L’IAG, la mémoire et l’apprentissage
Sans encodage, rien n’est mémorisé — et sans mémoire, il ne peut pas y avoir d’apprentissage durable, peu importe ce que produit un outil d’IA.
Mise en contexte
Sara prépare l’examen final de son cours d’analyse financière. Elle ouvre Copilot et lui demande un résumé de chaque chapitre. Elle relit le résumé deux fois en se disant qu’elle « connaît la matière ». Le jour de l’examen, devant un cas où il faut appliquer la méthode des flux de trésorerie actualisés, elle bloque : elle reconnaît les mots, mais ne sait pas par où commencer. Elle obtient une note de 1/20.
Résultat
Sara avait l’illusion de savoir parce qu’elle reconnaissait les concepts. Mais reconnaître n’est pas se rappeler, et se rappeler n’est pas appliquer. Sans pratique active de récupération, sa mémoire à long terme n’a pas été consolidée. L’outil d’IAG a produit le résumé, mais pas l’apprentissage.
Comprendre la mémoire et l’apprentissage
Trois mémoires complémentaires
La mémoire sensorielle retient l’information quelques secondes. La mémoire de travail manipule de petites quantités d’information (environ 4 à 7) sur de courtes durées. La mémoire à long terme stocke ce qui a été encodé en profondeur. Apprendre, c’est faire passer une information de la mémoire de travail à la mémoire à long terme — ce qui exige un effort cognitif actif.
Encoder, consolider, récupérer
Trois opérations sont en jeu :
- encoder (traiter l’information de manière significative),
- consolider (la stabiliser, souvent pendant le sommeil),
- récupérer (la retrouver quand on en a besoin).
La récupération elle-même renforce la mémoire : c’est l’effet de testage, abondamment documenté en psychologie cognitive et en science de l’éducation. Il montre que se tester activement sur une information améliore davantage la mémorisation à long terme.
Pourquoi cela compte pour l’apprentissage
Karpicke et coll. (2009) ont démontré que la pratique de récupération, c’est-à-dire se tester ou tenter activement de se rappeler l’information, favorise un apprentissage beaucoup plus durable que des stratégies passives, comme la relecture ou le surlignage. Or, l’IAG encourage spontanément ce type d’approche passive, par exemple en fournissant un résumé ou des explications pouvant être simplement lus ou consultés. Sans intervention pédagogique explicite, cela conduit souvent à un apprentissage en surface.
Dans ce contexte, le rôle de la personne enseignante est déterminant : ce sont les tâches qu’elle conçoit qui orientent l’usage de l’IAG vers un apprentissage durable, ou, au contraire, vers une simple performance ponctuelle. Faire produire un résumé par l’IA entraîne peu d’apprentissages. À l’inverse, demander à l’étudiante ou l’étudiant de rédiger d’abord son propre résumé, puis de le comparer avec celui de l’IA, et enfin, de se tester sans aide, favorise un apprentissage robuste.
En résumé, voici le risque et l’opportunité de l’utilisation d’un outil d’IAG face à la mémoire et l’apprentissage.
Risque
L’outil d’IAG offre une fluidité qui crée une illusion de maîtrise. Lire un résumé clair génère un sentiment de compréhension, sans qu’aucun encodage profond ne se soit produit. Au moment de devoir mobiliser l’information sans l’outil, le vide apparaît.
Opportunité
Bien employé, un outil d’IAG peut soutenir la mémorisation : générer des questions de récupération, créer des analogies, reformuler une notion sous un autre angle. La condition : la personne étudiante doit s’activer pour se tester et ne pas se relire passivement.
La mémoire et l’apprentissage
et le bien-être étudiant
Parvenir à se remémorer ce que l’on a appris nourrit un sentiment de progression et de compétence, ce qui renforce la motivation. Les stratégies de mémorisation efficaces, telles que la récupération active et la révision espacée, contribuent à diminuer l’anxiété liée aux examens, souvent alimentée par l’impression de « ne rien retenir ». Une bonne mémoire permet d’aborder les évaluations avec plus de confiance et moins de stress.
À retenir
Message clé
Un outil d’IAG peut produire un texte parfait sans que l’étudiant ou l’étudiante n’ait réellement appris. La mémoire se construit uniquement par un engagement actif, comme la réflexion profonde ou la révision de l’information à des intervalles espacés. En tant que personne enseignante, il est important de préserver ces processus d’apprentissage plutôt que de les éviter.
Clin d’œil scientifique
Effet immédiat vs effet retardé
Bastani et coll. (2024) ont mené un essai contrôlé en mathématiques montrant un contraste net entre performance à court terme et apprentissage durable. Avec un tuteur d’IAG, les personnes étudiantes résolvaient mieux les exercices en situation guidée, ce qui suggère un soutien efficace de la mémoire de travail (réduction de la charge cognitive, accès rapide à des procédures et indices). Toutefois, cet avantage disparaissait lors d’un examen sans IAG : les résultats indiquent que les connaissances n’avaient pas été suffisamment encodées en mémoire à long terme ni consolidées. Autrement dit, l’IAG améliore l’effet immédiat de performance, mais ne garantit pas l’effet d’apprentissage retardé, qui repose sur des processus comme la récupération active, l’élaboration et la pratique espacée. Sans ces mécanismes, une partie de l’activité cognitive est « externalisée » vers l’outil, ce qui peut nuire à une bonne mémorisation et à la capacité de réutiliser les connaissances de façon autonome.
L’effet « paresse métacognitive »
Fan et coll. (2024) évoquent une forme de paresse métacognitive : avec l’IAG, les personnes étudiantes tendent à moins vérifier et réguler leur compréhension. Cette diminution du contrôle métacognitif peut réduire la profondeur de l’encodage et, par conséquent, limiter la consolidation des apprentissages dans la mémoire à long terme.
La vraie pratique de récupération est essentielle
Karpicke, Butler et Roediger (2009) ont montré que se tester sur ce qu’on vient d’apprendre — même à blanc, sans rétroaction — favorise une meilleure mémorisation que la simple relecture. Cette stratégie demeure pertinente à l’ère de l’IAG : toutefois, elle est peu encouragée par les outils actuels, qui misent davantage sur la fluidité et l’accès immédiat aux réponses que sur l’effort de rappel.
Pour aller plus loin
Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö. et Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), Article e2422633122. https://doi.org/10.1073/pnas.2422633122
Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X. et Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489-530. https://doi.org/10.1111/bjet.13544
Karpicke, J. D., Butler, A. C. et Roediger, H. L. (2009). Metacognitive strategies in student learning: Do students practise retrieval when they study on their own? Memory, 17(4), 471-479. https://doi.org/10.1080/09658210802647009
Roediger, H. L. et Karpicke, J. D. (2006). The power of testing memory: Basic research and implications for educational practice. Perspectives on Psychological Science, 1(3), 181-210. https://doi.org/10.1111/j.1745-6916.2006.00012.x
Sweller, J. (2011). Cognitive load theory. Dans J. P. Mestre et B. H. Ross (dir.), Psychology of Learning and Motivation (Vol. 55, p. 37-76). Academic Press. https://doi.org/10.1016/B978-0-12-387691-1.00002-8