Apprendre avec IA: Les formations sont-elles superflues?

L'IA rend-elle les formations professionnelles superflues ?

La formation est-elle encore nécessaire à l’ère de l’IA?

L’IA générative répond à des questions spécialisées en quelques secondes, résume des documents, rédige des textes, explique des notions complexes et propose des solutions à des cas concrets. Le savoir semble ainsi disponible à tout moment, tandis que la capacité à disposer soi-même de connaissances paraît de moins en moins importante.

Dans les médias, on entend régulièrement que les connaissances spécialisées deviendraient progressivement superflues avec l’essor de l’IA générative. Cette conclusion va toutefois trop loin. Les réponses de l’IA doivent être vérifiées sur le fond, les erreurs identifiées et les recommandations évaluées afin de déterminer si elles sont adaptées à la situation concrète. Sans connaissances propres, il est souvent difficile de savoir si une réponse est réellement correcte ou simplement formulée de manière convaincante. Les connaissances spécialisées ne perdent donc pas en importance. Elles deviennent au contraire une condition préalable à une utilisation pertinente, critique et responsable de l’IA.

Parallèlement aux connaissances spécialisées, les compétences transversales gagnent en importance. Il s’agit notamment de l’esprit critique, de la résolution de problèmes, de la maîtrise de l’information, de la créativité, de la collaboration et de l’AI Literacy. Une bonne intégration de l’IA dans un contexte de formation permet de faire passer les apprenants de la simple réception d’informations à leur traitement actif, à une réflexion critique et, finalement, au développement de leurs propres solutions (Bauer et al., 2025).

À l’ère de l’IA, il ne suffit plus de mettre des connaissances à disposition. La formation doit permettre aux personnes de remettre en question les réponses, de comprendre les interactions et d’agir intelligemment dans la pratique.

Ce que montrent les recherches pour apprendre avec IA

La recherche sur l’IA générative dans le domaine de la formation évolue rapidement. De nombreuses premières études se concentraient sur les attitudes, l’acceptation ou les intentions d’utilisation. Depuis 2025, de plus en plus d’études expérimentales et de méta-analyses évaluent toutefois les performances d’apprentissage réelles (Dogan et al., 2023; Fan et al., 2026).

Une méta-analyse publiée en 2026 a regroupé 36 études empiriques, soit au total 7’229 participants et 132 tailles d’effet. Tous objectifs d’apprentissage confondus, l’IA générative présentait un effet positif moyen sur les résultats d’apprentissage. Les effets étaient particulièrement marqués sur la compréhension conceptuelle, les performances cognitives et créatives ainsi que sur des processus d’apprentissage exigeants tels que l’esprit critique, la réflexion, l’autorégulation et la résolution de problèmes.

Ces résultats contredisent l’idée selon laquelle apprendre avec IA conduirait nécessairement à un apprentissage superficiel. Ils montrent que l’IA ne provoque pas automatiquement ce type d’apprentissage. Le facteur déterminant reste toutefois la manière dont elle est intégrée au processus. Les effets positifs étaient particulièrement importants lorsque les apprenants travaillaient ensemble ou lorsque l’IA était combinée à d’autres formes d’apprentissage. À l’inverse, la plateforme d’IA ou la version du modèle utilisée ne faisait apparaître aucune différence statistiquement significative.

Pour la formation en entreprise, cela signifie qu’un modèle d’IA performant ne suffit pas à lui seul. Ce qui compte, c’est la conception du processus d’apprentissage. L’IA ne devrait pas simplement fournir des solutions, mais poser des questions, donner des indications, expliquer les erreurs et inciter les apprenants à réfléchir eux-mêmes ainsi qu’à appliquer leurs connaissances à des situations concrètes (Fan et al., 2026).

Mieux apprendre avec l’IA

Une étude randomisée publiée en 2025 par l’Université Harvard est particulièrement instructive. Elle a porté sur 194 étudiants suivant un cours de physique. Les participants ont travaillé sur des contenus comparables soit dans le cadre d’un enseignement présentiel actif, soit à l’aide d’un tuteur IA spécialement développé à cet effet.

Le groupe ayant utilisé le tuteur IA a obtenu des gains d’apprentissage médians plus de deux fois supérieurs à ceux du groupe de comparaison. Dans le même temps, les étudiants ont consacré en médiane 49 minutes à l’apprentissage, contre 60 minutes pour le cours en présentiel. Ils ont en outre jugé l’apprentissage assisté par l’IA plus stimulant et plus motivant.

