📄 social_science

Rebuilding Academic Trust in the AI Era: An Integrated Education Governance and Institutional Marketing Framework

Cette étude propose et valide empiriquement un cadre de gouvernance institutionnelle multidimensionnel comprenant la transparence éthique, la responsabilité algorithmique, la littératie numérique en IA et la gouvernance adaptative de l'IA, démontrant que des mécanismes de gouvernance robustes renforcent considérablement la confiance institutionnelle et l'éthicité perçue, ce qui, à son tour, stimule les intentions comportementales durables des étudiants vis-à-vis de l'IA et renforce le capital de marque des universités à l'ère de l'IA générative.

Auteurs originaux : Marwa Khairallah

Publié 2026-10-01

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Marwa Khairallah

Article original sous licence CC BY 4.0 (https://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

Dans l'université moderne, une tension silencieuse s'est installée. Pendant des décennies, la relation entre un étudiant et son établissement reposait sur un accord simple et tacite : l'étudiant fait le travail, et l'école le vérifie. Mais l'arrivée de nouveaux programmes informatiques puissants, capables de rédiger des essais, de résoudre des problèmes et de générer des idées en quelques secondes, a ébranlé ce fondement. Lorsqu'un étudiant soumet un devoir, il est désormais plus difficile pour un enseignant de savoir si le travail est réellement le sien ou s'il a été conçu par une machine. Cette incertitude a créé une situation étrange où les étudiants utilisent ces outils plus que jamais, tout en craignant que le système ne soit injuste, que leur vie privée ne soit menacée et que la valeur de leur diplôme ne s'étiole. La question fondamentale à laquelle l'enseignement supérieur est confronté aujourd'hui n'est plus seulement de savoir comment arrêter la fraude académique, mais comment reconstruire la confiance dans le fait que l'institution est un lieu juste et honnête à l'ère numérique.

Un chercheur de la Faculté d'Économie et de Gestion de Sfax, en Tunisie, s'est donné pour mission de comprendre précisément ce qui permet aux étudiants de faire à nouveau confiance à leurs universités dans ce nouvel environnement. Au lieu de demander aux étudiants s'ils apprécient simplement l'utilisation d'une application spécifique, l'étude s'est penchée sur l'école elle-même. Le chercheur a proposé que la confiance ne se construit pas grâce à la technologie, mais par la manière dont l'université la gère. Pour tester cela, le chercheur a interrogé 380 étudiants universitaires qui utilisaient déjà ces outils d'intelligence artificielle pour leurs études. L'objectif était de voir quelles actions spécifiques de l'université comptaient le plus pour le sentiment de sécurité des étudiants et leur volonté d'utiliser ces outils de manière responsable.

L'étude a identifié quatre piliers principaux que les universités doivent construire pour restaurer la confiance. Le premier est la transparence éthique, ce qui signifie que l'école explique clairement où et comment elle utilise ces outils, quelles données elle collecte et quelles sont les règles. Le deuxième est la responsabilité algorithmique, qui garantit que si un ordinateur commet une erreur ou une décision injuste, un humain est toujours là pour prendre la responsabilité et corriger le tir. Le troisième est la littératie numérique, où l'école enseigne aux étudiants comment comprendre, questionner et utiliser ces outils avec discernement. Le quatrième, et le plus critique, est la gouvernance adaptative. Cela signifie que l'université ne se contente pas d'écrire un ensemble de règles rigides pour ensuite les oublier ; elle révise et met constamment à jour ses politiques à mesure que la technologie évolue, en impliquant les étudiants et les enseignants dans le processus.

Lorsque le chercheur a analysé les réponses, un tableau clair est apparu. Le facteur le plus puissant stimulant la confiance des étudiants était la capacité de l'université à adapter sa gouvernance. Lorsque les étudiants constataient que leur école surveillait activement la technologie, mettait à jour ses règles et écoutait les retours, leur confiance envers l'institution augmentait considérablement. Les facteurs suivants, les plus importants, étaient la volonté de l'école de prendre la responsabilité des décisions automatisées et la clarté de ses règles. Bien que l'enseignement des outils aux étudiants soit utile, c'était le moteur de confiance le moins puissant en soi. Les données ont montré que même un étudiant très instruit ne ferait pas confiance au système si l'université elle-même semblait opaque, rigide ou peu disposée à être tenue responsable.

