L’IA dans l’éducation : l’apprentissage personnalisé et la fin de la salle de classe telle que nous la connaissons

La salle de classe a été conçue pour l’élève moyen — l’IA est conçue pour chacun

Depuis plus d’un siècle, l’éducation formelle fonctionne selon un modèle de diffusion : un enseignant délivre une leçon à trente élèves, tous censés assimiler la matière au même rythme. Les élèves qui apprennent plus vite s’ennuient. Ceux qui ont besoin de plus de temps prennent du retard. Le système optimise pour la médiane et échoue aux deux extrêmes.

L’intelligence artificielle démantèle ce modèle. En 2026, les plateformes d’apprentissage adaptatif alimentées par l’IA peuvent évaluer les lacunes de chaque élève en temps réel, ajuster dynamiquement la difficulté, fournir un retour instantané et générer des exercices personnalisés — à une échelle qu’aucun enseignant humain ne pourrait égaler. La technologie n’est plus expérimentale. Le capital-risque mondial dans l’EdTech a atteint 2,4 milliards de dollars en 2025, les plateformes d’apprentissage alimentées par l’IA captant une part croissante des investissements. Le marché mondial de l’IA dans l’éducation, évalué à 5,88 milliards de dollars en 2024, devrait atteindre 32,27 milliards de dollars d’ici 2030, avec un taux de croissance annuel composé de 31,2 % — reflétant l’élan explosif du secteur.

La question n’est plus de savoir si l’IA transformera l’éducation. C’est de savoir si les institutions, les enseignants et les décideurs politiques peuvent s’adapter assez vite pour l’exploiter de manière responsable.

Les plateformes leaders : qui construit l’éducation par l’IA

Khan Academy et Khanmigo

Khanmigo de Khan Academy est devenu le tuteur IA le plus en vue au monde. Lancé en tant que pilote en 2023, Khanmigo a atteint environ 1,4 million d’utilisateurs fin 2025 — avec une adoption K-12 passant de 40 000 à 700 000 utilisateurs entre les années scolaires 2023-24 et 2024-25, et en voie de dépasser un million d’utilisateurs K-12 pour l’année scolaire 2025-26. Contrairement à un moteur de recherche qui donne directement la réponse, Khanmigo utilise la méthode socratique — posant des questions guidées, identifiant où le raisonnement de l’élève se brise, et le guidant vers la bonne approche sans donner directement la solution.

Initialement alimenté par GPT-4 d’OpenAI, Khanmigo a élargi sa base technologique. En février 2026, Khan Academy s’est associé à Google pour intégrer Gemini AI aux outils de littératie — lecture et écriture — tout en conservant ses modèles existants pour les mathématiques et le tutorat général. La plateforme prend désormais en charge plus de 40 langues, dont l’arabe et le français, et Khanmigo Teacher fournit des plans de cours générés par l’IA, des évaluations alignées sur les programmes et des analyses en temps réel de la compréhension des élèves.

Duolingo Max et l’apprentissage des langues

L’intégration de l’IA chez Duolingo va au-delà des exercices de vocabulaire. Duolingo Max utilise GPT-4o pour alimenter « Explain My Answer » (une IA conversationnelle qui explique les erreurs grammaticales en contexte) et « Roleplay » (des conversations simulées avec des personnages IA dans la langue cible). Avec plus de 116 millions d’utilisateurs actifs mensuels et plus de 50 millions d’utilisateurs actifs quotidiens au troisième trimestre 2025, Duolingo représente le plus grand déploiement réel d’IA conversationnelle dans l’éducation. L’entreprise a dépassé le milliard de dollars de revenus annuels — démontrant que l’éducation alimentée par l’IA peut être commercialement viable à grande échelle.

Squirrel AI (Chine)

Squirrel AI, en Chine, exploite un réseau de plus de 3 000 centres d’apprentissage dans le monde, servant 24 millions d’élèves grâce à un moteur d’apprentissage adaptatif hyper-granulaire qui décompose chaque matière en milliers de micro-points de connaissance. Le système diagnostique les faiblesses individuelles des élèves à un niveau extraordinairement fin et génère des parcours d’apprentissage personnalisés. Squirrel AI affirme que les élèves utilisant sa plateforme montrent des améliorations d’efficacité d’apprentissage de 5 à 10 fois par rapport à l’enseignement traditionnel en classe, bien que la vérification indépendante de ces affirmations reste limitée. En 2026, Squirrel AI a annoncé son expansion sur le marché américain, signalant une nouvelle phase de croissance internationale pour l’EdTech chinoise.

