Une étude IA menée sur 26 000 collégiens et lycéens chinois pendant 30 mois montre un résultat brutal. Les devoirs progressent de 18 %, mais les scores aux examens réels chutent de 20 % à 24 %.
Pour résumer
- Étude IA sur 26 000 élèves chinois, 30 mois de données panel, publiée le 4 juillet 2026.
- Devoirs faits avec IA : +18 % de scores, temps de réalisation ramené de 64 à 45 minutes.
- Examens réguliers : -20 %. Examens d’entrée type Gaokao : -18 % à -24 % après deux ans d’usage.
Le constat brutal : devoirs gonflés, examens effondrés
L’étude porte sur plus de 26 000 élèves du secondaire (Grades 7 à 12) d’un comté de Chine centrale de plus d’un million d’habitants. Les chercheurs ont suivi pendant 30 mois les examens mensuels, les scores de devoirs, le temps de réalisation et les examens d’entrée. Le panel est suffisamment large pour que les résultats ne relèvent pas de l’anecdote.
Les outils utilisés par les élèves sont les LLMs chinois grand public. On y trouve Doubao, DeepSeek (V2.5 et R1), ChatGLM, Ernie Bot et Qwen. Ces modèles sont accessibles gratuitement, intégrés dans des applications mobiles, et utilisés massivement pour faire les devoirs à la maison.
Sur les devoirs à la maison, l’effet est spectaculaire. Les scores grimpent de 18 % en moyenne, et le temps de réalisation passe de 64 minutes à 45 minutes. Un élève qui utilise l’IA rend un devoir plus court, plus rapide, mieux noté. Vu de loin, tout va bien.
Sur les examens mensuels en classe, le constat s’inverse. Les scores chutent de 20 %. Sur les examens d’entrée type Zhongkao et Gaokao, la chute atteint 18 % à 24 %. L’écart n’apparaît pas immédiatement. Il faut environ six mois d’usage régulier pour voir l’effondrement sur les examens en classe, et près de deux ans pour que la casse remonte jusqu’aux examens d’entrée.
L’étude IA rejoint d’autres signaux récents sur l’usage massif de Claude pour couvrir une partie du travail cognitif quotidien. Sauf qu’ici, la population testée est adolescente, et l’effet mesuré est un décrochage mesurable sur des évaluations à enjeu.
Le mécanisme : moins de temps, plus de dépendance, effets par profil
Le temps de réalisation est le premier signal d’alerte. Les élèves ne cherchent plus, ils demandent. Le trajet mental de résolution d’exercice disparaît. Ce qui se construit à l’entraînement (la répétition, l’erreur, la reprise) ne se construit plus. Le devoir devient une transaction, pas un exercice.
Le signal le plus net vient des utilisateurs long terme. 81 % des élèves qui utilisent l’IA depuis plus de cinq mois finissent leurs devoirs en moins de 50 minutes tout en affichant des scores très élevés en devoirs et très bas en examens. Le profil est net : notation en trompe l’œil à la maison, effondrement dès que la béquille disparaît.
L’effet varie fortement par matière. Les sciences sociales encaissent -27 %, les STEM -22 %, l’anglais -17 %, le chinois -9 %. Les matières qui reposent sur l’argumentation structurée et la restitution de raisonnements sont les plus touchées. Le chinois, qui repose davantage sur la mémorisation directe et l’écriture native, résiste mieux.
Par profil d’élève, l’écart est marquant. Les plus jeunes perdent 24 %, les plus âgés 17 %. Les garçons chutent de 21,6 %, les filles de 18,4 %. Les meilleurs élèves perdent 24 %, les moins bons 16 %. Le paradoxe est cruel : ceux qui avaient le plus à perdre en autonomie cognitive sont ceux qui perdent le plus.
Cette dynamique rappelle ce que nous avons documenté sur la disparition des tâches d’entrée pour les juniors. Chez les élèves comme chez les débutants au travail, la marche qui permettait de construire les compétences de base est en train d’être court-circuitée par l’outil.
À voir également sur Horizon :
- Test Leanstral 1.5 : le nouveau prouveur math de Mistral
- Test Claude Sonnet 5 : verdict après une semaine pro
- Fysiverse : la Chine intègre les lois physiques dans son IA
Court terme et moyen terme : que faire maintenant, ce qui bouge d’ici six mois
À court terme, la réponse la plus directe pour les parents et les enseignants n’est pas d’interdire, c’est de changer ce qu’on regarde. Suivre le temps de réalisation devient un indicateur plus utile que la note du devoir. Un élève qui rend en 20 minutes ce qui devrait prendre 45 est un signal d’alerte, même si le score est bon.
Les auteurs recommandent trois choses concrètes. Informer explicitement les élèves du coût long terme (l’effondrement aux examens n’est pas intuitif, il faut le montrer avec les chiffres). Augmenter le poids des évaluations en personne dans la note finale. Et suivre le temps de réalisation plutôt que la note de devoir comme signal de progression réelle.
À moyen terme, sur les 3 à 6 prochains mois, cette étude va peser lourd dans le débat éducatif. Les ministères de l’Éducation qui hésitaient sur les politiques d’usage de l’IA à l’école avaient besoin d’un chiffre solide. Ils l’ont. 26 000 élèves, 30 mois, -24 % au Gaokao : c’est le premier gros benchmark chiffré que les décideurs pourront brandir.
Les éditeurs de LLMs vont devoir répondre. Doubao, DeepSeek et les autres sont cités nommément. La pression pour intégrer des modes tuteur (qui expliquent au lieu de donner la réponse) va s’accentuer. Le vrai enjeu produit devient : comment un LLM peut aider un ado à apprendre sans lui vendre la réponse en trois secondes.
La dynamique fait écho à ce qui se passe côté marché du travail, où les données remontent des signaux contradictoires sur l’impact réel de l’IA. Devoirs gonflés d’un côté, examens effondrés de l’autre. Productivité mesurée d’un côté, disparition des tâches d’entrée de l’autre. Le pattern est le même : l’outil amplifie ce qu’on mesure mal, et casse ce qu’on mesure bien.
Affaire à suivre sur Horizon.
