Une utilisation fréquente de l'IA, comme ChatGPT, dans les cours de programmation est corrélée à une baisse des notes des étudiants, car elle nuit à l'apprentissage approfondi et à la pensée critique

Une étude de l'université de Tartu révèle que l'utilisation fréquente de l'IA, comme ChatGPT, dans les cours de programmation est corrélée à une baisse des notes des étudiants, car elle nuit à l'apprentissage approfondi et à la pensée critique. Les experts mettent en garde contre une dépendance excessive qui érode les compétences et la préparation de la main-d'œuvre. Les éducateurs préconisent une intégration équilibrée et des programmes d'alphabétisation à l'IA pour atténuer ces risques.

Dans le monde en rapide évolution des technologies éducatives, les observateurs tirent la sonnette d'alarme sur les conséquences imprévues des outils d'intelligence artificielle sur l'apprentissage des étudiants. Selon le développeur Namanyay, l'IA est en train de créer une génération de programmeurs illettrés et des nouveaux développeurs juniors qui ne savent pas coder. Dans ces analyses, il affirme que la génération actuelle de développeurs peut poser les bonnes questions à l'IA, mais ne comprend pas le fonctionnement du code produit par l'IA et ne possède pas les connaissances fondamentales de la programmation. Chaque fois que l'IA tombe en panne, ils se retrouvent de plus en plus impuissants.

Une nouvelle étude semble confirmer ces propos. Des chercheurs de l'université de Tartu en Estonie ont découvert que le recours fréquent à l'IA, comme ChatGPT, dans les cours de programmation est corrélé à de moins bons résultats scolaires. Marina Lepp, professeure agrégée d'informatique, et son coauteur Joosep Kaimre ont analysé les données de plus de 100 étudiants dans un cours d'introduction à la programmation, révélant que ceux qui se tournaient vers l'IA pour le débogage et la compréhension du code obtenaient souvent des notes plus faibles aux examens.

L'étude suggère que si l'IA peut fournir des solutions et des explications rapides, elle peut court-circuiter les processus cognitifs approfondis essentiels à la maîtrise de sujets complexes. Les étudiants ont déclaré utiliser ces outils principalement pour résoudre des erreurs ou comprendre des concepts complexes, mais les données ont montré une corrélation négative entre la fréquence d'utilisation et les notes finales, ce qui suggère une dépendance excessive qui nuit au développement des compétences.


Le coût cognitif de la commodité

Il ne s'agit pas seulement de tricherie, mais de la manière dont l'IA modifie la façon fondamentale dont les étudiants abordent la matière. Les recherches de Lepp font écho aux préoccupations d'autres experts, qui souligne comment des outils tels que ChatGPT réduisent l'effort mental tout en améliorant paradoxalement les notes à court terme. Le compromis ? Une érosion potentielle de la pensée critique, car les étudiants contournent les essais et erreurs qui favorisent une véritable compréhension.

Les initiés du secteur des technologies éducatives en prennent note, certains établissant des parallèles avec des bouleversements technologiques antérieurs, tels que l'utilisation des calculatrices dans les cours de mathématiques. Cependant, contrairement à ces outils, les capacités génératives de l'IA peuvent produire des extraits de code ou des essais entiers, ce qui soulève des questions quant à l'authenticité des évaluations. Un rapport sur l'impact de l'IA sur le développement scolaire avertit qu'une intégration non guidée pourrait creuser les écarts de réussite, en particulier pour les élèves qui s'appuient sur elle comme une béquille plutôt que comme un complément.

Les éducateurs s'efforcent désormais de trouver comment intégrer l'IA sans nuire à l'apprentissage. Dans des établissements tels que l'UNC Greensboro, des expériences menées avec de brefs exercices physiques avant les examens ont montré une amélioration des performances, ce qui suggère que des interventions non numériques pourraient contrer les effets sédentaires de l'IA. Parallèlement, des enquêtes indiquent que plus de 80 % des étudiants utilisent l'IA pour leurs travaux universitaires, mais pas toujours pour externaliser certaines tâches : beaucoup l'utilisent pour le brainstorming.

Les implications plus larges s'étendent à la préparation de la main-d'œuvre. Une autre étude souligne que l'isolement induit par l'IA pourrait éroder les réseaux sociaux essentiels à la réussite professionnelle, les étudiants délaissant la collaboration entre pairs au profit des interactions avec des chatbots. Cette solitude, bien qu'efficace, pourrait laisser les diplômés mal préparés à travailler dans des environnements collaboratifs au sein d'entreprises technologiques.


Les universités réagissent en adoptant de nouvelles directives. Par exemple, les conclusions de l'université de Tartu ont suscité des appels en faveur de programmes d'alphabétisation à l'IA, dans la lignée des discussions concernant la promotion d'une utilisation critique de l'IA pour renforcer les valeurs démocratiques. Les décideurs politiques aux États-Unis et en Europe débattent actuellement de la réglementation, certains préconisant la divulgation obligatoire de l'aide apportée par l'IA dans les travaux universitaires.

À l'avenir, le défi consistera à exploiter le potentiel de l'IA tout en préservant l'ingéniosité humaine. Comme l'a souligné Lepp dans ses recherches, une utilisation modérée, peut-être limitée à des tâches spécifiques, pourrait améliorer les performances plutôt que les entraver. Des entreprises technologiques telles qu'OpenAI s'associent à des éducateurs pour développer des outils qui encouragent l'apprentissage actif, mais il incombe toujours aux établissements d'adapter leurs programmes. Sans une intégration réfléchie, la promesse de l'IA dans l'éducation risque de devenir une arme à double tranchant, privilégiant la rapidité au détriment du fond à une époque où les compétences approfondies sont plus importantes que jamais.

Dans cette optique, le développeur Terrance Craddock propose de mettre en place des sprints d'apprentissage « sans IA » : Assigner aux juniors des tâches qu'ils doivent réaliser sans IA. En outre, il propose de transformer l'examen du code en salle de classe Socrate : Arrêter d'examiner ce qu'ils ont écrit, commencer à leur demander pourquoi, demander-leur de défendre leur code comme s'il s'agissait d'une thèse. Enfin, il suggère d'adopter l'art de briser les choses : briser intentionnellement le code généré par l'IA lors des révisions de code, puis de charger les juniors de le réparer - sans utiliser l'IA.

Un exemple qui semble confirmer ces solutions : les propos d'un jeune développeur dénommé Shiv. Lorsqu'il a écrit sa première ligne de code Python, il n'avait accès qu'à la documentation Python, aux tutoriels YouTube et à des forums d'aide aléatoires sur Internet. Lors de son apprentissage, il fixait du regard la base de code jusqu'à ce qu'elle prenne tout son sens. Le résultat de l'apprentissage sans IA ? Il affirme avoir compris les principes.

Voici les commentaires des chercheurs sur l'étude :...