Quand l'intelligence artificielle entre en classe de français
Un lycéen ouvre son téléphone à minuit, à la veille de son épreuve de philosophie. Il n'appelle pas un camarade — il interpelle un modèle de langage. Une scène banale en 2026, qui concentre pourtant toutes les tensions d'une transformation pédagogique sans précédent : l'intelligence artificielle s'est installée dans la préparation au baccalauréat et dans l'apprentissage du français langue étrangère, non pas par décret ministériel, mais par la force d'une adoption silencieuse, élève par élève, mot après mot.
La dissertation assistée : entre échafaudage et béquille
La dissertation française — cet exercice de pensée structurée que l'Éducation nationale défend comme formation à l'esprit critique — a rencontré un interlocuteur de taille. Les outils d'IA générative proposent désormais des plans détaillés, des transitions argumentatives, voire des introductions clés en main. Pour un élève qui peine à organiser sa pensée, ce peut être un échafaudage cognitif précieux : il observe comment une idée en appelle une autre, comment la thèse se construit par strates.
Mais l'échafaudage, s'il reste en place, empêche la façade de sécher. Le risque n'est pas que l'élève triche — c'est qu'il cesse d'éprouver la résistance du problème, cette friction intellectuelle qui forge précisément le raisonnement que l'examen prétend évaluer. Romain Thibault, enseignant de Lettres en région lyonnaise, l'exprime avec une formule lapidaire : « Mes élèves savent maintenant ce qu'est un bon plan. Ils ne savent plus pourquoi il est bon. »
Cette distinction est capitale. Comprendre la forme d'un argument sans en saisir la nécessité logique, c'est apprendre à reconnaître un accord de guitare sans jamais entendre la musique. Les outils IA les plus aboutis — ceux qui, au lieu de produire le plan, posent des questions socratiques pour aider l'élève à le construire — semblent mieux armés pour préserver cette dimension formative. Reste à savoir si les lycéens, sous pression temporelle, choisiront la voie longue.
L'oral du baccalauréat et la simulation conversationnelle
L'épreuve orale — Grand Oral pour le baccalauréat général, oraux de spécialité, entretiens de BTS — constitue peut-être le terrain où l'IA offre ses bénéfices les plus indiscutables. Simuler un jury, c'est quelque chose qu'un chatbot pédagogique fait avec une disponibilité et une patience qu'aucun enseignant surchargé ne peut raisonnablement égaler.
Des plateformes spécialisées permettent à l'élève de présenter son exposé à un interlocuteur artificiel qui reformule, questionne, objecte. L'algorithme détecte les tics de langage, les silences trop longs, les formules évasives. Le retour est immédiat, granulaire, reproductible — on peut refaire la simulation dix fois sans épuiser la patience de son contradicteur.
Ce que l'IA ne restitue pas, c'est l'imprévu humain : le juré qui fronce les sourcils, l'examinatrice qui sourit à un moment inattendu, la tension corporelle d'une salle d'examen. L'entraînement IA développe une compétence réelle, mais partielle — un peu comme s'entraîner à la boxe face à un punching-ball perfectionné : utile, nécessaire, insuffisant.
FLE : l'apprenant face à un locuteur infatigable
Pour les apprenants de français langue étrangère, la promesse est d'une autre nature. Le problème historique du FLE n'est pas le manque de méthodes — c'est le manque de temps d'exposition authentique. Un étudiant coréen préparant le DELF B2 à Séoul ne peut pas baigner dans la langue. Il peut, en revanche, converser avec un modèle de langage plusieurs heures par jour, sans contrainte horaire, sans gêne sociale, sans peur du ridicule.
Cette accessibilité change profondément la donne. Les correcteurs automatiques de génération récente ne se contentent plus de signaler les fautes : ils expliquent pourquoi « je suis allé » est correct là où « j'ai allé » ne l'est pas, ils proposent des reformulations stylistiquement plus nuancées, ils adaptent le registre à la situation de communication. C'est une forme de tutorat individualisé que les systèmes éducatifs publics — y compris le plus généreux — peinent à offrir à grande échelle.
Les chatbots pédagogiques : une didactique à construire
Les chatbots dédiés à l'apprentissage du FLE se multiplient, mais leur qualité pédagogique reste inégale. Certains reproduisent une correction behavioriste — faute détectée, règle énoncée, exercice proposé — qui n'a guère évolué depuis les laboratoires de langues des années 1970. D'autres, plus ambitieux, s'appuient sur des approches communicatives : ils mettent l'apprenant en situation, l'invitent à négocier du sens, à reformuler, à inférer.
