Retour au blog

L'IA éducative dans les pays en développement : Quel impact ?

Du Nigeria au Pérou, ce que les études montrent sur l'IA à l'école, et comment juger toi-même un chiffre d'impact.

Cet article a été rédigé à des fins pédagogiques. Les informations présentées peuvent évoluer. Nous t’invitons à vérifier auprès de sources officielles.

Les études sérieuses donnent une réponse nuancée : l'IA peut faire progresser des élèves de pays en développement quand elle s'insère dans un cours encadré, mais l'outil seul ne suffit pas. Au Nigeria, des lycéens qui ont travaillé l'anglais avec un assistant d'IA, deux fois par semaine pendant six semaines et en présence d'un enseignant, ont nettement dépassé ceux qui n'avaient pas suivi le programme. Au Pérou, plus d'un million d'ordinateurs portables distribués sans changer la façon d'enseigner n'ont pas amélioré les apprentissages.

Pourquoi on mise sur l'IA

Le point de départ, c'est le manque d'enseignants. D'après l'UNESCO, le monde en compte 107 millions, et il en faudrait 50 millions de plus d'ici 2030 pour que tous les enfants aillent à l'école, de la maternelle à la fin du secondaire (chiffres publiés le 5 octobre 2026). L'IA promet de combler ce manque en suivant chaque élève.

Derrière les mots « IA éducative », on trouve surtout deux sortes d'outils. Un logiciel adaptatif choisit l'exercice suivant d'après tes réponses : plus facile si tu bloques, plus dur si tu réussis. Un assistant conversationnel relève de l'IA générative, c'est-à-dire d'un programme qui rédige du texte en réponse à ce que tu lui écris, comme un tuteur qu'on interroge par message.

L'essai mené au Nigeria

Une étude de la Banque mondiale, publiée en 2025, a testé un assistant d'IA générative auprès d'élèves de lycées publics de l'État d'Edo, au Nigeria. Pendant six semaines, ils ont suivi deux séances par semaine après les cours, et y ont passé 13 heures en moyenne.

Chaque séance portait sur un point d'anglais du programme. Les élèves échangeaient avec l'assistant à partir de consignes préparées, sous l'œil d'un enseignant. Son rôle : les garder sur la tâche, les aider à comprendre les réponses de l'IA, repérer avec eux ses « hallucinations » (des erreurs affirmées avec assurance) et éviter qu'ils s'en remettent entièrement à elle.

Les élèves avaient été répartis par tirage au sort : un groupe suivait le programme, un groupe témoin non. À l'arrivée, le groupe aidé avait progressé d'environ 0,3 écart-type de plus sur l'ensemble des tests, et de 0,24 en anglais. Les auteurs l'estiment à 1,5 à 2 années de progression habituelle dans des écoles comparables, un effet supérieur à celui de 80 % des actions éducatives évaluées avec rigueur dans le monde.

Remarque : les auteurs posent eux-mêmes les limites. Ils ne peuvent pas isoler l'effet de l'assistant, mêlé aux consignes préparées, à l'appui de l'enseignant et au travail entre élèves. On ignore si l'effet dure au-delà de six semaines et s'il vaut pour d'autres matières. Le tout a tenu malgré un internet intermittent et une électricité irrégulière.

Lire un résultat d'étude

Chaque étude a son propre test : 2 points sur 20 ici, 15 points sur 500 ailleurs. Pour comparer, les chercheurs expriment l'écart entre deux groupes en écarts-types. L'écart-type mesure la dispersion des notes : en gros, de combien une note s'éloigne d'habitude de la moyenne.

Formule : l'effet d'un programme, en écarts-types, vaut

$$\text{effet} = \frac{\text{moyenne du groupe aidé} - \text{moyenne du groupe témoin}}{\text{écart-type des notes}}$$

Diviser par l'écart-type change tout : 2 points d'avance pèsent lourd quand les notes sont serrées, beaucoup moins quand elles s'étalent de 2 à 19.

Définition : un essai randomisé répartit les participants par tirage au sort entre un groupe qui reçoit le programme et un groupe témoin qui ne le reçoit pas. Grâce au hasard, les deux groupes se ressemblent au départ : une différence nette à l'arrivée peut alors être attribuée au programme.

Piège classique : « les élèves qui utilisent l'application ont de meilleures notes » ne prouve pas qu'elle les fait progresser. Ceux qui l'utilisent ont un téléphone, du réseau, peut-être plus de motivation : sans tirage au sort, tu compares des élèves déjà différents au départ.

Quand la technologie ne suffit pas

Au Pérou, selon le rapport mondial de suivi sur l'éducation publié par l'UNESCO en 2023, plus d'un million d'ordinateurs portables ont été distribués sans être intégrés à la façon d'enseigner, et les apprentissages ne se sont pas améliorés.

