💻 computer science

Did Alice Do Wrong? Cross-Cultural Differences in Student Perceptions of Generative AI Use in University Computing Education

Cette étude révèle que, malgré des politiques institutionnelles identiques, les étudiants universitaires canadiens perçoivent l'usage de l'IA générative dans l'enseignement de l'informatique comme étant nettement plus contraire à l'éthique que leurs homologues sud-coréens, une disparité attribuée à des différences culturelles en matière d'individualisme, de distance hiérarchique et d'évitement de l'incertitude qui souligne la nécessité de directives relatives à l'IA adaptées aux contextes culturels.

Auteurs originaux : Brian Harrington, Irina Zlotnikova, Gayathri Nadarajan, Samuel Ekundayo

Publié 2026-07-23

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Brian Harrington, Irina Zlotnikova, Gayathri Nadarajan, Samuel Ekundayo

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous entrez dans une classe géante et mondiale où l'enseignant vient de distribuer un nouvel outil magique : un robot capable d'écrire du code, de résoudre des problèmes mathématiques et de rédiger des essais en quelques secondes. Cet outil s'appelle l'IA générative (IA Gen). C'est comme avoir un nègre littéraire super intelligent qui peut terminer vos devoirs instantanément. Mais voici la grande question : utiliser ce nègre littéraire est-ce de la triche, ou est-ce simplement une étude intelligente ?

Pendant longtemps, les écoles ont eu des règles strictes concernant « l'intégrité académique ». Voyez cela comme le code d'honneur de l'école. Il stipule que : « Ce que vous soumettez doit être à 100 % votre propre travail ». Si vous copiez le travail de quelqu'un d'autre, c'est du plagiat, et c'est une très mauvaise chose. Mais ce nouveau robot change la donne. Il brouille la frontière entre « Je l'ai fait » et « Le robot l'a fait ». Désormais, les éducateurs et les étudiants du monde entier se disputent : est-il acceptable de demander de l'aide au robot ? Est-ce important de comprendre le code qu'il a écrit ? Et est-ce que la réponse change selon l'endroit où l'on vit ? C'est l'énigme que les chercheurs tentent de résoudre. Ils veulent savoir si un étudiant au Canada voit ce robot différemment d'un étudiant en Corée du Sud, et pourquoi.

La Grande Expérience « Alice »

Pour comprendre cela, une équipe de chercheurs du Canada, du Botswana, de la Nouvelle-Zélande et de la Corée du Sud a décidé de jouer à un jeu de « Que feriez-vous ? ». Ils ont créé une histoire sur une étudiante nommée Alice.

Ils n'ont pas simplement demandé aux étudiants : « L'IA est-elle de la triche ? ». Au lieu de cela, ils leur ont présenté huit scénarios différents, comme de petits clips de films, montrant Alice utilisant l'outil d'IA de diverses manières. Dans certaines histoires, Alice utilisait l'IA pour obtenir juste une petite idée pour un projet. Dans d'autres, elle laissait l'IA écrire presque tout le code pour elle. Dans certains cas, elle comprenait exactement ce que l'IA faisait ; dans d'autres, elle se contentait de copier-coller le résultat sans savoir comment il fonctionnait.

Ensuite, ils ont demandé à des étudiants de deux endroits très différents de juger Alice :

Le Canada : Représentant une culture qui valorise la réussite individuelle et l'originalité personnelle.
La Corée du Sud : Représentant une culture qui valorise souvent l'harmonie du groupe, le respect de l'autorité et le partage des connaissances.

Les chercheurs ont posé une question simple aux étudiants pour chaque histoire : « Alice a-t-elle agi de manière contraire à l'éthique ? » et « Ce qu'Alice a fait était-il contraire aux règles ? ».

La Grande Surprise : Tout est une Question de Culture

Voici le rebondissement : même si les écoles au Canada et en Corée du Sud avaient exactement les mêmes règles concernant l'IA (ou du moins, aucune règle claire de part et d'autre), les étudiants ont jugé Alice de manière très différente.