Ce succès ne reposait toutefois pas sur une conversation libre avec un chatbot généraliste. Le tuteur était orienté vers des objectifs d’apprentissage précis. Il guidait les apprenants étape par étape à travers les exercices, leur posait des questions, fournissait un feedback ciblé et s’appuyait sur des démarches de résolution validées sur le plan scientifique. Les développeurs avaient intégré des principes issus de la psychologie de l’apprentissage, tels que l’apprentissage actif, une charge cognitive adaptée, le scaffolding, un feedback rapide et un rythme d’apprentissage individuel.

L’étude montre ainsi clairement l’un des principaux atouts d’un coach d’apprentissage personnel basé sur l’IA: il peut fournir à chaque apprenant un retour individualisé précisément au moment où il en a besoin. Dans un groupe encadré par un seul formateur, cela n’est possible que dans une mesure limitée. Certaines personnes ont besoin d’une explication supplémentaire, tandis que d’autres sont déjà prêtes pour un exercice de transfert plus exigeant. Un système adaptatif peut réagir immédiatement à ces différences. C’est l’un des avantages majeurs pour apprendre avec IA dans un cadre pédagogique structuré.

Les chercheurs soulignent toutefois que ces résultats ne peuvent pas être transposés automatiquement à tous les sujets et à tous les objectifs d’apprentissage. Les tâches étudiées relevaient principalement des niveaux «comprendre», «appliquer» et «analyser» de la taxonomie de Bloom. Pour les synthèses complexes, les compétences sociales et les situations de décision ambiguës, le rôle des formateurs humains reste central (Kestin et al., 2025).

De bonnes tâches sont plus importantes que des réponses rapides

Le principal danger de l’IA générative réside dans sa serviabilité. Un chatbot généraliste cherche à résoudre une tâche aussi rapidement que possible. Un coach d’apprentissage doit souvent faire exactement l’inverse. Il ne doit pas raccourcir trop vite le processus de réflexion.

Une étude randomisée publiée en 2026 par l’Université technique de Munich montre pourquoi cette distinction est importante. 275 étudiants ont réalisé une tâche de programmation dans trois conditions différentes. Un premier groupe utilisait un tuteur IA structuré qui donnait des indications progressives et évitait de fournir les solutions complètes. Un deuxième groupe pouvait utiliser librement ChatGPT. Le groupe de contrôle travaillait sans IA, à l’aide de sources Internet classiques.

Les deux groupes utilisant l’IA ont obtenu de meilleurs résultats sur la tâche de programmation concrète que le groupe de contrôle. Lors des tests de connaissances et des exercices ultérieurs portant sur la compréhension du code, aucun gain d’apprentissage supplémentaire n’a toutefois été constaté. L’IA améliorait donc principalement la performance immédiate, mais pas nécessairement la compréhension sous-jacente. Seul le tuteur structuré a également entraîné une motivation intrinsèque plus élevée.

Les chercheurs évoquent à ce sujet un possible piège du confort. Une IA peut rendre une tâche plus facile, plus rapide et moins frustrante. C’est précisément ce que les apprenants perçoivent positivement. Mais si elle leur enlève une part trop importante du travail intellectuel, la résistance cognitive productive nécessaire à un apprentissage durable peut disparaître (Bassner et al., 2026).

Que se passe-t-il lorsqu’un coach d’apprentissage basé sur l’IA choisit délibérément de ne pas révéler immédiatement la solution? Lorsqu’il pose des questions, identifie les lacunes et poursuit précisément là où une incertitude apparaît? C’est exactement l’approche suivie dans nos e-trainings WEKA. Des contenus d’apprentissage vérifiés sur le plan technique sont associés au coach d’apprentissage personnel basé sur l’IA Max, qui teste les connaissances, les approfondit et les transpose à des situations concrètes. Cette approche permet d’apprendre avec IA sans renoncer au travail de réflexion nécessaire. L’apprentissage est complété par un webinaire animé par un expert pour les questions qui exigent une expérience pratique et une appréciation spécialisée. Découvrez comment l’intelligence artificielle peut devenir un véritable compagnon d’apprentissage (disponible pour l'instant en allemand uniquement).

