À Stanford, l’IA bouleverse les études et banalise la triche

Arrivé à Stanford quelques semaines seulement avant le lancement de ChatGPT, Theo Baker a vu l’intelligence artificielle s’installer progressivement dans le quotidien des étudiants. En quelques années, les outils génératifs ont profondément transformé les méthodes de travail, mais aussi les pratiques de triche, obligeant l’université à revoir ses règles et ses modes d’évaluation.

L’intelligence artificielle s’impose dans le quotidien de Stanford

À Stanford, l’univers de la technologie occupe une place particulière. Située au cœur de la Silicon Valley, l’université entretient depuis longtemps des liens étroits avec les grandes entreprises du numérique et les entrepreneurs qui les dirigent. Pour de nombreux étudiants, les figures de la tech bénéficient presque du même statut que des célébrités.

Lors d’une récente visite de Jensen Huang, dirigeant et cofondateur de Nvidia, les étudiants étaient nombreux à vouloir l’approcher et lui faire signer leurs ordinateurs ou leur matériel informatique. L’année précédente, il avait déjà marqué les esprits en distribuant des cartes graphiques haut de gamme signées lors d’une intervention organisée sur le campus.

Cette fascination pour l’innovation s’est naturellement renforcée avec l’explosion de l’intelligence artificielle générative. Lorsque Theo Baker arrive à Stanford à l’automne 2022, ChatGPT n’existe pas encore auprès du grand public. Deux mois plus tard, le chatbot d’OpenAI est lancé et commence rapidement à modifier les habitudes des étudiants.

En quelques semestres, l’utilisation de l’IA devient presque ordinaire. Elle permet de résumer un document, générer du code, rechercher des idées, reformuler un texte, préparer un devoir ou encore comprendre plus rapidement une notion complexe.

Mais cette facilité d’accès soulève rapidement une autre question : à partir de quel moment l’aide apportée par une intelligence artificielle cesse-t-elle d’être un outil pédagogique pour devenir une forme de triche ?

Une frontière de plus en plus difficile à définir

Avant l’arrivée des outils génératifs, les règles étaient relativement simples : copier le travail d’un autre étudiant ou utiliser une ressource interdite pendant un examen constituait une fraude académique.

Avec l’IA, les frontières sont beaucoup moins évidentes.

Un étudiant qui demande à ChatGPT de corriger quelques fautes utilise-t-il simplement un outil comparable à un correcteur orthographique ? Qu’en est-il lorsqu’il lui demande de reformuler un paragraphe ? De construire le plan d’un devoir ? De générer une partie du texte ? Ou de répondre entièrement à une question ?

Cette succession de possibilités rend particulièrement difficile l’établissement de règles identiques pour tous les enseignements. Dans certaines matières, l’utilisation de l’IA peut être encouragée comme outil professionnel. Dans d’autres, elle peut empêcher l’enseignant d’évaluer les compétences que l’étudiant est supposé acquérir.

Le problème devient encore plus complexe lorsque les productions générées sont difficiles à distinguer de celles rédigées par un humain.

L’intelligence artificielle n’a donc pas seulement introduit un nouvel outil dans les salles de cours. Elle a remis en question le principe même sur lequel reposaient de nombreux devoirs universitaires : considérer que le travail rendu reflète directement les connaissances et les capacités de celui qui le signe.

La tentation de la triche devient plus accessible

Pour Theo Baker, l’une des principales transformations observées au cours de ses années à Stanford concerne justement cette facilité.

Tricher n’est évidemment pas un phénomène apparu avec ChatGPT. Les universités étaient confrontées au plagiat et aux fraudes académiques bien avant l’intelligence artificielle générative. Mais les nouveaux outils ont considérablement réduit l’effort nécessaire pour contourner certaines règles.

Un devoir qui aurait auparavant nécessité plusieurs heures de recherche peut désormais être préparé beaucoup plus rapidement avec l'aide d'un chatbot. Une ligne de code peut être corrigée instantanément. Un raisonnement peut être construit à partir de quelques indications seulement.

