PISA 2025 : la France atteint son plus bas niveau historique en maths et lecture. Le débat sur le rôle réel de l'IA dans cette baisse, chiffres à l'appui.
Actualités · Politique éducative — Échéance : résultats publiés le 8 septembre 2026, débat toujours en cours
Les résultats de l'enquête PISA 2025 ont été publiés le 8 septembre 2026, et ils placent la France à son niveau historiquement le plus bas depuis le début de sa participation à l'enquête de l'OCDE. En mathématiques, le score moyen des élèves de 15 ans est passé de 474 à 458 points en trois ans, une baisse de 16 points quand la moyenne des pays de l'OCDE ne recule que de 9. En lecture, le recul atteint 18 points sur la même période. La part d'élèves en difficulté (sous le niveau 2) grimpe à 36 %, contre 16,6 % en 2003, tandis que la proportion d'élèves très performants s'effondre : 5 % atteignent les niveaux 5 et 6, contre 11 % en 2015. Le ministère de l'Éducation nationale a réagi par un communiqué reconnaissant « une baisse des résultats commune à l'OCDE » et appelant à « un relèvement à poursuivre ».
Nouveauté de cette édition : pour la première fois, PISA a inclus un module « Apprendre dans un monde numérique », qui interroge les élèves sur leur usage de l'intelligence artificielle générative pour leurs apprentissages. En France, 37 % des élèves déclarent utiliser un chatbot IA au moins une fois par semaine pour apprendre, contre 46 % en moyenne dans les pays de l'OCDE. Le détail par usage est parlant : recherche d'informations en amont d'un sujet (29 % en France contre 31 % en moyenne OCDE), résumé d'un texte à lire (21 % contre 30 %), rédaction d'un texte dans le cadre d'un exercice d'écriture (23 % contre 29 %). Sur ces quatre usages, seuls 14 % des élèves de l'OCDE déclarent n'y recourir jamais.
Ces deux chiffres publiés la même semaine ont vite été mis en regard l'un de l'autre : la baisse du niveau d'un côté, l'usage de l'IA de l'autre. L'OCDE elle-même note que les élèves qui déclarent ne jamais utiliser l'IA obtiennent en moyenne de meilleurs résultats — mais elle prévient aussitôt que cette association ne permet pas d'établir un lien de cause à effet. Dans une tribune publiée le 10 septembre sur The Conversation, la chercheuse Margarida Romero (Université Côte d'Azur) rappelle que le recul des résultats est amorcé bien avant la pandémie de Covid-19, donc bien avant la généralisation de l'IA générative : il ne peut donc pas lui être imputé comme cause principale. Elle relève aussi l'absence de corrélation univoque à l'échelle internationale : le Japon et l'Estonie combinent un usage faible de l'IA et de bons résultats, mais Singapour combine un usage plus fréquent et d'excellents résultats.
Ce que la chercheuse propose à la place d'un procès fait à l'outil, c'est une distinction entre deux façons de l'utiliser : un usage « substitutif », où l'IA fait le travail cognitif à la place de l'élève (elle rédige, elle résume, elle résout), et un usage « supportif », où elle donne un indice ou une explication pour que l'élève poursuive lui-même l'effort. L'étude relève aussi un facteur confondant : la distraction numérique en classe, déclarée par 28 % des élèves de l'OCDE contre moins de 10 % au Japon et en Corée du Sud, deux pays où les résultats restent élevés. Le message n'est donc pas d'interdire l'IA, mais d'apprendre à distinguer, avec les élèves, les usages qui construisent des compétences de ceux qui les court-circuitent.
Que tu autorises l'IA générative dans tes cours ou que tu la bannisses complètement, ce débat te concerne dès que tu donnes un travail à faire à la maison ou en autonomie. La distinction entre usage substitutif et usage supportif te donne un critère concret pour cadrer une consigne : demander « utilise l'IA pour vérifier ta compréhension » n'a pas le même effet qu'un exercice où elle peut répondre à ta place sans que tu t'en rendes compte. Si tu remarques qu'un élève rend un travail qui ne lui ressemble pas, ce n'est pas forcément de la triche à sanctionner : c'est souvent le signe qu'il a délégué l'effort plutôt que de s'appuyer dessus, et ça se retravaille en amont, dans la consigne elle-même. Le facteur distraction numérique est le plus facile à agir dessus sans attendre une politique d'établissement : couper l'accès aux écrans pendant les phases de travail individuel a un effet mesurable, avant même la question de l'IA. Ce n'est pas un sujet à trancher une fois pour toutes en salle des profs : c'est une vigilance à tenir consigne par consigne, tout au long de l'année.