Rappel actif plutôt que lecture passive

Les connaissances se consolident lorsqu’elles sont activement rappelées de mémoire. La simple lecture ou la répétition d’une explication crée souvent un sentiment de familiarité. Ce sentiment est facilement confondu avec une maîtrise réelle du contenu.

Un coach d’apprentissage basé sur l’IA peut donc commencer par demander à l’apprenant de formuler sa propre réponse. L’explication ne vient qu’ensuite. La mémoire est ainsi activée et la personne obtient une appréciation plus réaliste de son niveau de connaissances (Roediger & Karpicke, 2006).

Un feedback immédiat et spécifique

Le feedback est particulièrement efficace lorsqu’il intervient rapidement et se rapporte directement à la réponse donnée. Un système d’IA peut réagir immédiatement à une justification incomplète, identifier une erreur de raisonnement et poser une question complémentaire adaptée. Il devrait toutefois aller au-delà d’une simple appréciation «juste» ou «faux». Un feedback utile montre quelle partie de la réponse est correcte, où se situe la lacune et quelle prochaine étape serait pertinente (Hattie & Timperley, 2007).

La pratique espacée

Un apprentissage intensif ponctuel procure souvent un sentiment de sécurité à court terme. Pour une mémorisation durable, des répétitions réparties sur plusieurs périodes sont nécessaires (Cepeda et al., 2006). Les systèmes d’apprentissage numériques peuvent reprendre certains contenus de manière ciblée. Les thèmes encore incertains réapparaissent plus tôt et plus fréquemment, tandis que les contenus déjà maîtrisés sont répétés à des intervalles plus longs (Baillifard et al., 2025; Cepeda et al., 2006).

Lien avec soi-même et pertinence professionnelle

Les informations sont mieux mémorisées lorsqu’elles sont mises en relation avec sa propre personne, des expériences concrètes ou une tâche réelle. Un coach d’apprentissage peut donc interroger l’apprenant sur sa situation professionnelle personnelle et transposer des contenus abstraits dans un cas adapté (Symons & Johnson, 1997).

L’IA peut créer un espace d’entraînement protégé

Dans de nombreuses formations professionnelles, la participation active reste faible. Les participants évitent de poser des questions parce qu’ils ne souhaitent pas révéler leurs lacunes devant les autres. Sur des sujets sensibles comme le management, les conflits ou la gestion des salaires, la peur de donner une mauvaise réponse vient encore s’y ajouter.

Un coach d’apprentissage personnel basé sur l’IA peut réduire cette barrière sociale. L’apprenant peut poser plusieurs fois la même question, corriger une réponse et retravailler un cas. Les erreurs deviennent ainsi un matériau d’apprentissage plutôt qu’une source de perte de face.

Cette sécurité psychologique peut être particulièrement utile pour l’acquisition des bases. Elle ne remplace toutefois pas le processus d’apprentissage social. Le management, la communication et la résolution des conflits se développent dans l’échange avec d’autres personnes. Les changements de perspective, les réactions émotionnelles et les dynamiques de groupe ne peuvent pas être entièrement reproduits dans un dialogue individuel avec une IA.

L’IA transforme l’apprentissage directement sur le lieu de travail

La formation en entreprise ne se déroule depuis longtemps plus exclusivement dans des salles de cours ou sur des plateformes d’apprentissage. Les collaborateurs apprennent lorsqu’ils travaillent sur des tâches concrètes. Ils recherchent des informations, interrogent des collègues, consultent des modèles et résolvent de nouveaux problèmes.

L’IA générative peut soutenir cet apprentissage informel. Une étude qualitative menée en 2025 auprès de 357 salariés d’une multinationale a examiné comment Microsoft 365 Copilot influence les processus d’apprentissage individuels et collectifs. Les résultats font apparaître quatre domaines: le soutien dans l’exécution de tâches concrètes, l’acquisition de connaissances de base, une culture organisationnelle propice à l’apprentissage ainsi que l’échange informel de connaissances au sein des équipes (Callari & Puppione, 2025).

Comment l’esprit critique évolue-t-il?

