Veille : l'IA en pédagogie, du 1er au 15 octobre 2026

Trois publications de début octobre, retenues pour une raison commune : ce qui fait réussir ou échouer un assistant IA tient autant à sa configuration et à sa gouvernance qu'à l'outil lui-même. Pour chacune : ce qui a été fait, ce que l'on sait, et ce que l'on peut en reprendre.

01

Étude · octobre 2026 · en anglais

Maryland : un tuteur IA proposé, des notes en baisse

Une équipe de l'Université du Maryland publie un essai randomisé mené à l'automne 2025 auprès de 2 379 étudiants de licence et 30 enseignants, toutes disciplines confondues.

  • L'outil : un assistant intégré à la plateforme de cours, nourri des supports choisis par l'enseignant. Il répondait directement par défaut ; seuls deux enseignants ont fini le semestre en mode tuteur, qui guide vers la réponse.
  • L'usage : environ 15 % des étudiants l'ont utilisé au moins une fois. 73,8 % des demandes visaient une réponse directe, 0,7 % un retour sur leur propre travail.
  • Les résultats : dans les sections d'un même cours, notes finales en baisse de 0,37 écart-type et participation sur la plateforme en baisse de 0,90 écart-type. La perte est plus forte chez les étudiants de première génération.
  • La critique : pour Glenda Morgan et Phil Hill (7 octobre), l'étude teste surtout un assistant qui donne des réponses, pas un tuteur, et la plupart des étudiants concernés ne l'ont jamais utilisé : mettre un outil à disposition n'est pas l'adopter.
à transposer
  • Configurer un assistant en mode tuteur par défaut, pas en mode réponse.
  • Mesurer l'usage réel avant de conclure sur l'effet d'un outil.
  • Surveiller ce que l'outil remplace : ici, la fréquentation des supports du cours.
Le document de travail (EdWorkingPapers)

Expérimentation liée : Des QCM qui expliquent enfin pourquoi

disponible
n'est pas
utilisé
02

Déploiement · 2 octobre 2026 · en anglais

Alberta : un assistant IA dans tous les cours, et une gouvernance contestée

L'Université de l'Alberta pilote LearnWise dans sa plateforme Canvas de septembre 2026 à mai 2027, selon le journal étudiant The Gateway.

  • Trois briques : un assistant de campus sur toutes les pages ; un assistant de cours qui produit résumés, cartes mémoire et quiz à partir des supports, activé sauf refus de l'enseignant (environ 66 % des cours) ; un assistant qui rédige des brouillons de retours à partir de la grille, sur demande (moins de 20 cours).
  • Données : elles restent à l'université et ne servent pas à entraîner l'outil.
  • Critiques : des enseignants découvrent l'outil dans leurs cours, l'association du personnel enseignant dit ne pas avoir été consultée, le principe de refus explicite est contesté, et un testeur signale une hallucination.
à transposer
  • Consulter les enseignants avant d'activer un outil dans leurs cours, et préférer l'accord explicite au refus explicite.
  • L'assistant de retours à partir de la grille rejoint la pré-correction encadrée : brouillon modifiable, décision humaine.
  • Annoncer d'emblée ce que le pilote ne vise pas (ici, la réduction des postes) désamorce une partie des résistances.
Article de The Gateway

Expérimentation liée : La FAQ qui répond (presque) toute seule · Quelle IA pour l'université ?

l'outil passe,
la méthode
coince
03

Recherche · 9 octobre 2026 · en français

Ce que l'IA générative fait aux enseignants de rédaction

Dans Affaires universitaires, Amanda Paxton (Université Trent) et Phoebe Kang (Université de Toronto Mississauga) présentent leur étude fondée sur des entretiens avec huit enseignants de rédaction de première année, dans quatre établissements de l'Ontario.

  • Constats : une satisfaction professionnelle en baisse, une correction plus lourde et moins gratifiante, un malaise face aux soupçons d'usage abusif faute de procédure établie.
  • Identité : un glissement du rôle de mentor vers celui de contrôleur, et un sentiment de perte face aux compétences que les étudiants ne développent plus.
  • Recommandations : des lignes directrices claires (niveau de preuve, déroulé d'un entretien avec l'étudiant), de la formation, et des communautés de pratique.
à transposer
  • Écrire une procédure d'entretien en cas de soupçon, pour ne pas laisser chaque enseignant improviser.
  • Prendre en compte la charge émotionnelle dans l'accompagnement du changement, pas seulement la charge de travail.
  • Créer un espace d'échange entre enseignants d'une même formation.
Article d'Affaires universitaires

Expérimentation liée : Le planning qui tient la route

de mentor
à contrôleur
04

Sources

  1. Jing Liu, Tracy Sweet, Marty Haoyuan Chen et al., The Effects of Course-Integrated AI Tutoring on Student Performance and Engagement: A Randomized University Trial, EdWorkingPaper 26-1598, Annenberg Institute, octobre 2026.
  2. Glenda Morgan et Phil Hill, An AI Tutor Study That Barely Tested Tutoring, On EdTech, 7 octobre 2026.
  3. Leah Hennig, LearnWise AI pilot draws mixed reaction from staff and students, The Gateway, 2 octobre 2026.
  4. Amanda Paxton et Phoebe Kang, Le bien-être du corps professoral à l'ère de l'IA générative, Affaires universitaires, 9 octobre 2026.

Pages consultées le 17 novembre 2026. Sélection assistée par IA, validée par l'autrice.