Coursera, edX et l’évolution des MOOCs

Les grandes plateformes d’apprentissage en ligne ont intégré des assistants IA dans l’ensemble de leurs catalogues de cours. Le « Coach » alimenté par l’IA de Coursera fournit des plannings d’étude personnalisés, répond aux questions spécifiques aux cours et génère des quiz de pratique. EdX utilise l’IA pour noter les devoirs, fournir un retour instantané sur les exercices de programmation et recommander des séquences de cours pertinentes pour la carrière. Ces intégrations transforment des catalogues de cours passifs en environnements d’apprentissage activement adaptatifs.

Comment fonctionne réellement le tutorat par IA : les fondements techniques

Les systèmes modernes de tutorat par IA combinent plusieurs technologies qui n’existaient pas ou étaient impraticables avant 2024 :

Les modèles de traçage des connaissances suivent ce qu’un élève sait et ne sait pas à travers le graphe conceptuel complet d’une matière. Lorsqu’un élève répond incorrectement à une question, le système ne se contente pas d’enregistrer l’erreur — il infère quel concept sous-jacent est faible et génère des exercices ciblés pour combler cette lacune spécifique.

La compréhension du langage naturel permet aux élèves de poser des questions en langage courant — « Je ne comprends pas pourquoi il faut multiplier les deux côtés de l’équation » — et de recevoir des explications adaptées à leur niveau et à leur contexte.

La génération augmentée par récupération (RAG) ancre les réponses du tuteur IA dans du contenu éducatif vérifié plutôt que dans les données d’entraînement générales du modèle, réduisant le risque d’hallucination dans les contextes académiques. Khanmigo, par exemple, limite ses réponses à la bibliothèque de programmes de Khan Academy.

L’entrée multimodale permet aux élèves de photographier des problèmes mathématiques écrits à la main, de télécharger des diagrammes ou de poser des questions oralement. L’IA traite les entrées visuelles, textuelles et audio pour comprendre sur quoi travaille l’élève et où il est bloqué.

L’optimisation de la répétition espacée utilise des algorithmes pour planifier la révision des matières précédemment apprises à des intervalles scientifiquement optimaux, améliorant considérablement la rétention à long terme par rapport aux méthodes d’étude traditionnelles.

Le rôle de l’enseignant se transforme — il ne disparaît pas

La crainte la plus persistante autour de l’IA dans l’éducation est qu’elle va remplacer les enseignants. Les données des déploiements 2025-2026 racontent une histoire différente : l’IA change ce que font les enseignants, elle n’élimine pas le besoin d’en avoir.

Dans les écoles utilisant Khanmigo et des plateformes similaires, les enseignants rapportent qu’ils passent nettement moins de temps à faire des cours magistraux, à noter et à donner des explications répétitives, et nettement plus de temps à encadrer, faciliter les discussions, mener des projets d’apprentissage et assurer le soutien socio-émotionnel — le travail qui exige empathie et jugement humains.

Les premières données provenant de multiples districts scolaires aux États-Unis et de programmes pilotes à l’échelle mondiale suggèrent que les élèves bénéficiant à la fois d’un tuteur IA et d’un enseignant humain surpassent systématiquement ceux qui n’ont que l’un ou l’autre. La combinaison humain-IA semble supérieure à l’un ou l’autre en isolation — renforçant l’argument en faveur de l’IA comme complément aux enseignants, et non comme remplacement.

Le rôle de l’enseignant passe de « source de connaissances » à « architecte de l’apprentissage » — concevant des expériences, accompagnant les élèves dans la résolution de problèmes complexes, développant la motivation et gérant les dimensions sociales et émotionnelles de l’apprentissage que l’IA ne peut pas reproduire. Les enseignants qui embrassent cette transition rapportent une plus grande satisfaction professionnelle ; ceux qui y résistent rapportent une frustration croissante alors que les élèves arrivent ayant déjà appris le contenu fondamental auprès de tuteurs IA.

Le dilemme universitaire : interdire, adopter ou faire semblant que ça n’existe pas

L’enseignement supérieur est en crise face à l’IA. Les universités font face à un trilemme : interdire les outils d’IA et perdre en pertinence, les adopter et peiner à évaluer l’apprentissage réel des étudiants, ou ignorer le problème et regarder l’intégrité académique s’éroder.

Début 2026, le paysage s’est fragmenté :

Le camp de l’interdiction : Une minorité d’institutions — principalement celles ayant de fortes traditions de codes d’honneur — interdisent totalement l’utilisation des outils d’IA dans les travaux. L’application est quasi impossible : les outils de détection comme le classificateur IA de Turnitin se sont révélés peu fiables en pratique. Alors que Turnitin revendique officiellement un taux de faux positifs inférieur à 1 % au niveau du document, des études indépendantes montrent des taux de faux positifs réels de 10 à 15 % selon le style d’écriture — et le problème est plus grave pour les locuteurs non natifs de l’anglais. Une étude a révélé que 61 % des essais TOEFL rédigés par des locuteurs non natifs de l’anglais étaient incorrectement signalés comme générés par l’IA, soulevant de sérieuses préoccupations d’équité.

