En 2026, 52 % des étudiants déclarent qu’au moins certains de leurs cours ne donnent pas de consignes claires sur l’usage de l’IA. Bowen et Watson ont publié une seconde édition substantiellement mise à jour le 2 décembre 2025 pour répondre à ce vide, non par des interdictions, mais par une thèse plus exigeante. Ce qui détermine si un étudiant développe un jugement ou délègue sa réflexion, c’est la décision d’utiliser l’outil, pas l’outil lui-même.
L’essentiel
- Les auteurs présentent l’IA comme un outil dont les usages et effets doivent être évalués à l’aune des biais, de l’éthique et des objectifs pédagogiques : c’est le choix de déléguer ou non un acte cognitif qui détermine si l’étudiant apprend ou contourne l’apprentissage.
- En 2026, 52 % des étudiants déclarent qu’au moins certains de leurs cours manquent de règles claires sur l’usage de l’IA (Lumina Foundation–Gallup 2026).
- Bowen et Watson proposent un cadre pratique : distinguer les actes délégables (recherche documentaire, mise en forme) des actes non délégables (jugement évaluatif, résolution autonome d’un problème nouveau).
- La tension longue n’est pas technologique mais institutionnelle : sans politiques coordonnées, la génération formée dans cet intervalle risque de consolider un réflexe d’externalisation systématique.
- Le livre est un outil de travail pour les enseignants, pas un manifeste : il livre des protocoles de conception de cours testés dans des universités américaines.
Deux spécialistes de la pédagogie face à un fait accompli
José Antonio Bowen est président émérite de la Goucher College (Maryland) et l’un des théoriciens américains les plus cités sur l’innovation pédagogique. C. Edward Watson dirige le Center for Teaching Excellence à l’Université de Géorgie. Ensemble, ils ont publié une première édition de Teaching with AI au printemps 2024, quelques mois après le lancement de ChatGPT, qui s’est imposée comme référence dans les programmes de formation des enseignants du supérieur américain.
La deuxième édition, parue en décembre 2025, repart de zéro sur un point. La première tentait encore de cartographier un outil en devenir. La seconde part du constat que le débat sur l’adoption est clos : l’IA est dans les salles de classe, avec ou sans l’accord des établissements. La question a changé de nature.
La thèse : évaluer la décision, pas le produit
Le cœur du livre tient en une distinction que les auteurs posent dès les premières pages. Toute tâche pédagogique peut être décomposée en actes cognitifs : chercher une information, synthétiser des arguments, identifier une contradiction, formuler un jugement. Certains de ces actes peuvent être délégués à une machine sans que l’apprentissage visé soit compromis. D’autres ne le peuvent pas, parce que c’est précisément en les accomplissant que l’étudiant construit la compétence ou la disposition mentale que le cours est censé développer.
Un étudiant qui demande à ChatGPT de générer un plan de dissertation avant d’écrire a peut-être gagné du temps. Il a aussi peut-être court-circuité l’exercice par lequel il aurait appris à hiérarchiser des arguments. Bowen et Watson soutiennent que la pédagogie doit se réorganiser autour de cette ligne de partage. L’évaluation doit davantage faire apparaître l’effort, le processus, la pensée critique et la qualité spécifiquement humaine, et valoriser la qualité du raisonnement que l’étudiant peut montrer indépendamment de la machine.
Cette thèse a une conséquence pratique immédiate pour les enseignants : concevoir des tâches où le choix de ne pas déléguer est visible et valorisé. Un étudiant qui explique pourquoi il a choisi de ne pas utiliser l’IA sur telle partie de son travail montre un méta-jugement que la machine ne peut pas simuler.
Les outils concrets : une pédagogie du choix
Le livre est avant tout un manuel. Bowen et Watson décrivent des protocoles testés dans des universités américaines. Plusieurs méritent attention.
