Dans un échantillon non représentatif de 200 établissements, 86,5 % déclarent utiliser l’IA dans au moins un domaine, mais une seule sur quatre a formalisé une stratégie pour le faire. Cette enquête de l’UNESCO auprès de 200 établissements dans 19 pays mesure un écart qui n’est pas qu’organisationnel : c’est l’écart entre ce qu’un diplôme certifie encore et ce qu’il certifiera dans dix ans. Des institutions qui n’auraient pas défini leur position risqueraient de voir leur certification devenir moins lisible aux yeux du marché du travail.

L’essentiel

  • 87 % des établissements interrogés utilisent l’IA, mais 26 % seulement ont une stratégie formelle : l’outil précède la gouvernance (UNESCO IESALC, 2025).
  • Le vrai risque pour les universités est que l’IA redéfinisse les compétences attendues avant qu’elles aient redéfini ce qu’elles évaluent.
  • Les établissements qui avancent, quelques universités pionnières au Brésil, au Mexique et en Argentine, misent sur l’évaluation orale, les projets situés et la transparence d’usage plutôt que sur l’interdiction.
  • Pour les jeunes sans diplôme déjà fragilisés, une dévaluation du diplôme universitaire aggraverait une inégalité déjà documentée.
  • La fenêtre pour agir est courte : les modèles progressent plus vite que les cycles de réforme curriculaire habituels.

87 % d’usage, 26 % de stratégie : ce que l’écart révèle

L’enquête a été menée en 2025 auprès de 200 établissements d’enseignement supérieur dans 19 pays d’Amérique latine et des Caraïbes, et ses résultats ont été publiés en 2026. Elle couvre les usages déclarés, par les équipes pédagogiques, les étudiants et les services administratifs, et les dispositifs formels mis en place par les directions.

Le chiffre de 87 % d’usage n’est pas une surprise. Les outils sont gratuits, accessibles sur smartphone, et leur adoption ne demande aucune autorisation institutionnelle. Ce qui frappe davantage, c’est la disproportion : parmi les établissements utilisateurs de l’IA dans l’échantillon, la majorité n’a pas de stratégie formelle d’IA. Pas de politique d’intégrité académique révisée, pas de formation des enseignants à la détection ou à l’intégration pédagogique, pas de réflexion formalisée sur ce que l’outil change à l’évaluation.

Ce décalage n’est pas spécifique à l’Amérique latine. Mais la région le vit avec une intensité particulière, pour deux raisons. La première tient à la pression démographique : les universités latino-américaines ont massifié leur accès au cours des deux dernières décennies, avec des cohortes d’étudiants souvent plus précaires, moins bien équipés en méthodes de travail et plus exposés à la tentation de déléguer à l’IA ce qu’elles tardent à enseigner. La seconde tient aux ressources : les établissements publics de la région disposent de moins de marges budgétaires pour recruter des spécialistes pédagogiques ou financer des expérimentations curriculaires que leurs homologues nord-américains ou européens.

L’écart entre usage et stratégie n’est donc pas un retard administratif. C’est un diagnostic sur la capacité des institutions à piloter un changement qu’elles n’ont pas initié.

L’IA transforme l’évaluation sans décision institutionnelle

Un cours de droit, un devoir de sociologie, un rapport de stage en gestion : trois exercices qui, depuis 2023, peuvent être rédigés en quelques minutes par un modèle de langage correctement prompté. Les enseignants le savent, les étudiants aussi. Les institutions n’ont pas encore décidé ce que cela change à la valeur de l’exercice.

La triche existait avant ChatGPT, mais la situation est désormais structurelle. Lorsqu’une production écrite peut être générée par IA sans contrôle du processus, sa validité comme preuve autonome des acquis doit être réévaluée. Si le dispositif d’évaluation ne s’adapte pas, la crédibilité du diplôme comme certificat de compétence pourrait s’affaiblir.

Les 74 % d’établissements sans stratégie posent un problème concret. L’absence de cadre ne supprime pas les usages : les pratiques s’installent sans que l’institution ait défini ce qu’elle veut certifier. Certains enseignants interdisent l’IA, d’autres l’encouragent, d’autres l’ignorent. Dans une même université, un étudiant peut passer quatre ans dans un environnement contradictoire, sans jamais savoir ce que son diplôme atteste aux yeux du marché du travail.

