L’IAG et la métacognition
Penser sur sa propre pensée : la compétence qui décide si l’outil d’IA agit comme amplificateur ou comme substitut de l’esprit humain.
Mise en contexte
Antoine prépare un travail d’analyse stratégique. Il copie le cas dans ChatGPT, lui demande « une analyse complète », puis remet le résultat presque tel quel. Il obtient B+. Quand vous lui demandez s’il est d’accord avec le diagnostic posé, il vous répond : « Je ne sais pas, c’est ce que ChatGPT a dit. » Il n’a pas évalué la pertinence des arguments, ni vérifié leur cohérence avec les concepts du cours, ni jugé de la qualité du raisonnement.
Résultat
Antoine n’a pas exercé sa métacognition : il n’a pas surveillé sa compréhension, n’a pas évalué la qualité de la production, n’a pas comparé avec ce qu’il sait. Il a transféré non seulement la production, mais aussi le jugement à l’outil d’IAG. C’est ce que Fan et coll. (2024) appellent la « paresse métacognitive ».
Comprendre la métacognition
Penser sur sa propre pensée (Flavell, 1979)
Flavell est un psychologue qui a introduit et conceptualisé la métacognition dans les années 1970. La métacognition se définit comme étant la connaissance qu’on a de ses propres processus cognitifs et de sa capacité à les réguler. Pour une personne étudiante, il s’agit concrètement de savoir ce qu’elle sait, de savoir ce qu’elle ne sait pas, de choisir une stratégie d’étude appropriée, d’ajuster sa démarche en cours de route et de juger de la qualité d’un travail. Flavell a démontré que l’apprentissage ne dépend pas seulement de l’intelligence ou des connaissances, mais aussi de la capacité à réfléchir sur son propre fonctionnement cognitif et à le contrôler.
L’autorégulation des apprentissages
L’autorégulation des apprentissages désigne la capacité d’une personne étudiante à gérer elle-même son processus d’apprentissage de façon consciente et active. Elle se déploie en trois phases (Zimmerman, 2002; Pintrich, 2004) :
- prévoir ou planifier (se fixer un but, choisir une stratégie),
- contrôler ou exécuter (observer, suivre et vérifier ce qu’on fait pendant la tâche),
- réfléchir ou s’autoévaluer (évaluer le résultat, ajuster pour la prochaine fois).
Chaque phase peut être soutenue ou affaiblie par l’IAG, selon la consigne pédagogique.
Pourquoi cela compte pour l’apprentissage
La métacognition est l’un des leviers les plus puissants pour l’apprentissage. Les personnes étudiantes qui développent leur métacognition apprennent plus vite, transfèrent mieux leurs connaissances, et restent autonomes, y compris en l’absence de l’outil d’IAG.
La métacognition constitue une protection essentielle face aux erreurs ou hallucinations produites par l’outil d’IA générative. Une personne étudiante qui sait vérifier si une idée est logique et repérer les erreurs et qui peut comparer avec ce qu’elle a appris peut bien utiliser l’outil. Sinon, elle risque de croire tout ce que l’outil dit.
En résumé, voici le risque et l’opportunité de l’outil d’IAG face à la métacognition.
Risque
L’outil d’IAG peut empêcher la personne étudiante de réfléchir à sa propre compréhension. Comme la réponse est déjà donnée, elle ne se demande plus si elle a vraiment bien compris. Au lieu de se demander « Est-ce que je sais? », elle finit par ne plus se poser de questions, convaincue que l’outil sait. Sans cette réflexion, l’apprentissage progresse peu.
Opportunité
Un outil d’IAG peut devenir un bon outil pour réfléchir sur sa façon d’apprendre. Par exemple, demander plusieurs réponses à l’outil et choisir la meilleure est un excellent exercice. Mais pour que ça fonctionne, il faut que la consigne demande d’évaluer les réponses, pas seulement d’en produire.
La métacognition et le bien-être étudiant
Savoir où l’on se situe et ajuster ses stratégies permet de reprendre le contrôle sur son apprentissage. La métacognition aide à réduire l’incertitude anxiogène, favorise l’autorégulation des émotions et encourage un dialogue intérieur bienveillant plutôt que l’autocritique. Elle est également étroitement liée au sentiment d’efficacité personnelle et à la confiance en sa capacité à progresser.
À retenir
Message clé
La métacognition fait la différence entre une personne étudiante qui utilise bien un outil d’IAG et une autre qui se laisse guider par l’outil. Tant que la personne étudiante analyse, compare et pose des questions, elle apprend. Mais si elle accepte tout sans réfléchir, elle progresse moins. Heureusement, cette capacité peut s’enseigner et elle est très efficace pour améliorer l’apprentissage.
Clin d’œil scientifique
La paresse métacognitive
Fan et coll. (2024) ont étudié 117 personnes étudiantes utilisant ou non l’IAG pour rédiger un essai. Le groupe qui utilisait l’IAG a obtenu de meilleurs textes, mais a engagé moins d’opérations métacognitives (planification, suivi, évaluation) que le groupe contrôle. Les auteurs parlent de « metacognitive laziness », c’est-à-dire un appauvrissement des stratégies réflexives.
Délestage et confiance
Lee et coll. (2025) montrent que plus une personne fait confiance à l’IAG, moins elle exerce sa pensée critique. Ce phénomène s’explique par le fait que la fluidité perçue des réponses crée une impression de compréhension suffisante, qui réduit le besoin de les examiner de manière critique.
Le délestage cognitif comme phénomène général
Gerlich (2025) et Underwood (2025) situent l’IAG dans un phénomène plus large de délestage cognitif , soit le fait de confier à des outils externes des tâches que l’on accomplirait autrement soi-même. Cette délégation peut soit libérer des ressources pour se concentrer sur des activités plus complexes, soit entraîner une diminution des compétences mises de côté. La métacognition joue un rôle clé en permettant de choisir entre les deux.
Pour aller plus loin
Education Endowment Foundation. (2025). Metacognition and self-regulated learning: Guidance report (2e éd.). Education Endowment Foundation. https://educationendowmentfoundation.org.uk/education-evidence/guidance-reports/metacognition
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
Flavell, J. H. (1979). Metacognition and cognitive monitoring: A new area of cognitive-developmental inquiry. American Psychologist, 34(10), 906-911. https://doi.org/10.1037/0003-066X.34.10.906
Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), Article 6. https://doi.org/10.3390/soc15010006
Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R. et Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. Dans Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (Article 1121, 1-22). Association for Computing Machinery. https://doi.org/10.1145/3706598.3713778
Pintrich, P. R. (2004). A conceptual framework for assessing motivation and self-regulated learning in college students. Educational Psychology Review, 16(4), 385-407. https://doi.org/10.1007/s10648-004-0006-x
Underwood, T. (2025, 9 mai). I think, therefore, I know what I know; I offload, therefore, I raise the potential of knowing more (or less). TerryU. Substack. https://terryu.substack.com/p/i-think-therefore-i-know-what-i-know
Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64-70. https://doi.org/10.1207/S15430421TIP4102_2