Le premier est ce qu’ils appellent le AI audit : un exercice où les étudiants documentent leur usage de l’IA et en expliquent le choix. L’exercice vise l’analyse critique du propre processus de travail de l’étudiant. Les établissements qui l’ont adopté signalent que les étudiants réfléchissent davantage au moment de formuler une requête.
Le second est la réorganisation de l’évaluation autour d’actes cognitifs non reproductibles en séance. Un oral inattendu sur le contenu d’un travail écrit, une révision en temps limité, une justification orale des choix de raisonnement : autant de formats qui rendent l’externalisation sans valeur, parce que l’étudiant doit démontrer une compréhension que la machine ne peut pas fournir à sa place au moment T.
Le troisième est la conception de syllabus explicites sur l’usage de l’IA indiquant, pour chaque tâche, ce qui peut être délégué et ce qui ne peut pas l’être. Bowen et Watson fournissent des modèles que les enseignants peuvent adapter. L’enjeu est de sortir de l’ambiguïté qui, en son absence, profite à l’externalisation par défaut.
Les auteurs citent des études expérimentales ou quasi-expérimentales menées dans des contextes éducatifs, dont certaines rapportant des gains de pensée critique dans certaines conditions d’usage.
L’argument de Cowen : ce que la pédagogie doit à l’économie
Tyler Cowen a formulé en 2024 une thèse qui éclaire directement le livre de Bowen et Watson. Dans un texte publié sur The Free Press, il avance que l’IA amplifie l’intellect humain si l’effort cognitif est préservé, et que les sociétés risquent des pertes de compétitivité dans les domaines où le jugement humain demeure essentiel. La formation des esprits critiques constitue ainsi un enjeu de compétitivité démocratique à long terme.
Bowen et Watson opérationnalisent cette thèse à l’échelle d’une salle de classe. Le rapprochement entre la distinction pédagogique de Bowen et Watson et la thèse de Cowen est une interprétation de l’article, non une prescription explicite de Cowen. Là où Cowen pose un diagnostic géopolitique, les deux pédagogues proposent une réponse institutionnelle concrète.
La tension entre les deux niveaux d’analyse est réelle. Cowen relève que les grandes entreprises peuvent vouloir limiter la concurrence d’acteurs moins chers et de moindre qualité. Bowen et Watson ne proposent pas de réguler l’outil, mais de structurer l’environnement d’apprentissage autour de lui. La distinction est importante : leur approche combine la structuration de l’apprentissage avec des politiques explicites d’usage de l’IA.
Les questions que le livre laisse ouvertes
La critique honnête du guide tient à ses angles morts. Le premier est l’inégalité d’accès aux outils pédagogiques avancés. Les protocoles décrits exigent des enseignants bien formés, des institutions capables d’investir dans la formation continue, et des classes de taille raisonnable. Les universités américaines qui ont le plus de moyens sont celles qui adopteront le plus vite ces méthodes, ce qui risque de creuser l’écart avec les établissements publics sous pression budgétaire. Sur ce point, l’article de ce journal sur les budgets des universités publiques américaines est un contrepoint direct : les établissements les moins bien dotés sont aussi ceux où le vide institutionnel autour de l’IA est le plus profond.
Le deuxième angle mort est l’évaluation à grande échelle. Bowen et Watson citent des résultats sur des programmes pilotes, mais les essais à grande échelle mesurant l’impact à long terme sur la pensée critique manquent encore.
Le troisième est la question de la généralisation internationale. Le livre est écrit pour le système universitaire américain, avec ses spécificités institutionnelles. Les systèmes plus centralisés, France, Corée du Sud, Japon, ont des leviers différents pour imposer des politiques coordonnées, mais aussi des rigidités différentes. Le cadre Bowen-Watson est exportable dans son principe, moins dans ses modalités.
Daron Acemoglu, dont les travaux sur la technologie et le pouvoir montrent que les gains du progrès ne se distribuent pas automatiquement, apporterait ici un contrepoint utile : une pédagogie du jugement qui ne s’accompagne pas d’une politique publique explicite sur qui finance la formation des enseignants restera le privilège des bien dotés. Le livre pose la bonne question pédagogique ; il laisse ouverte la question politique.
