Introduction

1Des institutions d’enseignement, à travers la publication de guides d’utilisation (Guide de Genève, 2024 ; Quiquempois et Goémé, 2025 ; Miao et Cukurova, 2024, etc.), ainsi que des travaux de recherche récents se sont attachés à proposer des cadres pédagogiques visant à aider les enseignants à réajuster simultanément leurs objectifs de formation et leurs contenus (Burgsteiner et al., 2016 ; Dignum, 2019 ; Druga et al., 2019). L’intégration de l’intelligence artificielle générative (IAG) en milieu éducatif appelle encore à être pensée dans une perspective empirique. En particulier dans le champ de l’apprentissage des langues, l’absence d’un cadre stabilisé rend nécessaire l’observation des pratiques effectives sur le terrain afin de cerner plus finement l’impact de l’IAG sur les étudiants et sur leurs apprentissages (Chai et al., 2020). La problématique se situe donc dans la tension entre cadres théoriques existants et absence de repères pratiques consolidés : comment situer l’IAG au sein des dispositifs d’enseignement-apprentissage des langues ? Quels types de pratiques les apprenants développent-ils face aux tâches de lecture, de reformulation ou de (ré)écriture lorsqu’ils recourent à ces outils ?

2Dans ce contexte, la formation aux compétences littéraciques, notamment la rédaction de prompts, apparaît comme une priorité. Comme l’indiquent Hwang et al. (2023), la maîtrise de cette compétence constitue un levier essentiel pour permettre aux étudiants de diriger activement les interactions avec les systèmes d’IA, plutôt que de se limiter à une posture d’utilisateurs passifs (Dai et al., 2020).

3L’objectif de la présente étude est de recenser les pratiques déclarées par des étudiants de Master 1 en psychologie concernant l’utilisation des outils d’IAG dans le cadre de leur apprentissage de l’anglais. Plus précisément, il s’agit d’examiner, dans une démarche exploratoire, dans quelle mesure l’IAG favorise l’autonomie des apprenants ou, à l’inverse, engendre une forme de dépendance. Cette étude s’attache ainsi à identifier si, et comment, les étudiants développent progressivement une compétence en prompt literacy.

4Afin d’apporter des éléments de réponse à ces questionnements, nous avons mobilisé un cadre théorique permettant de situer l’intelligence artificielle générative dans une double perspective d’analyse, à la fois technologique et sociologique, afin d’éclairer ses potentialités pour l’apprentissage ainsi que les conditions sociales de son appropriation. Notre démarche méthodologique combine ensuite une enquête par questionnaire, destinée à recueillir les usages déclarés et les représentations des étudiants, et une étude de cas expérimentale reposant sur l’observation de séances d’apprentissage outillées par l’IAG. L’analyse des données vise ensuite à déterminer dans quelle mesure une compétence de prompt literacy est en cours de construction, afin de formuler dans nos travaux futurs des recommandations pour le secteur LANSAD.

1. Cadre théorique1

1.1. L’IAG dans une perspective technologique

6Si l’on considère désormais l’IAG dans le cadre plus spécifique de l’apprentissage des langues, nous pouvons écrire que l’interaction proposée est de qualité. En effet, il est tout à fait possible d’entrer en négociation avec la machine. L’IAG, dans le cadre de l’apprentissage des langues, offre de nouvelles opportunités d’apprentissage. Les recherches récentes mettent en évidence une diversité d’usages de l’intelligence artificielle générative. Ainsi, plusieurs travaux illustrent l’appropriation de ces outils par les étudiants dans des contextes variés : usages en contexte LANSAD (Hamza-Jamann et Molle, 2025) ; pratiques non encadrées dans le cadre d’exercices de création poétique en anglais (Revauger et Rident, 2025) ; imitation de styles d’écriture humaine en allemand (Roussel et Ochoa, 2025) ; ou encore mobilisations spontanées dans des situations d’écriture collaborative (Yiboukou et al., 2025). Au-delà de cette diversité, l’IAG apparaît comme porteuse de potentialités spécifiques, notamment en matière d’adaptabilité, de personnalisation et d’individualisation des apprentissages. Ces caractéristiques sont d’ailleurs soulignées par les récentes publications dans le mandat actuel de l’UNESCO, qui promeuvent une approche plus humaniste de l’intelligence artificielle et insistent sur sa capacité à accompagner, dans le milieu éducatif cette fois, les élèves à besoins spécifiques en offrant des parcours d’apprentissage différenciés et personnalisés.

