IA et école : l’effort, une compétence qu’aucun algorithme ne remplace

Cet article a été rédigé pour Prof Express par Vanessa Le Scolan – Nguyen, enseignante et Référente numérique.

1. Une analyse neuroscientifique de l’impact de l’IA sur l’apprentissage

« Madame, pourquoi chercher puisque ChatGPT sait déjà ? »

Cette question, posée par Lucas, élève de 4ème, lors d’un cours de mathématiques, résume le défi de notre époque. Devant un exercice de géométrie, au lieu de tracer, mesurer, tâtonner, il avait sorti son téléphone. En deux clics, la solution s’affichait, nette, parfaite. Mais avait-il appris ?

Cette scène se reproduit dans toutes nos classes.

Actualisation des usages (2024–2025).

Le rapport européen GoStudent 2025 indique que 46 % des parents déclarent que leurs enfants utilisent des dispositifs numériques pour faire leurs devoirs, tandis que plus d’un parent/enseignant sur deux envisage un futur hybride IA + enseignant¹. En France, l’étude Pôle Léonard de Vinci × Talan (2024) montre une quasi-universalisation des usages : 99 % d’étudiants utilisent l’IA générative (92 % régulièrement) et 65 % en font même un critère de choix d’employeur². Une transformation silencieuse s’opère : l’école de l’effort cède-t-elle la place à l’école du clic ?

Rappel de notre précédente analyse : Dans « Notes dopées, pensée bridée ?« , nous avons exploré comment l’IA redistribue les cartes de la réussite scolaire. Ici, nous plongeons dans les mécanismes profonds : que se passe-t-il dans le cerveau quand l’effort disparaît ?

2. Le cerveau ne télécharge pas : décryptage neuroscientifique de l’apprentissage

Quand les sciences cognitives démontent le mythe du « tout accessible »

Accéder à l’information n’est pas apprendre. Cette distinction fondamentale, Stanislas Dehaene l’a magistralement démontrée dans ses travaux au Collège de France³ : notre cerveau ne fonctionne pas comme un ordinateur qui télécharge des fichiers. Il construit le savoir par quatre mécanismes indispensables :

L’orchestre neuronal de l’apprentissage

Quand Lucas s’efforce de résoudre son exercice de géométrie, plusieurs « zones cérébrales » collaborent comme une équipe coordonnée :

🧠 Le « chef d’orchestre » (cortex préfrontal) : Maintient les informations en mémoire pendant la réflexion
🧠 Le « détecteur d’erreurs » (cortex cingulaire) : Sonne l’alarme quand quelque chose ne va pas
🧠 Le « centre de récompense » (striatum) : Libère la dopamine lors des petites victoires
🧠 L' »archiviste » (hippocampe) : Stocke temporairement avant transfert vers la mémoire permanente

Notre calculateur interne : pourquoi Lucas choisit la facilité

Pourquoi Lucas a-t-il immédiatement sorti son téléphone ? Une région de son cerveau, le cortex cingulaire (notre « calculateur interne »), évalue en permanence : cet effort en vaut-il la peine ?

L’équation mentale : Bénéfices attendus – Effort nécessaire = Décision d’engagement

L’IA bouleverse cette équation ancestrale. En offrant des solutions quasi-instantanées avec un effort minimal, elle rend l’assistance externe irrésistiblement attrayante. Notre calculateur interne, optimisateur par nature, choisit logiquement la facilité⁴.

Conséquence neurobiologique : Cette optimisation à court terme peut mener à un « ramollissement » progressif de nos circuits mentaux.

3. Le cercle vertueux de l’effort que l’IA peut briser

Comment l’effort transforme physiquement le cerveau

Imaginez l’apprentissage comme un sentier en forêt. Plus vous l’empruntez, plus il devient praticable. Dans le cerveau, c’est identique : chaque effort renforce les connexions entre neurones grâce à un processus de plasticité appelé potentialisation à long terme (LTP) : plus on utilise un circuit, plus il devient efficace⁵.

Voici ce qui se passe concrètement dans le cerveau de Lucas quand il s’efforce :

1. Effort mental : Son « chef d’orchestre cérébral » mobilise toute son attention. Les neurones créent de nouvelles liaisons.

2. Petite victoire : Son « centre de récompense » libère de la dopamine – pas juste pour le plaisir, mais comme un signal biologique qui dit « cette méthode marche, on la garde ! »

3. Consolidation nocturne : Pendant son sommeil, son « archiviste » repasse les apprentissages de la journée, comme s’il gravait l’information dans la mémoire permanente.

