Résumés
Résumé
Cette étude explore l’adoption et les usages de l’intelligence artificielle générative (IAg) par les étudiants et étudiantes de l’enseignement supérieur (N = 756). À travers une approche méthodologique mixte, l’enquête révèle des disparités significatives dans l’adoption de l’IAg, influencées par le domaine disciplinaire, le genre et le niveau d’études. L’étude met également en évidence les bénéfices perçus, notamment en matière de personnalisation de l’apprentissage et d’organisation du travail, tout en soulevant des questions éthiques et des risques de dépendance. Les résultats appellent à des stratégies adaptées pour une intégration équilibrée et équitable de l’IAg dans l’enseignement supérieur.
Mots-clés :
- Intelligence artificielle générative (IAg),
- enseignement supérieur,
- adoption technologique,
- personnalisation de l’apprentissage,
- littératie numérique,
- équité éducative,
- compétences numériques,
- éthique,
- genre
Abstract
This study investigates the adoption and use of generative artificial intelligence (GenAI) among students in higher education (N = 756). Drawing on a mixed-methods approach, the research reveals significant disparities in GenAI uptake, influenced by field of study, gender, and academic pathway. The study also highlights the perceived benefits of GenAI, notably its capacity to support personalized learning and enhance study organization. However, it also raises ethical concerns and notes the risk of cognitive overreliance. The findings underscore the need for targeted strategies to ensure a balanced, inclusive, and responsible integration of GenAI within higher education institutions.
Keywords:
- Generative artificial intelligence (GenAI),
- higher education,
- technology adoption,
- personalized learning,
- digital literacy,
- educational equity,
- digital skills,
- ethics,
- gender
Parties annexes
Références
- Abbas, N., Ali, I., Manzoor, R., Hussain, T. et Hussaini, M. H. A. (2023). Role of artificial intelligence tools in enhancing students’ educational performance at higher levels. Journal of Artificial Intelligence, Machine Learning and Neural Network, 3(5), 3649. https://doi.org/10.55529/JAIMLNN.35.36.49
- Algerafi, M. A. M., Zhou, Y., Alfadda, H. et Wijaya, T. T. (2023). Understanding the factors influencing higher education students’ intention to adopt artificial intelligence-based robots. IEEE Access, 10. https://doi.org/10.1109/ACCESS.2023.3314499
- Allouche, E. (2023). Sens et finalités du numérique en éducation – Hors série : Tests et simulations d’« entretien » avec ChatGPT (Open AI). Ministère de l’Éducation nationale, de l’Enseignement supérieur et de la Recherche, direction du numérique pour l’éducation. https://edunumrech.hypotheses.org/7635
- Bachy, S. (2024). Vulnérabilité numérique : un enjeu pour l’aide à la réussite. Revue internationale des technologies en pédagogie universitaire, 21(1), 124. https://doi.org/10.18162/ritpu-2024-v21n1-01
- Bachy, S. (2025). Inégalités d’usage du numérique et de l’intelligence artificielle à l’université. SHS Web of Conferences. CIFEM’ 2024. https://doi.org/10.1051/shsconf/202521401009
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakci, Ö. et Mariman, R. (2024). Generative AI can harm learning [rapport de recherche]. Wharton School, Université de Pennsylvanie. https://dx.doi.org/10.2139/SSRN.4895486
- Bethlehem, J. (2010). Selection bias in Web surveys. International Statistical Review, 78(2), 161-188. https://doi.org/cptr3m
- Celik, I., Dindar, M., Muukkonen, H. et Järvelä, S. (2022). The promises and challenges of artificial intelligence for teachers: A systematic review of research. TechTrends, 66(4). https://doi.org/gq6348*
- Collin, S., Lepage, A. et Nebel, L. (2023). Enjeux éthiques et critiques de l’intelligence artificielle en éducation : une revue systématique de la littérature. Revue canadienne de l’apprentissage et de la technologie, 49(4). https://doi.org/10.21432/cjlt28448
- Commission européenne. (2022). Lignes directrices éthiques sur l’utilisation de l’intelligence artificielle et des données dans l’enseignement et l’apprentissage à l’intention des éducateurs. Office des publications de l’Union européenne. https://doi.org/10.2766/420567
- Conseil supérieur de l’éducation et Commission de l’éthique en science et en technologie. (2024). Intelligence artificielle générative en enseignement supérieur : enjeux pédagogiques et éthiques. Gouvernement du Québec. https://cse.gouv.qc.ca/...