7Cependant, comme le rappelait Ellul (1988, p. 59), « tout progrès technique, se paie ». L’IAG ne fait pas exception à la règle : son déploiement s’accompagne de coûts et de risques multiples. Ceux-ci se manifestent sur le plan écologique (consommation, données), éthique (protection des données, droit d’auteurs, travailleurs de l’IA), technologique (notamment à travers les « hallucinations », entendues comme la production par le système de réponses erronées ou infondées présentées comme exactes (Fort, 2025)) et sociétal (biais, renforcement de stéréotypes, dette cognitive, standardisation du langage et de la pensée). Au-delà de ces dimensions, elle interroge en profondeur le rôle de l’école et de l’enseignement, ainsi que la place et les responsabilités respectives des apprenants et des enseignants.

8Aussi, comme ce fut le cas pour d’autres technologies, l’utilisation de ces outils d’IAG nécessite de nouvelles compétences, particulièrement dans le domaine de la littératie numérique (Gilster, 1997 ; Van Joolingen, 2004).

9Cette compétence en littératie numérique appelle aujourd’hui à un enrichissement, et plusieurs chercheurs en ont proposé des déclinaisons plus spécifiques, à savoir la littératie de l’IAG (Kohnke et al., 2023 ; Creely, 2023) ou encore la prompt literacy ou prompt engineering (Hwang et al., 2023 ; Miao and Cukurova, 2024 ; Lo, 2023).

1.2. L’IAG dans une perspective sociologique

11Cependant, il convient de faire preuve de prudence : le simple fait qu’un outil existe et soit disponible ne justifie pas son appropriation sans que soit menée une véritable réflexion, et ce, en évitant « de poser la relation technologie et société en termes simplistes et polarisés » (Bax, 2011b, p. 2). En effet, Ellul l’écrivait déjà en 1988 : « l’outil n’est pas neutre en soi […] la technique porte ses effets en elle-même, indépendamment des usages » (p. 90). Cette conception trouve un écho dans l’analyse récente de Robert (2020) sur l’impensé numérique, qui rappelle que la technologie est loin d’être neutre et qu’il convient d’interroger l’agenda des sociétés, en termes d’intentions, de priorités et logiques d’intérêts (économiques, politiques ou culturelles) qui orientent le développement de ces outils.

12Ainsi, le principal défi auquel la communauté éducative est aujourd’hui confrontée consiste à accompagner l’apprenant de langue universitaire dans la transition d’un usage de l’IAG comme simple outil de résolution de tâches vers une mobilisation en tant que partenaire d’apprentissage, pour une utilisation réfléchie, responsable et consciente des enjeux que l’IAG soulève.

2. Cadre contextuel méthodologique

2.1. Contexte de l’étude

13Notre étude repose sur une approche en deux étapes, que nous présentons dans la section suivante (2.2.), visant à croiser les pratiques déclarées par les apprenants et leurs usages effectifs des outils d’IAG. Nous comptions 67 participants répartis en deux groupes d’étudiants, de niveau hétérogène allant de B1 à C1, en première année de master de psychologie dans le cadre d’un cours d’anglais de spécialité. L’étude était pleinement intégrée dans la progression du semestre, dont la tâche finale était la production d’une synthèse d’articles scientifiques sur un thème libre en lien avec leur mémoire de fin d’année. Deux évaluations venaient ponctuer ce travail. Le premier, un document que nous avons appelé « journal de bord », retraçait le processus de production de la synthèse d’articles et faisait état de leurs étapes de travail. Le second, en fin de semestre, consistait en la présentation orale de la synthèse d’articles.