4. Motivation renforcée : La prochaine fois, son cerveau anticipe cette récompense naturelle, facilitant l’engagement dans l’effort.

✅ Principe neuroscientifique validé : L’effort déclenche une cascade chimique qui transforme littéralement la structure du cerveau.

❌ Piège fréquent : Confondre avoir accès (activation temporaire) et s’approprier (modification durable du cerveau).

Quand le cerveau s’atrophie par facilité

Les neurosciences révèlent un phénomène inquiétant résumé par l’expression « utilisez-le ou perdez-le ». Michael Merzenich, pionnier de la neuroplasticité, l’a démontré : les circuits non sollicités s’affaiblissent par « élagage » : le cerveau « taille » les connexions inutiles comme on taille une haie⁶.

Quand Lucas utilise systématiquement ChatGPT, ses circuits de résolution de problème ne s’entraînent plus. Les connexions s’amenuisent, rendant l’effort mental de plus en plus difficile – créant une dépendance biologique à l’assistance externe.

4. Les pièges invisibles de la facilité technologique

L' »effet Google » version IA : quand le cerveau externalise sa mémoire

Betsy Sparrow et son équipe (Université Columbia, 2011) ont découvert quelque chose de révélateur : quand nous savons qu’une information restera accessible, notre cerveau change sa stratégie. Au lieu de retenir le contenu, il mémorise surtout où le retrouver⁷.

L’exemple parlant : Vous retenez mieux le numéro de votre meilleur ami que celui affiché dans l’annuaire, parce que vous savez que ce dernier sera toujours accessible.

Avec l’IA, ce phénomène s’amplifie dangereusement : pourquoi solliciter sa mémoire quand ChatGPT « se souvient » de tout à notre place ?

Notre système d’attention détourné

Notre capacité de concentration dépend d’une « tour de contrôle » cérébrale appelée locus coeruleus. Cette région fonctionne selon deux modes :

Mode « laser » (concentration optimale) : Attention focalisée sur ce qui compte vraiment
Mode « radar » (dispersion) : Balayage constant de l’environnement, impossibilité de se concentrer

Adrian Ward (Université du Texas, 2017) a mesuré l’impact du smartphone : la simple présence du téléphone, même éteint, réduit les performances cognitives de 10% en moyenne⁸. Les notifications perpétuelles maintiennent notre « tour de contrôle » en mode radar chronique.

Signal visible : La taille de nos pupilles reflète l’activité de cette région. Des élèves en « mode smartphone » montrent des pupilles constamment dilatées – signe d’hypervigilance inefficace.

Solution pratique : Créer des « bulles de concentration » – moments garantis sans interruption numérique.

Quand le sommeil n’apprend plus rien

Un aspect crucial souvent ignoré : l’apprentissage continue pendant notre sommeil. Notre « archiviste » cérébral repasse en accéléré les séquences de la journée, consolidant les acquis⁹.

Le problème avec l’IA : Si Lucas n’a pas vraiment encodé l’information pendant la journée (simple copie de ChatGPT), son archiviste n’a rien à consolider. Le sommeil devient biologiquement « vide ».

Données préoccupantes : La National Sleep Foundation recommande 8 à 10 heures de sommeil pour les adolescents (Hirshkowitz et al., 2015). Or, la majorité dort en réalité 6 à 7 heures, parfois moins. Les études sur l’impact des écrans montrent une conséquence inquiétante : la sur-connexion nocturne réduit jusqu’à 30 % le sommeil profond, phase pourtant cruciale pour consolider les apprentissages (Gruber, 2017). Résultat : apprentissages fragilisés, oubli massif.

5. La « dette cognitive » : quand l’usage de l’IA modifie l’engagement cérébral

Une étude récente du MIT (Kosmyna et al., 2025, prépublication) a examiné l’impact de l’IA générative sur l’activité cérébrale d’étudiants lors d’une tâche d’écriture¹⁰. Ce sont des résultats prémiminaires qui nous donne l’éclairage suivant.

Protocole. 54 étudiants ont rédigé des essais dans trois conditions :

• sans assistance (brain only),
• avec un moteur de recherche (search),
• avec ChatGPT (LLM).
  Chaque participant a été suivi sur quatre sessions réparties sur quatre mois. L’activité cérébrale a été mesurée par électroencéphalographie (EEG).

