Un tiers seulement des systèmes éducatifs européens intègre les compétences IA dans leurs programmes, selon le rapport Eurydice 2026. Les élèves utilisent l’outil en masse et progressent sur les tâches immédiates, mais obtiennent ensuite des notes 17 % inférieures au groupe n’ayant jamais eu accès à l’outil lors d’évaluations sans IA. Un essai mené dans un lycée turc observe un écart entre performance assistée et performance sans IA.
L’essentiel
- Seul un tiers des 38 systèmes éducatifs européens intègre les compétences IA au curriculum, selon Eurydice 2026.
- Avec GPT Base, les notes pendant les exercices ont augmenté de 48 % dans l’essai étudié, mais les élèves ont ensuite obtenu des notes 17 % inférieures à celles du groupe témoin sans accès à l’IA.
- La littératie numérique reste déterminée par l’origine socioéconomique : les familles avec capital culturel encadrent l’usage, les autres le subissent.
- Deux trajectoires s’ouvrent pour 2030 : une transformation curriculaire ou un déploiement de l’équipement sans réforme pédagogique.
Un écart qui commence dans les salles des profs
Avant de parler des élèves, il faut parler de leurs enseignants. Seuls 29,7 % des enseignants de l’UE interrogés dans TALIS 2024 avaient participé à une formation continue relative à l’IA pour l’enseignement et l’apprentissage. La plupart ont appris à enseigner dans un monde sans IA générative, avec des méthodes conçues pour mesurer un travail fait par un élève seul. Ils se retrouvent aujourd’hui à évaluer des productions dont ils ne savent pas toujours distinguer la part humaine.
Cette lacune de formation n’est pas un détail. Elle conditionne tout ce qui suit. Un enseignant qui maîtrise l’outil peut l’utiliser pour repérer les élèves qui décrochent, personnaliser un exercice, ou exiger que l’élève explique à voix haute ce que la machine a produit pour lui. Un enseignant qui ne le maîtrise pas voit passer des devoirs mieux présentés et coche la case complétion. Un usage non encadré peut favoriser une dépendance, tandis qu’un tuteur IA conçu avec des garde-fous peut mieux soutenir l’apprentissage.
La manière dont l’IA est utilisée dépend en partie de la formation enseignante et de la capacité des établissements à organiser son déploiement. Les établissements les mieux dotés, en budget, en direction pédagogique volontariste, en accès à la formation continue, parviennent à construire des pratiques cohérentes. Les autres laissent les pratiques s’installer seules.
La chute de 17 % et ses effets sur l’apprentissage
Le déchargement cognitif ne produit pas les mêmes effets selon la manière dont la tâche est structurée. Lorsqu’un élève anticipe ce qu’il cherche avant de solliciter l’outil, puis compare le résultat obtenu avec ce qu’il avait envisagé, le circuit cognitif reste partiellement actif. La compétence peut se construire autour de l’outil lorsque l’enseignant organise explicitement ce moment de confrontation. Sans cette étape, la fluidité apparente de la production masque l’absence de traitement en profondeur. Les effets de l’IA sur l’apprentissage dépendent de la manière dont l’outil est conçu et utilisé.
Un design pédagogique qui exploite la friction entre ce que l’élève sait et ce que la machine produit peut soutenir l’apprentissage.
Or cette friction est précisément ce que la plupart des usages actuels effacent, parce qu’elle ralentit, parce qu’elle rend le travail moins propre, et parce que les enseignants insuffisamment formés ne savent pas encore comment l’évaluer. Une baisse après retrait ne peut pas, sur cette seule base, être imputée principalement à l’absence de pédagogie active ; les effets dépendent de la manière dont l’IA a été utilisée.
Le chiffre le plus frappant du corpus Eurydice-OCDE n’est pas le taux d’équipement des écoles. Il mesure ce qui se passe quand l’IA disparaît. Après la phase d’exercices avec GPT-4 non encadré, les élèves ont obtenu au test sans outil des notes 17 % inférieures à celles du groupe témoin. Cet écart de performance au retrait dit une chose précise : ces élèves ont appris à déléguer une partie du raisonnement, sans acquérir la compétence que la tâche était censée développer.