Les étudiants canadiens étaient beaucoup plus stricts. Ils étaient plus susceptibles de dire : « Oui, Alice a triché ! » et « Oui, c'est contraire aux règles ! ». Les étudiants sud-coréens étaient plus indulgents. Ils étaient plus susceptibles de dire : « Eh bien, c'est peut-être acceptable » ou « Cela dépend ».

C'est comme si deux groupes de personnes regardaient un tableau. L'un dit : « C'est un faux ! L'artiste ne l'a pas peint ! ». L'autre dit : « Peu importe qui l'a peint, c'est quand même une belle image ». L'article suggère que ce n'est pas parce que les étudiants coréens sont « mauvais » pour suivre les règles, mais parce que leur culture perçoit les connaissances différemment. Dans beaucoup de cultures collectivistes (comme en Corée du Sud), partager les ressources et aider les autres à réussir est considéré comme une vertu. Dans les cultures individualistes (comme au Canada), l'accent est mis sur votre contribution unique et sur votre effort personnel.

Qu'est-ce qui a fait la plus grande différence ?

Les chercheurs ont également examiné ce que Alice faisait réellement dans les histoires pour voir ce qui mettait les étudiants en colère. Ils ont trouvé une chose qui rendait tout le monde, partout, plus susceptible de considérer cela comme de la triche : La Quantité.

Lorsque Alice utilisait l'IA pour écrire une énorme partie du code (comme toute la fonction principale), les étudiants canadiens et coréens étaient beaucoup plus susceptibles de dire : « Waouh, c'est trop ! ». Cependant, même lorsque la quantité de code généré par l'IA était la même, les étudiants canadiens pensaient toujours que c'était plus contraire à l'éthique que les étudiants coréens.

L'étude a également vérifié si d'autres éléments importaient, comme :

Quand elle utilisait l'IA (au début, au milieu ou à la fin du projet).
À quel point elle comprenait le code obtenu.

Bien que ces facteurs aient légèrement modifié les réponses, la quantité de code généré par l'IA a été le principal moteur de la décision de savoir si c'était mal ou non.

Pourquoi est-ce important ?

L'article suggère que nous ne pouvons pas simplement créer un ensemble de règles pour le monde entier et attendre que tout le monde soit d'accord. Si une université au Canada dit : « L'IA est de la triche », et qu'une université en Corée dit : « L'IA est un compagnon d'étude utile », les étudiants pourraient être confus.

Les chercheurs ont utilisé une théorie célèbre appelée les Dimensions Culturelles de Hofstede pour expliquer cela. Ils ont comparé les deux pays en utilisant des concepts tels que :

Individualisme vs Collectivisme : Se concentre-t-on sur le « Moi » ou sur le « Nous » ?
Distance hiérarchique (Power Distance) : Remet-on en question les règles de l'enseignant ou suit-on aveuglément ?
Évitement de l'incertitude : Aimons-nous les règles claires ou sommes-nous à l'aise avec une zone grise ?

Ils ont découvert que ces « traits de personnalité » culturels façonnent la façon dont les étudiants perçoivent le bien et le mal. Les étudiants canadiens, issus d'une culture individualiste et à faible distance hiérarchique, ressentaient une forte responsabilité personnelle d'être originaux. Les étudiants coréens, issus d'une culture collectiviste et à distance hiérarchique plus élevée, étaient plus concentrés sur le succès du groupe et l'autorité de l'institution. Si l'école ne disait pas explicitement « Pas d'IA », ils étaient plus susceptibles de supposer que c'était autorisé.

L'essentiel

Cette étude n'a pas prouvé qu'une culture avait raison et l'autre tort. Elle a plutôt montré que la culture est le prisme à travers lequel nous percevons l'éthique.

Les chercheurs précisent avec prudence que leurs conclusions sont basées sur ce que les étudiants ont dit qu'ils feraient dans un sondage, et non nécessairement sur ce qu'ils feraient réellement dans la vie réelle. Mais les résultats sont clairs : nous devons cesser de supposer que tout le monde voit la « triche » de la même manière. Pour que l'IA fonctionne équitablement dans les écoles du monde entier, nous avons besoin de règles qui respectent ces différences culturelles tout en préservant l'idée fondamentale de l'honnêteté. Il ne s'agit pas seulement d'autoriser ou d'interdire les robots ; il s'agit de comprendre les cœurs et les esprits humains derrière les écrans.