Résultats. Les chercheurs observent :

• une activité cérébrale plus élevée dans la condition brain only,
• une activité intermédiaire avec recherche web,
• et la plus faible dans la condition ChatGPT.
  Chez ces derniers, les oscillations alpha et bêta, liées à l’attention soutenue et à la mémoire de travail, apparaissent particulièrement réduites. Les textes produits sont plus homogènes, et les étudiants rapportent un sentiment d’appropriation plus faible, avec des difficultés à restituer ou commenter leurs propres productions.

Dette cognitive. Lors d’une session finale sans IA, les étudiants habitués à ChatGPT présentent une activité cérébrale inférieure à celle de départ. Ce phénomène est qualifié de “cognitive debt” : l’usage répété de l’IA semble réduire la capacité à mobiliser ses propres ressources cognitives en l’absence de l’outil. À l’inverse, ceux qui commencent par travailler sans IA puis l’utilisent ensuite conservent un meilleur engagement.

Conclusion. Les auteurs suggèrent que la séquence d’utilisation joue un rôle crucial : un effort initial autonome préserve l’activité cérébrale, tandis qu’un recours systématique et précoce à l’IA augmente le risque de dépendance cognitive.

6. IA-tuteur ou IA-béquille ? Décrypter les effets contradictoires

Les données récentes dressent un tableau nuancé : l’IA peut stimuler l’apprentissage… ou l’entraver si elle est utilisée passivement.

💡 Insight clé : c’est le dialogue entre cerveau humain et suggestion algorithmique qui nourrit l’apprentissage, pas l’acceptation passive.

Les trois visages de l’IA éducative

D’après les recherches d’Ouyang et Jiao (2021), trois paradigmes coexistent¹¹:

✅ L’objectif : Viser le paradigme 3, où l’IA amplifie l’intelligence humaine sans la remplacer.

IA-tuteur vs IA-béquille : le diagnostic décisif

Critère	IA-tuteur ✅	IA-béquille ❌
Moment d’usage	Après une tentative personnelle	Avant tout effort
Type d’aide	Indices, questions, contre-exemples	Réponses prêtes à copier
Rôle de l’élève	Explique, justifie, reformule	Copie, assemble, produit
Évaluation	Processus + raisonnement	Produit uniquement

7. Les signaux d’erreur : l’apprentissage par la « panne »

Pourquoi se tromper est essentiel

Le cerveau de Lucas est une machine à prédire. Il anticipe constamment ce qui va se passer. Quand ses prédictions échouent, il génère des signaux d’alarme électriques qu’on peut mesurer :

« j’ai fait une erreur » : Sonnette d’alarme quand on se trompe
« ça ne marche pas comme prévu » : Alerte quand le résultat diffère de l’attendu

Ces « bips d’alarme du cerveau » proviennent de notre « détecteur d’erreurs » et déclenchent l’apprentissage¹². Sans erreur, pas de signal d’alarme, donc pas de mise à jour de nos connaissances.

Le piège des IA « parfaites »

En fournissant des réponses immédiatement correctes, l’IA prive le cerveau de ces erreurs formatrices. Lucas n’apprend plus parce qu’il ne se trompe plus – son détecteur d’erreurs reste silencieux.

💡 Solution pédagogique : Concevoir des IA-tuteurs qui donnent des indices progressifs et des exemples trompeurs plutôt que la solution finale, pour maintenir ces précieux signaux d’apprentissage.

Exemple concret : Cette approche pédagogique est illustrée par Ophélia, l’enseignante virtuelle IA développée par Profexpress¹⁷. Plutôt que de fournir des réponses toutes faites, Ophélia guide les élèves pas à pas vers la découverte autonome, en prodiguant des conseils de méthode et en orientant vers la résolution personnelle des problèmes. Cette philosophie du « guidage vers la découverte plutôt que vers la facilité » correspond exactement au paradigme de l’IA-tuteur que préconisent les neurosciences.

8. Quand l’IA devient confidente : les nouveaux défis relationnels

Au-delà des maths : l’IA qui « comprend » nos émotions

L’enquête du Pôle Léonard de Vinci révélait un besoin crucial de « soutien émotionnel » chez les étudiants.

L’IA ne se contente plus d’aider avec les devoirs. Des chatbots comme Replika ou Woebot simulent l’empathie, offrent des conversations et créent de vraies relations avec leurs utilisateurs¹³.