Le même rapport dresse un bilan prudent : les preuves solides de l'apport du numérique à l'éducation sont rares, viennent surtout des pays les plus riches, et beaucoup sont produites par ceux qui vendent les outils. Quand le numérique aide, son effet sur certains apprentissages va de faible à moyen.

L'outil n'a pas besoin d'être sophistiqué. Au Mexique, des cours télévisés, complétés par un accompagnement en classe, ont augmenté de 21 % la scolarisation dans le secondaire. L'UNESCO le dit nettement : ce qui compte, ce sont les apprentissages des élèves, pas le matériel distribué.

Les obstacles sur le terrain

Une IA a besoin de courant, d'un appareil et souvent d'internet. Or, d'après le même rapport, seules 40 % des écoles primaires du monde sont connectées à internet, et 65 % des établissements équivalents au lycée.

La langue freine aussi : 92 % des contenus de la bibliothèque en ligne OER Commons, qui rassemble des ressources éducatives libres (des cours qu'on a le droit de réutiliser), sont en anglais. Un élève qui ne lit pas l'anglais n'en voit qu'une petite partie.

Un outil d'IA peut aussi enregistrer ce que l'élève écrit et ses erreurs, alors que seuls 16 % des pays garantissent explicitement par la loi la protection des données personnelles dans l'éducation.

Enfin, le coût : passer au numérique de base dans les pays à faible revenu, et connecter toutes les écoles à internet dans les pays à revenu intermédiaire inférieur, ajouterait 50 % à ce qui leur manque déjà pour atteindre leurs objectifs nationaux d'éducation.

Exercices corrigés

Exercice 1 : Dans un essai randomisé (données fictives), le groupe témoin obtient une moyenne de 11 sur 20 et le groupe aidé par un logiciel une moyenne de 12,2 sur 20. L'écart-type des notes vaut 4 points.

a) Calcule l'effet du logiciel en écarts-types.

b) Dans une autre école, l'écart entre les moyennes est le même, mais l'écart-type vaut 8 points. Calcule l'effet et compare.

Correction :

a) L'écart entre les moyennes vaut $12{,}2 - 11 = 1{,}2$ point. On le divise par l'écart-type : $\dfrac{1{,}2}{4} = 0{,}3$. L'effet vaut 0,3 écart-type, autant que l'essai du Nigeria sur l'ensemble des tests.

b) $\dfrac{1{,}2}{8} = 0{,}15$. L'effet vaut 0,15 écart-type, deux fois moins : les notes sont plus étalées, donc 1,2 point d'avance distingue moins les deux groupes.

Exercice 2 : Dans l'essai du Nigeria, le groupe aidé a eu en moyenne 13 heures de séances d'anglais en plus, avec un enseignant et l'assistant d'IA ; le groupe témoin, non. Un titre affirme : « L'IA fait gagner deux ans d'école en six semaines ». Dis ce qu'il exagère, puis décris le groupe à ajouter pour mesurer l'effet de l'IA seule.

Correction :

Le titre attribue tout le progrès à l'IA. Or le groupe aidé a eu des heures d'anglais en plus, avec un enseignant : une partie du gain peut venir de là, et les auteurs disent ne pas pouvoir isoler l'effet de l'assistant. Le titre garde aussi le haut de la fourchette, qui va de 1,5 à 2 années.

Il faudrait un troisième groupe tiré au sort, avec les mêmes séances et les mêmes enseignants, mais sans l'IA (par exemple avec des exercices sur papier). L'écart entre ce groupe et le groupe aidé par l'IA mesurerait l'apport de l'assistant.

Exercice 3 : Tu lis cette affirmation (données fictives) : « Dans une région rurale, les élèves qui ont installé une application d'IA ont eu en moyenne 2 points de plus que les autres à l'examen de fin d'année. L'application fait donc gagner 2 points. » Explique pourquoi la conclusion ne tient pas, et ce qu'il faudrait pour la vérifier.

Correction :

Personne n'a tiré au sort les élèves qui installaient l'application. Ceux qui l'ont fait avaient un téléphone et du réseau, peut-être plus de motivation ou d'aide à la maison : les deux groupes différaient sans doute avant même de commencer. Les 2 points peuvent venir de là.

Sans écart-type, on ne sait pas non plus si 2 points, c'est beaucoup. Pour conclure, il faudrait tirer au sort les élèves qui reçoivent l'application, les comparer à un groupe témoin et donner l'effet en écarts-types.

À retenir

À retenir :

  • L'IA peut faire progresser des élèves quand elle s'insère dans un cours encadré : environ 0,3 écart-type en six semaines au Nigeria.
  • Distribuer des appareils ne suffit pas : au Pérou, plus d'un million d'ordinateurs portables n'ont pas amélioré les apprentissages.
  • Un effet se lit en écarts-types, et le tirage au sort est le moyen le plus sûr de l'attribuer au programme.
  • Sur le terrain, le réseau, l'électricité, la langue, la protection des données et le coût freinent ces projets.

Sources

Tu peux partager cette page librement, en citant ORBITECH AI Academy avec son lien.