- Cristol, D. (2024). Apprendre à l’ère de l’intelligence artificielle. ESF éditeur.
- Dal, C. et Marquis, N. (2024). Lutter contre l’échec. Repenser la relation pédagogique (rapport II). UCLouvain Saint-Louis Bruxelles. https://cdn.uclouvain.be/...
- Davis, F. D., Bagozzi, R. P. et Warshaw, P. R. (1989). User acceptance of computer technology: A comparison of two theoretical models. Management Science, 35(8). https://doi.org/10.1287/mnsc.35.8.982
- Dell’Acqua, F., Ayoubi, C., Lifshitz-Assaf, H., Sadun, R., Mollick, E. R., Mollick, L., Han, Y., Goldman, J., Nair, H., Taub, S. et Lakhani, K. R. (2025). The cybernetic teammate: A field experiment on generative AI reshaping teamwork and expertise (Harvard Business School Working Paper No. 25-043). Harvard Business School. https://doi.org/10.2139/ssrn.5188231
- Dhorne, L. (2024). Je maîtrise l’IA en formation. Clic Éditions.
- Elkhodr, M., Gide, E., Wu, R. et Darwish, O. (2023). ICT students’ perceptions towards ChatGPT: An experimental reflective lab analysis. STEM Education, 3(2), 7088. https://doi.org/10.3934/steme.2023006
- Fang, Y., Ren, Z., Hu, X. et Graesser, A. C. (2018). A meta-analysis of the effectiveness of ALEKS on learning. Educational Psychology, 39(10), 1278-1292. https://doi.org/gf3xrn
- Freeman, J. (2024). Provide or punish? Students’ views on generative AI in higher education (note d’orientation no 51). Higher Education Policy Institute (HEPI). https://hepi.ac.uk/...
- Gibson, J. J. (1979). The ecological approach to visual perception. Psychology Press. https://doi.org/10.4324/9781315740218
- Groves, R. M. et Peytcheva, E. (2008). The impact of nonresponse rates on nonresponse bias: A meta-analysis. The Public Opinion Quarterly, 72(2), 167-189. http://jstor.org/stable/25167621
- Guillaud, H. (2024, 2 octobre). Les mythes de l’IA. Dans les algorithmes. https://danslesalgorithmes.net/...
- Holmes, W., Bialik, M. et Fadel, C. (2023). Artificial intelligence in education: Promises and implications for teaching and learning. Dans C. Stückelberger et P. Duggal (dir.), Data ethics: Building trust – How digital technologies can serve humanity (p. 621-653). Globethics Publications. https://doi.org/n9wh
- Ibrahim, S., Elfakharany, E. et Hamed, E. (2022). Improved automated essay grading system via natural language processing and deep learning. Dans A. Yousaf (dir.), Proceedings of the 2022 International Conference on Engineering and Emerging Technologies (ICEET). https://doi.org/pgj4
- Kim, S., Yoo, E. et Kim, S. (2023). Why do students drop out? University dropout prediction and associated factor analysis using machine learning techniques [prépublication]. ArXiv. https://arxiv.org/abs/2310.10987
- Kizilcec, R. F. et Lee, H. (2021). Algorithmic fairness in education. Dans W. Holmes et K. Porayska-Pomsta (dir.), The ethics in artificial intelligence in education (p. 174-202). https://doi.org/10.4324/9780429329067-10
- Klarin, J., Hoff, E., Larsson, A. et Daukantaitė, D. (2024). Adolescents’ use and perceived usefulness of generative AI for schoolwork: Exploring their relationships with executive functioning and academic achievement. Frontiers in Artificial Intelligence, 7, article 1415782. https://doi.org/10.3389/frai.2024.1415782
- Le Cun, Y. (2019). Quand la machine apprend. Odile Jacob.
- Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R. et Wilson, N. (2025, avril-mai). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers [communication]. CHI Conference on Human Factors in Computing Systems (CHI ’25), Yokohama, Japon. https://microsoft.com/...
- Lepage, A. et Roy, N. (2023). Une recension des écrits de 1970 à 2022 sur les rôles de l’enseignant et de l’intelligence artificielle dans le domaine de l’IA en éducation. Médiations et médiatisations, (16), 9-29. https://doi.org/10.52358/mm.vi16.304
- Luo, J. (2024). A critical review of GenAI policies in higher education assessment: A call to reconsider the “originality” of students’ work. Assessment & Evaluation in Higher Education, 49(5), 651-664. https://doi.org/n93k
- Madaio, M., Blodgett, S. L., Mayfield, E. et Dixon-Román, E. (2022). Beyond “fairness” – Structural (in)justice lenses on AI for education. Dans W. Holmes et K. Porayska-Pomsta (dir.), The ethics of artificial intelligence in education (p. 203-239). Routledge. https://doi.org/10.4324/9780429329067-11
- Miao, F. et Holmes, W. (2024). Orientations pour l’intelligence artificielle générative dans l’éducation et la recherche. UNESCO. https://doi.org/10.54675/hbcx3851
- Mollick, E. (2024). Co-intelligence: Living and working with AI. Portfolio.
- Nguyen, A., Hong, Y., Dang, B. et Huang, X. (2024). Human-AI collaboration patterns in AI-assisted academic writing. Studies in Higher Education, 49(5), 847-864. https://doi.org/n93n
- Norman, D. A. (1988). The psychology of everyday things. Basic Books.
- Pôle Léonard de Vinci. (2024). L’impact des IA génératives sur les étudiants [rapport d’étude]. https://open.devinci.fr/...
- Porter, S. R. et Whitcomb, M. E. (2005). Non-response in student surveys: The role of demographics, engagement and personality. Research in Higher Education, 46(2), 127‑152. https://doi.org/c65zrs
- Rogers, E. M., Singhal, A. et Quinlan, M. M. (2019). Diffusion of innovations. Dans D. W. Stacks et M. B. Salwen (dir.), An integrated approach to communication theory and research (3e éd., p. 20-34). Routledge. https://doi.org/10.4324/9780203710753
- Salman Khan (2025). Un nouveau monde : comment l’IA révolutionne l’éducation de nos enfants. L’arbre qui marche.
- Salvaggio, E. (2024, 29 août). Challenging the myths of generative AI. Tech Policy Press. https://techpolicy.press/...
- Savolainen, A. (2023). Sal Khan : « Je vois l’IA comme un outil supplémentaire, particulièrement puissant ». Le courrier de l’UNESCO, 2023(4), 12-14. https://unesdoc.unesco.org/ark:/48223/pf0000387033
- Vázquez-Parra, J. C., Henao-Rodríguez, C., Lis-Gutiérrez, J. P. et Palomino-Gámez, S. (2024). Importance of university students’ perception of adoption and training in artificial intelligence tools. Societies, 14(8), article 141. https://doi.org/10.3390/soc14080141
- Venkatesh, V. (2022). Adoption and use of AI tools: A research agenda grounded in UTAUT. Annals of Operations Research, 308, 642-652. https://doi.org/gjjq59
- Vuorikari, R., Kluzer, S. et Punie, Y. (2022). DigComp 2.2: The digital competence framework for citizens – With new examples of knowledge, skills and attitudes. Office des publications de l’Union européenne. https://doi.org/10.2760/115376
- Whitfield, S. et Hofmann, M. (2023). Elicit: AI literature review research assistant. Public Services Quarterly, 19(3), 201-207. https://doi.org/pbkq
- Zawacki-Richter, O., Marín, V. I., Bond, M. et Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – Where are the educators? International Journal of Educational Technology in Higher Education, 16(1), article 39. https://doi.org/ggctqb