Résumé

Résumé en français

En complément à l’édition 2025, ce document, réalisé par la Direction du numérique pour l’éducation / ministère de l’Éducation nationale, propose un état des lieux (mise à jour : juin 2026) sur l’IA en éducation sous la forme de “repères pour l’action” : généralités et définitions ; enjeux pour les politiques publiques ; pistes de recherche et prospective ; enseignement et formation.

Résumé en anglais

As a complement to the 2025 edition, this document, produced by the Digital Education Directorate / Ministry of National Education, offers an overview (June 2026) of AI in education in the form of “benchmarks for action”: general information and definitions; challenges for public policies; research avenues and future prospects; teaching and training.

Résumé en espagnol

Como complemento a la edición de 2025, este documento, elaborado por la Dirección de Educación Digital del Ministerio de Educación Nacional, ofrece una visión general (junio de 2026) de la IA en la educación en forma de “puntos de referencia para la acción”: información general y definiciones; retos para las políticas públicas; líneas de investigación y perspectivas de futuro; enseñanza y formación.

L’édition 2026 met en lumière des enjeux cruciaux : le développement de l’IA agentique, la responsabilité environnementale, le développement de référentiels de compétences et de projets internationaux traduisant la nécessité de développer une littératie de l’IA incluant les dimensions légales et éthiques et le dialogue entre disciplines qu’incarne le champ des humanités numériques, et enfin la poursuite des recherches sur les opportunités et risques notamment en matière de cognition, de créativité et d’apprentissage.

Introduction

Nous sommes très heureux de vous présenter l’édition 2026 « IA et éducation : apports de la recherche et enjeux pour les politiques publiques » de la Direction du numérique pour l’éducation (DNE) du Ministère de l’Éducation nationale en France.

L’accélération technologique s’accompagne désormais d’initiatives institutionnelles importantes dans l’accompagnement des pratiques et de leurs enjeux. À ce titre, l’année 2025 a été marquée en France par la mise à jour de la stratégie du numérique pour l’Éducation (v2) et par la publication du premier cadre d’usage de l’IA en éducation (v1) à la suite d’une consultation nationale auprès des acteurs de la communauté éducative.

L’édition 2026 met en lumière des enjeux cruciaux : le développement de l’IA agentique, la responsabilité environnementale, le développement de référentiels de compétences et de projets internationaux traduisant la nécessité de développer une littératie de l’IA incluant les dimensions légales et éthiques et le dialogue entre disciplines qu’incarne le champ des humanités numériques, et enfin la poursuite des recherches sur les opportunités et risques notamment en matière de cognition, de créativité et d’apprentissage.

Plus que jamais, l’IA, qui peut être utilisée tout autant pour diffuser de fausses informations que pour soutenir la production et la diffusion de savoirs par la recherche et l’éducation, doit être pensée comme un levier pour l’apprentissage, la réussite de tous les élèves et leur éducation à la citoyenneté.

Grâce aux échanges entre praticiens au sein de la CRÉIA (Communauté de Réflexion en Éducation sur l’IA créée à l’initiative du Ministère), essentiels pour éclairer nos actions, nous poursuivons cette quête d’intelligibilité dans un environnement sociotechnique qui exige un esprit critique toujours plus aiguisé.

Complémentaire à l’édition 2025, cette nouvelle édition est organisée autour de « Repères pour l’action ».Nous avons proposé une organisation pour ces repères, mais d’autres sont possibles. Ainsi, en mobilisant plusieurs repères, en les faisant « entrer en résonance », des chemins multiples deviennent disponibles pour différents publics et contextes, pour différentes réflexions et formations. Nous espérons que cette édition 2026 sera utile pour accompagner les professeurs, formateurs et personnels d’encadrement vers une nouvelle agentivité où l’humain, fort d’une réflexion critique et d’une capacité d’action et de décision éclairée par la recherche, demeure maître du sens et des intentions pédagogiques.

Ce défi est présenté dans le schéma distinguant domaine du calculable et domaine de l’humain que nous rappelons en préambule de cette publication.

Elie Allouche et Axel Jean, Bureau DNE TN2

Sujets et projets Innovation numérique – Recherche appliquée – Éducation et IA Avril 2026 – Mise à jour : 18/06/2026

Extrait de la stratégie du numérique pour l’éducation sur l’IA

La stratégie actualisée intègre plusieurs objectifs nouveaux :

• le renforcement des compétences informatiques et numériques des professeurs, en lien notamment avec la réforme en cours de la formation initiale ;
• la prise en compte du cadre d’usage de l’intelligence artificielle (IA) en éducation issu d’une large consultation des acteurs de l’écosystème éducatif ;
• le développement d’outils intégrant l’IA pour faciliter la préparation des cours, l’évaluation ou le suivi différencié et adapté des élèves par les enseignants.”

Présentation générale

L’édition 2026 de la brochure « IA et éducation », réalisée par la DNE du Ministère de l’Éducation nationale, est structurée en quatre sections (Comprendre, Orienter, Explorer, Faire).

