Tuteurs IA à l’université : les leçons de Khan Academy

L’explication de l’IA paraît limpide. Vous la relisez, reconnaissez les notions et pensez avoir compris. Puis vous fermez la conversation, essayez un exercice voisin et ne savez plus par où commencer. À l’université, cet écart entre suivre une réponse et la construire soi-même compte davantage que la vitesse d’affichage du texte.

Un assistant d’étude utile devrait vous aider à réduire cet écart. Les enseignements publiés par Khan Academy sur Khanmigo donnent un point de départ pour savoir quoi observer. Nous en tirons une proposition concrète avec Algor : travailler à partir des supports du cours, rendre son raisonnement visible et vérifier ce que l’on sait faire lorsque l’aide s’arrête.

Ce que les travaux de Khan Academy apportent sur les tuteurs IA

Dans son bilan de mai 2026, Khan Academy décrit environ 20 tests A/B portant sur plus de 15 millions de conversations, entre octobre 2025 et avril 2026. Un indicateur central est la réussite du problème suivant, sur la même compétence et dans la même séance, sans Khanmigo.

C’est une question pertinente pour vos propres révisions : après une explication, quelle tâche pouvez-vous accomplir de manière autonome ? Une conversation satisfaisante et une réponse correcte produite par l’étudiant sont deux observations différentes. La seconde se rapproche davantage de ce qui vous sera demandé lorsque l’enseignant changera l’exemple ou exigera une justification.

Le bilan décrit des améliorations liées au contexte pertinent de l’élève et aux prérequis ; ajouter des informations sans discernement n’a pas toujours aidé. Il s’agit d’expériences sur Khanmigo, pas d’un essai universitaire sur Algor. Le nombre de conversations ne correspond pas au nombre d’élèves distincts.

Participation, réussite immédiate et préparation aux partiels

Un travail de recherche de 2025 sur les conversations avec Khanmigo distingue le suivi d’une procédure de la production d’explications personnelles. L’association avec les résultats suivants ne démontre pas, à elle seule, un effet causal sur l’apprentissage à long terme.

Il faut donc séparer trois niveaux. Participer signifie agir pendant la séance. Réussir immédiatement après signifie résoudre une tâche proche de celle que l’on vient de rencontrer. Être prêt pour un partiel exige aussi de se souvenir, de choisir et de relier des connaissances dans d’autres conditions. Le premier niveau ne certifie pas automatiquement les suivants.

Un bilan ultérieur de Khan Academy sur un essai scolaire relève un usage limité du tuteur pour raisonner. L’accès seul ne démontre pas un bénéfice supplémentaire de l’IA.

Existe-t-il aussi des résultats à l’université ?

Un essai randomisé publié dans Scientific Reports en 2025, avec 194 étudiants en physique et deux séances, a observé de meilleurs résultats immédiats avec un tuteur IA spécialement conçu qu’avec un enseignement actif en présentiel.

Ce résultat concerne un cadre précis : un tuteur particulier, des contenus définis et des tests proches des séances. Il ne peut être attribué à toutes les applications ni servir à prédire une note de fin de semestre. Il invite néanmoins à prendre au sérieux la conception du travail avec l’IA, au-delà du caractère convaincant des réponses.

À l’université, le problème est concret. Les diapositives peuvent condenser un raisonnement développé à l’oral ; le manuel peut employer une autre notation ; un sujet de partiel peut demander de choisir une méthode sans indice. Le travail utile consiste à reconstruire ces étapes, puis à vérifier si vous savez les mobiliser.

Passer de la question de recherche à une séance de révision

La démarche suivante est notre proposition pratique autour de l’autonomie. Ce n’est ni le protocole des études citées ni une méthode testée par leurs auteurs sur Algor. Essayez-la sur un sujet délimité et évaluez-la à partir des réponses que vous produisez.

1. Donnez le problème et votre tentative à l’assistant

Imaginez que vous révisez les statistiques. Vous savez répéter que corrélation et causalité sont différentes, mais devant une association entre deux variables, vous écrivez aussitôt que l’une cause l’autre. Demander une nouvelle explication générale peut fournir un texte familier. Montrer l’étape précise où vous avez conclu permet d’examiner une erreur concrète.

Dans Algor, vous pouvez travailler dans un Set consacré au sujet. Le guide de révision et de l’assistant IA, en anglais, documente la conversation avec le contexte du Set et les citations consultables. Les supports du cours fournissent une référence ; votre tentative apporte une information sur ce que vous comprenez ou confondez.

Vous pouvez demander : « Voici mon explication. Appuie-toi sur le Set pour repérer la première étape que je n’ai pas justifiée. Pose-moi une question qui m’aide à la corriger avant de proposer une réponse complète. » C’est une consigne de travail, sans garantie que chaque réponse de l’assistant la suivra parfaitement.

