IA dans l’enseignement supérieur : cas d’usage déployés

Par Elisha Bajemon, Ingénieur IA chez TW3 Partners. Dernière mise à jour : 2 octobre 2026.

En bref

L’IA dans l’enseignement supérieur est déployée aujourd’hui pour quatre usages : assistants de scolarité, aide aux services administratifs, préparation de cours et recherche documentaire sur les contenus de l’établissement. Selon l’enquête de la Conférence des grandes écoles publiée le 6 novembre 2025, 75 % des étudiants utilisent régulièrement des outils d’IA, mais 23 % seulement des établissements ont formalisé une stratégie IA. Le rapport remis au ministère de l’Enseignement supérieur et de la Recherche en juillet 2025 constate que moins de 10 % des répondants ont été formés par leur établissement.

Les déploiements rendus publics en France sont des assistants reliés aux procédures de l’établissement et hébergés localement, comme à l’Université de Strasbourg ou à l’Université d’Évry Paris-Saclay, et un pilote national mené avec l’AMUE et Mistral AI dans 21 établissements à partir de septembre 2025. Les usages d’admission, d’évaluation et de surveillance d’examen relèvent de l’annexe III du règlement (UE) 2024/1689 (AI Act) et appellent un cadrage distinct. Cet article recense ce qui est déployé, le cadre applicable et une méthode pour cadrer un premier projet.

1. Où en est l’usage de l’IA dans l’enseignement supérieur ?

L’usage est massif chez les étudiants et encore peu organisé par les établissements. L’enquête « Usages de l’intelligence artificielle dans les Grandes écoles », réalisée par IÉSEG Conseil Paris pour la CGE en juin et juillet 2025 auprès de 5 069 répondants, indique que 75 % des étudiants utilisent régulièrement des outils d’IA et que 48 % des enseignants en ont un usage occasionnel ou inexistant. Côté pilotage, 56 % des établissements ont mis en place une gouvernance spécifique, mais 23 % seulement disposent d’une stratégie IA formalisée.

Le questionnaire de la mission confiée par le ministère à Frédéric Pascal et François Taddei, dont le rapport a été publié en juillet 2025, confirme la tendance dans les universités : 68 % des étudiants recourent à l’IA chaque semaine, près de 50 % des enseignants-chercheurs aussi, et moins de 10 % des répondants ont été formés par leur établissement.

Le constat se retrouve à l’étranger. L’AI in Higher Education Global Survey 2026 du Digital Education Council, fondée sur 45 398 réponses dans 35 pays, relève que 15 % seulement des étudiants voient l’IA intégrée dans beaucoup de leurs cours, que 29 % jugent leurs enseignants bien équipés pour les guider et que 60 % craignent qu’un camarade en fasse un usage déloyal.

2. Quels cas d’usage sont déjà déployés dans les établissements français ?

Un assistant de scolarité désigne un agent conversationnel relié aux procédures et aux contenus de l’établissement par la technique de génération augmentée par la recherche (RAG), qui répond aux questions de premier niveau des candidats et des étudiants et renvoie vers les services compétents pour le reste.

Quels assistants pour les candidats et les étudiants ?

L’Université de Strasbourg a lancé en septembre 2024 un projet pilote, Inscripote, « un chatbot d’assistance conçu pour répondre aux questions des étudiants concernant les inscriptions et admissions ». Le service est hébergé dans le centre de données de l’université, s’appuie sur la technique RAG, ne collecte pas de données personnelles et précise que « toutes les données traitées restent locales ».

L’Université d’Évry Paris-Saclay a annoncé le 16 juillet 2025 ses chatbots EVE, « des assistants IA souverains, hébergés localement dans le datacenter de l’université ». La première version, annoncée pour septembre 2025, répond aux questions des personnels sur les ressources humaines et l’assistance informatique, avant une extension à tous les domaines début 2026.

Au niveau national, le rapport Pascal-Taddei (juillet 2025) cite le consortium entre 21 établissements, l’association Edtech France et Mistral, annoncé par le ministre le 12 juin 2025. Selon Le Monde Informatique (17 juin 2025), le pilote réunit plus de 3 000 utilisateurs dans 21 établissements à partir de septembre 2025, avec un objectif de 180 établissements et un appel d’offres annoncé pour 2026.

Que font les services administratifs et la scolarité ?

Le rapport Pascal-Taddei relève que l’IA sert déjà, dans quelques établissements, à l’élaboration des emplois du temps, à la gestion des inscriptions et que des chatbots donnent « une réponse de premier niveau » aux usagers. Ces expérimentations sont « souvent à un stade préliminaire », mais plus de 80 % des personnels interrogés considèrent que l’IA peut améliorer le service rendu à l’usager.