Chaque section a pour objectif de fournir des « Repères pour l’action » pour la communauté éducative :

– « Comprendre » : généralités et définitions sur l’IA comme domaine de recherche ;

– « Orienter » : panorama des enjeux et initiatives en matière de politiques publiques, en France et à l’international ;

– « Explorer » : pistes de recherche et prospective ;

– « Faire » : pistes d’application de l’IA en éducation pour l’enseignement et la formation.

Parmi les thèmes abordés figure ceux de la littératie de l’IA et du développement d’une pensée critique, car au-delà des outils et services pouvant être utilisés, le document explore la dialectique entre le domaine du calculable et celui du sens, réaffirmant la primauté de l’intention pédagogique humaine. Des pistes prospectives y sont présentées, aux côtés de référentiels de compétences pour les enseignants et les élèves. La publication invite ainsi à repenser l’éducation à l’ère de cette accélération technologique comme un levier d’inclusion, de créativité et de réussite pour tous les élèves.  

Extraits

Glossaire

Concepts fondamentaux

• Agentivité : Capacité d’un individu ou d’un système à agir de manière autonome pour atteindre des objectifs, en mobilisant des outils, des données et des interactions avec son environnement.
• Algorithme : Suite d’instructions permettant de résoudre un problème ou d’effectuer une tâche de manière automatisée.
• Intelligence Artificielle (IA) : Domaine de recherche visant à modéliser les mécanismes de l’intelligence (raisonnement, mémorisation, apprentissage) par des algorithmes et des machines.
• IA symbolique : Approche de l’IA fondée sur la logique formelle et la manipulation de règles explicites.
• IA connexionniste : Modèle d’IA basé sur des réseaux de neurones artificiels qui apprennent à partir de données massives et d’exemples.
• Humanités numériques : Champ de recherche interdisciplinaire et de dialogue entre praticiens sur les pratiques numériques (dont l’IA) en sciences humaines et sociales.

Technologies

• IA générative (IAgen) : Systèmes entraînés sur des corpus massifs capables de produire de nouveaux contenus (texte, image, son, vidéo, code) de façon probabiliste en réponse à une instruction (requête/prompt).
• Grand modèle de langage (LLM) : Modèles de fondation pré-entraînés spécialisés dans le traitement et la génération du langage naturel.
• IA agentique / agents IA : Systèmes d’IA dotés d’une autonomie accrue, capables de planification et d’exécution d’actions pour atteindre des objectifs complexes.
• Requête (prompt) : Instruction formulée en langage naturel par l’utilisateur pour diriger le travail d’un modèle d’IA.
• Chaîne de pensée (Chain-of-Thought) : Processus par lequel un modèle de langage explicite des étapes intermédiaires de raisonnement pour améliorer la résolution de problèmes complexes.
• RAG (Retrieval-Augmented Generation) : Technique de « génération augmentée par récupération » permettant à l’IA d’accéder à des sources de données externes pour fiabiliser ses réponses.
• Transformer : Architecture de réseau neuronal fondée sur des mécanismes d’attention, à la base des modèles de langage modernes.

Enjeux éducatifs et cognitifs

• Littératie de l’IA : Ensemble de compétences permettant de comprendre, d’utiliser de manière autonome, productive et d’évaluer de façon critique les systèmes d’IA.
• Dette cognitive : Hypothèse selon laquelle l’utilisation de l’IA pourrait être facteur de risque lié à la délégation excessive de l’effort intellectuel, pouvant nuire à terme au développement cognitif.
• Effet Eliza : Tendance humaine à attribuer involontairement des intentions ou des sentiments humains à un programme informatique.
• Triangle pédagogique/didactique : Interactions entre l’enseignant, l’apprenant et le savoir (concept formalisé par Jean Houssaye).

Cadres et gouvernance

• AI Act (Règlement européen sur l’IA) : Cadre législatif européen classant les systèmes d’IA selon leur niveau de risque et imposant des exigences notamment pour les usages en éducation.
• Cadre d’usage de l’IA : Ensemble de principes, règles et recommandations visant à encadrer l’utilisation de l’IA. Celui du Ministère de l’éducation nationale a été publié en juin 2025, à la suite d’une consultation nationale, pour guider les acteurs de l’éducation dans leurs usages de l’IA.
• CRÉIA : Communauté de Réflexion en Éducation sur l’IA, instance de dialogue entre le Ministère, les chercheurs et les praticiens.

Accès à la publication

Version web

Version print

A consulter aussi

DNE-TN2, & LINE. (2023, juillet 10). Enseigner et apprendre à l’ère de l’intelligence artificielle : Portfolio du GTnum #Scol_IA [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/9593

DNE-TN2, & Chaire RELIA. (2023, septembre 6). Intelligence artificielle et éducation ouverte : Portfolio du GTnum #IA_EO [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/9781

DNE-TN2, & Allouche, E. (2025, janvier 30). Intelligence artificielle et éducation : Apports de la recherche et enjeux pour les politiques publiques : édition trilingue 2025 [Billet]. Éducation, numérique et recherche. https://doi.org/10.58079/137f6

---

---