Les activités de conseil auprès d’établissements d’enseignement supérieur, ou assimilés, sont devenues une composante importante du portefeuille de PHGD. C’est le cas notamment auprès d’Arizona State University et de la TryfactaEDU Global Foundation, dans le deux cas en relation avec la participation de PHGD à la coalition internationale BRIDGES, rattachée au programme MOST de l’UNESCO. Et ce n’est pas étonnant, tant l’enseignement supérieur est un lieu de transformation profonde : nouvelles dynamiques de mondialisation, effets induits du bouleversement pandémique de 2020, déstabilisation des modèles économiques mis en place au début des années 2000, assauts politiques contre la légitimité et l’autonomie des universités, attentes et perception en évolution des étudiants… Avec un sujet qui cristallise nombre de ces bouleversements : les usages des modèles génératifs dits d’« intelligence artificielle ».
Il y a donc de quoi faire !
Le 7 mai 2026, John Crowley était invité par l’école de management Excelia à assurer, sur le campus de Tours, une formation sur les transformations de l’enseignement du management, avec un accent particulier sur l’IA : ses effets déjà visibles (et principalement négatifs) et ses potentiels positifs.
Potentiels positifs ? L’idée peut peut paraître incongrue, tant le corps enseignant rapporte des usages spontanés par les étudiants qui mettent à mal l’idée même d’apprentissage et tant le débat public regorge de perspectives alarmistes sur la liquéfaction des cerveaux, la destruction des emplois et les intentions malveillantes – ou, tout simplement, l’irresponsabilité – de ceux qui contrôlent la technologie. Pourtant, la littérature spécialisée en sciences de l’éducation, reprise dans des rapports publics de différentes autorités, est pleine de propositions pour des usages féconds de l’IA au service de l’éducation. Comment comprendre cet apparent paradoxe ?
Les préoccupations quant à l’usage spontané par les étudiants des modèles générateurs de langage sont bien connues, et largement partagées par le corps enseignant d’Excelia. Au lieu de mettre les algorithmes au service d’un projet d’apprentissage, cet usage remplace l’apprentissage par autre chose : l’obtention d’une note sans le travail que celle-ci est censée sanctionner. Avec l’argument, implicite ou explicite, que de toute façon c’est la note et non l’apprentissage qui est valorisée. En d’autres termes, les usages de l’IA révèlent une faille dans le modèle même de l’éducation au management (ou aux affaires – « business education », comme on dit en anglais). D’où la réaction première, et naturelle : trouver des modalités d’exclusion de l’IA. Par exemple, en privilégiant les contrôles oraux ou manuscrits avec supervision.
Et c’est sur ce point que les sciences de l’éducation soulèvent des questions intéressantes. En substance, quel est l’apprentissage qu’il s’agit de favoriser, et en quoi les méthodes et procédures (d’enseignement comme de d’évaluation) y contribuent-elles concrètement ? Qu’est-on censé apprendre quand on étudie le management ? Comment saurait-on si on l’a appris ?
A Excelia, c’est la théorie de la « charge cognitive » que John Crowley a utilisée pour approfondir la réflexion. En effet, celle-ci constitue la référence dominante dans la littérature scientifique, tout en posant un certain nombre de problèmes.
Dans son principe, l’idée de la « charge cognitive » est simple. Apprendre, c’est utiliser des stimuli immédiats pour faire entrer en mémoire à court terme des notions de toute sorte, avec leur structure telle que transmise, de manière à pouvoir se les approprier, sur un temps plus long, sous la forme de « schémas », qui sont des manières de mobiliser ce qu’on a appris pour ses propres besoins. D’évidence, emprunter les schémas d’autrui (humain ou machine) pour produire directement un résultat (par exemple, une dissertation ou une démonstration), ce n’est pas avoir appris à le faire. Et il est assez logique de conclure que cette manière de procéder non seulement n’incite pas à apprendre, mais empêche d’apprendre.
L’apprentissage représente donc une charge cognitive importante, incompressible et inhérente. Apprendre, c’est un effort : pour suivre l’enseignement, pour retenir ce que l’on a suivi – et enfin pour l’intégrer, notamment par la pratique et l’entraînement. Selon le mot de Wittgenstein, on ne peut apprendre à nager juste en lisant un livre sur la natation, et il en va de même pour le piano, le grec ancien ou la thermodynamique.
Il en résulte que l’enseignement impose nécessairement une charge cognitive, inhérente à l’apprentissage. La question posée par les sciences de l’éducation est celle-ci : les modalités de l’enseignement imposent-elles, en outre, une charge cognitive accessoire, qui ne contribue pas à l’apprentissage et donc – la capacité à supporter la charge n’étant pas extensible à volonté – lui nuit ?
Selon les spécialistes de la pédagogie, oui. Une partie importante de la charge cognitive liée à l’enseignement ne contribue pas directement à l’apprentissage – notamment en format cours magistral. Cette charge improductive est appelée « extrinsèque ». D’où l’idée que des usages de l’IA (qui restent pour l’essentiel à inventer) pourraient réduire la charge extrinsèque, permettant une meilleure concentration sur l’apprentissage. Les liens donnent des références sur ce point, y compris des éléments empiriques qui paraissent compatibles avec cette thèse.
https://www.eur.nl/en/impactatthecore/managing-cognitive-load-impact-driven-education
Parmi les suggestions : donner un rôle accru à l’IA dans le tutorat, dans la vérification dynamique des acquis, dans la structuration pédagogique notamment autour de la réalité virtuelle, dans la simulation et la « gamification », dans des plateformes d’apprentissage personnalisé, dans l’automatisation de l’évaluation… Bref, libérer les enseignants de la structuration de l’enseignement, pour se concentrer sur l’accompagnement dynamique de l’apprentissage, et libérer les étudiants du cadre pédagogique qui entrave leur apprentissage. (Soulignons que la théorie de la charge cognitive fait elle-même controverse. Il s’agit ici de dire ce qu’elle dit, et non pas de l’endosser.)
Qu’en pensent les enseignants – en tout cas chez Excelia en mai 2026 ? Sans surprise, ils n’y croient pas du tout. Non que l’accent sur l’appui que l’IA peut apporter à l’enseignant soit hors de propos. Au contraire, chacun est conscient du fait que rien de satisfaisant n’émergera spontanément de l’usage étudiant de l’IA dans les conditions pédagogiques préexistantes. Mais la transformation fondamentale à la fois du métier d’enseignant et de l’esprit de l’enseignement paraît profondément irréaliste. Les enseignants ne se sentent pas outillés, et ne croient pas être soutenus par leur institution au niveau requis pour parvenir à une telle transformation.
Un chantier d’une brûlante actualité et qui continuera d’être important pour PHGD, notamment à travers notre relation avec la TryfactaEDU Global Foundation.