Sur sa page consacrée à l’enseignement supérieur, TW3 Partners décrit trois usages de même nature : la préparation des dossiers d’accréditation, la saisie dans les logiciels de gestion sans les modifier, et un assistant interne qui répond à partir des contenus de l’établissement.

Comment les établissements mutualisent-ils l’infrastructure ?

L’hébergement des modèles est le point dur. Le rapport Pascal-Taddei constate que « le manque de capacités techniques en matière d’infrastructures et de modèles souverains, ne permet pas à la majorité des établissements d’encourager un usage massif de l’IA pour tous ». Il recommande des centres de données dédiés à l’inférence souveraine (recommandation 17), des contrats qui évitent « les irréversibilités technologiques » (recommandation 16) et, dans l’attente, l’accès à des modèles « de préférence ouverts et frugaux » (recommandation 14).

Une réponse existe déjà. Selon la revue de l’Université Paris 1 Panthéon-Sorbonne (20 mai 2025), la fédération ILaaS (Inference LLM as a service) réunit pour sa première phase les universités de Lille, de Reims Champagne-Ardenne, Paris 1 Panthéon-Sorbonne, de Rennes et CentraleSupélec, afin de « mutualiser les usages autour des IA génératives » et de « répondre aux enjeux de sobriété numérique et de souveraineté ».

3. Que font les universités à l’étranger ?

Hors de France, le modèle le plus visible est la licence d’un service du marché pour toute la communauté. L’Université d’Oxford a annoncé le 22 septembre 2025 l’accès à ChatGPT Edu pour tous ses personnels et étudiants dès l’année 2025-2026, après un pilote d’un an auprès de 750 personnels.

Le cadre international est posé par l’UNESCO, dont le guide sur l’IA générative dans l’éducation et la recherche (7 septembre 2023) recommande aux gouvernements des cadres de régulation « mandating the protection of data privacy, and setting an age limit for the independent conversations with GenAI platforms », ainsi qu’une validation éthique et pédagogique des systèmes avant usage.

La différence avec les déploiements français tient à l’hébergement : licence d’un service américain d’un côté, modèles à poids ouverts hébergés dans l’établissement ou mutualisés de l’autre.

4. Admission, évaluation et surveillance : pourquoi ces usages sont-ils à part ?

Parce que le règlement européen les classe à haut risque. L’annexe III du règlement (UE) 2024/1689 (point 3, « Éducation et formation professionnelle ») vise les systèmes destinés « à déterminer l’accès, l’admission ou l’affectation de personnes physiques à des établissements d’enseignement », « à évaluer les acquis d’apprentissage », « à évaluer le niveau d’enseignement approprié qu’une personne recevra » et « à surveiller et détecter des comportements interdits chez les étudiants lors d’examens ».

L’obligation de maîtrise de l’IA par le personnel (article 4) s’applique depuis le 2 février 2025 ; selon la page de la Commission européenne consacrée au règlement (mise à jour le 3 août 2026), les obligations propres aux systèmes à haut risque de l’annexe III s’appliquent à partir du 2 décembre 2027.

La CNIL avait déjà fixé une ligne sur la surveillance à distance. Sa recommandation sur la télésurveillance des examens en ligne (4 septembre 2023) demande une attention particulière à la proportionnalité, indique que « toute analyse automatique du comportement des candidats devrait être exclue » et recommande une alternative en présentiel. Sa page sur les systèmes d’IA dans l’éducation (20 juin 2025) rappelle qu’une analyse d’impact est obligatoire pour les traitements susceptibles d’engendrer un risque élevé.

Sur l’admission, le rapport Pascal-Taddei rappelle que « l’utilisation exclusive de l’IA pour la sélection des candidats n’est pas autorisée par le règlement européen de l’IA ».

Les enseignants ont déjà réagi. Selon l’enquête CGE (novembre 2025), 56 % ont fait évoluer leurs évaluations depuis l’arrivée de l’IA générative, 76 % d’entre eux pour limiter les risques de fraude, tandis que 29 % n’ont donné aucune consigne à leurs étudiants et que 42 % des étudiants craignent des sanctions académiques. Le rapport Pascal-Taddei demande aux établissements de définir, par discipline, des modalités d’évaluation qui garantissent la validation des acquis (recommandation 2).

