La question semble appeler une réponse de bon sens. Un examen mesure ce qu’un étudiant sait faire seul ; si une IA fait le travail à sa place, l’examen ne mesure plus rien. Donc on interdit, on surveille, on sanctionne. Dossier clos. Sauf que dès qu’on essaie d’appliquer cette évidence, tout se complique : on n’arrive pas à détecter l’IA de façon fiable, on accuse des innocents, et un tribunal français vient de rappeler qu’on ne peut pas sanctionner sans règle. La vraie question n’est pas « interdire ou autoriser », c’est une autre, bien plus intéressante. Posons d’abord l’argument de l’interdiction, parce qu’il est sérieux.
Le bon argument : un diplôme doit certifier ce que vous savez vraiment
Commençons par reconnaître ce que l’interdiction a de légitime. Un diplôme ou une certification n’a de valeur que s’il atteste de compétences réelles. Si un étudiant obtient son examen grâce à une IA qui pense à sa place, le diplôme ment, et c’est toute la chaîne qui se dévalue : l’étudiant, ses camarades honnêtes, l’établissement, l’employeur qui recrute sur la foi du titre.
Il y a plus profond encore, un argument qui touche à l’apprentissage lui-même. Écrire, raisonner, chercher une solution, c’est précisément l’effort qui fait apprendre. Déléguer cet effort à une machine, c’est risquer de ne jamais développer la compétence. Une étude du MIT Media Lab, menée avec Google Research en 2025, a observé l’activité cérébrale de volontaires rédigeant des textes avec et sans IA, et a décrit un phénomène qu’elle nomme la « dette cognitive » : le groupe qui s’appuyait sur l’IA montrait une activité neuronale liée à l’attention et à l’effort plus faible, mobilisait un éventail d’idées plus restreint, et une large part de ses membres était incapable de citer ce qu’elle venait pourtant d’écrire. Le cerveau, déchargé de l’effort, n’apprend plus.
Voilà l’argument fort de l’interdiction : protéger l’apprentissage et la valeur du diplôme. Il mérite d’être pris au sérieux. Mais.
Le premier mur : on ne sait pas détecter l’IA de façon fiable
Voici où la belle évidence se fracasse contre la réalité technique. Interdire suppose de pouvoir constater l’infraction. Or les détecteurs d’IA ne tiennent pas cette promesse, et de loin.
Les chiffres sont accablants. Une étude de Stanford a montré que certains détecteurs classaient à tort comme « écrites par IA » jusqu’à 61 % des rédactions d’étudiants non anglophones, simplement parce que leur style, plus conventionnel, ressemble statistiquement à celui d’une machine. Turnitin, l’outil utilisé par des milliers d’établissements, admet lui-même un taux de faux positifs pouvant atteindre 4 % au niveau des phrases : rapporté aux millions de copies analysées, cela représente potentiellement des centaines de milliers d’étudiants accusés à tort. Des détecteurs ont signalé comme suspecte la Déclaration d’indépendance américaine, ou des poèmes de Baudelaire. Le problème n’est pas un réglage à corriger, c’est le principe même : ces outils n’identifient pas un auteur, ils estiment une probabilité à partir du style. Un texte trop propre, trop formel, trop technique déclenche l’alarme.
Et ce ne sont pas des cas d’école. L’Australian Catholic University a suspendu le détecteur de Turnitin après une vague d’accusations injustifiées. En France, en 2025, une lycéenne a été accusée d’avoir utilisé l’IA à l’épreuve de philosophie du bac parce qu’elle avait composé sur ordinateur ; l’accusation a été levée, l’administration a reconnu son erreur, mais le mal était fait. Les premières victimes sont souvent les plus exposées : étudiants non natifs, profils au style très scolaire, parfois des personnes autistes dont l’écriture formelle est interprétée comme artificielle. Un professeur réputé de Wharton, Ethan Mollick, résume le problème sans détour : se servir de détecteurs qui produisent des faux positifs contre lesquels l’étudiant ne peut jamais prouver son innocence est moralement intenable.
Interdire ce qu’on ne peut pas constater de façon fiable, c’est ouvrir la porte à l’arbitraire et aux accusations injustes. Mauvaise base pour une politique.
Le deuxième mur : sans règle écrite, pas de sanction
Au mur technique s’ajoute un mur juridique, et il est tout récent. En France, le tribunal administratif de Paris a tranché en février 2026 une affaire devenue une référence : un étudiant avait utilisé l’IA pour rédiger un mémoire de stage, son université voulait le sanctionner, la section disciplinaire s’y est opposée, et le juge a donné raison à l’étudiant.