Ce mécanisme est connu en sciences cognitives sous le nom de déchargement cognitif. La délégation cognitive peut réduire certaines occasions de pratique d’une fonction mentale, ce qui peut limiter l’apprentissage de cette compétence. L’élève avance plus vite, mais sur un sol qui disparaît quand l’outil manque.
L’essai a observé une hausse immédiate de 48 % des notes pendant les exercices avec GPT Base. Cette amélioration immédiate est mesurable. L’élève produit plus, plus vite. Mais si cette production ne s’accompagne pas d’un moment explicite où il retraite, explique, reformule sans aide, le gain reste à la surface. Les systèmes éducatifs qui se félicitent d’un taux de complétion en hausse mesurent l’outil, pas l’élève.
Le capital culturel comme infrastructure invisible
La fracture numérique éducative comprend l’accès aux équipements, les occasions d’apprentissage, les compétences et l’accompagnement. Le statut socioéconomique est fortement associé aux résultats de littératie numérique.
Dans les foyers où les parents ont un niveau d’éducation supérieur et une familiarité avec les outils numériques professionnels, l’enfant ne rentre pas seul avec ChatGPT. Il rentre dans un environnement où quelqu’un peut lui demander pourquoi il a choisi cette formulation, quel raisonnement il a suivi, ce que l’IA a apporté qu’il n’aurait pas trouvé seul. Cet encadrement informel soutient l’apprentissage actif autour de l’outil.
Dans les foyers où ce capital culturel manque, l’IA est souvent utilisée comme un moteur de recherche amélioré ou un rédacteur automatique, ce qui réduit les occasions de travail actif et d’apprentissage. La bifurcation salariale de l’IA suit la même logique chez les adultes : ceux qui savent diriger l’outil progressent ; ceux qui le subissent perdent du terrain.
L’école est le moment où cette bifurcation commence.
Les résultats ICILS 2018 montrent que les élèves issus de milieux socioéconomiques plus favorisés obtiennent en moyenne de meilleurs scores de littératie informatique et informationnelle. Sans garde-fous pédagogiques, l’IA peut dégrader l’apprentissage mesuré sans IA ; l’essai ne démontre pas une amplification persistante des inégalités de compétence.
Les pays qui progressent sur la compétence numérique
Un tiers des systèmes éducatifs européens intègre les compétences IA au curriculum. Ces pays méritent d’être regardés de près, non comme des modèles à copier, mais comme des laboratoires dont les résultats sont déjà lisibles.
Les approches les plus documentées partagent trois caractéristiques. Elles distinguent explicitement dans les programmes l’usage de l’IA et la compétence numérique critique, l’un est un comportement, l’autre est un savoir-faire transférable. Elles forment les enseignants avant de déployer les outils, plutôt que de laisser les pratiques s’installer empiriquement. Et elles évaluent la compétence sans l’outil, périodiquement, pour mesurer ce qui a vraiment été intégré.
La Commission européenne a lancé en 2025 une révision de ses orientations sur l’IA en éducation, en s’appuyant notamment sur les travaux du Parlement européen sur les droits numériques des mineurs. Cette révision fournit des orientations pratiques aux éducateurs sur un usage responsable de l’IA et le développement de la littératie IA. Mais pousser n’est pas conditionner : les financements européens pour l’équipement numérique scolaire sont généralement dissociés d’exigences pédagogiques formalisées.
Équiper est mesurable. Transformer la pédagogie prend plusieurs années, mobilise les syndicats enseignants, et ses résultats n’apparaissent pas avant un cycle PISA complet. Les gouvernements qui doivent montrer des résultats dans un mandat privilégient l’équipement. Les pays qui progressent sur la compétence ont accepté un horizon plus long que le calendrier électoral.
Les pays émergents ont dix ans pour éviter la polarisation par les robots : en Europe, le délai est comparable, et l’urgence similaire.
