Sa thèse, avec toute sa force
Lepore, historienne à Harvard, a écrit le 15 septembre 2026 contre la direction que sa propre université a prise sur l’IA.1 Elle ouvre sur une phrase d’un rapport d’un comité du MIT réunissant enseignants, étudiants et personnel, un rapport qu’elle juge “remarkably thoughtful” [notre traduction : « remarquablement réfléchi »] : “as a community, what should worry us most is that many uses of AI deprive students of the opportunity to learn” [notre traduction : « en tant que communauté, ce qui devrait le plus nous inquiéter, c’est que de nombreux usages de l’IA privent les étudiants de l’occasion d’apprendre »]. En face, elle place la recommandation du doyen de Harvard College, telle qu’elle la décrit, selon laquelle l’usage de l’IA par les étudiants dans les cours à forte part d’écriture “should be not only accepted but encouraged” [notre traduction : « devrait être non seulement accepté, mais encouragé »].
Son image centrale vient de Daniel Hook, qui a forgé le “Waymo Effect” [effet Waymo] : “what happens when a technology removes the friction of dealing with another human being, and we experience that removal as pure gain — because the costs of the friction were always visible to us, while its benefits were not”2 [notre traduction : « ce qui se passe quand une technologie supprime la friction d’avoir affaire à un autre être humain, et que nous vivons cette suppression comme un pur gain, parce que les coûts de la friction nous ont toujours été visibles, et ses bénéfices non »]. Un trajet en voiture sans chauffeur est pratique. Chaque trajet est aussi une rencontre avec d’autres personnes qui n’a pas eu lieu. “Large language models,” soutient Hook, “are the Waymo of intellectual life” [notre traduction : « Les grands modèles de langage sont le Waymo de la vie intellectuelle »].
Puis les preuves. “Research into the effects of AI in education is preliminary but the results are, so far, grim” [notre traduction : « La recherche sur les effets de l’IA dans l’éducation est préliminaire, mais les résultats sont, pour l’instant, sombres »], écrit-elle, et elle cite trois études : une de Microsoft, qui suggère que les travailleurs du savoir qui s’appuient sur l’IA générative exercent moins leur esprit critique ; une étude de terrain, menée depuis Georgia Tech, qui a trouvé, en moyenne, de moins bons résultats d’apprentissage dans un groupe utilisant ChatGPT que dans un groupe utilisant Google ; et une étude sur les mathématiques au lycée, menée par des chercheurs de l’Université de Pennsylvanie, dans laquelle, selon ses mots, “students with access to ChatGPT performed better on tests, but when access was taken away they performed worse than students who had never had access”1 [notre traduction : « les élèves ayant accès à ChatGPT ont obtenu de meilleurs résultats aux tests, mais, une fois cet accès retiré, ils ont fait moins bien que les élèves qui n’y avaient jamais eu accès »].
Ce n’est pas une tribune technophobe, et le rapport sur lequel elle s’appuie n’est pas un rapport technophobe : selon elle, il relève “the astounding benefits of AI in many areas of academic research” [notre traduction : « les bénéfices stupéfiants de l’IA dans de nombreux domaines de la recherche universitaire »]. Ce qu’elle reproche, c’est qu’une institution place “speed and efficiency by way of automation above all other considerations” [notre traduction : « la vitesse et l’efficacité, par la voie de l’automatisation, au-dessus de toute autre considération »], et qu’elle le fasse sans un débat “answerable to evidence” [notre traduction : « qui rende des comptes aux preuves »]. Sa dernière ligne renvoie au lecteur la question du comité du MIT lui-même.
Là où elle a tout simplement raison
Le véritable apprentissage exige de la friction. Et l’IA est conçue pour retirer la friction. C’est ce que fait un bon produit, et ce sont de très bons produits. Retirer la friction d’une tâche qui existe pour être faite est un cadeau. La retirer d’une tâche qui existe pour transformer la personne qui la fait est une perte qui ressemble à un cadeau, ce qui est exactement le propos de Hook, transporté du bus à la salle de classe.
Les sciences de l’apprentissage ont un nom pour la bonne friction. Elizabeth et Robert Bjork l’appellent la difficulté désirable, et une de leurs phrases mérite d’être affichée dans chaque école : “Conditions of learning that make performance improve rapidly often fail to support long-term retention and transfer, whereas conditions that create challenges and slow the rate of apparent learning often optimize long-term retention and transfer”3 [notre traduction : « Les conditions d’apprentissage qui font progresser rapidement la performance échouent souvent à soutenir la rétention et le transfert à long terme, tandis que les conditions qui créent des défis et ralentissent le rythme de l’apprentissage apparent optimisent souvent la rétention et le transfert à long terme »].