Dans un environnement universitaire particulièrement compétitif, où les étudiants doivent concilier cours, projets, stages, associations et parfois création d’entreprise, cette efficacité peut devenir extrêmement attractive.

L’enjeu dépasse donc la simple opposition entre les étudiants qui utilisent l’IA et ceux qui ne l’utilisent pas. Il concerne aussi les incitations auxquelles ils sont confrontés.

Lorsqu’un outil permet de gagner plusieurs heures de travail tout en produisant un résultat convaincant, certains peuvent être tentés de franchir progressivement les limites fixées par leurs enseignants.

C’est précisément ce glissement qui inquiète aujourd’hui une partie du corps professoral.

Les enseignants doivent repenser leurs évaluations

Face à la multiplication des outils génératifs, les méthodes d’évaluation traditionnelles sont devenues plus difficiles à sécuriser.

Les devoirs réalisés à domicile sont particulièrement concernés. Lorsqu’un étudiant remet un texte ou un exercice plusieurs jours après avoir reçu le sujet, il devient compliqué de déterminer précisément quelles ressources ont été utilisées pendant sa réalisation.

À Stanford, certains enseignants ont donc commencé à privilégier davantage les évaluations réalisées en classe, dans un temps limité.

En avril 2026, le Faculty Senate de Stanford a même voté à l’unanimité pour autoriser la surveillance des évaluations en présentiel, à la suite d’un programme pilote conduit par un groupe de travail consacré à l’intégrité académique. Historiquement, la surveillance des examens n’était pas pratiquée de cette manière à Stanford : le système reposait largement sur le Honor Code et sur la responsabilité des étudiants.

Cette évolution est symbolique.

Dans une université située au cœur de l’industrie qui développe les technologies les plus avancées au monde, la réponse à certaines utilisations de l’intelligence artificielle consiste désormais à revenir vers des méthodes beaucoup plus classiques : examens encadrés, temps limité et, dans certains cas, réponses manuscrites.

Plusieurs enseignants interrogés par le journal étudiant de Stanford ont également expliqué que l’essor de ChatGPT avait renforcé leurs inquiétudes concernant les examens réalisés à domicile et la possibilité d’évaluer réellement les capacités de leurs étudiants.

Le retour des examens surveillés

La modification des règles ne signifie pas que Stanford souhaite bannir l’intelligence artificielle.

L’objectif est plutôt de garantir que certaines évaluations mesurent réellement ce que les étudiants savent faire sans assistance extérieure.

Le groupe de travail sur l’intégrité académique de l’université a étudié plusieurs solutions depuis 2024. Selon Stanford, les enseignants ayant participé à l’expérimentation de la surveillance des examens ont notamment estimé qu’elle permettait de mieux vérifier les objectifs d’apprentissage et de clarifier les règles auprès des étudiants.

Certains étudiants se sont également montrés favorables à cette évolution, considérant qu’un examen surveillé pouvait offrir des conditions plus équitables lorsque tous les participants sont soumis aux mêmes règles.

Mais cette solution ne règle pas toutes les difficultés.

L’intelligence artificielle continuera d’être utilisée en dehors des examens et devrait devenir encore plus présente dans le monde professionnel. Apprendre aux étudiants à travailler sans IA ne peut donc pas constituer l’unique réponse.

Les universités doivent désormais apprendre à distinguer les compétences qui doivent être maîtrisées individuellement de celles pour lesquelles l’utilisation intelligente d’un outil d’IA peut être considérée comme une compétence en elle-même.

Apprendre à utiliser l’IA plutôt que simplement l’interdire

L’autre défi consiste donc à intégrer ces technologies dans les enseignements.

Pour certaines disciplines, savoir dialoguer avec une intelligence artificielle, analyser ses réponses, vérifier ses sources ou corriger ses erreurs pourrait progressivement devenir une compétence professionnelle.