Le risque de fond est là. Une divergence prolongée des pratiques sans cadre commun risquerait de brouiller la lisibilité du diplôme comme signal. Les entreprises compensent alors en ajoutant leurs propres tests, en valorisant davantage les certifications alternatives ou les stages probatoires. Ce mouvement est déjà visible dans le recrutement tech en Amérique du Nord. Il pourrait s’étendre à d’autres secteurs et d’autres régions si les universités ne reprennent pas la main.

Les pionniers qui redéfinissent ce qu’ils évaluent

Quelques établissements en Amérique latine ont commencé à répondre à cette question sans attendre que la réglementation nationale les y contraigne. Leurs approches convergent autour de trois axes.

Le premier est le déplacement vers l’évaluation orale et le processus. Des universités au Brésil, notamment dans des programmes d’ingénierie et de sciences humaines, ont augmenté la part des soutenances et des entretiens individuels, où la compréhension profonde ne peut pas être déléguée à un modèle. L’IA peut écrire le rapport ; elle ne peut pas défendre les choix méthodologiques face à un jury.

Le deuxième axe est la transparence d’usage comme compétence à part entière. Certains programmes en Argentine et au Mexique demandent aux étudiants de documenter comment ils ont utilisé l’IA dans leur travail, quels prompts, quelles vérifications, quelles modifications. L’objectif n’est pas de traquer l’usage mais de le rendre visible et réflexif. Ce faisant, ces programmes évaluent quelque chose de réel : la capacité à travailler avec un outil en conservant son propre jugement.

Le troisième axe est la formation des enseignants. Selon l’enquête, le principal obstacle est le manque de ressources financières, suivi par l’insuffisance d’expertise du personnel et les limites d’infrastructure. Des enseignants qui ne savent pas ce que l’IA fait bien et mal ne peuvent pas concevoir des évaluations qui en tiennent compte. Quelques universités ont lancé des programmes de formation interne courts, orientés sur la pédagogie et pas sur la technique.

Ces initiatives restent minoritaires. Mais elles montrent que le chemin existe, et qu’il n’exige pas de ressources hors de portée. Ce qu’il exige, c’est une décision : choisir ce que le diplôme certifie encore, et construire l’évaluation en conséquence.

L’enjeu de gouvernance que l’UNESCO pointe sans résoudre

L’enquête IESALC ne se limite pas au constat statistique. Elle formule plusieurs recommandations, dont trois méritent d’être pesées.

La première porte sur les politiques nationales. Nombre de pays de la région n’ont pas encore de cadre réglementaire pour l’IA dans l’enseignement supérieur. L’UNESCO recommande que les ministères de l’éducation construisent des lignes directrices nationales, pas pour uniformiser les pratiques mais pour fixer un plancher d’exigences, intégrité académique, transparence, formation, en dessous duquel aucun établissement ne devrait opérer. C’est une recommandation raisonnable, mais les délais de production réglementaire dans la région dépassent souvent les cycles d’évolution technologique.

La deuxième recommandation porte sur la coopération interinstitutionnelle. L’enquête révèle que les établissements qui ont développé une stratégie l’ont souvent fait en réseau, en partageant des expériences et des outils pédagogiques. Une plateforme régionale d’échange de bonnes pratiques, que l’IESALC pourrait animer, accélérerait la diffusion des approches qui fonctionnent sans imposer un modèle unique.

La troisième recommandation touche à l’équité. Les établissements privés, mieux dotés, avancent plus vite. Les établissements publics, qui servent davantage d’étudiants à bas revenu, et les établissements spécialisés sont les plus vulnérables face à ces transformations. L’écart de préparation à l’IA entre établissements publics et privés risque d’aggraver les inégalités existantes. C’est un risque que l’enquête nomme mais que les politiques publiques de la région n’ont pas encore pris en charge.

L’analogie avec ce que l’Europe construit pour encadrer l’IA au travail est éclairante : la négociation collective a permis d’imposer un droit de regard là où les entreprises avançaient sans gouvernance. Les universités pourraient s’inspirer de ce modèle pour que l’adoption de l’IA ne se fasse pas aux dépens des plus vulnérables.

La valeur du diplôme en 2035 dépend des décisions prises d’ici là

L’horizon 2035 correspond au calendrier de deux cycles complets de réforme curriculaire dans la plupart des systèmes d’enseignement supérieur. Les décisions prises ou non d’ici là influeront sur la valeur du diplôme universitaire pour les générations à venir.

Deux trajectoires se dessinent, sans qu’aucune ne soit inévitable.