L’utilisation généralisée de l’IA suscite souvent la crainte que les personnes perdent leur capacité à exercer leur esprit critique. Les recherches dressent toutefois un tableau plus nuancé. Une étude publiée en 2025 auprès de 319 travailleurs du savoir a analysé 936 exemples concrets issus de la vie professionnelle quotidienne. Une forte confiance dans l’IA était associée à une perception moindre de l’effort de pensée critique. À l’inverse, une forte confiance dans sa propre expertise professionnelle allait de pair avec une réflexion critique plus importante.

Dans le même temps, l’esprit critique se déplaçait: les personnes interrogées consacraient moins d’énergie à la production initiale d’un résultat et davantage à la vérification, à l’intégration et à l’utilisation responsable des résultats générés par l’IA.

Ce déplacement est central pour la formation. Dans un monde du travail marqué par l’IA, il ne suffit plus de savoir résoudre une tâche sur le plan technique. Les collaborateurs doivent en outre être capables d’évaluer:

• La réponse est-elle complète?
• Sur quelles hypothèses repose-t-elle?
• Les informations utilisées sont-elles actuelles et fiables?
• Quelles données peuvent être saisies dans le système?
• Quelles conséquences professionnelles, juridiques ou éthiques la solution proposée peut-elle avoir?
• Dans quels cas une décision humaine est-elle indispensable?

L’AI Literacy ne consiste donc pas principalement à savoir rédiger de bons prompts. Elle englobe les connaissances spécialisées, la capacité de jugement, l’analyse critique des sources, la protection des données, la conscience des risques et la capacité à assumer la responsabilité d’un résultat (Lee et al., 2025).

Ce qui distingue une formation professionnelle basée sur l’IA de ChatGPT

Un chatbot généraliste et une formation professionnelle basée sur l’IA peuvent utiliser la même technologie de base. Leur fonction est néanmoins fondamentalement différente.

Un chatbot réagit à des demandes formulées librement. Il ne connaît généralement ni un programme d’apprentissage contraignant ni les objectifs pédagogiques concrets d’une formation. Les progrès restent invisibles. La qualité de l’interaction dépend fortement de la précision avec laquelle l’utilisateur formule ses questions.

À l’inverse, une formation professionnelle basée sur l’IA repose sur une architecture pédagogique définie. Pour apprendre avec IA dans ce cadre, plusieurs éléments sont déterminants:

• Base de connaissances vérifiée: les contenus proviennent de sources contrôlées sur le plan spécialisé et sont sélectionnés pour le domaine concerné.
• Objectifs d’apprentissage concrets: pour chaque thème, il est défini ce que l’apprenant doit savoir, comprendre ou être capable d’appliquer après la formation.
• Exercices de difficulté croissante: les questions progressent systématiquement des bases vers l’analyse, l’évaluation et le transfert.
• Parcours d’apprentissage adaptatif: le système réagit aux réponses, identifie les incertitudes et adapte les étapes suivantes.
• Progrès mesurables: les apprenants voient quels thèmes ils maîtrisent et dans quels domaines un entraînement supplémentaire est nécessaire.
• Feedback piloté sur le plan didactique: l’IA ne fournit pas immédiatement la solution complète. Elle donne des indications, pose des questions et demande des justifications.
• Limites clairement définies: pour les thèmes sensibles, ambigus ou complexes, le système renvoie vers des spécialistes, des sources faisant autorité ou un échange personnel.

La solution la plus pertinente est une architecture d’apprentissage hybride

Le débat sur l’IA et la formation est souvent présenté comme une opposition: numérique ou présentiel, automatisé ou humain, flexible ou social. Ces oppositions sont trop simplistes. Les différents formats d’apprentissage remplissent des fonctions différentes.

Un e-learning numérique est particulièrement adapté à la transmission structurée des bases techniques. Des vidéos, des textes, des check-lists et des études de cas permettent de créer un socle commun. Une telle architecture permet d’apprendre avec IA tout en combinant les avantages du numérique avec les dimensions humaines et sociales de la formation.

Bibliographie

Anderson, L. W., & Krathwohl, D. R. (Hrsg.). (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives. Longman.