2.2. Approche méthodologique : collecte des données

14La première phase a consisté à collecter des données à travers un questionnaire. Ainsi, lors de la première séance du semestre, nous avons administré un questionnaire aux 67 étudiants afin de recueillir les pratiques auto-déclarées quant aux outils d’IAG dans l’apprentissage des langues. Cette enquête proposait huit questions divisées en trois catégories :

• • 3 Les variables sociodémographiques recueillies (âge, licence obtenue et projet professionnel) n’ont (...)

  les métadonnées : âge, licence obtenue et objectif professionnel3 ;

• les usages et stratégies : outils utilisés pour apprendre l’anglais, expérimentation en classe, compétences travaillées, exemples d’usages ;

• la perception : ressenti à l’usage de ces outils (gêne, sentiment de tricherie, usage à bon escient).

15Nous développons les résultats dans la section 3.

16La seconde phase de notre démarche consistait en le recueil de données en milieu expérimental. Aussi, tout au long du semestre, nous avons collecté des données de différentes natures :

• • 4 https://obsproject.com/

  7 captations d’écran réalisées via le logiciel OBS4 mettant au jour les interactions réelles des apprenants avec les outils d’IAG (voir Figure 1).

• 2 entretiens d’auto-confrontation (Boubée, 2010 ; Clot et al., 2000 ; Theureau, 2010) permettant aux apprenants de revenir sur leurs propres pratiques (voir Figure 2 ci-dessous). Appuyés sur des enregistrements ou des traces de leur activité, ces entretiens visent à susciter une prise de conscience réflexive des stratégies, difficultés et raisonnements implicites mobilisés au cours de l’action. Ils nous ont permis un accès à la dimension subjective et située de l’activité réalisée.

• une discussion collective autour de deux questions : quelles utilisations des outils d’IAG dans le cadre d’une production écrite et quelles suites donner à la production générée par les outils d’IAG (acceptation exacte, reformulation, etc.) ;

• • 5 La consigne n’imposait pas l’usage des outils d’IAG ; les apprenants disposaient d’une totale liber (...)

  les « journaux de bord » produits par les étudiants dans lesquels ces derniers faisaient état de leur utilisation des outils d’IAG dans la production de leur synthèse d’articles5.

2.3. Méthode d’analyse de données dans les deux cas d’études

17Pour le traitement des données, nous nous sommes appuyés sur l’approche de la « narrative inquiry » (Consoli, 2021), envisagée comme un cadre analytique permettant de mettre en lumière les régularités et les significations inscrites dans les récits d’expérience des participants. Cette perspective nous a offert un prisme d’analyse tout en restant attentif à la richesse et à la complexité des discours recueillis et en en préservant la densité. Plus concrètement, notre démarche reposait sur plusieurs étapes complémentaires. Dans un premier temps, nous avons procédé à une lecture flottante et inductive de l’ensemble des matériaux (entretiens, observations et productions écrites) afin d’identifier les éléments saillants et récurrents. Nous avons ensuite mené un codage thématique permettant de regrouper les données en catégories, organisées autour des usages déclarés, des pratiques observées et des représentations associées à l’IA générative (section 3). Le tableau 1 ci-après constitue un extrait non exhaustif du codage, fourni à titre illustratif.

Tableau 1. Extrait du codage thématique

Catégorie principale	Sous-catégorie	Description synthétique
Représentations et ressentis vis-à-vis de l’IAG	Conscience de l’outil et usage réfléchi	Les étudiants reconnaissent le potentiel de l’IAG et déclarent l’utiliser de manière consciente pour améliorer leurs productions.
	Réticence ou méfiance face à l’IA	Certains expriment des réserves éthiques ou pédagogiques (peur de la dépendance, crainte de tricherie).
Modes interaction avec l’IAG	One-shot prompting	Interaction unique et ponctuelle, sans approfondissement
	Few-shot prompting	Interaction itérative : l’étudiant ajuste et affine ses requêtes en fonction des réponses de l’IA.
Enjeux pédagogiques et identitaires	Tension entre posture d’« étudiant » et posture d’« apprenant »	Les usages varient entre logique évaluative (réussite, note) et logique formative (apprentissage, réflexivité).
	Dépendance instrumentale vs autonomie	Certains étudiants délèguent la tâche à l’IA, d’autres l’utilisent comme levier d’autonomisation.

