Un débat mal posé sur l’IA à l’école
Quand on parle d’intelligence artificielle dans l’éducation, l’image qui s’impose est presque toujours la même : des élèves face à des écrans, des classes équipées de tablettes, des chatbots capables de répondre instantanément aux questions. Et très vite, l’objection surgit : beaucoup d’établissements, notamment dans les pays à revenu faible ou intermédiaire, ne disposent ni des infrastructures numériques ni des moyens financiers nécessaires. L’IA semblerait alors réservée aux systèmes scolaires les mieux dotés.
Pourtant, selon Jaime Saavedra et Ezequiel Molina, experts à la Banque mondiale, cette vision rate l’essentiel. Le principal frein à l’usage de l’IA en éducation ne serait pas technologique. Il serait organisationnel. Autrement dit : ce n’est pas tant le manque d’ordinateurs ou de connexion qui bloque, mais la manière dont les institutions scolaires sont structurées, pilotées et habituées à travailler.
Le président de la Banque mondiale, Ajay Banga, distingue à ce sujet la « grande IA » — celle qui exige des capacités de calcul massives et des experts hautement spécialisés — de la « petite IA », composée d’outils ciblés, accessibles, capables de fonctionner sur des équipements ordinaires. Cette petite IA transforme déjà des secteurs comme l’agriculture ou la santé dans des pays en développement. Pourquoi pas l’éducation ?
Déplacer le regard : des classes aux ministères
Plutôt que de se focaliser uniquement sur la salle de classe, les auteurs invitent à déplacer le regard vers les ministères, les académies, les services administratifs. Car ce qui façonne concrètement l’apprentissage des élèves — programmes, manuels, formations, évaluations, procédures de suivi — se décide et s’organise à ces niveaux.
L’entrepreneur et chercheur Ethan Mollick, qui observe l’impact de l’IA dans de nombreux secteurs, le souligne : si l’IA améliore déjà la productivité individuelle, les organisations, elles, peinent à capter ces gains. Beaucoup attendent un plan parfait, une stratégie nationale clé en main, ou une solution technologique miracle. Pendant ce temps, les routines professionnelles restent inchangées.
Dans l’éducation, ce décalage prend la forme d’un « fossé d’imagination ». Les outils existent, mais peu d’institutions se représentent concrètement ce qu’elles pourraient en faire, ici et maintenant, sans attendre une révolution technologique.
Un exemple concret en Amérique latine
Les auteurs rapportent une expérimentation menée dans un pays d’Amérique latine confronté à un problème universel : comment aider les enseignants à identifier précisément les difficultés de leurs élèves en début d’année ? Pas seulement quels élèves sont en retard, mais sur quelles notions exactes et pour quelles raisons.
Pour cela, il faut des questions diagnostiques bien construites, où chaque mauvaise réponse révèle une erreur de compréhension spécifique. Or, élaborer des milliers de questions alignées sur le programme national est une tâche longue, coûteuse et rarement prioritaire.
En s’appuyant sur un outil d’IA accessible à des non-développeurs — capable de lire des documents volumineux et de produire des contenus structurés à partir d’instructions en langage courant — l’équipe a testé une approche pragmatique. Quatre enseignants ont d’abord rédigé quelques questions « graines », inspirées d’erreurs réelles observées en classe. L’outil a ensuite analysé un manuel national de 225 pages afin d’en intégrer la terminologie et la logique pédagogique, puis a généré près de 3 950 questions diagnostiques à partir du modèle initial.
Chaque étape a été supervisée par des humains : les experts ont sélectionné les erreurs pertinentes, validé ou rejeté les propositions produites. En six semaines, avec une équipe restreinte, un volume considérable de ressources a été élaboré. Sans cette approche, il est probable que ces outils n’auraient tout simplement pas existé. Les enseignants auraient continué à s’appuyer essentiellement sur leur intuition en début d’année.
Un enjeu d’organisation plus que d’équipement
L’exemple illustre un point central : la petite IA ne remplace pas un processus coûteux déjà en place, elle comble souvent un vide. Elle rend possible ce qui, faute de temps ou de moyens humains, n’était jamais produit.
Mais encore faut-il que les organisations éducatives sachent que ces usages sont envisageables. Dans bien des cas, les services informatiques travaillent à part des équipes pédagogiques. Les spécialistes des programmes ne croisent pas les chargés de l’innovation numérique. Aucun espace commun n’existe pour tester rapidement une idée avec des outils d’IA.
