Une promesse d’égalité qui ne va pas de soi
L’intelligence artificielle s’installe durablement dans les salles de classe. Tuteurs intelligents, plateformes adaptatives, outils de correction automatique, assistants d’écriture : en quelques années, ces technologies ont transformé les pratiques pédagogiques. L’IA promet un apprentissage plus personnalisé, plus interactif, plus efficace. Pourtant, derrière cet enthousiasme, une question cruciale émerge : ces outils bénéficient-ils réellement à tous les élèves ?
Une étude publiée en février 2026 dans la revue Frontiers in Computer Science met en lumière un risque majeur : celui d’un creusement des inégalités éducatives, non pas seulement à cause d’un manque d’accès aux technologies, mais en raison de biais linguistiques, culturels et algorithmiques intégrés au cœur même des systèmes d’IA.
Au-delà de l’accès : les nouvelles fractures numériques
On parle souvent de fracture numérique pour désigner l’écart entre ceux qui ont accès aux outils technologiques et ceux qui en sont privés. Mais les chercheurs rappellent qu’il existe plusieurs niveaux d’inégalités.
Le premier concerne bien sûr l’accès aux équipements et à la connexion. Le deuxième touche aux compétences : savoir utiliser efficacement un outil numérique demande une formation spécifique. Mais un troisième niveau, plus discret et plus inquiétant, apparaît aujourd’hui avec l’IA : celui des bénéfices réels tirés des outils.
Autrement dit, même si tous les élèves disposent d’un accès technique aux mêmes plateformes, certains peuvent en tirer un avantage supérieur parce que ces outils ont été conçus dans leur langue, selon leurs références culturelles, ou à partir de données qui leur ressemblent.
Langues et cultures : des biais invisibles mais puissants
La majorité des systèmes d’IA éducative sont développés en anglais ou dans d’autres grandes langues internationales. Pour les élèves dont la langue maternelle est différente, l’expérience peut être moins intuitive, moins précise, parfois même décourageante.
Un élève qui doit simultanément comprendre une notion mathématique et traduire mentalement la consigne subit une double charge cognitive. À long terme, cela peut affecter la confiance en soi et les performances. L’étude souligne que ces obstacles ne relèvent pas d’un manque de capacité des élèves, mais d’un défaut de conception des outils.
La dimension culturelle joue également un rôle. Les exemples, métaphores et contextes utilisés par les IA sont souvent issus de référentiels occidentaux ou urbains. Pour des élèves vivant dans d’autres environnements, ces contenus peuvent sembler abstraits ou déconnectés de leur réalité quotidienne.
Le risque des algorithmes biaisés
Plus insidieux encore, les biais algorithmiques peuvent produire des évaluations injustes. Les systèmes d’IA apprennent à partir de grandes bases de données. Si ces données surreprésentent certains profils d’élèves et en sous-représentent d’autres, les prédictions produites peuvent être moins fiables pour les publics minoritaires.
Un élève peut ainsi recevoir des recommandations moins adaptées, être classé à tort comme « en difficulté » ou obtenir des retours moins pertinents. Les chercheurs parlent d’une « fracture numérique de troisième niveau » : non pas une question d’accès, mais de qualité des résultats et d’opportunités futures.
Sans garde-fous, ces mécanismes risquent de renforcer des hiérarchies sociales déjà existantes. Les élèves issus de milieux défavorisés ou de territoires ruraux pourraient devenir les premiers perdants d’une technologie pourtant présentée comme inclusive.
Des exemples contrastés dans le monde
L’étude s’appuie sur plusieurs cas internationaux qui montrent que l’IA peut aussi être un levier d’inclusion lorsqu’elle est pensée autrement.
Au Kenya, un projet universitaire a développé un outil de traduction entre l’anglais et la langue des signes kényane, en associant directement les communautés concernées. Cette co-construction a permis de lever des barrières de communication et de favoriser une participation plus équitable en classe.
Au Mali, l’initiative RobotsMali a utilisé l’IA pour produire plus de 180 livres jeunesse en bambara. En combinant génération de contenu automatisée et relecture humaine, le projet a réduit les coûts tout en préservant la pertinence culturelle.
À l’inverse, en Chine ou en Amérique latine, certaines études montrent que l’introduction rapide d’outils numériques sans formation suffisante des enseignants a accentué les écarts entre zones urbaines et rurales. L’infrastructure existait parfois, mais l’accompagnement pédagogique faisait défaut.
Le rôle central des enseignants
Un constat revient dans plusieurs contextes : l’IA ne compense pas un manque de formation. Lorsque les enseignants ne disposent pas des compétences nécessaires pour analyser ou questionner les recommandations algorithmiques, les outils risquent d’être sous-utilisés ou mal interprétés.
Former les enseignants à l’« IA literacy », c’est-à-dire à la compréhension critique des systèmes intelligents, devient un enjeu majeur. Savoir détecter un biais possible, interpréter des statistiques générées automatiquement ou intégrer l’IA dans une progression pédagogique exige des compétences nouvelles.
Pour les élèves aussi, l’éducation à l’IA est cruciale. Comprendre comment une réponse est produite, quelles sont les limites d’un chatbot, éviter la dépendance excessive ou le plagiat : ces apprentissages conditionnent un usage responsable et équitable.
Des pistes concrètes pour une IA plus inclusive
Les chercheurs avancent plusieurs leviers d’action. Le premier consiste à développer des outils véritablement multilingues, intégrant les langues locales dès la conception. Il ne s’agit pas seulement de traduire, mais d’adapter les contenus aux réalités culturelles et scolaires.
Deuxième axe : diversifier les jeux de données utilisés pour entraîner les algorithmes. Inclure des élèves aux profils variés, issus de zones rurales comme urbaines, permet d’améliorer la fiabilité des prédictions et de limiter les classifications injustes.
Enfin, la participation des communautés éducatives apparaît déterminante. Associer enseignants, parents et élèves à la conception ou à l’évaluation des outils peut réduire les angles morts et renforcer l’appropriation locale.
Un débat qui concerne aussi la France
Si l’étude s’appuie principalement sur des exemples internationaux, ses enseignements résonnent fortement dans le contexte français. Les débats sur l’usage de ChatGPT, des assistants de rédaction ou des plateformes adaptatives se multiplient dans les établissements.
La France, marquée elle aussi par des écarts entre territoires, ne peut ignorer le risque d’une fracture numérique renforcée par l’IA. Les établissements bien dotés en ressources humaines et en formation pourraient tirer davantage profit de ces outils que ceux en tension.
À l’inverse, si l’IA est déployée avec une attention particulière aux programmes nationaux, à la diversité linguistique et aux besoins spécifiques des élèves, elle pourrait contribuer à réduire certaines inégalités plutôt qu’à les accentuer.
L’intelligence artificielle ne porte en elle ni justice ni injustice : tout dépend des choix de conception, de formation et de gouvernance qui l’accompagnent. À l’heure où les outils se généralisent dans les collèges et lycées, la question n’est plus de savoir s’ils seront utilisés, mais comment éviter qu’ils ne créent une école à deux vitesses.
Source
https://www.frontiersin.org/journals/computer-science/articles/10.3389/fcomp.2026.1759027/full
