Tu suis la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Une expérience randomisée menée à l’Université Bocconi auprès de plus de 1 000 primo‑entrants distingue l’apport de l’IA et celui d’un entraînement à la pensée causale. ChatGPT a tiré vers le haut la forme et la cohérence, quand l’exercice de raisonnement a stimulé l’originalité. Ensemble, les deux leviers se cumulent et bousculent les façons d’évaluer.
Des copies plus soignées questionnent la valeur de la note finale
L’IA permet aux étudiants de produire des réponses très travaillées, mais se concentrer uniquement sur le rendu final renseigne moins sur ce qu’ils comprennent réellement. Les chercheurs estiment que les devoirs pourraient devoir évoluer pour mieux mesurer l’originalité. Ils relèvent qu’une grille traditionnelle peut récompenser la clarté et la structure tout en négligeant la nouveauté des idées. Lorsque l’IA rapproche une copie d’un standard expert, la note finale reflète moins le processus et le raisonnement. Les résultats soulignent l’importance de critères valorisant l’originalité, l’argumentation et la prise en compte de pistes multiples, au‑delà des réponses convenues ou simplement polies.
Accès à ChatGPT : près d’un point de gain et plus d’idées
L’accès à ChatGPT a relevé la qualité et la cohérence des travaux, avec un gain proche d’un point sur une échelle de cinq. Les copies contenaient davantage d’idées, suivaient une logique plus claire et se rapprochaient des recommandations produites par des experts. Les étudiants ne déléguaient pas l’intégralité de la tâche : ils formulaient des requêtes, évaluaient les réponses et sélectionnaient le contenu final. L’IA a ainsi aidé à produire des rendus plus soignés, riches en propositions et mieux structurés.
Raisonnement causal : explications plus nettes, idées plus distinctes
L’exercice de pensée critique a poussé les étudiants à préciser pourquoi leurs recommandations pouvaient fonctionner ou échouer. Cette approche n’a pas amélioré les notes sur la grille, centrée sur deux objectifs marketing : notoriété et usage de la boutique universitaire. Une variété accrue d’idées, plus distinctes de celles des pairs, a été observée. Cette formation a élargi la gamme d’options envisagées et renforcé la remise en question des hypothèses.
Combiner IA et entraînement : effets cumulatifs sur plusieurs mesures
Le groupe ayant à la fois accès à ChatGPT et suivi l’exercice de raisonnement a cumulé les bénéfices des deux approches. Sa variété d’idées a égalé celle des étudiants formés au raisonnement seul, tandis que ses scores sur la grille et le nombre d’idées se sont alignés sur ceux du groupe avec IA uniquement. Les rendus du groupe combiné ont aussi affiché une cohérence logique plus forte et davantage de traces de recherche d’explications et de remise en question des postulats.
Un protocole randomisé pour isoler les effets
Plus de 1 000 étudiants de première année de Bocconi ont été répartis aléatoirement en quatre groupes : accès à ChatGPT basé sur GPT‑4o, formation en raisonnement causal, combinaison des deux, ou aucun des deux. Le cas traité portait sur des recommandations marketing pour la boutique de marchandises de l’université. Le raisonnement causal, travaillé via un jeu, des exemples, des questions et des retours, visait à relier causes et effets et à expliciter les conditions de succès ou d’échec. Les correcteurs humains notaient sur une échelle de cinq points, tandis qu’une analyse automatisée mesurait nombre et variété d’idées, marqueurs de raisonnement causal et similarité avec trois experts. Ce protocole randomisé a permis d’isoler les effets propres de l’IA, de la formation et de leur combinaison.
Des pratiques d’évaluation en mouvement dans un champ de recherche en essor
Les chercheurs replacent ces résultats dans un corpus de recherche en expansion sur l’impact de l’IA et l’organisation de l’apprentissage. De nombreux enseignants réfléchissent déjà à des adaptations des devoirs et des évaluations. Cette démarche s’inscrit dans une trajectoire de plusieurs décennies d’évolution conjointe des outils et des pratiques éducatives. Les observations accumulées ici confirment que l’IA aide à améliorer les réponses, que la pensée critique élargit les idées, et que les deux approches se complètent dans la préparation des étudiants.