Le motif est limpide et lourd de conséquences. L’université ne produisait aucune règle, écrite et connue à l’avance, encadrant l’usage de l’IA par les étudiants. Or, sans règle opposable, pas de faute. Le recours à l’IA n’est pas illégal en soi : il ne devient fautif que s’il viole une consigne clairement établie. Le principe qui en ressort tient en une formule que les juristes ont retenue : il faut normer avant de sanctionner. Une interdiction implicite, un « ça ne se fait pas » sous-entendu, ne suffit pas. Si un usage est interdit, il faut l’écrire ; si l’IA doit être déclarée, il faut le prévoir ; si l’usage non déclaré est assimilé à une fraude, cette qualification doit reposer sur des règles diffusées.
Ce rappel de droit déplace toute la discussion. Le problème de nombreux établissements n’est pas qu’ils autorisent ou interdisent l’IA, c’est qu’ils n’ont rien défini du tout, et naviguent dans le flou.
Le retournement : la bonne question n’est pas « interdire ou autoriser »
Arrêtons-nous sur ce qui vient d’apparaître. D’un côté, un vrai risque pour l’apprentissage et le diplôme. De l’autre, l’impossibilité de détecter de façon fiable et l’exigence de règles claires. Ces deux constats ne s’annulent pas, ils nous obligent à reformuler la question.
Le débat « faut-il interdire l’IA aux examens ? » est mal posé, parce qu’il traite « examen » comme un bloc unique alors qu’il en existe plusieurs types qui ne poursuivent pas le même but. La vraie question est : qu’est-ce que cet examen précis cherche à vérifier, et l’IA y aide-t-elle ou la rend-elle vide de sens ?
Prenons deux cas opposés. Un examen qui vise à vérifier que vous maîtrisez vous-même un fondamental (raisonner, rédiger, calculer, mobiliser des connaissances) : ici, l’IA vide l’épreuve de son sens, et il est légitime de la proscrire. Mais un autre type d’épreuve peut viser une compétence de plus haut niveau : analyser un problème complexe, exercer un jugement, et justement savoir utiliser l’IA avec discernement, ce qui est devenu une compétence professionnelle à part entière. Dans ce cas, interdire l’IA reviendrait à évaluer les futurs professionnels sur des conditions qui n’existent plus nulle part dans le monde du travail.
Une école qui bannit totalement l’IA paraîtra éthique, mais en décalage avec la réalité que vivront ses diplômés. Une école qui laisse tout faire trahit l’apprentissage. La sortie n’est ni l’un ni l’autre, c’est la différenciation.
La voie praticable : protéger certains espaces, en ouvrir d’autres
Concrètement, cela ressemble à une logique à deux voies, que de plus en plus d’établissements adoptent. D’un côté, des épreuves sans IA, conçues pour vérifier les fondamentaux : examens surveillés sur table, et surtout oraux. L’oral connaît d’ailleurs un retour en force, parce qu’il vérifie une compréhension réelle qu’aucune IA ne peut souffler en direct : on ne triche pas à une question de relance posée en face. De l’autre, des épreuves où l’IA est autorisée et déclarée, pour évaluer ce qui compte vraiment à ce niveau : la capacité à analyser, à critiquer une production de l’IA, à l’utiliser à bon escient, à apporter une valeur que la machine seule n’apporte pas.
Dans tous les cas, deux conditions sont non négociables. La transparence d’abord : l’étudiant déclare ce qu’il a utilisé et comment, et toute contribution de l’IA est référencée comme une source. La clarté des règles ensuite : chaque cours, chaque épreuve précise par écrit ce qui est autorisé, ce qui ne l’est pas, et ce qu’on attend. C’est exactement ce que le droit impose désormais, et c’est aussi ce qui apaise le climat. Car la défiance actuelle repose en partie sur un fantasme : une enquête montre que là où 88 % des enseignants pensent que leurs étudiants utilisent massivement l’IA, le chiffre réel tournerait autour de 55 %. La suspicion généralisée, nourrie par des détecteurs peu fiables, abîme la relation pédagogique sans rien régler.
Et il reste une responsabilité que l’interdiction seule fait oublier : former à un usage raisonné et critique de l’IA. Un étudiant qui apprend quand s’en servir, quand s’en méfier, comment vérifier ce qu’elle produit, est mieux armé qu’un étudiant à qui on a seulement dit « c’est interdit ». L’enjeu éducatif n’est pas de bâtir des murs, c’est de former le discernement.
En résumé
Faut-il interdire l’IA pendant les examens ? Posée comme un tout ou rien, la question n’a pas de bonne réponse. L’argument de l’interdiction est réel : un diplôme doit certifier de vraies compétences, et déléguer l’effort à une machine peut appauvrir l’apprentissage. Mais l’interdiction générale se heurte à deux murs : on ne détecte pas l’IA de façon fiable, au prix d’accusations injustes, et sans règles écrites on ne peut pas sanctionner. La sortie est ailleurs : différencier les épreuves selon ce qu’elles vérifient, protéger des espaces sans IA (oraux, examens surveillés) pour les fondamentaux, en ouvrir d’autres où l’IA est autorisée et déclarée pour les compétences de haut niveau, poser des règles claires, et former au discernement. Non pas interdire ou tout permettre, mais décider, dire, et apprendre à s’en servir.