L'étude a également révélé que cette confiance agit comme un pont vers le comportement. Lorsque les étudiants font confiance à leur université, ils sont beaucoup plus enclins à croire que l'école est éthique. Cette croyance en la moralité de l'école influence ensuite directement la façon dont les étudiants agissent. Les étudiants qui font confiance à leur institution et croient en son intégrité éthique sont beaucoup plus susceptibles d'avoir l'intention d'utiliser l'intelligence artificielle de manière responsable et durable. En fait, la combinaison de la confiance et de la perception du comportement éthique expliquait près des deux tiers de la variation dans la manière dont les étudiants prévoyaient d'utiliser ces outils. Cela suggère que la voie vers un usage responsable ne passe pas par la peur ou la punition stricte, mais par une relation fondée sur une communication claire et une responsabilité partagée.

Les conclusions remettent en question l'approche courante adoptée par de nombreuses écoles jusqu'à présent, qui repose souvent sur l'interdiction d'outils ou sur l'utilisation de logiciels pour détecter les fraudes. La recherche suggère que ces mesures réactives ne suffisent pas à reconstruire la confiance. Au contraire, les universités doivent fonctionner comme un système vivant qui évolue avec la technologie. L'étude indique que lorsqu'une université traite l'intelligence artificielle comme un défi de gouvernance plutôt que comme un simple problème technique, elle peut transformer une crise de confiance en une opportunité. En étant transparente sur ses règles, en assumant la responsabilité de ses systèmes et en améliorant constamment son approche, les établissements peuvent créer un environnement où les étudiants se sentent en sécurité pour apprendre et innover. En fin de compte, la recherche conclut que l'avenir de l'enseignement supérieur dépend moins de la sophistication des outils utilisés par les étudiants que de la force de la confiance qu'ils placent dans les institutions qui les guident.

Résumé Technique : Reconstruire la Confiance Académique à l'Ère de l'IA

Énoncé du Problème
L'intégration rapide de l'Intelligence Artificielle Générative (IA générative) dans l'enseignement supérieur a précipité une crise de confiance institutionnelle, caractérisée par un « paradoxe adoption-confiance ». Alors que les étudiants utilisent de manière ubiquitaire les outils d'IA générative pour les tâches académiques, cet usage coexiste avec un profond scepticisme éthique concernant l'intégrité, la paternité des œuvres et la légitimité institutionnelle. La littérature existante repose principalement sur des modèles d'acceptation technologique au niveau individuel (ex. : TAM, UTAUT), qui ne parviennent pas à rendre compte des conditions socio-éthiques et institutionnelles nécessaires à la formation de la confiance. Le problème central abordé est que les réponses institutionnelles ont été fragmentées, réactives et souvent punitives, créant un vide réglementaire où l'adoption par les étudiants dépasse la gouvernance. Cette étude postule que le rétablissement de la confiance nécessite de déplacer le prisme analytique de l'acceptation individuelle de l'utilisateur vers la gouvernance institutionnelle, en cadrant la confiance académique comme un actif stratégique de marque essentiel pour la légitimité organisationnelle.

Méthodologie
L'étude emploie un plan de recherche quantitatif transversal utilisant la modélisation par équations structurelles par les moindres carrés partiels (PLS-SEM) pour tester empiriquement un cadre de gouvernance multidimensionnel.

Échantillon : Les données ont été collectées auprès de 380 étudiants universitaires en Tunisie (institutions publiques et privées) âgés de 18 ans et plus, ayant une expérience préalable de l'utilisation des outils d'IA générative. L'échantillon assure une diversité entre les disciplines (gestion, ingénierie, humanités, etc.) et les niveaux académiques.
Instrument : Un instrument d'enquête a mesuré sept construits latents à l'aide d'échelles multi-items adaptées de la littérature validée. Les quatre variables indépendantes (piliers de la gouvernance) sont la Transparence Éthique, la Responsabilité Algorithmique, la Littératie en IA et la Gouvernance de l'IA Adaptative. Les médiateurs et les résultats sont la Confiance Institutionnelle, la Perçue Éthicité Institutionnelle et l'Intention Comportementale des Étudiants vers un usage durable de l'IA.
Analyse : L'analyse des données a suivi un protocole en deux étapes dans SmartPLS 4. Premièrement, le modèle de mesure réflexif a été évalué pour la fiabilité (Alpha de Cronbach, $\rho_A$ , Fiabilité Composée) et la validité (Validité Convergente via l'AVE, Validité Discriminante via HTMT et Fornell-Larcker). Deuxièmement, le modèle structurel a été évalué par les coefficients de chemin ( $\beta$ ), les coefficients de détermination ( $R^2$ ), les tailles d'effet ( $f^2$ ) et la pertinence prédictive ( $Q^2$ ). La signification statistique a été vérifiée par un bootstrapping non paramétrique avec 5 000 rééchantillonnages. Le biais de méthode commune a été écarté via le test du facteur unique de Harman et les évaluations de la VIF de colinéarité complète.