Le camp de l’adoption : Des universités de premier plan, dont MIT, Stanford, Carnegie Mellon et l’Université du Michigan, ont intégré les outils d’IA dans les programmes, exigeant des étudiants qu’ils démontrent une littératie en IA et utilisent l’IA comme outil de productivité tout en apprenant à évaluer et vérifier les résultats de l’IA de manière critique. Ces institutions repensent les évaluations autour d’examens oraux, de portfolios de projets et de démonstrations en direct qui sont difficiles à simuler avec l’IA.

Le milieu confus : La majorité des institutions ont émis des politiques vagues, laissant chaque professeur décider de sa propre approche — créant une incohérence qui frustre étudiants et enseignants.

Le défi plus profond est philosophique : si une IA peut rédiger un essai acceptable, que teste réellement un devoir de rédaction ? Les universités sont forcées de repenser l’évaluation à un niveau fondamental — un processus qui prendra des années et qui ne fait que commencer en 2026.

Le paradoxe de l’équité : démocratisation contre fracture numérique

L’IA dans l’éducation porte une profonde tension d’équité. D’un côté, un tuteur IA de haute qualité disponible sur un smartphone pourrait donner à un élève en Algérie rurale ou en Afrique subsaharienne accès à un enseignement personnalisé qui n’était auparavant disponible qu’aux élèves des écoles privées d’élite ou à ceux pouvant s’offrir des tuteurs humains facturant 100 dollars de l’heure. Khan Academy est gratuit. Duolingo est gratuit. Le coût marginal d’une session de tutorat par IA est proche de zéro.

De l’autre côté, l’accès nécessite un smartphone, une connexion internet fiable et de l’électricité — des ressources qui restent inégalement réparties à l’échelle mondiale. Les élèves des écoles bien dotées bénéficient d’outils d’IA intégrés dans leur classe aux côtés d’enseignants qualifiés ; les élèves des écoles sous-dotées peuvent recevoir des outils d’IA en remplacement des enseignants plutôt qu’en complément.

Le risque est un système bifurqué : les élèves aisés utilisent l’IA comme un turbo aux côtés d’un excellent enseignement humain, tandis que les élèves défavorisés utilisent l’IA comme remplacement d’un enseignement déjà inadéquat. Les premières données des États-Unis et du Royaume-Uni suggèrent que ce schéma émerge déjà.

Le Rapport mondial de suivi de l’éducation 2025 de l’UNESCO a explicitement signalé ce risque, appelant les gouvernements à investir dans la littératie IA des enseignants et dans l’infrastructure numérique des écoles sous-desservies parallèlement au déploiement des outils d’IA — et non après.

Notation, évaluation et la course aux armements du plagiat

L’IA perturbe simultanément l’évaluation dans deux directions : en permettant de meilleurs outils d’évaluation automatisée, et en rendant les évaluations traditionnelles obsolètes.

La notation par IA a considérablement mûri. Des systèmes comme Gradescope (acquis par Turnitin) peuvent désormais noter des réponses ouvertes de type essai, fournir des commentaires écrits détaillés sur la structure, l’argumentation et l’utilisation des preuves, et ce avec une fiabilité inter-évaluateurs comparable à celle des correcteurs humains — pour une fraction du coût et du temps.

La question du plagiat évolue rapidement. La première génération de « détecteurs d’IA » (GPTZero, Turnitin AI Classifier) s’est révélée peu fiable en production. Le taux officiel de faux positifs de Turnitin, inférieur à 1 % au niveau du document, contraste fortement avec les résultats indépendants de 10 à 15 % de faux positifs en utilisation réelle — les locuteurs non natifs de l’anglais étant disproportionnellement touchés. La plupart des universités ont discrètement cessé de pénaliser les étudiants sur la seule base des scores de détection IA.

Le consensus émergent est que la question « L’étudiant a-t-il utilisé l’IA ? » est la mauvaise question. La bonne question est « L’étudiant peut-il démontrer la compétence sous-jacente ? » Cela favorise un virage vers l’évaluation basée sur les compétences : examens oraux, démonstrations de résolution de problèmes en direct, défense de portfolio et projets collaboratifs où le processus — et pas seulement le produit — est évalué.

Sources et lectures complémentaires

• AI Can Deliver Personalized Learning at Scale — Dartmouth
• AIs Future for Students Is in Our Hands — Brookings Institution
• Khanmigo : assistant pédagogique alimenté par IA — Khan Academy
• Designing the 2026 Classroom: Emerging Learning Trends — Faculty Focus
• Predictions About AI in Education in 2026 — Fordham Institute
• AI-Based Personalised Learning: A Systematic Literature Review — Springer