18Une attention particulière a été portée à la triangulation des sources (entretiens, verbatims et traces écrites) dans le but de renforcer la validité de nos interprétations. Enfin, nous avons procédé à une mise en récit, croisant les différents fragments de données pour reconstruire des trajectoires narratives cohérentes.

19L’ensemble de ce travail visait à restituer la voix des deux étudiantes (cf. 3.2. Manon et Caroline) dans leur singularité tout en faisant émerger des dynamiques transversales, révélatrices des logiques sous-jacentes qui orientent leurs usages de l’IAG.

3. Analyses et discussions

3.1. Usages auto-déclarés

20À la question « Quels outils utilisez-vous pour votre apprentissage de l’anglais ? », les résultats montrent une prédominance des outils de traduction, cités par 62 étudiants (cf. Figure 3).

21Viennent ensuite les dictionnaires en ligne (38), qui restent des références privilégiées pour la recherche lexicale et la vérification de définitions. Les outils d’IAG occupent une place intermédiaire (29), ce qui témoigne d’une adoption encore limitée mais néanmoins significative de ces technologies émergentes dans le cadre de l’apprentissage. Ce résultat peut refléter à la fois une phase progressive d’appropriation de ces outils et, possiblement, une réticence à en déclarer l’usage, en raison des représentations contrastées qui leur sont associées. Il est toutefois à noter que 41 étudiants, interrogés sur leur ressenti à l’égard de ces technologies, affirment en avoir conscience et les utiliser de manière réfléchie (Figure 4).

22Pour en revenir aux outils d’apprentissage, les applications d’apprentissage (14) et les sites en ligne (12) apparaissent, en comparaison, beaucoup moins mobilisés. Ces résultats soulignent ainsi une forte orientation des étudiants vers des outils perçus comme immédiatement fonctionnels, permettant de résoudre rapidement des difficultés linguistiques, plutôt que vers des dispositifs plus didactisés ou formatifs.

23En ce qui concerne les outils d’IAG, les étudiants ont été invités à préciser si leur utilisation relevait d’une démarche autonome ou s’inscrivait dans un cadre guidé par l’enseignant (Figure 5). 51 les mobilisent de manière autonome, tandis que 20 indiquent les avoir utilisés dans un cadre guidé par l’enseignant. La forte proportion d’usages autonomes laisse penser que l’appropriation de ces technologies relève principalement de l’initiative des apprenants, et qu’elles sont mobilisées en priorité pour répondre à des besoins immédiats (correction, traduction, recherche lexicale). Elle s’inscrit également dans la logique classique du parcours de diffusion de l’innovation, où l’usage pratique tend à précéder toute formalisation ou théorisation (cf. Jouët, 2020 ; Rogers, 1962).

24L’analyse des usages déclarés montre, par ailleurs, que les outils d’IAG sont davantage mobilisés pour des activités de compréhension écrite (traduction de textes, clarification du sens) et d’expression écrite (correction, reformulation, enrichissement lexical) que pour le développement de compétences orales. Cette orientation peut s’expliquer par la nature même des fonctionnalités offertes par ces outils, qui privilégient l’écrit comme mode d’interaction principal, mais aussi par la centralité de l’écrit dans les contextes académiques. Il convient néanmoins de souligner que cette répartition des usages reflète avant tout des déclarations d’expérience et n’exclut pas que des explorations plus ponctuelles ou moins formalisées aient lieu dans le domaine de l’oral.

25À la question « de quelle manière, les utilisez-vous ? » les étudiants ont rapporté 5 activités apparentes :

26L’analyse des usages déclarés met en évidence une prédominance des activités de correction (52 occurrences) et de traduction (48 occurrences), qui apparaissent comme les principaux motifs de recours aux IAG. La recherche lexicale (44 occurrences) constitue également une pratique largement répandue, souvent mobilisée pour enrichir le vocabulaire, vérifier l’orthographe ou identifier des synonymes. La reformulation (27 occurrences) est moins fréquente. Enfin, la sélection d’informations (19 occurrences), qui regroupe les recherches documentaires, la vérification du sens ou encore la consultation de résumés, se révèle plus marginale puisque les étudiants déclarent utiliser d’autres ressources de recherche documentaire. Ces résultats soulignent ainsi que les apprenants privilégient ces outils avant tout pour assurer les aspects linguistiques et la clarté de leur expression, tandis que les activités liées à l’accès ou au traitement de l’information demeurent secondaires.

