Les élèves équipés d’une IA rendent leurs devoirs plus vite et décrochent de meilleures notes. Deux ans plus tard, leurs résultats aux examens d’entrée s’effondrent de 18 à 24 %. Ce grand écart ne relève pas de l’intuition : il ressort d’une étude longitudinale menée sur 26 000 élèves chinois, signée Strömberg et ses coauteurs. Et il éclaire crûment ce que les études courtes, celles qui rassurent aujourd’hui, sont incapables de voir.
Un coût qui met deux ans à remonter à la surface
Six mois après avoir commencé à utiliser un assistant, les élèves voient leurs notes de devoirs grimper de 18 %, pendant que le temps passé sur chaque exercice tombe de 64 à 45 minutes. La performance apparente est excellente : plus vite, mieux noté. Aux examens à livre fermé mensuels, pourtant, le score recule de 20 % sur la même période.
C’est sur les examens à fort enjeu que la mécanique devient vertigineuse. La baisse aux épreuves d’entrée, le Zhongkao et le Gaokao qui décident de l’orientation, atteint la même ampleur mais met environ deux ans à se déployer pleinement, dans une fourchette de 18 à 24 %. Un élève testé six mois après ses débuts semble à peine touché sur ces épreuves lointaines ; il faut attendre deux années entières pour mesurer les dégâts réels. Une étude qui referme ses observations avant ce terme ne voit que la face flatteuse du phénomène.
Corrélation ou causalité, la parade des auteurs
Un tel écart pourrait n’être qu’une corrélation : peut-être que les élèves les plus fragiles se sont simplement rués sur l’IA. Les auteurs ont anticipé l’objection. Ils exploitent le fait que chaque élève a découvert ces outils à un moment différent, avec un bond d’adoption qui coïncide avec la sortie de DeepSeek V2.5 en septembre 2024 puis de DeepSeek R1 en janvier 2025. Sur la période, l’usage déclaré passe de quasi zéro à environ 80 %, réparti sur Doubao, DeepSeek, ChatGLM, Ernie Bot et Qwen.
Cette diffusion échelonnée autorise une méthode dite de différence des différences : on compare l’évolution d’un élève avant et après ses débuts avec l’IA, puis on retranche l’évolution, sur la même période, d’élèves qui n’y étaient pas encore passés. Ce qui subsiste, une fois cette soustraction faite, isole l’effet propre de l’outil. La donnée gagne ainsi en robustesse ce que les enquêtes déclaratives perdent d’ordinaire en fiabilité.
Des devoirs expédiés, une note qui ne veut plus rien dire
Le chiffre le plus parlant tient en une proportion : passé cinq mois d’usage, 81 % des élèves bouclent leurs devoirs en moins de 50 minutes, plus vite encore que les meilleurs des non-utilisateurs. Bonnes notes aux devoirs, effondrement aux examens : la combinaison ne laisse guère de place au doute. Ces élèves ne travaillent plus, ils sous-traitent. L’IA produit la réponse, l’entraînement cognitif n’a jamais lieu, et l’ardoise se règle le jour où il faut composer seul.
C’est le point le plus utile de l’étude pour lire correctement ces chiffres. Une note de devoir élevée n’est plus un indicateur d’apprentissage ; elle peut en être l’exact contraire. Le temps de réalisation devient une variable de mesure plus fiable que la note elle-même.
Le groupe qui progresse sans rien perdre
Le même jeu de données livre le contre-exemple, et il change tout. Les élèves qui utilisent l’IA mais consacrent à leurs devoirs autant de temps que leurs camarades sans assistant obtiennent d’aussi bons résultats aux examens, tout en gagnant sur les notes de devoirs. Ce groupe ne partait pas avec un avantage scolaire préalable. La conclusion des auteurs est nette : l’IA ne détruit rien par défaut. Elle nuit quand elle remplace le raisonnement autonome, pas quand elle l’accompagne.
Voilà qui déplace le curseur. Bannir ou autoriser l’outil devient un faux débat ; ce qui compte, c’est de savoir si l’assistant ajoute du travail cognitif ou s’il s’y substitue. Un même prompt peut servir de tuteur ou de sous-traitant, et rien dans la note finale ne permet de distinguer les deux.
Là où les pertes se concentrent
La dégradation ne se répartit pas au hasard, et sa cartographie contredit les habitudes de recherche. Les sciences sociales, politique et géographie en tête, encaissent le plus fort recul avec 27 % en moyenne, devant les matières scientifiques à 22 %, l’anglais à 17 % et le chinois à 9 %. Or la quasi-totalité des expériences antérieures s’était focalisée sur les mathématiques, la programmation et les langues, soit précisément les domaines les moins touchés. On a donc mesuré l’IA là où elle fait le moins de dégâts.
Les écarts entre profils sont tout aussi marqués : les plus jeunes, en premier cycle du secondaire, perdent davantage que leurs aînés (24 % contre 17 %), et les garçons sont particulièrement affectés. Plus le socle de connaissances est en construction, plus la sous-traitance coûte cher.
Trois ou six mois d’observation ne prouvent rien
Concevoir ou déployer un outil d’IA éducative sur la foi d’un test de trois ou six mois revient à juger un médicament sur ses effets de la première semaine. Le gain immédiat est réel, il est même flatteur, et il ne présage strictement rien de la suite. Les 18 % de mieux aux devoirs et les 24 % de moins aux examens décrivent le même élève, à deux moments d’une trajectoire que seule la durée révèle.
Une piste s’impose dès maintenant, dans les produits comme dans les classes : cesser de traiter la performance visible comme une preuve d’apprentissage, et instrumenter plutôt l’effort réel, le temps passé, la part de raisonnement laissée à l’élève. C’est le seul indicateur que ces 26 000 parcours ont validé.