Les acquis et les pertes probables de la génération 2035
La vraie ligne de partage n’est pas entre les établissements qui autorisent l’IA et ceux qui l’interdisent. Elle passe entre ceux qui auront structuré l’environnement d’apprentissage autour de la décision de déléguer, et ceux qui auront laissé ce vide se combler par le réflexe d’externalisation.
Plusieurs trajectoires possibles se profilent pour la prochaine décennie. Si les établissements adoptent des politiques coordonnées accompagnées de dispositifs pédagogiques qui rendent le raisonnement, la critique et la vérification des étudiants observables, les étudiants pourraient développer un esprit critique structuré autour de la décision humaine. L’IA deviendrait un outil subordonné au raisonnement, comme la calculatrice l’est au calcul mental depuis quarante ans. Les signaux à surveiller ici sont simples : la part des établissements disposant d’une politique d’usage de l’IA formalisée et appliquée, mesurée annuellement, et l’évolution des résultats aux évaluations standardisées de pensée critique dans les cohortes post-2023.
L’autre trajectoire est moins confortable. Dans un sondage britannique de 2024 auprès de 1 250 étudiants, 12 % jugeaient peu claire la politique institutionnelle sur l’IA, tandis que 63 % la jugeaient claire; les conséquences de cette ambiguïté sur les habitudes de délégation ne sont pas établies. Une consolidation durable de ce réflexe risquerait d’affecter la qualité des évaluations de jugement. Ce risque n’est pas théorique : l’adoption massive de l’IA dans les organisations crée déjà une demande de travailleurs capables d’évaluer les sorties des modèles plutôt que de les produire, une composante pertinente de la pensée critique et de la littératie en IA.
Les besoins collectifs essentiels demeurent dans les deux scénarios : des méthodes d’évaluation capables de distinguer le raisonnement de l’étudiant du contenu généré, et des enseignants formés à concevoir des tâches où le choix de ne pas déléguer est visible. La piste proposée combine politiques institutionnelles et de cours, conception curriculaire et refonte concrète des évaluations : définir les compétences essentielles, les politiques d’usage et des évaluations adaptées à l’IA. Le livre de Bowen et Watson fournit la matière pédagogique. Il reste à mobiliser la volonté politique nécessaire pour l’adopter à l’échelle.
Intérêt du livre
Teaching with AI s’adresse d’abord aux enseignants du supérieur. Mais quiconque s’interroge sur ce que l’IA générative change dans la formation des esprits y trouvera une rigueur que les tribunes habituelles sur le sujet n’offrent pas. Le livre évite deux facilités symétriques : la panique morale devant la triche généralisée, et l’enthousiasme béat devant un outil qui ferait apprendre plus vite. Il pose une question plus difficile, qu’est-ce qu’apprendre, et qu’est-ce que déléguer à la machine empêche d’apprendre, et il y répond avec des protocoles testés, pas avec des intuitions.
Pour un lecteur francophone, le livre offre un autre intérêt : il documente ce qui se passe dans les universités américaines au moment précis où les systèmes européens commencent à se poser les mêmes questions sans disposer encore des mêmes retours d’expérience. Les solutions ne sont pas directement transposables, mais les problèmes sont identiques.
Informations bibliographiques
Teaching with AI: A Practical Guide to a New Era of Human Learning José Antonio Bowen, C. Edward Watson Johns Hopkins University Press 2e édition, décembre 2025
Sources
- Teaching with AI, Johns Hopkins University Press
- Tyler Cowen, A Doomsday Scenario for American AI, The Free Press, https://www.thefp.com/p/tyler-cowen-ai-doomsday-scenario-american
- Stanford Tech & Education Guide 2026, Stanford University (sans lien : page institutionnelle non stabilisée)
