Le 1er juillet 2026, la commission des affaires culturelles et de l’éducation de l’Assemblée nationale a remis le rapport n° 2993, fruit de soixante-trois auditions et de plus de deux cents contributions issues du monde de la recherche, de l’éducation et de la culture. Un texte dense, qui tombe à point nommé : en France, 86 % des étudiants utilisent déjà l’IA dans leurs études, et 90 % des élèves de seconde y ont eu recours pour leurs devoirs. La question n’est plus de savoir si l’intelligence artificielle entre dans les salles de classe, mais dans quelles conditions.
Un rapport qui refuse les postures extrêmes
Le rapport parlementaire refuse d’emblée deux réflexes symétriques : l’enthousiasme sans réserve et le rejet de principe. L’analyse détaillée de ses conclusions, disponible en ligne sur la thématique de l’intelligence artificielle éducation par le Pragma Learning Institute, restitue fidèlement cette posture équilibrée. L’IA y apparaît comme un ensemble de systèmes inscrits dans des choix industriels, pédagogiques et juridiques : ni outil neutre, ni puissance autonome à laquelle les institutions devraient simplement s’adapter.
Le rapport soulève aussi la question de l’équité. Seuls 24 % des élèves français ont accès à des outils d’IA dans leur établissement, contre 44 % en Italie. Les versions payantes offrent des capacités que les solutions gratuites n’égalent pas toujours, ce qui risque de creuser des inégalités préexistantes. Pour y répondre, la mission envisage un « cartable numérique » regroupant des outils souverains et certifiés : agent conversationnel adapté aux programmes, solutions d’accessibilité, dispositifs de suivi des apprentissages.
La relation pédagogique résiste, mais l’évaluation vacille
Le rapport est clair sur un point : enseigner ne se réduit pas à transmettre de l’information. Diagnostiquer une difficulté, construire une progression, faire vivre un collectif d’apprentissage : ces activités ne peuvent être confiées à un modèle génératif. L’IA peut, en revanche, adapter des supports, proposer des exercices ou améliorer l’accessibilité pour des élèves à besoins particuliers.
Là où le bât blesse davantage, c’est du côté de l’évaluation. Un étudiant peut produire un texte convaincant avec l’aide d’un modèle tout en demeurant incapable d’en reconstruire le raisonnement. La fluidité du résultat masque alors la faiblesse de l’apprentissage. Face à ce constat, le rapport écarte les détecteurs de textes générés : leur fiabilité insuffisante, et les risques d’erreur qui en découlent, rendent leur usage problématique, notamment comme base de sanction. La CNIL et le ministère de l’Éducation nationale partagent cette réserve. La solution préconisée est plus ambitieuse : rendre le raisonnement observable, distinguer la maîtrise disciplinaire, la capacité à utiliser un outil et l’aptitude à exercer un jugement critique sur ses productions.
Former, pour réduire le fossé entre usages et pratiques
Le fossé entre les pratiques étudiantes et celles des équipes pédagogiques est frappant. Selon les données disponibles, 80 % des enseignants français n’ont reçu aucune formation à l’IA, l’un des taux les plus élevés en Europe. Moins de 20 % l’utilisent dans leur pratique professionnelle, alors que 56 % d’entre eux déclarent vouloir être formés. Le rapport recommande d’intégrer ces compétences dans les référentiels de formation initiale, d’instaurer une certification périodique en formation continue et de reconnaître l’autoformation entre pairs.
Pour les étudiants, la mission préconise des modules obligatoires dans tous les établissements du supérieur : non pas de simples tutoriels d’usage, mais des formations couvrant le fonctionnement des modèles, leurs biais, leurs effets environnementaux et les exigences de transparence académique. Ces recommandations rejoignent celles formulées dès juillet 2025 dans les rapports remis aux ministres Borne et Baptiste, qui listaient déjà 26 axes d’action pour encadrer l’IA dans l’enseignement scolaire et supérieur.
Le rapport n° 2993 ne tranche pas tous les débats, et il le reconnaît lui-même : les effets cognitifs à long terme de l’IA générative restent mal documentés, les études portant souvent sur des échantillons réduits ou des effets immédiats. Mais son mérite est de poser les bonnes questions, et d’y apporter des réponses concrètes plutôt que des postures.