Deux trajectoires pour 2030
La décennie qui s’ouvre sépare deux scénarios distincts, et les signaux disponibles permettent de les distinguer.
Dans le premier, une part significative de systèmes éducatifs européens transforme ses programmes avant 2030. La condition est précise : la réforme curriculaire viserait le transfert de compétence plutôt que la simple complétion de tâche. Elle s’accompagne d’une formation initiale et continue des enseignants, d’évaluations standardisées désagrégées par origine socioéconomique, et d’un dispositif de soutien périscolaire pour les élèves dont les familles manquent de capital culturel numérique. Dans ce cas, un rééquilibrage des écarts entre quartiles socioéconomiques d’ici 2035 est possible. Possible, pas garanti : cela dépend de la qualité de mise en œuvre et de l’évaluation périodique des résultats.
Dans le second scénario, l’équipement continue de se déployer sans transformation pédagogique significative. Les taux de complétion progressent. Les tableaux de bord ministériels s’améliorent. Et sous cette surface, une performance inférieure au retrait de l’IA se généralise dans les établissements qui n’ont pas les moyens de transformer leurs pratiques pédagogiques. Les élèves dont les familles disposent d’un capital culturel numérique font face à un risque réduit.
Les autres peuvent accumuler un déficit de compétences critiques avec des effets sur le long terme. Quelle démocratie peut fonctionner sans État capable ?, la question vaut aussi pour l’éducation : sans institutions capables de transformer leur pédagogie, l’équipement technique devient une inégalité de plus.
Le signal qui permettrait de distinguer les deux trajectoires est simple à suivre : la part des systèmes éducatifs européens ayant intégré les compétences IA à leurs programmes, mesurée par Eurydice tous les deux ans, et l’écart de performance en littératie numérique entre quartiles socioéconomiques, mesuré par PISA à chaque cycle. Ces deux indicateurs, mis côte à côte, diront si l’Europe a choisi de réduire l’écart ou de l’administrer.
Les décisions possibles pour l’Europe
La fenêtre d’action est courte. Les élèves qui entrent à l’école primaire aujourd’hui arriveront sur le marché du travail dans les années 2040, dans un environnement professionnel déjà structuré par les compétences d’usage de l’IA. Ce qu’ils auront appris, ou non, à faire avec l’outil pendant leur scolarité influencera leur adaptation à un environnement professionnel structuré par les compétences numériques.
Deux leviers sont à disposition des décideurs européens. Le premier consiste à associer les financements d’équipement numérique scolaire à l’adoption d’un curriculum de compétences IA, avec évaluation périodique. La certification n’est pas une garantie de qualité pédagogique, mais elle crée une obligation de contenu que la simple dotation en matériel n’impose pas. Le second levier concerne les élèves dont les familles ont un faible capital culturel numérique : des dispositifs d’accompagnement périscolaire ciblés permettraient de créer hors du foyer l’encadrement de l’usage que l’école seule ne peut pas toujours fournir.
Aucun de ces leviers n’est coûteux au regard de l’équipement lui-même. Le matériel représente l’essentiel des budgets numériques scolaires. La formation, l’évaluation et l’accompagnement périscolaire en représentent la fraction marginale. Changer cette proportion est un choix politique, pas une contrainte budgétaire.
La question que les ministères de l’Éducation européens devront trancher d’ici 2027 est donc celle-ci : veulent-ils mesurer le taux de complétion des devoirs, ou la compétence des élèves quand la machine est éteinte ?
Sources
- Digital Education at School in Europe, Daniel Jeffrey Koch / Eurydice 2026 (substack)
- Eurydice, Digital Education at School in Europe, rapport 2026, Commission européenne
- OCDE, Digital Education Outlook 2026
- Commission européenne, AI in Education Policy Review, 2025
- Parlement européen, rapports sur les droits numériques des mineurs, 2025
- PISA 2025, enquête sur l’IA et les résultats d’apprentissage (OCDE)