Disposer de vos documents ne signifie pas connaître toutes vos difficultés. Précisez donc l’erreur et l’objectif, sans supposer que la conversation a déjà reconstitué votre parcours d’apprentissage. Vous donnez ainsi un objet plus précis à l’échange.

2. Vérifiez la référence et améliorez vos notes

Lorsqu’une source est citée, ouvrez-la. Cherchez la définition, l’hypothèse ou le passage qui soutient l’explication. Dans l’exemple de statistiques, demandez quelles autres explications restent compatibles avec l’association observée. Les données permettent-elles de les départager, ou manque-t-il une information ?

Une citation facilite la vérification ; elle ne rend pas la réponse infaillible. Si le passage ne soutient pas l’affirmation, revenez au texte du cours ou notez une question pour l’enseignant. C’est particulièrement utile lorsque des sources emploient des conventions différentes ou qu’un résumé a omis une condition essentielle.

Algor permet de conserver la correction dans les supports que vous continuerez à utiliser. Les pages du Set sont modifiables, comme l’explique le guide en anglais : ajoutez une condition manquante ou précisez une relation dans une carte conceptuelle. L’éclaircissement devient une partie des notes au lieu de rester enfoui dans une conversation.

3. Formulez une réponse avant de lire la correction

Passez à une question à laquelle vous devez répondre vous-même. Les évaluations d’Algor peuvent inclure des questions ouvertes. Vous pouvez choisir leur périmètre et désactiver le retour immédiat pour consulter la correction à la fin. La capture suivante montre une question ouverte, avec un exemple d’histoire issu du guide.

En statistiques, vous pourriez interpréter brièvement une association, proposer une autre explication et indiquer quelle information aiderait à l’évaluer. En histoire, vous pourriez défendre une thèse en distinguant succession chronologique et relation causale. Dans les deux cas, vous produisez un raisonnement à examiner au lieu de reconnaître simplement une phrase correcte.

Algor évalue les réponses ouvertes avec l’IA. Lisez cette appréciation avec l’explication et les sources du cours. Si une réponse marquée comme correcte oublie une condition exigée dans votre formation, cette condition reste à travailler. Notre article sur le rappel actif propose d’autres exemples pour pratiquer cet effort.

4. Changez de cas et retirez l’aide

Fermez les notes et abordez un second problème. Modifiez un élément significatif : le contexte, les données disponibles ou la question finale. Répéter les mots que vous venez de lire constitue une vérification trop faible de votre capacité à choisir seul une démarche.

Notez l’endroit où vous bloquez. Si vous connaissez la définition mais ne savez pas l’appliquer, accumuler des définitions supplémentaires ne résoudra pas nécessairement le problème. Comparez deux cas et expliquez pourquoi leurs conclusions diffèrent. Si une notion fondamentale manque, reprenez-la avant de passer à des problèmes plus complexes.

Pour une épreuve écrite, rédigez les étapes intermédiaires. Pour un oral ou un exposé en travaux dirigés, expliquez à voix haute et répondez à une question complémentaire. Gardez comme référence ce que votre unité d’enseignement demande réellement de démontrer.

Comment savoir si la séance a été utile

Conservez trois traces brèves : la première tentative, la correction vérifiée et une réponse ultérieure sans aide. Elles ne calculent pas un gain individuel scientifiquement validé. Elles vous permettent de voir si votre raisonnement a changé ou si vous avez seulement adopté une meilleure formulation.

Revenez aussi sur le sujet lors d’une autre séance. Les résultats et les progrès du Set peuvent aider à choisir quoi reprendre, en complément des exercices et critères du cours. Un score dans une application renseigne sur le travail réalisé dans cet environnement ; il ne prédit pas une note universitaire.

Si vos supports de départ sont dispersés, rassemblez les passages utiles avant de commencer. L’étape supplémentaire consiste ici à vérifier que l’organisation des contenus se traduit par une réponse que vous savez construire.

Pourquoi Algor convient à cette façon d’étudier

L’intérêt pratique réside dans la continuité entre documents, clarification et entraînement. Vous pouvez discuter un passage dans le contexte du Set, consulter la référence, actualiser vos notes et vous tester. L’assistant s’inscrit ainsi dans un espace de travail qui conserve aussi ce que vous produisez et corrigez.

Choisissez un sujet d’un cours actuel. Préparez un petit Set dans Algor Education et rédigez une réponse avant de demander de l’aide. À la fin de la séance, tentez une nouvelle réponse seul. Vous disposerez d’un critère concret pour juger l’utilité de l’IA dans vos révisions.

Note sur les sources : cet article distingue les résultats publiés sur des tuteurs précis de notre proposition d’utilisation d’Algor. Il ne présente ni une étude sur Algor ni une collaboration avec Khan Academy. Fonctions vérifiées dans le guide Algor le 29 septembre 2026.