Résultat : les potentialités restent théoriques. Les établissements débattent de la « grande vision » de l’IA à l’école, pendant que les tâches administratives et pédagogiques quotidiennes continuent à fonctionner selon des logiques héritées d’un autre siècle.
Des usages très concrets au service des systèmes éducatifs
Les auteurs avancent plusieurs exemples d’applications immédiates, qui ne supposent ni équipement massif des élèves ni connexion permanente dans chaque classe.
Première piste : la simplification réglementaire. Dans de nombreux pays, des milliers de textes s’empilent à différents niveaux administratifs. Une IA capable d’analyser un grand corpus pourrait identifier doublons et contradictions, et produire un guide clarifié en quelques jours, là où des révisions prendraient des mois.
Deuxième piste : l’optimisation des procédures internes. En analysant les manuels de procédure d’un ministère, un outil d’IA peut cartographier les étapes, pointer les goulots d’étranglement, suggérer des alternatives plus fluides. Il ne remplace pas le jugement humain, mais met en lumière les pertes de temps invisibles.
Troisième piste : la formation des enseignants adaptée aux besoins locaux. Faute de temps, beaucoup de ministères proposent une formation unique pour tous. Concevoir des versions différenciées demande des ressources importantes. Une IA pourrait décliner un tronc commun en modules ajustés aux réalités de chaque établissement, en adaptant exemples et priorités.
Quatrième piste : le reporting des chefs d’établissement. Les auteurs citent des études indiquant que des directeurs peuvent consacrer jusqu’à 76 % de leur temps à des tâches administratives. On peut imaginer des outils capables de transformer une note vocale envoyée via une application courante en rapport conforme aux exigences ministérielles. Moins de copier-coller, plus d’informations authentiques, potentiellement plus utiles pour piloter le système.
Leadership, expérimentation et montée en compétence
Selon Ethan Mollick, trois conditions favorisent les organisations qui tirent parti de l’IA : un leadership prêt à expérimenter, un « laboratoire » capable de transformer rapidement des idées en prototypes, et une communauté d’utilisateurs qui pratiquent ces outils au quotidien.
Peu de ministères de l’Éducation disposent aujourd’hui de ces trois leviers réunis. Pourtant, un point de départ modeste est envisageable : identifier une personne réellement à l’aise avec les outils d’IA, non pas simple utilisatrice occasionnelle, mais capable de transformer un problème concret en prototype fonctionnel. L’associer à des spécialistes métiers — responsables de programme, formateurs, inspecteurs — et tester sur une tâche précise.
Par exemple : analyser 200 rapports de visites d’établissements pour produire une synthèse régionale mettant en évidence les écoles ayant besoin d’un accompagnement prioritaire. Faire travailler l’outil en parallèle des équipes, comparer les résultats, ajuster. Le tout en respectant strictement les règles de protection des données. Si l’essai est concluant, élargir progressivement. Sinon, l’expérimentation aura coûté quelques semaines, pas plusieurs années ni des investissements massifs.
Une question stratégique pour les systèmes éducatifs
La vision ambitieuse de classes pleinement connectées et d’élèves formés en profondeur à l’IA nécessitera du temps, des infrastructures renforcées et des investissements conséquents. Elle devra aussi s’appuyer sur des preuves solides quant à son impact réel sur les apprentissages.
Mais en parallèle, la petite IA offre dès aujourd’hui des marges de progrès significatives pour améliorer le fonctionnement interne des systèmes éducatifs. Elle ne dépend pas d’une transformation totale des écoles, mais d’une capacité institutionnelle à innover, à collaborer et à apprendre en marchant.
La question posée aux décideurs est donc stratégique : les systèmes éducatifs sauront-ils construire cette capacité organisationnelle pour capter les gains de productivité et de qualité permis par l’IA ? Ou continueront-ils à débattre de la grande révolution à venir, pendant que les difficultés quotidiennes — surcharge administrative, manque d’outils diagnostics, formation peu différenciée — perdurent ? Pour les enseignants, les parents et les élèves, l’enjeu n’est pas technologique. Il est profondément culturel.
Source
https://blogs.worldbank.org/en/latinamerica/binding-constraint-on-ai-in-education-latin-america