Bénéfices prouvés scientifiquement :

• Réduction de la solitude (étude sur 176 étudiants pendant 4 semaines)¹⁴
• Moins d’anxiété sociale chez les utilisateurs réguliers
• Absence de jugement = confiance plus facile qu’avec des humains

Le revers : quand on s’attache trop à la machine

Cette facilité relationnelle cache un piège. Tout comme la facilité cognitive affaiblit nos capacités intellectuelles, la « facilité sociale » pourrait atrophier nos compétences relationnelles.

Compétences humaines qui risquent de « rouiller » :

• Comprendre les vraies intentions des autres (pas toujours évidentes)
• Gérer les conflits et les désaccords (inévitables entre humains)
• Accepter l’imprévisibilité humaine (contrairement aux IA programmées)

La différence biologique cruciale

Giacomo Rizzolatti (Université de Parme) a découvert des « neurones copiateurs » qui s’activent identiquement quand nous faisons une action et quand nous observons quelqu’un d’autre la faire¹⁵. Ces neurones ne s’activent pleinement qu’en présence physique d’autres humains.

Pour Lucas : Quand son professeur résout un problème au tableau, ses neurones copiateurs « pré-activent » sa propre résolution. Cette vibration invisible facilite ensuite son propre travail.

L’enjeu : Utiliser l’IA pour soulager temporairement, mais continuer à nourrir nos vraies relations humaines pour maintenir nos « muscles sociaux ».

9. Neuroéthique : protéger l’intimité de nos pensées

Vers des écoles qui « lisent » le cerveau

Prolongement de « Notes dopées » : Au-delà des inégalités d’accès, émergent de nouveaux droits fondamentaux.

L’avenir de l’IA éducative nous mène vers des technologies capables de « lire » directement l’activité cérébrale des élèves. Ces outils promettent une personnalisation révolutionnaire¹⁶.

Ce qui arrive bientôt :

• Analyse des pupilles : Mesure instantanée de la difficulté ressentie
• Capteurs cérébraux portables : Détection de la concentration, fatigue, stress
• Caméras « intelligentes » : Lecture des émotions sur le visage

Les nouveaux droits à inventer

Ces avancées soulèvent des questions fondamentales. Si nos données de cerveau deviennent lisibles, comment protéger notre intimité mentale ?

Nouveaux droits à défendre :

• Droit à la liberté de pensée : Réfléchir sans surveillance
• Droit à l’intimité mentale : Garder ses pensées privées
• Droit à l’identité cognitive : Rester soi-même malgré l’IA

⚠️ Le grand défi : La frontière entre soigner (aider un élève en difficulté), améliorer (optimiser ses capacités) et contrôler (surveiller ses pensées) devient floue.

L’hygiène cognitive : 5 habitudes pour un cerveau sain à l’ère IA

Face à ces enjeux, développons une « hygiène cognitive » – des habitudes simples basées sur le fonctionnement de notre cerveau :

1. L’échauffement mental (récupération active)

• Avant de demander à l’IA : Essayer de se rappeler ou deviner la réponse
• Après la réponse IA : Reformuler avec ses propres mots
• Pourquoi : Active l' »archiviste » du cerveau qui consolide la mémoire

2. L’IA-entraîneur plutôt qu’IA-solution

• Demander des indices avant la solution complète
• Chercher des exemples trompeurs pour aiguiser l’esprit critique
• Pourquoi : Préserve les « signaux d’alarme » du cerveau essentiels à l’apprentissage

3. Entraînement de la concentration (sprints attentionnels)

• Travailler par blocs de 25 minutes sans aucune interruption
• Alterner concentration intense et vraies pauses
• Pourquoi : Optimise notre « tour de contrôle » attentionnelle

4. L’auto-contrôle cognitif (métacognition)

• Avant de valider : « Suis-je vraiment sûr de ce résultat ? »
• Après production : « Puis-je expliquer cette solution sans aide ? »
• Pourquoi : Maintient l’esprit critique et l’appropriation de son travail

5. La règle d’or « Penser d’abord »

• Toujours commencer par un effort de réflexion personnelle
• Puis utiliser l’IA pour enrichir, vérifier, améliorer
• Pourquoi : Préserve l’activité cérébrale (prouvé par l’étude MIT)

10. Conclusion : Changer la question pour sauver l’effort

De « Pourquoi s’embêter ? » à « Qu’est-ce qui restera humain ? »

L’anecdote de Lucas n’était pas un simple caprice d’adolescent, mais le symptôme d’une transformation profonde. Plutôt que de se demander « Faut-il encore faire des efforts quand tout est à portée de clic ? », posons la vraie question : « Qu’est-ce que l’IA ne pourra jamais apprendre à ma place ? »

La réponse : la curiosité qui pousse à chercher, le jugement critique qui interroge les réponses, le goût du vrai qui refuse la facilité, et surtout l’expérience irremplaçable de se transformer en comprenant.