Baillifard, A., Gabella, M., Banta Lavenex, P., & Martarelli, C. S. (2025). Effective learning with a personal AI tutor: A case study. Education and Information Technologies, 30(1), 297–312. https://doi.org/10.1007/s10639-024-12888-5

Bassner, P., Lenk-Ostendorf, B., Beinstingel, R., Wasner, T., & Krusche, S. (2026). Less stress, better scores, same learning: The dissociation of performance and learning in AI-supported programming education. Computers and Education: Artificial Intelligence, 10, 100537. https://doi.org/10.1016/j.caeai.2025.100537

Bauer, E., Greiff, S., Graesser, A. C., Scheiter, K., & Sailer, M. (2025). Looking beyond the hype: Understanding the effects of AI on learning. Educational Psychology Review, 37, Article 45. https://doi.org/10.1007/s10648-025-10020-8

Callari, T. C., & Puppione, L. (2025). Can generative artificial intelligence productivity tools support workplace learning? A qualitative study on employee perceptions in a multinational corporation. Journal of Workplace Learning, 37(3), 266–283. https://doi.org/10.1108/JWL-11-2024-0258

Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T., & Rohrer, D. (2006). Distributed practice in verbal recall tasks: A review and quantitative synthesis. Psychological Bulletin, 132(3), 354–380. https://doi.org/10.1037/0033-2909.132.3.354

Dogan, M. E., Goru Dogan, T., & Bozkurt, A. (2023). The use of artificial intelligence (AI) in online learning and distance education processes: A systematic review of empirical studies. Applied Sciences, 13(5), 3056. https://doi.org/10.3390/app13053056

Parlement européen & Conseil de l’Union européenne. (2026). Règlement (UE) 2026/1744 du Parlement européen et du Conseil du 8 juillet 2026 modifiant les règlements (UE) 2024/1689, (UE) 2018/1139 et (UE) 2023/1230 en ce qui concerne la simplification de la mise en œuvre des règles harmonisées relatives à l’intelligence artificielle. Journal officiel de l’Union européenne. https://eur-lex.europa.eu/eli/reg/2026/1744/oj

Fan, C., Ke, L., Chen, Z., & Lv, P. (2026). Exploring the effect of GenAI on learning outcomes in higher education: A three-level meta-analysis. Frontiers in Psychology, 17, 1758670. https://doi.org/10.3389/fpsyg.2026.1758670

Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112. https://doi.org/10.3102/003465430298487

Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. https://doi.org/10.1038/s41598-025-97652-6

Laak, K.-J., & Aru, J. (2025). AI and personalized learning: Bridging the gap with modern educational goals. Educational Technology & Society, 28(4), 133–150. https://doi.org/10.30191/ETS.202510_28(4).RP08

Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (Article 1121, pp. 1–22). Association for Computing Machinery. https://doi.org/10.1145/3706598.3713778

Roediger, H. L., III, & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249–255. https://doi.org/10.1111/j.1467-9280.2006.01693.x

Symons, C. S., & Johnson, B. T. (1997). The self-reference effect in memory: A meta-analysis. Psychological Bulletin, 121(3), 371–394. https://doi.org/10.1037/0033-2909.121.3.371

FAQ: Apprendre avec IA

L'IA générative suffit-elle pour remplacer un formateur humain ?

Non, l'IA générative seule ne remplace pas le formateur. Bien qu'elle puisse améliorer la performance immédiate, un véritable développement des compétences nécessite une architecture pédagogique structurée. Pour les synthèses complexes, les compétences sociales et les situations ambiguës, le rôle du formateur humain reste central.

Comment éviter l'apprentissage superficiel avec l'IA ?

Pour éviter l'apprentissage superficiel, il faut utiliser des coachs d'apprentissage qui évitent de fournir les solutions complètes trop rapidement. L'IA doit poser des questions, identifier les lacunes et inciter l'apprenant à réfléchir et à justifier ses réponses, préservant ainsi la résistance cognitive productive.

Qu'est-ce que l'AI Literacy dans le contexte professionnel ?

L'AI Literacy ne se limite pas à la rédaction de prompts. Elle englobe les connaissances spécialisées, la capacité de jugement, l'analyse critique des sources, la protection des données, la conscience des risques et la responsabilité d'assumer le résultat final des solutions générées par l'IA.

L'IA peut-elle soutenir l'apprentissage informel en entreprise ?

Oui, l'IA générative soutient efficacement l'apprentissage informel en aidant à l'exécution de tâches concrètes, à l'acquisition de connaissances de base et en favorisant une culture d'apprentissage. Elle permet également un échange informel de connaissances au sein des équipes.