plus exigeantes des activités enrichies destinées aux élèves experts, à générer des versions FALC de textes pour les élèves qui en ont besoin, à constituer des banques d'indices différenciés accessibles à toute la classe.
Elle peut, dans certains dispositifs, jouer le rôle d'un « co-enseignant » mineur : un chatbot configuré avec un RAG et un système de prompt précis qui met au défi un petit groupe d'élèves dans un atelier semi-dirigé, pendant que l'enseignant accompagne ailleurs. La fonction est limitée, le périmètre tenu — l'effet pédagogique réel.
Plus en amont — et c'est sans doute là que l'IA est la plus précieuse — elle peut soutenir l'enseignant dans l'identification des obstacles de la matière elle-même : analyser une notion, repérer ses points de friction, anticiper les confusions classiques, formuler des questions qui font apparaître la résistance. Travail d'expert s'il en est, et que l'IA bien dirigée peut nourrir avec une vraie densité.
Elle peut surtout libérer du temps à l'enseignant, pour qu'il puisse aller s'asseoir à la table d'appui auprès d'un élève fragile — ce moment irremplaçable qui reste, dans le syllabus, la modalité la plus efficace et la mieux corrélée à la réduction des inégalités entre élèves.
Mais l'IA propose aussi une autre voie, plus séduisante en apparence : générer pour chaque élève un parcours sur-mesure, ajusté en temps réel, qui le mène seul vers l'objectif. Cette voie ressemble à de la différenciation alors qu'elle en est l'opposé exact. Elle dissout le collectif. Elle individualise. Elle isole l'élève dans un dialogue avec une machine — au mieux dans une PIA déguisée, au pire dans une école devenue silencieuse.
Et surtout, mal employée, l'IA pousse l'école à dériver vers le côté faible de la pédagogie différenciée : se focaliser sur les difficultés propres à chaque élève, davantage que sur les difficultés intrinsèques de la matière à enseigner. Quand on analyse les obstacles qu'une notion oppose à toute une classe, on construit des dispositifs qui aident vraiment. Quand on s'attarde sur les difficultés que chaque élève oppose à la matière, on construit des dossiers individuels, des étiquettes qui suivent l'enfant pendant des années.
L'IA est très facilement utilisée dans la seconde approche — profiler l'élève, le catégoriser, lui adapter un parcours sur-mesure. C'est la voie spontanée des outils edtech qui promettent l'individualisation parfaite. Bien dirigée, elle peut tout aussi bien nourrir la première — analyser la matière elle-même, anticiper ses obstacles, formuler les questions qui font apparaître la résistance. C'est un choix d'usage — et c'est ce choix qui fait toute la différence.
Organiser concrètement des ateliers autonomes. Soutenir l'analyse des obstacles d'une notion. Constituer des banques d'indices différenciés. Produire des versions FALC pour qui en a besoin. Préparer des activités enrichies pour les élèves experts. Tenir le rôle de « co-enseignant » mineur dans un atelier semi-dirigé (RAG + prompt précis). Libérer du temps pour la table d'appui.
Décider du dispositif juste pour chaque moment. Choisir quel élève a besoin de quel appui. Construire la confiance qui fait qu'un élève ose demander. Lâcher prise sans abandonner. Observer un enfant qui hésite, et choisir le silence. Tenir une exigence commune pendant qu'on accompagne les plus fragiles.
On parle de dette technique en informatique : ces raccourcis qu'on prend aujourd'hui et qu'on paiera demain. Il existe une équivalente, plus sourde, plus inquiétante : la dette cognitive. Quand on délègue à une machine des opérations mentales fondamentales — formuler, résumer, hiérarchiser, argumenter — on gagne du temps. Mais on perd quelque chose qui ne se voit pas tout de suite.
On perd le muscle. On perd la capacité de produire ces opérations soi-même. On perd l'effort qui structure la pensée. Et chez un enfant en construction, cet effort est l'apprentissage lui-même.