Mets cette phrase à côté du résultat de Pennsylvanie tel que Lepore le rapporte. La performance a monté tant que l’outil était là ; quelque chose, en dessous, n’a pas suivi. J’ai lu son compte rendu de l’étude, pas l’étude, donc je ne te dirai pas que c’est le mécanisme. Je te dirai que c’est la forme que décrivent les Bjork, et la forme que je vois sans cesse.
Plus loin, d’abord : ce n’est pas la machine qui a commencé
Nous retirons de la friction à l’apprentissage depuis des décennies. La photocopie a remplacé la copie à la main. L’encyclopédie multimédia a mis la réponse à un clic. La vidéo a remplacé l’exploration guidée par le visionnage. Le web de la recherche rapide et du copier-coller a remplacé le fait de chercher par celui de trouver. La création numérique à partir de modèles a donné à l’apprenant la forme avant l’idée. L’IA est un pas de plus sur ce chemin. Un grand pas, et c’est pour cela qu’elle nous fait peur, mais le même chemin.
Et ce ne sont pas seulement les apprenants qui l’ont emprunté. Je vois un cousin du problème dans les supports de certains éducateurs : des captures d’écran, des photocopies, une liste de liens, distribués comme si les recevoir revenait à apprendre. Si nous voulons que les apprenants acceptent la friction, nous ne pouvons pas continuer à leur montrer son absence.
Plus loin, ensuite : ce qui est revenu sans écran dans la salle
Dans le programme pratique d’IA que je mène avec des lycéens, personne ne touche à l’IA, ni à un appareil, avant la cinquième séance. Pendant les quatre premières semaines, le travail à la maison consiste à réfléchir, à reconsidérer et à décider sur quoi chacun va travailler.
Ce qui est revenu, ce sont des pages arrachées à des cahiers, griffonnées à la hâte, sans structure. Faites pour être rendues.
La première leçon du programme s’est donc révélée ne pas porter sur l’IA : notre travail nous définit, si petite que soit la tâche. Écrire quelque chose, l’organiser et le présenter, ce sont autant de couches de réflexion, de structuration et de relecture de ta propre pensée. Une page arrachée les saute toutes, et aucune machine n’y était pour rien. La friction avait disparu avant l’arrivée de la machine. C’est la part de ce débat sur laquelle je voudrais le plus que nous, éducateurs, nous arrêtions. C’est ma pratique, pas une étude, et je la présente comme telle.
Là où la machine peut placer la barre plus haut
C’est ici que je me sépare de Lepore, de la conclusion qu’appelle son diagnostic plutôt que du diagnostic. Ce n’est pas que l’IA nous empêche de penser, ni que nous devions refuser ce qu’elle offre. C’est que la friction dans l’apprentissage peut désormais être conçue et maintenue pour chaque apprenant, pas seulement pour celui qui a un précepteur à ses côtés.
Les jeux vidéo savent le faire depuis longtemps. Si un jeu est trop facile, on l’abandonne, et c’est pareil pour apprendre. Les jeux qui nous tiennent sont justes : des règles claires, toujours appliquées. Chaque niveau est plus difficile que le précédent. Ils mesurent beaucoup de choses, jamais une seule note. Ils te laissent te relever d’une erreur ; les jeux modernes disent rarement game over. Ils t’embarquent dans une histoire et par les sens. Et ils reconnaissent tes progrès. Le défi et la récompense comptent plus que l’amusement.
Tout cela peut se demander à une IA dans une séance d’étude : des manches qui montent de niveau, un indice avant la réponse, la question ratée qui revient plus tard, un retour qui dit quoi revoir ensuite, et au moins une heure d’étude convenue avant de commencer. Une règle passe avant les autres : si l’IA te dit que tu es prêt, cela ne veut pas dire que tu l’es. J’ai raconté d’où vient cette règle, avec mon fils, une heure et cent exercices, dans Pas de raccourci vers la maîtrise.
Les Bjork posent eux-mêmes la limite, et elle a sa place ici, dans leurs mots : “If, however, the learner does not have the background knowledge or skills to respond to them successfully, they become undesirable difficulties”4 [notre traduction : « Si toutefois l’apprenant n’a pas les connaissances préalables ou les compétences pour y répondre avec succès, elles deviennent des difficultés indésirables »]. Une friction sans issue est un mur. C’est pour cela que l’indice existe et s’efface, et que c’est un travail de conception, fait par des adultes pour ceux qui apprennent.
L’objection la plus forte
Quelqu’un du côté de Lepore dira ceci : tous les fournisseurs promettent l’IA qui fait réfléchir davantage, et ce que les institutions obtiennent réellement, c’est le raccourci, parce que le raccourci est le réglage par défaut et que le défaut l’emporte. Encourager l’usage, c’est acheter le défaut. Et la friction que Lepore nomme en premier est humaine, le collègue et le groupe de travail ; une machine mieux conçue reste une machine.
