Explaining and Sustaining AI Assimilation in Higher Education: The Dual Roles of Engagement and Skeptical Engagement

Dans les salles de classe des universités d'aujourd'hui, une révolution silencieuse transforme la manière dont les étudiants apprennent à écrire. Les outils d'intelligence artificielle, capables de générer du texte et d'offrir un feedback instantané, ne sont plus de simples concepts futuristes ; ils sont ancrés dans le flux de travail quotidien de l'enseignement supérieur. Pourtant, le simple fait que ces outils soient disponibles ne signifie pas que les étudiants les utilisent efficacement. Le véritable défi réside dans l'assimilation : le processus par lequel une nouvelle technologie cesse d'être une nouveauté pour devenir une partie naturelle et routinière de la façon dont une personne travaille. Depuis des années, des chercheurs tentent de comprendre pourquoi certaines personnes adoptent les nouvelles technologies tandis que d'autres les rejettent. Ils ont examiné ce qui rend un outil utile et facile à utiliser, et ils ont également étudié les craintes qui freinent les individus, telles que les inquiétudes concernant la confidentialité ou le sentiment d'être contrôlé par une machine. Une hypothèse prédominante était que la peur et le risque sont simplement des barrières qui empêchent l'adoption, et que pour inciter les gens à utiliser l'IA, nous devons éliminer ces peurs. Cependant, cette vision pourrait être trop simpliste. Elle traite l'esprit humain comme un interrupteur qui est soit sur « on », soit sur « off », ignorant la pensée critique complexe qui se joue entre les deux.

Une équipe de chercheurs de la North South University, de l'Universiti Teknologi Brunei et de l'Université de Curtin Sarawak s'est donné pour mission d'étudier cette réalité plus nuancée. Ils voulaient comprendre comment les étudiants intègrent réellement l'IA dans leur processus d'écriture, particulièrement lors de la rédaction et de la révision de dissertations. Au lieu de supposer que les étudiants aiment ou détestent ces outils, les chercheurs ont proposé qu'il existe deux manières distinctes d'interagir avec eux. La première est l'engagement direct, où les étudiants sont motivés et font confiance au système. La seconde, que les chercheurs appellent « engagement sceptique », est un état d'utilisation prudente et critique. Dans cet état, un étudiant n'accepte pas aveuglément les suggestions de l'IA, mais les questionne, les vérifie et les applique de manière sélective. L'étude visait à déterminer si cette approche sceptique, souvent perçue comme une résistance, pourrait en réalité être une manière productive d'apprendre et de maintenir l'utilisation de l'IA au fil du temps.

Pour découvrir la vérité, les chercheurs ont employé une approche en deux étapes. D'abord, ils ont écouté les voix de 22 étudiants ayant utilisé l'IA pour leurs travaux d'écriture. Ces étudiants ont rédigé des essais détaillés sur leurs expériences, décrivant ce qui les a aidés et ce qui les a freinés. Les chercheurs ont analysé ces récits pour construire une carte des facteurs en jeu. Ils ont découvert que les étudiants se sentaient le plus engagés lorsqu'ils sentaient qu'ils avaient le contrôle sur leur travail, lorsque l'IA semblait comprendre leurs besoins émotionnels et lorsque le feedback était clair et équitable. À l'inverse, ils se sentaient stressés ou prudents lorsque la technologie était accablante, lorsqu'ils sentaient qu'ils perdaient le contrôle de leur propre écriture, ou lorsqu'ils s'inquiétaient des questions éthiques comme la confidentialité des données. Cette phase initiale a révélé que les étudiants ne rejetaient pas simplement la technologie ; ils négociaient activement avec elle, adoptant souvent une posture de scrutin critique.