27La prédominance de la correction, par exemple, peut être reliée au caractère particulièrement exigeant de la production écrite en langue étrangère, souvent source d’incertitudes orthographiques, grammaticales et syntaxiques. Les apprenants cherchent ainsi à sécuriser leurs productions, afin d’éviter des erreurs susceptibles de nuire à la compréhension ou de donner une impression de manque de maîtrise. Cette pratique reflète à la fois une attente normative (qu’on verra d’ailleurs dans les entretiens d’auto-confrontation) fortement ancrée dans l’enseignement des langues, où la correction des erreurs constitue encore un critère central d’évaluation, et un besoin de validation immédiate. Dans cette perspective, l’IA générative est perçue comme un outil de contrôle qualité, capable de confirmer ou d’infirmer l’exactitude d’une phrase.

28Pour ce qui est de la traduction, l’IAG se présente comme une solution rapide pour lever une incompréhension immédiate ou pour produire une expression correcte dans la langue cible. Les apprenants mobilisent d’abord l’IAG pour des tâches « classiques » et immédiatement utiles, proches de celles déjà réalisées avec Google Traduction ou DeepL, avant de l’exploiter dans des fonctions plus complexes. Le recours fréquent à la traduction peut également s’expliquer par des habitus pédagogiques : dans l’enseignement des langues, la traduction demeure une activité couramment utilisée par les enseignants pour mettre en évidence les différences interlinguistiques et faciliter la compréhension de structures ou de registres spécifiques. Les étudiants, ayant été régulièrement exposés à cette pratique, développent ainsi un réflexe de traduction lorsqu’ils rencontrent une difficulté lexicale ou syntaxique, cherchant d’abord à « faire correspondre » deux systèmes linguistiques. Ce constat suggère que les usages actuels de l’IA générative ne se construisent pas ex nihilo, mais qu’ils s’ancrent peut-être dans des schèmes d’apprentissage antérieurs, hérités des approches traditionnelles de l’enseignement des langues.

3.2. Deux études de cas

29Parmi les sept captations d’écran recueillies, cinq ne présentent pas de caractéristiques particulières et correspondent globalement aux usages auto-déclarés par les étudiants. Nous avons donc choisi de concentrer notre analyse sur deux cas, dont les pratiques apparaissent à la fois distinctives et représentatives des modes d’appropriation de l’IAG. Ces situations mettent en évidence, selon nous, une ambivalence dans les postures adoptées par les étudiants – apprenants – utilisateurs.

Manon6

For this restitution, I used the Artificial Intelligence tool ChatGPT to refine and enhance the way I articulated my thought process. I asked it to correct and improve my text, providing the MCC PDF as a reference to ensure my work aligned with the evaluation criteria. ChatGPT critically assessed my work, assigned grades to each section, and suggested specific elements for improvement. I incorporated its feedback, revised my text accordingly, and then asked it to review and refine my work again after adding new information. This iterative process allowed me to progressively improve the quality of my restitution while still making mine.

31Elle recourt notamment à ChatGPT pour : reformuler et améliorer ses textes ; corriger la syntaxe ; aligner explicitement ses productions avec les critères académiques ; obtenir des évaluations formatives simulées (auto-grades et conseils de révision). À travers son témoignage, Manon souligne sa conscience des limites de l’outil et des risques d’un usage inapproprié : « I’m aware that it can be misused, but I’m doing it to get a good grade ».

32Son rapport à l’IA est alors marqué par une tension. Dans un premier temps, elle a refusé de l’utiliser, mais a finalement cédé, invoquant un sentiment d’injustice lié au fait que ses pairs y recouraient largement. Progressivement, son usage est devenu fréquent, au point de préférer l’IA à l’enseignant humain : « I prefer to use ChatGPT because I don’t want to monopolise [the teacher] and I don’t want teachers to judge me. »

33Ses pratiques révèlent une dissonance : consciente des potentialités formatives de l’IA, elle privilégie néanmoins un usage utilitaire dicté par la logique de la note et de la validation du diplôme.