Sur le défaut, je suis d’accord, et c’est pourquoi je ne crois pas que la réponse soit d’encourager l’usage ou de le décourager. Aucune des deux n’est une conception. Le défaut, c’est ce que l’on obtient quand les adultes responsables d’une expérience d’apprentissage n’ont pas décidé à quoi sert sa friction, et cette décision revient aux institutions et aux adultes qui accompagnent l’apprentissage, pas aux apprenants. C’est le travail que nous faisons avec les écoles et les universités. Sur les personnes, je suis d’accord aussi : les quatre premières séances de mon programme, ce sont des personnes et du papier. Ce que je n’accepte pas, c’est que la réponse soit moins d’outil. La réponse, c’est de décider à quoi sert la friction, puis d’y tenir l’outil.
Sa question
Qu’est-ce que nous sommes tous venus faire ici ensemble ? Faire en sorte que la friction reste partie intégrante de l’expérience d’apprentissage, et utiliser l’IA pour porter cette friction, et ce qu’elle produit, plus loin qu’aucune salle de classe ne l’a fait, pour que les apprenants puissent conduire l’avenir au lieu d’être conduits par lui.
Les pages arrachées aux cahiers sont revenues avant qu’aucune machine ne soit dans la salle. Y remédier a toujours été notre travail. Nous avons maintenant de l’aide pour cela, si nous demandons à la machine la bonne chose.
Chaque citation a été vérifiée mot à mot contre sa source, indiquée ci-dessous ; les citations en anglais sont données dans leur langue d’origine avec notre traduction. La pratique décrite est la mienne, tirée d’un programme que je mène, pas une étude publiée. Les trois études mentionnées ne sont décrites que comme Lepore les décrit.
La suite de la série : La pensée qu’on délègue, sur ce que l’IA prend, ce qu’elle libère, et où chaque chose devrait aller.
Trois perspectives
Le texte est rigoureux là où cela compte : il cite la limite des Bjork en même temps que leur résultat, et il ne s’appuie pas sur les trois études au-delà de ce qu’en rapporte Lepore. Là où je m’écarte, c’est sur l’assurance de la dernière partie. Les travaux sur les difficultés désirables ont été menés surtout en laboratoire, en bonne partie avec des adultes, et personne n’a encore montré qu’un partenaire d’étude IA réglé pour augmenter la friction produise ce type d’apprentissage durable chez des lycéens. C’est une conception qui mérite d’être testée, avec une vérification différée faite sans l’IA. Ce n’est pas encore un résultat.
Je suis plus proche de Lepore que Carlos. La friction conçue est réelle dans un programme mené par quelqu’un qui y réfléchit depuis des années ; ce qui arrive à l’école qui n’a pas cette personne, c’est le réglage par défaut, et le défaut, c’est le raccourci. Et la friction qu’elle défend d’abord est humaine : l’encadrement, les heures de permanence, le groupe de travail, celle qui coûte cher précisément parce qu’une personne la donne. Si les institutions lisent « l’IA peut augmenter la friction » comme une permission d’acheter l’outil et de supprimer des postes, les apprenants les moins soutenus n’auront que la conversation avec la machine, et rien d’autre.
Marcus a raison sur le défaut, et c’est justement pour cela que je n’attendrais pas la politique. La façon d’étudier décrite ici peut se mettre en place cette semaine : fixe l’heure avant de commencer, demande des manches de plus en plus difficiles, un indice avant toute réponse, la question ratée qui revient plus tard, et trois questions auxquelles répondre demain sans l’IA. Cette dernière est le test honnête. Attendre que le débat se tranche, c’est laisser le raccourci comme réglage par défaut une année de plus.
Sources
- Jill Lepore, “Artificial Education”, The Harvard Crimson, Opinion, 15 septembre 2026. https://www.thecrimson.com/article/2026/9/16/lepore-harvard-artificial-intelligence-education/ (citations des paragraphes 1, 2, 4, 8, 10, 11, 13 et 14). Le rapport du MIT et les trois études sont cités à travers Lepore.
- Daniel Hook, “The Waymo effect: how AI is quietly making research less collaborative”, Wonkhe, 12 septembre 2026. https://wonkhe.com/blogs/the-waymo-effect-how-ai-is-quietly-making-research-less-collaborative/ — cité comme Lepore le cite (paragraphes 5 et 6) ; la formulation centrale a été vérifiée sur Wonkhe.
- Elizabeth L. Bjork et Robert A. Bjork (2011), “Making Things Hard on Yourself, But in a Good Way: Creating Desirable Difficulties to Enhance Learning”, dans M. A. Gernsbacher et al. (dir.), Psychology and the Real World, Worth Publishers, p. 56–64, p. 57. https://bjorklab.psych.ucla.edu/wp-content/uploads/sites/13/2016/04/EBjork_RBjork_2011.pdf
- Bjork et Bjork (2011), p. 58. Chapitre conceptuel qui synthétise des recherches de laboratoire, menées pour la plupart avec des adultes ; pas d’échantillon adolescent.