The role and impact of artificial intelligence in the development and evaluation of doctoral theses: a qualitative analysis

Dans le voyage silencieux et pluriannuel de l'obtention d'un doctorat, un étudiant est censé faire plus que simplement apprendre ce qui est déjà connu ; il doit repousser les limites pour créer quelque chose d'entièrement nouveau. Ce processus, connu sous le nom de thèse de doctorat, est l'ultime test de la capacité d'un chercheur à penser de manière indépendante, à rassembler des preuves et à construire des arguments originaux. Pendant des décennies, les outils de ce métier étaient les livres, les bases de données et le travail lent et délibéré de l'écriture et de la révision à la main. Mais récemment, un nouveau genre de partenaire est entré dans la pièce : l'intelligence artificielle. Ce sont des systèmes informatiques capables de générer du texte, de résumer de vastes quantités d'informations et de corriger la grammaire avec une vitesse stupéfiante. Ils ne sont pas de simples correcteurs orthographiques ; ce sont des moteurs capables de rédiger des sections entières d'un article ou de suggérer des parcours de recherche complexes. La question à laquelle les universités sont désormais confrontées n'est pas de savoir si ces outils seront utilisés, mais comment ils changent la nature même de l'apprentissage et de la vérité. Si une machine aide à écrire une thèse, qui est l'auteur ? L'étudiant comprend-il toujours la matière, ou est-il simplement devenu un gestionnaire du résultat de la machine ? Cette incertitude frappe au cœur de ce que signifie être un chercheur.

Un chercheur s'est donné pour mission d'explorer ce paysage changeant en écoutant directement les personnes qui le vivent. Il a mené une étude détaillée impliquant vingt individus provenant de trois universités en Tunisie : dix doctorants qui rédigeaient actuellement ou venaient de terminer leur thèse, et dix enseignants universitaires qui les avaient encadrés. Le chercheur ne s'est pas appuyé sur des sondages ou des statistiques ; au lieu de cela, il a tenu de longues conversations ouvertes, demandant à ces participants de décrire leurs expériences quotidiennes avec ces nouvelles technologies. Il voulait comprendre la mécanique réelle de la façon dont l'IA est tissée dans la trame du travail académique, de la première étincelle d'une idée jusqu'à l'évaluation finale du document terminé.

Les étudiants ont décrit un flux de travail qui a été fondamentalement altéré par ces outils. Dans les premières étapes de la recherche, lorsqu'un étudiant doit trouver des études pertinentes parmi des milliers de possibilités, il se tourne désormais vers des assistants IA qui peuvent scanner les bases de données et résumer les résultats en quelques secondes. Un étudiant a noté qu'un outil conçu à cet effet lui a permis d'identifier des articles clés sans passer des heures à naviguer manuellement, une tâche qui consommait autrefois des jours. Lorsque l'écriture a commencé, le rôle de la machine s'est étendu. Les étudiants ont utilisé ces systèmes pour organiser leurs pensées, générer des plans et même rédiger des paragraphes initiaux lorsqu'ils se sentaient bloqués. Pour ceux qui écrivaient dans une langue qui n'était pas leur langue maternelle, le logiciel de correction grammaticale est devenu un partenaire essentiel, lissant les phrases et assurant un ton professionnel. Dans les étapes finales, avant la soumission, les étudiants ont utilisé des logiciels de détection pour vérifier leur propre travail, s'assurant qu'ils n'avaient pas accidentellement inclus un texte qui ressemblait trop à un texte généré par une machine.

Cependant, le chercheur a constaté que cette dépendance à la technologie a créé trois types distincts d'utilisateurs. Certains étudiants utilisaient les outils strictement pour des tâches techniques, comme corriger la grammaire ou traduire une phrase, gardant tout le travail de réflexion pour eux-mêmes. D'autres utilisaient la technologie de manière stratégique, la traitant comme un partenaire de sparring pour défier leurs idées ou trouver de nouveaux angles, vérifiant toujours le travail de la machine par rapport à leurs propres connaissances. Un troisième groupe, cependant, a commencé à dépendre des outils pour le cœur de leur réflexion, déléguant des portions significatives du travail intellectuel à l'algorithme. Ce changement a suscité une alerte silencieuse chez le chercheur : quand un étudiant laisse la machine réfléchir, l'étudiant apprend-il encore à réfléchir ?

Les enseignants interrogés ont offert une perspective différente, plus prudente. Ils ont reconnu que les outils pouvaient rendre le processus d'écriture plus rapide et le texte final plus poli. Pourtant, ils ont exprimé une profonde inquiétude concernant la perte de la « touche humaine ». Un professeur a observé que le travail commençait à trop se ressembler, comme si la voix unique de chaque étudiant était lissée par la même main algorithmique. Les enseignants ont également été confrontés à un nouveau défi difficile dans leur rôle d'évaluateurs. Ils devaient déterminer si une thèse était le produit de l'esprit d'un étudiant ou le résultat d'une machine. Ils ont essayé d'utiliser des logiciels de détection pour repérer le texte généré par l'IA, mais ils ont trouvé ces outils peu fiables. Parfois, le logiciel signalait un paragraphe écrit par un humain comme étant faux, et d'autres fois, il manquait des contributions sophistiquées de l'IA. Cette incertitude les a laissés dans l'impasse, incertains de la manière de juger l'originalité d'un travail qui pourrait être un hybride de l'humain et de la machine.

L'étude a révélé une tension entre efficacité et intégrité. D'un côté, les outils offraient des avantages indéniables : ils permettaient de gagner du temps sur les tâches répétitives et permettaient aux étudiants de se concentrer davantage sur l'analyse critique. De l'autre côté, il y avait la crainte que cette efficacité ne se fasse au détriment de la compréhension profonde. Si un étudiant utilise une IA pour résumer une théorie complexe, il peut en saisir l'essentiel sans jamais se confronter aux détails difficiles lui-même. Le chercheur a noté que cela pouvait conduire à une « superficialisation » des connaissances, où la thèse semble parfaite en surface mais manque de la profondeur qui provient de la lutte avec la matière. De plus, l'étude a mis en évidence un problème d'équité. Tous les étudiants n'avaient pas accès aux mêmes versions puissantes de ces outils. Certains pouvaient s'offrir des abonnements premium offrant de meilleures fonctionnalités, tandis que d'autres étaient limités aux versions gratuites, créant un terrain de jeu inégal où la qualité du travail final pouvait dépendre davantage du budget de l'étudiant que de son intellect.

En fin de compte, le chercheur a conclu que la relation entre les étudiants et leurs directeurs de thèse est en train de changer. L'enseignant n'est plus seulement un guide vers la connaissance, mais devient un médiateur de la technologie, responsable d'apprendre aux étudiants à utiliser ces outils de manière éthique et critique. L'étude suggère que les universités ne peuvent pas simplement bannir ces outils, ni les ignorer. Au contraire, elles doivent créer des règles claires qui définissent ce qui constitue un usage acceptable et ce qui franchit la ligne de l'inconduite académique. Elles doivent former les enseignants à reconnaître les signes de dépendance à l'IA et à évaluer les étudiants sur leur capacité à utiliser ces outils avec sagesse, plutôt que sur le seul produit final. L'objectif est de trouver un équilibre où la technologie aide le processus créatif sans remplacer l'esprit humain qui doit ultimement assumer la responsabilité des idées. L'article ne prétend pas avoir résolu ce problème, mais il fournit une carte claire du terrain, montrant que l'avenir de l'enseignement supérieur dépend de la navigation dans ces nouvelles eaux avec prudence, en veissant à ce que la quête du savoir reste une entreprise profondément humaine.