La recherche en acquisition des langues secondes — notamment les travaux de Stephen Krashen sur l'hypothèse de l'input compréhensible — suggère que cette seconde approche est plus féconde. Comprendre des messages légèrement au-dessus de son niveau, sans chercher à tout analyser consciemment : voilà ce que les meilleurs outils tentent de reproduire. La question n'est donc pas « l'IA peut-elle aider en FLE ? » — elle peut, manifestement — mais « quels designs pédagogiques en tirent le meilleur parti ? »
La prononciation, parent pauvre de la révolution numérique
Un angle reste en retrait : la phonétique. La reconnaissance vocale s'est considérablement améliorée, mais les systèmes de feedback prosodique — ceux qui travaillent le rythme, l'intonation, le phrasé — restent balbutiants pour le français. Un apprenant anglophone qui lutte avec le « u » ou les voyelles nasales reçoit encore des retours insuffisamment précis. C'est un chantier ouvert, où les progrès à venir pourraient transformer l'expérience d'apprentissage de façon radicale.
Les enjeux critiques qu'on préfère esquiver
Toute révolution pédagogique charrie ses impensés. Trois méritent d'être nommés sans détour.
La dépendance et l'atrophie de la mémoire de travail
Des études en sciences cognitives — notamment celles du laboratoire de Stanislas Dehaene au Collège de France — rappellent que l'effort de récupération mémorielle est lui-même formateur. Chercher un mot, formuler une règle de mémoire, résoudre un problème sans aide externe : ces efforts apparemment pénibles consolident les apprentissages. Lorsqu'un outil IA élimine systématiquement la difficulté, il peut simultanément éliminer l'apprentissage qu'elle induisait. La commodité a un coût cognitif que l'enthousiasme technologique tend à minimiser.
L'évaluation dans un monde où le brouillon est invisible
Le baccalauréat évalue — en théorie — un processus de pensée autant qu'un résultat. Or l'IA rend le brouillon invisible : le correcteur voit une copie, pas les tâtonnements qui l'ont précédée. Cette opacité fragilise les fondements de l'évaluation certificative. Les réponses institutionnelles — détecteurs de textes générés par IA, retour aux examens manuscrits, révision des formats d'épreuves — tâtonnent encore. Aucune n'est pleinement satisfaisante. C'est moins un problème technique qu'un problème de philosophie de l'évaluation : que cherche-t-on à mesurer, et pourquoi ?
L'équité, ou la fracture numérique en classe inversée
L'accès aux outils IA les plus puissants reste inégalement distribué. Un abonnement à un modèle de langage performant représente un coût mensuel non négligeable pour une famille en difficulté. Les élèves qui disposent d'un équipement récent, d'une connexion stable et d'une littératie numérique développée bénéficient d'un avantage préparatoire supplémentaire — à rebours de la promesse égalisatrice que la technologie brandit volontiers. L'équité pédagogique ne se décrète pas : elle se construit dans les choix d'infrastructure, de formation et d'accès que font les établissements et les politiques publiques.
Ce que les enseignants font avec ça
Face à cette réalité, les enseignants ne sont pas passifs. Beaucoup expérimentent des usages raisonnés : utiliser l'IA pour générer des contre-exemples argumentatifs que les élèves doivent réfuter, produire des textes délibérément erronés à corriger, proposer des simulations de débats sur des sujets de civilisation. Dans ces configurations, l'outil est un matériau, pas un oracle.
D'autres résistent, et leur résistance n'est pas réactionnaire : elle porte une conviction pédagogique légitime, celle que certains apprentissages — l'orthographe, la mémorisation de conjugaisons, la structuration intuitive d'un argument — nécessitent un temps long, une friction répétée, une intégration qui ne se délègue pas. Les deux postures coexistent dans les salles des professeurs, souvent chez le même enseignant selon les jours et les niveaux.
Ce qui manque, c'est moins une doctrine qu'un espace institutionnel pour comparer, évaluer, partager ces expérimentations. La formation continue en France sur l'usage pédagogique de l'IA reste lacunaire — les enseignants apprennent principalement entre eux, dans des réseaux informels, par essais et erreurs.
Entre l'outil et la vision
L'intelligence artificielle n'est ni le sauveur de l'école ni son fossoyeur. C'est un outil d'une puissance inhabituelle, dont l'effet dépend entièrement de la vision pédagogique dans laquelle il s'inscrit. Un marteau peut construire une maison ou briser une vitre — ce qui compte, c'est l'intention et la compétence de celui qui le tient.
Pour le FLE comme pour la préparation au baccalauréat, les gains potentiels sont réels : accessibilité, personnalisation, disponibilité, feedback granulaire. Les risques le sont tout autant : atrophie cognitive, inéquité amplifiée, dénaturation de l'évaluation. Naviguer entre les deux suppose non pas de choisir son camp — pro-IA ou anti-IA — mais de se poser honnêtement une question préalable : qu'est-ce que nous voulons que les élèves sachent faire seuls, sans aucune aide, le jour où ils ferment l'écran ?
La réponse à cette question — si tant est qu'on accepte de la formuler — est la seule boussole valable pour décider ce que l'IA peut faire à leur place, et ce qu'elle ne doit pas toucher.