Résumé technique : « Alice a-t-elle mal agi ? Différences transculturelles dans les perceptions des étudiants concernant l'usage de l'IA générative dans l'enseignement de l'informatique »

Problématique

L'intégration rapide de l'IA générative (IA gén) dans l'enseignement supérieur a précipité des débats urgents concernant l'intégrité académique, particulièrement dans l'enseignement de l'informatique où la génération de code est une tâche centrale. Alors que les institutions s'efforcent de réguler ces outils, une lacune critique subsiste dans la compréhension de la manière dont les contextes culturels façonnent la perception des étudiants sur ce qui constitue un usage éthique ou non éthique de l'IA. La littérature existante traite souvent les normes d'intégrité académique comme universelles ou se concentre sur des contextes nationaux uniques, omettant de prendre en compte comment les valeurs culturelles profondes (telles que l'individualisme vs le collectivisme) influencent l'interprétation du « plagiat » à l'ère de l'IA. Cette étude répond au manque de données empiriques transculturelles comparant les jugements des étudiants sur l'usage de l'IA générative dans les travaux de programmation, en examinant spécifiquement si des étudiants issus de différents contextes culturels perçoivent des pratiques assistées par l'IA identiques de manière divergente, même lorsque les politiques institutionnelles sont fonctionnellement identiques.

Méthodologie

Les chercheurs ont employé un plan d'enquête quantitative basé sur des scénarios, administré à l'automne 2024 auprès d'étudiants de deux institutions : l'Université de Toronto Scarborough (CAN) et l'Université Sungkyunkwan (KOR).

Participants : L'étude a interrogé 262 étudiants de CAN (taux de réponse de 62 %) et 48 étudiants de KOR (taux de réponse de 74 %). L'échantillon de CAN était composé d'étudiants non spécialisés en programmation de niveau introduction, tandis que l'échantillon de KOR comprenait des étudiants de cours liés à la science des données (bases de données relationnelles, TAL, et impact éthique/social des données).
Conception expérimentale : L'enquête utilisait huit vignettes distinctes (scénarios) décrivant une étudiante nommée « Alice » utilisant des outils d'IA gén pour un devoir de programmation. Chaque scénario variait systématiquement selon trois facteurs orthogonaux :
1. Quantité : Le volume de code généré par l'IA dans la soumission finale (Faible, Moyen, Élevé).
2. Compréhension : Le niveau de compréhension démontré par l'étudiante concernant le code généré (Faible, Moyen, Élevé).
3. Étape : Le moment du cycle de développement où l'outil a été utilisé (Début, Milieu, Fin).
Mesure : Pour chaque scénario, les participants ont répondu à deux questions sur une échelle de Likert en cinq points :
1. « Alice a agi de manière contraire à l'éthique dans ce scénario. »
2. « Ce qu'Alice a fait serait contraire aux règles de mon institution. »
Contrôles contextuels : Les deux institutions avaient des politiques identiques, basées sur la discrétion de l'instructeur, concernant l'IA gén au moment de l'étude, sans mandats institutionnels explicites. Cela permettait de contrôler la variance des politiques, isolant ainsi la perception culturelle comme variable principale.
Analyse statistique : L'étude a utilisé des tests de Mann-Whitney U pour comparer les réponses ordinales entre les deux pays. Une ANOVA à deux facteurs a été utilisée pour évaluer l'impact du pays et de l'année d'étude, et une ANOVA à mesures répétées a analysé l'influence des facteurs du scénario (Quantité, Compréhension, Étape).

Résultats clés

L'analyse a révélé des différences transculturelles statistiquement significatives dans les jugements éthiques, malgré l'identité fonctionnelle des politiques institutionnelles.