Caroline

34À l’inverse, Caroline adopte une posture plus ponctuelle et utilitaire, motivée avant tout par le gain de temps. Elle précise :

I also sometimes struggled to correct my mistakes, so I sometimes used DeepL and Chat GPT to correct certain sentences. To be honest, I mainly used these tools for their speed. Indeed, they save me a lot of time. As I write this text, I have not yet memorized my oral presentation. Although I cannot see into the future, but I think that will be a little challenge too, and I see only one solution: to rehearse it out loud again and again, haha!

35Caroline affirme utiliser ChatGPT pour corriger ses erreurs, mais les observations indiquent un usage davantage comparable à celui d’un dictionnaire, notamment pour la traduction de mots isolés. Son rapport à l’IA apparaît ainsi comme instrumental et non réflexif, relevant de ce que l’on peut qualifier d’impensé numérique (Robert, 2020).

Analyse des prompts de Manon et Caroline

36L’analyse des prompts saisis par les deux étudiantes nous a permis de mettre en évidence deux modes de fonctionnement :

• le premier, que l’on qualifie de « one-shot prompting », qui correspond à un jeu de question-réponse unique, reposant entièrement sur l’IA pour obtenir un résultat sans prolongement :

• et le second, que l’on peut qualifier de « few-shot prompting », à savoir des interactions itératives visant à affiner la réponse, notamment lorsque l’IA demande un contexte ou que la première réponse ne correspond pas à l’attente.

37En effet, dans le cas de nos investigations sur les usages des outils d’IAG par les apprenants, nous en avons découvert deux prédominants. Premièrement, l’intelligence artificielle est désormais utilisée comme moteur de recherche (en lieu et place des moteurs de recherche traditionnels tels que Google Search), et deuxièmement, l’IA est mobilisée comme outil de traduction en ligne (remplaçant des outils de traduction automatique classiques tels que DeepL ou Google Traduction). Nous proposons ici de prendre l’exemple du cas le plus courant que notre recherche a mis en lumière : la traduction d’un mot avec deux situations distinctes.

38Première situation : l’IA générative est sollicitée comme outil de confirmation. L’apprenant comprend globalement ce qu’il lit, mais souhaite simplement obtenir une validation. Il formule une requête, obtient une réponse confirmatoire mettant un terme à l’échange. Le dialogue entre l’outil d’IA et l’utilisateur cesse alors très rapidement.

39Deuxième situation : l’IA est utilisée comme traducteur car l’étudiant ne comprend pas le texte qu’il est en train de lire. Deux cas de figure peuvent alors surgir :

• Cas n° 1 : l’IA fournit une réponse jugée suffisante par l’étudiant. L’étudiant est alors capable de faire preuve d’autonomie, de trier les informations et de sélectionner l’option qui lui semble la plus pertinente. Le dialogue avec l’IA s’interrompt à ce stade. Nous en avons un exemple typique dans l’image 8 : une étudiante souhaite connaître la traduction du mot « scales ». ChatGPT propose deux traductions possibles, et l’étudiante parvient à contextualiser elle-même l’usage du terme.

• Cas n° 2 : dans la majorité des cas toutefois, la réponse fournie par l’IA générative s’avère trop vague ou insuffisamment spécifique. Cela s’explique assez logiquement par le fait que les étudiants ne fournissent pas de contexte. Dans l’exemple proposé ici (Figure 8), une étudiante demande la traduction du mot « ward ». Naturellement, ChatGPT propose une liste de traductions possibles, ce mot pouvant revêtir plusieurs sens selon le contexte. L’étudiante ne se satisfait donc pas de la réponse initiale, car elle ne parvient pas à interpréter correctement les propositions : une contextualisation est nécessaire, comme le suggère d’ailleurs ChatGPT lui-même. Une nouvelle requête est donc formulée. Parfois, la réponse fournie soulève de nouvelles interrogations, entraînant ainsi une succession de requêtes successives.

40Le plus surprenant est que les deux apprenantes, malgré les sollicitations répétées de l’IA à fournir un contexte, continuaient de poser des questions de traduction sans contextualisation.