Résultats Clés
Le modèle structurel démontre un pouvoir explicatif robuste, les piliers de la gouvernance expliquant 58,4 % de la variance de la Confiance Institutionnelle, et le modèle combiné expliquant 61,2 % de la variance de l'Intention Comportementale des Étudiants.

Moteurs de Gouvernance : Les quatre piliers influencent de manière significative et positive la Confiance Institutionnelle. La Gouvernance de l'IA Adaptative est apparue comme le prédicteur le plus fort ( $\beta = 0,297, p < 0,001$ ), suivie de la Responsabilité Algorithmique ( $\beta = 0,258, p < 0,001$ ) et de la Transparence Éthique ( $\beta = 0,231, p < 0,001$ ). La Littératie en IA a eu un effet significatif mais moindre ( $\beta = 0,137, p = 0,006$ ).
Confiance et Éthicité : La Confiance Institutionnelle présente une relation positive exceptionnellement forte avec l'Éthicité Institutionnelle Perçue ( $\beta = 0,741, p < 0,001$ ).
Résultats Comportementaux : La Confiance Institutionnelle influence directement l'Intention Comportementale des Étudiants ( $\beta = 0,286, p < 0,001$ ).
Médiation : L'Éthicité Institutionnelle Perçue agit comme un médiateur partiel significatif entre la Confiance Institutionnelle et l'Intention Comportementale (Indirect $\beta = 0,337, p < 0,001$ ). Cela indique que les structures de gouvernance construisent la confiance, ce qui renforce la perception de la position morale de l'institution, pilotant ainsi les intentions comportementales durables.

Signification et Contributions
L'article affirme apporter des contributions tant théoriques que pratiques en recadrant le défi de l'IA générative comme un enjeu de gouvernance plutôt que comme un enjeu purement technique ou pédagogique.

Changement Théorique : L'étude s'écarte des modèles d'adoption individualistes, démontrant que la confiance est un résultat institutionnel produit par la qualité de la gouvernance (transparence, responsabilité, adaptabilité) plutôt qu'un sous-produit de la familiarité de l'utilisateur. Elle valide empiriquement que les garde-fous structurels sont des moteurs de confiance plus critiques que la seule compétence technique individuelle.
Validation Empirique : Elle fournit une preuve quantitative robuste pour un cadre de gouvernance à quatre piliers, comblant une lacune dans la littérature qui traite souvent de ces concepts de manière normative sans intégration empirique.
Implications Pratiques : Les résultats suggèrent que les universités doivent aller au-delà de la surveillance punitive et des mécanismes de détection. Au lieu de cela, les institutions devraient investir dans une « infrastructure de confiance » caractérisée par une révision adaptative des politiques, une divulgation éthique claire et une supervision responsable. Pour les responsables marketing et administrateurs universitaires, l'étude soutient que le positionnement d'« IA éthique » doit être soutenu par des signaux de gouvernance auditables (ex. : voies de recours, transparence au niveau du syllabus) afin de renforcer l'équité de la marque et la loyauté des étudiants.
Changement Pédagogique : Les résultats soutiennent une transition vers des conceptions d'évaluation « résilientes à l'IA » et l'intégration de la littératie en IA dans les cursus, mettant l'accent sur l'évaluation critique et l'usage éthique plutôt que sur la prohibition.

L'étude conclut que reconstruire la confiance académique est un processus délibéré d'alignement institutionnel, où la légitimité est assurée par une gouvernance visible, équitable et adaptable plutôt que par une prohibition statique ou des correctifs techniques.

Articles similaires