Divergence culturelle : Les étudiants canadiens étaient systématiquement plus susceptibles de percevoir l'usage de l'IA comme étant à la fois contraire à l'éthique et contraire aux règles institutionnelles par rapport aux étudiants coréens dans presque tous les scénarios. La note moyenne pour « A agi de manière contraire à l'éthique » était de 2,6 pour les étudiants de CAN contre 1,78 pour les étudiants de KOR (sur une échelle de 5). De même, la moyenne pour « Contraire aux règles » était de 2,81 (CAN) contre 1,80 (KOR).
Facteur dominant : La « Quantité de code généré par l'IA » était le prédicteur le plus significatif du jugement éthique. Les scénarios impliquant des quantités élevées ou moyennes de code copié ont suscité la plus forte divergence entre les deux groupes. Bien que les facteurs « Compréhension » et « Étape » aient été statistiquement significatifs, leurs tailles d'effet étaient moindres que celle du volume de code.
Corrélation : Il existe une forte corrélation positive ( $r = 0,85$ ) entre la perception d'un comportement contraire à l'éthique par un étudiant et sa perception d'une violation des règles, suggérant que les étudiants projettent souvent leurs normes éthiques personnelles sur les attentes institutionnelles.
Variables non significatives : Le progrès académique (année d'étude) et les opinions générales sur l'impact négatif de l'IA gén sur l'intégrité académique ou la qualité de l'apprentissage ne présentaient aucune différence statistiquement significative entre les deux populations.

Contributions clés

Preuve empirique du biais culturel dans l'éthique de l'IA : L'étude fournit des preuves statistiques robustes que le contexte culturel influence de manière significative l'évaluation éthique de l'usage de l'IA générative dans l'enseignement de l'informatique. Elle démontre que des politiques « identiques » sont interprétées à travers des prismes culturels distincts, les cultures individualistes (Canada) affichant une adhésion plus stricte aux normes d'originalité que les cultures collectivistes (Corée du Sud).
Sensibilité spécifique aux facteurs : La recherche identifie que le volume de contenu généré par l'IA est le principal moteur de l'inquiétude éthique, plus encore que l'étape d'utilisation ou la compréhension démontrée par l'étudiant. Cela suggère que les cadres de politiques se concentrant uniquement sur le « comment » l'IA est utilisée peuvent manquer la variable critique du « combien » elle est utilisée.
Application théorique : Les résultats sont interprétés à travers le cadre des dimensions culturelles de Hofstede. Les résultats s'alignent sur les attentes théoriques :
- Individualisme vs Collectivisme : Les étudiants canadiens (individualistes) considéraient l'usage de l'IA comme une violation de la propriété intellectuelle personnelle, tandis que les étudiants coréens (collectivistes) étaient plus susceptibles de le voir comme une ressource partagée ou une aide collaborative.
- Distance hiérarchique : La distance hiérarchique plus élevée en Corée peut amener les étudiants à se conformer à l'autorité ou à supposer une permissivité à moins qu'elle ne soit explicitement interdite, tandis que la faible distance hiérarchique au Canada encourage la remise en question et une adhésion stricte à des normes éthiques auto-imposées.

Signification et affirmations

L'article soutient que l'intégration équitable de l'IA gén dans l'éducation ne peut reposer sur une approche de politique de type « taille unique ». Les auteurs soutiennent que les directives institutionnelles doivent être culturellement réactives. Ils postulent que, bien que les principes fondamentaux de l'honnêteté académique doivent être respectés, l'interprétation de ce qui constitue une violation est médiée par des valeurs culturelles telles que l'individualisme, le collectivisme et l'évitement de l'incertitude.

L'étude conclut que le développement futur des politiques et des interventions pédagogiques doit tenir compte de ces nuances culturelles. Plus précisément, les auteurs préconisent la création de directives d'utilisation de l'IA nuancées, sensibles aux contextes culturels locaux tout en maintenant les normes de base de l'intégrité académique. Ils soulignent que, sans une telle réactivité culturelle, les institutions risquent de mal interpréter le comportement des étudiants ou de ne pas éduquer efficacement leurs diverses populations étudiantes sur l'usage éthique des technologies émergentes. Les auteurs notent modestement que leurs conclusions sont limitées à deux institutions spécifiques et appellent à des recherches plus larges, longitudinales et de méthodes mixtes pour valider davantage ces modèles transculturels.