41Ce n’est qu’après un échange formel en entretien avec elles et l’analyse de leurs actions enregistrées à l’écran que ces étudiantes ont pris conscience du problème. Nous leur avons alors fait remarquer que, dans la majorité des cas, elles auraient pu éviter une deuxième, voire une troisième requête. Cette observation nous a conduits à aborder non seulement les enjeux environnementaux – auxquels les étudiantes étaient au final peu sensibles – mais également les implications pédagogiques, en attirant leur attention sur l’importance fondamentale de la notion de contexte.

42Ces dynamiques reflètent des degrés variables de délégation et de réflexivité dans la mobilisation de l’IA. Les profils de Manon et Caroline, bien que différents, convergent dans leur dimension instrumentale (cf. Béguin et Rabardel, 2000). Les deux étudiantes utilisent ChatGPT davantage comme un facilitateur que comme un véritable outil d’apprentissage. Elles s’inscrivent dans une logique de délégation importante de la tâche académique, centrée sur la réussite évaluative plutôt que sur l’acquisition durable de compétences. Ce constat rejoint le continuum d’apprentissage avec l’IA (Hamza-Jamann et Molle, 2025).

43En effet, les deux étudiantes se situent dans une zone caractérisée par un recours utilitaire à l’IA, avec un début de réflexivité limité. Leur rapport à l’IAG illustre le manque de formation à la littératie numérique critique (Ollivier, 2019 ; Ollivier et al., 2021), condition pourtant essentielle pour dépasser un usage purement pragmatique et fonctionnel. La question de la formation à la littératie numérique critique demeure ouverte et fait actuellement l’objet de recherches. Les résultats issus de cette étude peuvent néanmoins constituer un premier jalon pour éclairer et démystifier les usages réels de l’IAG et, à terme, orienter la conception de dispositifs de formation visant à développer une posture réflexive et éthique face à ces outils.

Conclusion

44L’étude présentée met en lumière l’ambivalence des usages étudiants de l’IAG, à la croisée de deux logiques. D’un côté, ces outils se révèlent porteurs de potentialités formatives (de l’autonomie de l’apprenant (Ben Amor et Durampart, 2024) à des pratiques réflexives et à l’émergence d’une compétence de prompt literacy (Hwang et al., 2023)) ; de l’autre, ils sont largement mobilisés dans une perspective utilitariste, centrée sur la correction, la traduction ou l’optimisation des performances scolaires. Cette double dynamique semble refléter une tension entre deux identités : celle de l’« apprenant », engagé dans un processus de construction de savoirs et de compétences, et celle de « l’étudiant », pris dans les logiques institutionnelles de validation académique (évaluations sommatives, diplômes, etc.). L’IAG, avec les solutions rapides de correction, de traduction et de reformulation qu’elle permet, tend à renforcer la posture étudiante, centrée sur la réussite évaluative et la conformité aux attentes, au risque de favoriser une dépendance instrumentale (Rabardel, 2005). En même temps, son potentiel interactif et adaptatif pourrait ouvrir la voie à une identité apprenante plus réflexive, capable de développer une véritable compétence de prompt literacy et de transformer l’outil en partenaire d’apprentissage.

45Ce paradoxe invite à repenser les dispositifs pédagogiques afin de dépasser une logique de délégation et de sécurisation académique, pour encourager une appropriation critique et formatrice de l’IAG. La formation à la littératie numérique critique (Gibson, 1977), et en particulier à l’art du prompt (Kohnke et al., 2023), apparaît comme un levier essentiel pour rééquilibrer ces deux identités, permettant aux étudiants de conjuguer la posture de l’étudiant (inscrit dans un cadre institutionnel) avec celle de l’apprenant (acteur autonome et conscient de ses choix, comme le recommande le CECRL). L’enjeu n’est donc pas tant d’intégrer l’IAG (qui n’est pas neutre (Ellul, 1988)) que de veiller à ce qu’elle ne réduise pas l’expérience d’apprentissage à une recherche d’efficacité évaluative, au risque d’éclipser la formation d’une autonomie critique et durable.