L’effort comme signature humaine

Synthèse avec « Notes dopées » : Au-delà des enjeux de performance, l’effort forge littéralement notre identité biologique.

L’IA peut accélérer l’accès au savoir, mais elle ne peut pas vivre l’expérience biologique de l’apprentissage à notre place. Quand Lucas résout enfin son problème de géométrie après 20 minutes d’effort, son cerveau vit une transformation que nulle IA ne peut simuler :

• Naissance de nouveaux neurones dans l’hippocampe
• Accélération des connexions (gain de vitesse x100)
• Densification des liaisons (multiplication par 1000)

Cette expérience biologique unique de transformation par l’effort devient notre spécificité humaine face à l’IA.

L’effort comme acte de résistance créatrice

Dans un monde où tout s’autocomplète, préserver des espaces d’effort authentique devient révolutionnaire. Non par nostalgie du passé, mais par vision d’avenir : seuls ceux qui auront expérimenté la transformation par l’effort sauront vraiment collaborer avec l’intelligence artificielle sans perdre leur âme.

L’école de demain se dessine aujourd’hui, dans nos choix quotidiens. Saurons-nous faire de l’IA une alliée de l’effort plutôt qu’un substitut à la pensée ?

Sources et références

1. GoStudent. (2025). Étude sur l’Éducation du Futur 2025. Enquête menée du 6 novembre au 3 décembre 2024 auprès de 5 859 enfants (10-16 ans) et 300 enseignants dans 6 pays européens, en collaboration avec Opinium.
2. Pôle Léonard de Vinci & Talan. (2024). L’impact des IA génératives sur les étudiants. Étude menée auprès de 1 600 étudiants de 4ème année (EMLV, ESILV, IIM) dans le cadre du Hackathon transversal, février-mars 2024.
3. Dehaene, S. (2018). Apprendre ! Les talents du cerveau, le défi des machines. Paris : Éditions Odile Jacob.
4. Shenhav, A., Botvinick, M. M., & Cohen, J. D. (2013). The expected value of control: An integrative theory of anterior cingulate cortex function. Neuron, 79(2), 217-240.
5. Bliss, T. V., & Lømo, T. (1973). Long-lasting potentiation of synaptic transmission in the dentate area of the anaesthetized rabbit following stimulation of the perforant path. Journal of Physiology, 232(2), 331-356.
6. Merzenich, M. (2013). Soft-Wired: How the New Science of Brain Plasticity Can Change Your Life. Parnassus Publishing.
7. Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google effects on memory: Cognitive consequences of having information at our fingertips. Science, 333(6043), 776-778.
8. Ward, A. F., et al. (2017). Brain drain: the mere presence of one’s own smartphone reduces available cognitive capacity. Journal of the Association for Consumer Research, 2(2), 140-154.
9. Diekelmann, S., & Born, J. (2010). The memory function of sleep. Nature Reviews Neuroscience, 11(2), 114-126.
10. Kosmyna, N., et al. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. MIT Media Lab (prépublication).
11. Ouyang, F., & Jiao, P. (2021). Artificial intelligence in education: The three paradigms. Computers & Education: Artificial Intelligence, 2, 100014.
12. Gehring, W. J., et al. (1993). A neural system for error detection and compensation. Psychological Science, 4(6), 385-390.
13. Abd-Alrazaq, A., et al. (2019). An overview of the features of chatbots in mental health. International Journal of Medical Informatics, 132, 103978.
14. Ta, V., et al. (2020). User experiences of social support from companion chatbots in everyday contexts. Proceedings of the 2020 CHI Conference.
15. Rizzolatti, G., & Craighero, L. (2004). The mirror-neuron system. Annual Review of Neuroscience, 27, 169-192.
16. UNESCO. (2023). Guidance for generative AI in education and research. https://unesdoc.unesco.org/ark:/48223/pf0000386693
17.  Profexpress. (2024). Ophélia, l’enseignante virtuelle IA. https://www.profexpress.com/observatoire-ia-education/ophelia/

Pour approfondir cette réflexion sur les transformations sociétales de l’IA éducative, lire notre analyse « Notes dopées, pensée bridée ? Quand l’IA redistribue les cartes de la réussite scolaire »