Contexte de la classe de mathématiques

Le reportage de Business Insider daté de novembre 2026 décrit une séance de mathématiques à l'California Institute of Technology (Caltech). L’auteur indique que les étudiants utilisent massivement des modèles de langage génératif, notamment ChatGPT, pour résoudre les exercices assignés. Cette adoption généralisée constitue le point de départ de la décision pédagogique prise par le professeur.

Décision du professeur d’arrêter la notation

Confronté à une classe où chaque travail est produit à l’aide d’une IA, le professeur a choisi de ne plus attribuer de notes aux devoirs écrits. Le texte précise que la mesure vise à éviter d’évaluer des productions qui ne reflètent plus le travail individuel des étudiants. Aucun critère chiffré n’est fourni ; la décision repose uniquement sur l’observation que « tout le monde utilise l’IA ».

Analyse des enjeux pédagogiques

Cette situation illustre deux aspects techniques. Premièrement, les modèles de langage atteignent une précision suffisante pour résoudre des problèmes mathématiques de niveau universitaire, ce qui rend les réponses automatisées indiscernables des solutions humaines. Deuxièmement, l’accès libre à ces outils via des API cloud crée une uniformité d’utilisation, rendant la détection de l’IA difficile sans recours à des logiciels de détection spécialisés. L’article ne mentionne aucun outil de vérification, ce qui souligne le manque de solutions techniques actuellement déployées dans le cadre de ce cours.

Limites et perspectives

Le texte ne fournit pas de données quantitatives sur le taux d’utilisation de l’IA, ni sur les performances comparatives entre les réponses générées et les réponses attendues. Cette absence de métriques empêche d’évaluer l’impact réel sur l’apprentissage. Le professeur, selon le récit, envisage de remplacer les devoirs écrits par des évaluations orales ou des projets pratiques, afin de mesurer des compétences non reproductibles par les modèles de langage. Cette orientation suggère que les institutions devront repenser leurs méthodes d’évaluation pour tenir compte de la capacité des IA à automatiser des tâches cognitives classiques.