Un étudiant en programmation devra probablement savoir utiliser des assistants capables de générer du code. Un étudiant en communication pourra être amené à utiliser des outils génératifs pour produire des premières versions de contenus. Un futur chercheur pourra s'appuyer sur l’IA pour explorer rapidement une quantité importante d’informations.

Dans ce contexte, interdire systématiquement ces technologies risquerait de créer un décalage entre l’université et le marché du travail.

La question devient alors pédagogique : comment utiliser l’IA sans lui déléguer l’apprentissage ?

Demander à un chatbot de résoudre immédiatement un problème ne produit pas nécessairement le même apprentissage que chercher soi-même la solution. De la même manière, générer entièrement un texte empêche de développer certaines capacités de rédaction, de structuration et d’argumentation.

L’enjeu pour les enseignants est donc de construire des exercices dans lesquels l’intelligence artificielle peut éventuellement être utilisée, tout en obligeant l’étudiant à démontrer sa compréhension.

Cela peut passer par des présentations orales, des exercices pratiques, des justifications de raisonnement, des travaux réalisés progressivement en classe ou encore des évaluations portant sur l’analyse critique d’une réponse produite par une IA.

Une génération étudiante particulièrement exposée

La promotion de Theo Baker occupe une position singulière dans cette transformation.

Ces étudiants sont arrivés à l’université au moment exact où les intelligences artificielles génératives devenaient accessibles au grand public. Ils ont donc vécu pratiquement toute leur formation supérieure avec des outils dont les capacités progressaient rapidement d’un semestre à l’autre.

Ce qui semblait expérimental en 2022 est devenu courant quelques années plus tard.

Les étudiants doivent désormais apprendre à évoluer dans un système où l’IA peut simultanément être une aide à l’apprentissage, un outil professionnel, un accélérateur de productivité et un moyen de contourner certaines règles.

Les enseignants sont confrontés au même paradoxe.

Ils savent que leurs diplômés évolueront dans des entreprises où l’utilisation de l’intelligence artificielle sera probablement courante. Mais ils doivent également s’assurer que ces étudiants disposent réellement des connaissances et des capacités auxquelles leur diplôme est censé correspondre.

C’est cette tension qui explique pourquoi la question de la triche dépasse largement Stanford.

L’université face à une transformation durable

Le débat actuel pourrait finalement conduire à une transformation beaucoup plus profonde de l’enseignement supérieur.

Pendant des décennies, une grande partie de l’évaluation universitaire reposait sur des productions pouvant être réalisées en dehors de la salle de cours : dissertations, rapports, exercices, présentations ou projets.

L’intelligence artificielle oblige désormais les établissements à se demander ce que ces travaux permettent réellement d’évaluer.

Si une machine est capable de produire une réponse correcte en quelques secondes, la valeur pédagogique d’un exercice ne disparaît pas forcément. Mais les compétences recherchées doivent être redéfinies.

L’important pourrait progressivement devenir moins la production de la réponse elle-même que la capacité à expliquer comment elle a été obtenue, à vérifier sa pertinence, à identifier ses limites et à mobiliser ses propres connaissances pour l’améliorer.

Stanford constitue ainsi un laboratoire particulièrement révélateur de cette transformation.

L’université reste profondément liée à la révolution technologique en cours et forme certains des futurs entrepreneurs, ingénieurs et chercheurs qui participeront à son développement. Pourtant, elle doit désormais mettre en place de nouvelles règles pour éviter que ces mêmes technologies ne fragilisent le processus d’apprentissage.

Le paradoxe est frappant : alors que l’intelligence artificielle promet d'accélérer l’accès au savoir, elle oblige également les établissements à revenir à certaines méthodes traditionnelles pour vérifier que ce savoir a réellement été acquis.

La question n’est donc plus de savoir si l’intelligence artificielle trouvera sa place dans l’enseignement supérieur. Elle y est déjà installée.

Le véritable défi consiste désormais à déterminer quelle place lui donner sans supprimer l’effort, la réflexion et l’apprentissage que l’université est précisément censée développer.

SOURCE : CHALLENGES