Dans la première, les institutions qui ont agi tôt construisent de nouveaux référentiels de compétences. L’essor de l’IA incite à concevoir des évaluations plus authentiques, incluant notamment le jugement critique, le raisonnement et parfois des modalités orales. Le diplôme certifie alors une compétence augmentée plutôt que la seule production de textes ou de calculs. Les employeurs apprennent à lire ces nouveaux signaux, et le diplôme retrouve, ou conserve, sa lisibilité. Cette trajectoire exige de la volonté institutionnelle, des ressources pour former les enseignants et une coopération entre établissements pour éviter une fragmentation des standards.

Dans la seconde trajectoire, les institutions tergiversent. Les pratiques divergent, les employeurs perdent confiance dans le signal diplôme, et les certifications alternatives, badges de compétences, tests à la demande, portfolios numériques, comblent le vide. Ce mouvement existe déjà dans certains secteurs tech en Amérique du Nord. S’il s’étend à d’autres secteurs, le diplôme universitaire ne disparaît pas, mais il cesse d’être le seul signal crédible. Les étudiants qui en ont les moyens multiplient les certifications ; les autres s’en remettent à un diplôme de plus en plus contesté.

Les écarts actuels de préparation à l’IA risquent d’aggraver les inégalités structurelles de l’enseignement supérieur.

Ce qui permettrait de basculer d’une trajectoire à l’autre, c’est moins une réglementation nationale qu’un mouvement des établissements eux-mêmes. Les signaux à surveiller sont clairs : la proportion d’établissements qui révisent leur politique d’intégrité académique pour y intégrer l’IA explicitement ; l’évolution de la part des évaluations orales et de processus dans les curricula ; et la vitesse à laquelle les ministères publient des lignes directrices, pas des interdictions, mais des cadres.

La bonne nouvelle, si l’on peut en formuler une, est que l’Amérique latine n’est pas en retard sur un problème que d’autres auraient résolu. La région vit la même accélération que l’Europe ou l’Asie du Sud-Est, avec le même décalage entre adoption et gouvernance. Elle a la même fenêtre pour agir, et ses pionniers montrent que l’action est possible à moyens constants. Ce qui manque, c’est moins l’argent que la décision.

Le signal que les recruteurs commencent à envoyer

Les entreprises qui recrutent des diplômés en Amérique latine ne sont pas encore en rupture ouverte avec les universités. Mais plusieurs signaux documentés méritent attention.

Dans certains secteurs tech et conseil, plusieurs entreprises en Amérique latine ont ajouté des épreuves pratiques à leurs processus de recrutement, non pour remplacer le diplôme mais pour le compléter. Le raisonnement est explicite dans plusieurs entretiens de DRH rapportés par la presse économique régionale : le diplôme atteste normalement la réussite d’un programme et de ses exigences, sans garantir automatiquement que la personne maîtrise l’ensemble des compétences que le programme prétend enseigner.

Ce mouvement est encore marginal. Il ne concerne pas les secteurs qui recrutent en masse, enseignement, santé, administration publique, où le diplôme reste le critère dominant. Mais dans certains secteurs où l’IA occupe une place centrale dans le travail quotidien, la pression sur les universités pour qu’elles clarifient ce qu’elles certifient vient du marché autant que des régulateurs.

Pour les étudiants qui entreront sur ce marché dans cinq ou dix ans, la question est déjà concrète : que faire d’un diplôme dont la lisibilité est en train de se négocier, sans savoir encore dans quel sens? La réponse honnête est qu’ils ont intérêt à prendre l’IA au sérieux comme compétence, pas à l’utiliser pour contourner l’apprentissage, mais à apprendre à travailler avec elle de façon visible et réflexive, quelle que soit la politique de leur établissement. C’est cette capacité-là, plus que le diplôme seul, que les employeurs cherchent déjà à mesurer, et que les universités qui agissent tôt ont commencé à certifier.

Sources

  1. UNESCO IESALC, AI Implementation in Higher Education in Latin America and the Caribbean (2025)
  2. UNESCO IESALC, ILIA 2025 (Informe sobre la Inteligencia Artificial en la Educación Superior en América Latina y el Caribe)
  3. Journal d’un Progressiste, Les jeunes sans diplôme perdent du terrain pendant que l’argent public finance les autres
  4. Journal d’un Progressiste, Négociation collective : l’Europe ouvre un droit de regard sur l’IA au travail