L’université Brown se retrouve au cœur d’une nouvelle controverse sur l’usage de l’intelligence artificielle dans l’enseignement supérieur. D’après Ars Technica, un professeur, convaincu que des étudiants utilisaient des outils d’IA pour tricher, a décidé de remplacer ou de compléter les modalités habituelles par un examen final organisé en présentiel.
Le point le plus marquant est l’écart de performance observé : les scores auraient baissé d’environ 50 % lors de cette épreuve surveillée. Présenté ainsi, ce différentiel ne constitue pas à lui seul une preuve exhaustive des pratiques individuelles, mais il renforce les soupçons d’un décalage entre les résultats obtenus à distance et les compétences réellement maîtrisées sans assistance.
L’affaire illustre un problème plus large pour les établissements : comment évaluer de manière fiable à l’ère des modèles génératifs ? Les enseignants sont de plus en plus confrontés à des productions difficiles à distinguer d’un travail authentiquement rédigé par les étudiants, surtout dans les exercices réalisés hors salle. Cela pousse certaines universités à réintroduire des formats plus contrôlés, comme les examens manuscrits, oraux ou en présentiel.
Au-delà du cas de Brown, cette situation ravive un débat de fond sur la place de l’IA dans l’apprentissage. Entre outil d’assistance légitime et instrument de contournement des règles académiques, la frontière reste mouvante. Le cas rapporté par Ars Technica suggère surtout que les institutions devront clarifier rapidement leurs politiques d’usage, sous peine de fragiliser la valeur même de l’évaluation et, plus largement, la confiance dans les diplômes.