5. Quel cadre un établissement doit-il respecter ?

Texte ou référentiel	Ce qu’il impose ou recommande	Ce que cela change pour un projet
Règlement (UE) 2024/1689, annexe III, point 3	Admission, évaluation des acquis, orientation de niveau et surveillance d’examen classées à haut risque	Obligations renforcées pour ces usages ; un assistant d’information de premier niveau n’y figure pas
RGPD, rappelé par la CNIL (20 juin 2025)	Base légale de la mission d’intérêt public, information des personnes, analyse d’impact si risque élevé	Registre, analyse d’impact et contrat avec le prestataire avant la mise en service
CNIL, télésurveillance des examens (4 septembre 2023)	Proportionnalité, exclusion de l’analyse automatique du comportement, alternative en présentiel	Pas de détection comportementale automatisée pendant les examens à distance
Charte DemoES « IA générative & ESR » (27 septembre 2025)	Quatre principes : curiosité, transparence, précaution, parcimonie ; interdiction d’IA non validées ou grand public pour des données sensibles ; réversibilité ; préférence pour l’open source	Modèle de charte réutilisable, à adopter par les conseils
Rapport Pascal-Taddei (juillet 2025)	26 recommandations : formation, évaluation par discipline, modèles ouverts et frugaux, contrats réversibles, centres de données d’inférence souverains	Feuille de route ministérielle en cours de déclinaison
UNESCO (7 septembre 2023)	Protection des données, limite d’âge, validation éthique et pédagogique des systèmes	Référence internationale pour la gouvernance

La charte DemoES (version du 27 septembre 2025) proscrit « d’utiliser des IAg non validées ou grand public pour traiter des données sensibles » et recommande d’« explorer l’auto-hébergement ».

6. Comment un établissement cadre-t-il un premier projet ?

Par un périmètre étroit, des données maîtrisées et une mesure dès le premier jour.

Choisir un usage de premier niveau. Les questions d’inscription, de scolarité ou d’assistance informatique sont fréquentes, documentées et hors du champ du haut risque. C’est le choix de Strasbourg et d’Évry.
Fixer le lieu des données. Lister les documents que l’assistant lira et les données que les conversations contiendront, puis choisir entre hébergement interne, infrastructure mutualisée (ILaaS, pilote AMUE) ou service du marché sous contrat, sans donnée sensible vers un outil non validé.
Installer la gouvernance avant l’outil. Un comité qui réunit direction, scolarité, DSI, délégué à la protection des données et représentants étudiants ; une charte adoptée par les conseils ; des consignes d’évaluation par discipline, puisque 29 % des enseignants des grandes écoles n’en donnaient aucune en 2025.
Qualifier le risque réglementaire. Vérifier que l’usage ne relève pas de l’annexe III, conduire l’analyse d’impact si nécessaire, signer le contrat de sous-traitance et documenter le choix des modèles.
Mesurer et former. Suivre le nombre de questions traitées, le taux de renvoi vers un service humain et la satisfaction ; former les personnels en priorité, puisque moins de 10 % des répondants de la mission ministérielle avaient été formés par leur établissement.

Un premier projet d’IA dans l’enseignement supérieur tient quand son périmètre reste étroit et ses données maîtrisées. Les extensions vers la pédagogie ou la recherche viennent après la mesure du premier usage.

7. FAQ

Un assistant de scolarité est-il un système à haut risque au sens de l’AI Act ?
Pas par nature. L’annexe III vise l’admission, l’évaluation des acquis, l’orientation de niveau et la surveillance d’examen. Un assistant qui répond à des questions d’information de premier niveau n’y figure pas ; la qualification se fait toutefois cas par cas, selon la finalité réelle du système.

Faut-il héberger les modèles dans l’établissement ?
C’est le choix de l’Université de Strasbourg et de l’Université d’Évry Paris-Saclay, et la direction recommandée par le rapport Pascal-Taddei. Une infrastructure mutualisée comme ILaaS ou le pilote AMUE-Mistral évite d’exploiter seul des serveurs à GPU.

Peut-on utiliser l’IA pour sélectionner des candidats ?
Le rapport Pascal-Taddei rappelle que l’utilisation exclusive de l’IA pour la sélection des candidats n’est pas autorisée par le règlement européen, et l’annexe III classe ces systèmes à haut risque. Une aide à la première sélection reste envisageable si les critères sont définis et transparents, avec une décision humaine.

Les étudiants et les personnels doivent-ils être formés avant le déploiement ?
Oui. 82 % des étudiants et 88 % des enseignants des grandes écoles souhaitent que leur établissement investisse davantage dans la formation à l’IA (CGE, novembre 2025), alors que moins de 10 % des répondants de la mission ministérielle avaient été formés par leur établissement.

Par quel usage commencer un projet d’IA dans l’enseignement supérieur ?
Par un assistant de scolarité ou d’assistance interne : les questions sont répétitives, les sources sont documentées, le risque réglementaire est faible et l’usage se mesure facilement. C’est le point de départ commun aux déploiements d’IA dans l’enseignement supérieur cités dans cet article.

IA dans l’enseignement supérieur : cas d’usage déjà déployés dans les écoles et universités