Dans le domaine de la rééducation logicomathématique que je pratique, on sait depuis longtemps qu'on ne reconstruit rien sans repartir des opérations concrètes les plus fondamentales. On ne peut pas sauter d'étapes. On ne peut pas remplacer le geste par le résultat du geste. Un enfant qui ne sait pas compter sur ses doigts ne sait pas davantage compter parce qu'une calculatrice lui donne le résultat.
L'IA travaille à un autre niveau qu'une calculatrice. Elle pénètre des opérations beaucoup plus profondes — la formulation, la mise en lien, la rédaction. Chaque fois qu'un élève évite une de ces opérations parce que la machine peut la faire à sa place, il s'endette cognitivement. Et cette dette se paie plus tard, parfois bien plus tard.
La question pour l'école devient alors de décider, à chaque âge et à chaque moment, quelles opérations doivent rester à l'élève — et pourquoi, plutôt que de bannir l'IA en bloc. C'est un travail pédagogique avant d'être un débat technique.
À l'heure où une partie de l'expérience humaine se déplace vers des écrans et des textes générés, les pédagogies actives — celles qui partent du réel, du sensible, du vécu — prennent une importance qu'elles n'avaient peut-être plus depuis longtemps.
Ces pédagogies sont des réponses construites, expérimentées, mesurées — élaborées en réponse à des questions très contemporaines. Loin d'être périmées par l'IA, leurs principes fondamentaux en deviennent la contrepartie nécessaire.
Ce que toutes ces pédagogies ont en commun, c'est qu'elles considèrent l'effort comme une matière noble. Elles n'essaient pas d'épargner à l'enfant le détour, l'hésitation, le tâtonnement. Elles savent que c'est là — et nulle part ailleurs — que l'apprentissage se construit.
L'IA peut accélérer une dérive que Freinet nommait la scholastique : cette tendance de l'école à ne plus apprendre qu'à elle-même, à se nourrir de ses propres exercices, à modéliser ses propres procédures, à produire des leçons sur ses propres leçons. Les pédagogies qui décomposent chaque tâche en micro-étapes, qui pré-mâchent les démarches, qui modélisent tout avant de laisser faire, trouvent dans l'IA un démultiplicateur idéal. La machine peut générer à l'infini ces fiches désincarnées, ces procédures bien rangées, ces apprentissages amputés du réel. Une école qui s'y engouffrerait s'enfermerait un peu plus dans sa propre clôture — pendant qu'elle croirait s'ouvrir au monde.
Quand l'IA est introduite dans une démarche pédagogique qui part du réel et y revient, elle peut devenir un objet d'étude, un miroir, un partenaire critique — et tenir sa juste place.
Je le vois dans les formations que j'anime depuis plusieurs années auprès d'enseignants, d'équipes éducatives et d'entreprises. L'IA agit comme un miroir. Elle met en lumière les croyances, les peurs, les habitudes invisibles. Bien plus que les compétences techniques.
Choisir quand l'utiliser, comment l'utiliser, dans quel objectif, avec quels élèves : ce sont des décisions qui restent à l'enseignant. L'outil ne les prend jamais à votre place.
Manipuler, observer, agir : ces gestes ne se délèguent pas à une machine. Ils sont la condition de l'apprentissage, jamais son décor.
C'est cette définition-là du métier que l'IA met en valeur. Les autres définitions deviennent intenables.
L'IA peut produire vingt variantes d'un texte ; elle ignore laquelle convient à quel élève. Cette décision-là est humaine, et elle le restera.
Chaque opération mentale qu'on délègue à une machine est une opération qu'on n'apprendra pas. La question est de savoir ce qu'on accepte de déléguer — et à quel âge.
Mes formations ne traitent pas l'IA comme un outil technique. Elles s'en servent comme révélateur pédagogique pour interroger les postures, les évaluations, le rapport au concret. Pour des écoles, des équipes, ou des entreprises.