Forts de ces enseignements, les chercheurs ont ensuite interrogé 303 étudiants pour tester leurs idées à plus grande échelle. Ils ont demandé à ces étudiants d'évaluer leur degré d'accord avec diverses affirmations concernant leur utilisation de l'IA. Les résultats ont confirmé que l'enthousiasme et le scepticisme stimulent tous deux l'utilisation à long terme de l'IA, mais qu'ils le font de manières différentes. Les facteurs qui soutenaient le sentiment d'autonomie et de compétence des étudiants, tels que la capacité de choisir leurs propres objectifs d'écriture et de recevoir des explications claires pour les suggestions de l'IA, augmentaient fortement leur engagement positif. D'un autre côté, les facteurs comme la fatigue mentale causée par la vérification constante de l'IA, la peur de perdre le contrôle sur ses propres idées et les préoccupations concernant l'équité éthique, n'ont pas poussé les étudiants à abandonner l'outil. Au contraire, ces risques ont conduit à un niveau plus élevé d'engagement sceptique. Les étudiants ne sont pas partis ; ils sont restés, mais ils sont restés sur leurs gardes, examinant attentivement chaque conseil offert par la machine.

L'étude a révélé que ces deux voies mènent à la même destination : l'assimilation. Les étudiants qui étaient engagés avec enthousiasme utilisaient davantage l'IA, et les étudiants qui étaient engagés de manière sceptique utilisaient également davantage l'IA, à condition qu'ils jugent que le partenariat fonctionnait bien. En fait, les données ont montré que lorsque les étudiants percevaient une collaboration de haute qualité avec l'IA — où l'outil semblait réactif et utile plutôt qu'intrusif — leur approche critique et sceptique devenait encore plus efficace pour transformer l'usage en une routine. Le scepticisme ne disparaissait pas ; il devenait un outil pour une meilleure intégration. Les chercheurs ont découvert que les étudiants qui questionnaient les résultats de l'IA ne faisaient pas preuve d'un échec d'adoption de la technologie ; ils l'adoptaient d'une manière qui préservait leur propre agence et leurs capacités de pensée critique.

L'une des conclusions les plus significatives était que la vision traditionnelle du risque comme une simple barrière était incomplète. L'étude a explicitement montré que la conscience du risque ne supprime pas nécessairement l'adoption. Au contraire, elle peut cultiver un mode d'utilisation plus réfléchi et responsable. Les chercheurs ont également constaté que tous les facteurs n'étaient pas d'égale importance. Si le sentiment de contrôle sur le processus d'écriture était le principal moteur de l'engagement positif, la compétence spécifique consistant à apprendre à utiliser l'outil ne prédisait pas de manière significative l'engagement dans ce contexte. De même, bien que les étudiants se soient inquiétés des biais de l'IA, cette crainte spécifique n'a pas autant influencé leur comportement sceptique que la fatigue mentale ou la perte de contrôle. Cela suggère que l'expérience immédiate de l'interaction importe plus que les préoccupations abstraites concernant la logique interne du système.

Les implications de cette recherche sont claires pour toute personne impliquée dans l'éducation ou la conception technologique. Elles suggèrent que tenter de rendre les outils d'IA parfaitement fluides et sans risque pourrait ne pas être la meilleure façon d'encourager leur utilisation. Au lieu de cela, les éducateurs et les concepteurs devraient créer des environnements qui favorisent la pensée critique. Ils devraient encourager les étudiants à questionner l'IA, à expliquer pourquoi ils acceptent ou rejettent une suggestion, et à maintenir le contrôle sur le produit final. En traitant le scepticisme non pas comme un problème à résoudre, mais comme une partie précieuse du processus d'apprentissage, les institutions peuvent favoriser une relation plus profonde et plus durable entre les étudiants et l'intelligence artificielle. L'étude conclut que l'avenir de l'IA dans l'éducation ne dépend pas de la capacité des étudiants à faire confiance aveuglément à la machine, mais de leur capacité à travailler avec elle de manière critique, en veillant à ce que la technologie serve l'apprenant plutôt qu'elle ne le remplace.